DISPLAI CITRA DIGITAL PENGINDERAAN JAUH

Empat komponen dasar dari sistem penginderaan jauh adalah target, sumber energi, alur transmisi, dan sensor. Komponen dalam sistem ini berkerja bersama untuk mengukur dan mencatat informasi mengenai target tanpa menyentuh obyek tersebut. Sumber energi yang menyinari atau memancarkan energi elektromagnetik pada target mutlak diperlukan. Energi berinteraksi dengan target dan sekaligus berfungsi sebagai media untuk meneruskan informasi dari target kepada sensor. Sensor adalah sebuah alat yang mengumpulkan dan mencatat radiasi elektromagnetik. Setelah dicatat, data akan dikirimkan ke stasiun penerima dan diproses menjadi format yang siap pakai, diantaranya berupa citra. Citra ini kemudian diinterpretasi untuk menyarikan informasi mengenai target. Proses interpretasi biasanya berupa gabungan antara visual dan automatic dengan bantuan computer dan perangkat lunak pengolah citra.

Data citra satelit dikirim ke stasiun penerima dalam bentuk format digital mentah merupakan sekumpulan data numerik. Unit terkecil dari data digital adalah bit, yaitu angka biner, 0 atau 1. Kumpulan dari data sejumlah 8 bit data adalah sebuah unit data yang disebut byte, dengan nilai dari 0 – 255. Dalam hal citra digital nilai level energy dituliskan dalam satuan byte. Kumpulan byte ini dengan struktur tertentu bisa dibaca oleh software dan disebut citra digital 8-bit. Data  penginderaan  jauh  dapat  berupa  foto  udara  dan  citra  satelit.  Foto  udara memiliki  kelebihan  resolusi  spasialnya  yang  halus  sehingga  objek  berukuran  kecil (tergantung skala foto) dapat direkam, kenampakan objek seperti wujud sebenarnya di lapangan, serta secara teknik penggunaannya mudah hanya memerlukan peralatan yang sederhana. Sedangkan  kelemahan  foto  udara  adalah  resolusi  temporalnya  rendah, cakupan liputannya sempit, biayanya lebih mahal jika dibandingkan dengan luasan yang sama dengan citra satelit (Somantri 2008).

Penginderaan jauh merupakan ilmu untuk memperoleh informasi tentang obyek, daerah, atau gejala dengan cara analisis data yang diperoleh dengan menggunakan alat tanpa kontak langsung terhadap obyek, daerah, atau gejala tersebut. Data penginderaan jauh dapat diperoleh melalui hasil rekaman sensor yang dipasang baik pada pesawat terbang, satelit, pesawat ulang alik, atau wahana lainnya. Sensor tersebut akan menghasilkan data yang berbeda-beda sesuai dengan letak ketinggian sensor maupun karakteristik obyek yang dikaji (Sutanto, 1986).

Salah satu satelit yang digunakan untuk penginderaan jauh ini adalah Landsat, yang sekarang telah mencapai generasi Landsat-8. Satelit Landsat-8 memiliki sensor Onboard Operational Land Imager (OLI) danThermal Infrared Sensor (TIRS) dengan jumlah kanal sebanyak 11 buah. Di antara kanal-kanal tersebut, 9 kanal (band 1-9) berada pada OLI dan 2 lainnya (band 10 dan 11) pada TIRS. Sebagian besar kanal memiliki spesifikasi mirip dengan Landsat-7 (Andana 2015).

Indeks vegetasi adalah besaran nilai kehijauan vegetasi yang diperoleh dari pengolahan sinyal digital data nilai kecerahan (brightness) beberapa kanal data sensor satelit. Untuk pemantauan vegetasi, dilakukan proses perbandingan tingkat kecerahan kanal cahaya merah (red) dan infra merah dekat (near infra red/NIR). Penyerapan cahaya merah oleh klorofil dan pemantulan cahaya infra merah dekat oleh jaringan mesofil pada daun akan membuat nilai kecerahan yang diterima sensor satelit melalui kanal-kanal tersebut akan jauh berbeda. Pada daratan tanpa vegetasi, termasuk wilayah perairan dan pemukiman, lahan kosong terbuka, atau kondisi vegetasi yang rusak, tidak dapat memberikan nilai rasio yang tinggi pada perbandingan nilai kanal-kanal tersebut. Dan sebaliknya pada daratan dengan vegetasi yang rapat dan kondisi sehat, perbandingan nilai kedua kanal tersebut memberikan nilai yang sangat tinggi (Andana 2015).

Informasi data kerapatan vegetasi dan perubahannya, luas lahan, dan keadaan dilapangan dapat dideteksi dari teknik penginderaan jauh dengan menggunakan citra satelit salah satunya adalah Landsat 8. Landsat 8 mempunyai ukuran rentang yang berbeda dari frekuensi sepanjang spektrum elektromagnetik warna, meskipun tidak selalu warna terlihat dengan mata manusia. Setiap rentang disebut sebuah band, dan Landsat 8 memiliki 11 band (Purwanto 2o15).

Berdasarkan hasil penegolahan band komposit pada tabel 2 dapat dilihat perbandingan warna pada masing-masing band komposit dari indeks yang sama seperti indeks vegetasi rapat, pada indeks vegetasai wana band komposit 4-3-2 lebih menunjukkan hijau gelap, pada band komposit 6-5-3 menunjukkan warna hijau cerah sedangkan pada band komposit 5-4-3 menunjukkan warna merah. Hal ini disebabkan karena perbedaan panjang gelombang pada masing-masing band terhadap indeks seperti vegetasi. Band 4 memiliki panjang gelombang atau persen respon spectral  yang kecil terhadap vegetasi sedangkan tinggi terhadap tanah, band 6 memiliki panjang gelombang atau persen respon spectral  yang besar terhadap vegetasi sedangkan kecil terhadap bagan air, sedangkan band 5 memiliki panjang gelombang atau persen respon spectral  yang besar terhadap vegetasi sedangkan kecil terhadap bagan air. Sehingga ketika band di input ke PC yang memiliki display R-G-B maka band yang paling besar persen respon spectral terhadap indeksnya akan memunculkan warna sesuai urutan band tersebut diinput pada PC. Hal ini juga berlaku pada display grayscale namun warna yang ditampilkan yakni derajat keabuan, semakin besar respon spectral terhadap indeksnya maka semakin terang/abu warnanya.

Komputer membaca data citra sampai pada tingkatan piksel dimana tiap piksel penyusun citra dikuantifikasi menjadi Digital Number (DN). Citra tergambarkan karena sensor satelit menerima gelombang elektromagnetik dari obyek. Intensitas gelombang yang tertangkap sensor inilah yang diwakili oleh nilai Digital Number (DN). Tipe penutupan lahan berupa hutan tertutup tajuk atau lahan terbuka akan memantulkan gelombang elektromagnetik dengan intensitas yang berbeda satu dengan lainnya. Kondisi ini mengakibatkan nilai DN yang berbeda pula. Analisis citra digital dengan komputer pada prinsipnya melakukan operasi matematik terhadap nilai Digital Number pada beberapa komponen sensor (band) yang berbeda sehingga menghasilkan nilai tertentu yang menggambarkan karakteristik obyek. Secara umum nilai DN berbanding lurus dengan nilai reflektansi. Semakin tinggi nilai DN suatu objek, maka nilai reflektansi yang dihasilkan juga akan semakin tinggi.

Beberapa objek memiliki variasi nilai DN dan reflektan yang cukup jauh. Padahal menurut Arhatin R E (2007), penutupan lahan yang sama akan memiliki sifat-sifat reflektansi (nilai DN) yang sama. Salah satu objek yang memiliki variabilitas nilai reflektan dan DN adalah awan. Nilai DN dan reflektansi awan dipengaruhi oleh ukuran awan tersebut. Reflektansi awan cumulus yang memiliki diameter 1 km, akan menghasilkan reflektan yang lebih tinggi dibandingkan dengan awan cumulus lain dengan ukuran yang lebih kecil.  Sebenarnya nilai reflektan dan DN dari tiap objek memiliki variasi, namun tidak sejauh seperti yang terjadi pada awan. Nilai reflektansi badan air dipengaruhi oleh beberapa faktor, seperti kedalaman air dan tingkat kekeruhan. Reflektan pemukiman lebih dipengaruhi oleh jenis bahan yang digunakan pada bangunan tersebut. Atap yang menggunakan bahan seng berwarna putih / silver memiliki nilai reflektan yang lebih tinggi. Nilai reflektan pada objek vegetasi dipengaruhi oleh kandungan klorofilnya. Semakin hijau tua dan lebat suatu kanopi, maka nilai reflektanya semakin rendah. Nilai DN dapat dikonversi menjadi nilai reflektan gelombang yang ditangkap oleh sensor satelit Landsat 8. Masing-masing band memiliki kepekaan khusus terhadap reflektan yang dihasilkan oleh tiap tutupan lahan.

Selain itu kondisi keawanan dapat mempengaruhi nilai reflektan keseluruhan dari suatu citra optic. Satelit Landsat merupakan satelit pasif yang mengandalkan matahari sebagai sumber energy. Kondisi keawanan akan mempengaruhi jumlah radiasi matahari yang mencapai objek di bumi. Kondisi ini dapat memicu terjadinya perbedaan reflektan suatu objek yang sama apabila dianalisis dari citra yang diambil pada waktu yang berbeda. Penghamburan oleh aerosol lebih kuat pada panjang gelombang yang lebih pendek dimana ukuran partikel sama dengan panjang gelombang radiasi. Absorbsi aerosol akibat gas (ozone, uap air, dan oksigen) akan mengurangi nilai kecerahan.

Gambar 1 Digital Number Berbagai Tutupan Lahan Landsat 8 (OLI)

   

DAFTAR PUSTAKA

Andana E K.2015.Pengembangan Data Citra Satelit Landsat-8 untuk Pemetaan Area Tanaman Holtikultura dengan Berbagai Metode Alogaritma Indeks Vegetasi[Karya Tulis]. Surabaya: ITS Press.

Arhatin R E. 2007. Pengkajian Algoritma Indeks Vegetasi dan Metode Klasifikasi Mangrove dari Data Satelit Landsat-5 TM dan Landsat-7 ETM+: Studi Kasus di Kabupaten Berau, Kalimantan Timur [Disertasi]. Bogor: Program Pascasarjana, Institut Pertanian Bogor.

Indarto.2009. Identifikasi dan Klasifikasi Peruntukan Lahan Menggunakan Citra Aster. Jurnal Media Teknik Sipil.. Vol 9(1):1-8.

Maspiyanti F. 2013. Klasifikasi Fase Pertumbuhan Padi Berdasarkan Citra  Hiperspektral dengan Modifikasi Logika Fuzzy  (paddy growth stages classification based on  hyperspectral image using modified fuzzy logic). Jurnal Penginderaan Jauh.Vol 10 (1): 41-48.

Purwanto A.2015. Pemanfaatan Citra Landsat 8 untuk Identifikasi Normalized Difference Vegetation Iindex (ndvi) di Kecamatan Silat Hilir Kabupaten Kapuas Hulu. Jurnal Edukasi.Vol 13(1): 27-36.

Somantri L.2008. Pemanfaatan Teknik Penginderaan Jauh untuk Mengidentifikasi Kerentanan dan Resiko Banjir. Jurnal Gea. Vol 8(2): 1-6.

Sutanto, 1994. Penginderaan Jauh Jilid 2. Yogyakarta: Gadjah Mada University Press.