RADIOMETRIC ENHANCEMENT

Mata Kuliah: Geomatika dan                          Hari/tanggal: Rabu, 7 Maret 2012

Inderaja Kehutanan                 Waktu         : 14.00-17.00 WIB

RADIOMETRIC ENHANCEMENT

Oleh:

KELOMPOK 1

1.      Jajang Roni A. Kholik              (E14090090)

2.      Nadya Susetya Ningtyas          (E14090071)

Dosen:

Dr. Nining Puspaningsih, M.Si.

Asisten:

1.      Putu Indra Divayana, S. Hut

2.      Erry Maulana W                       (E14070122)

3.      Aditya Sani Sasmita                 (E14070106)

4.      I Putu Arimbawa                      (E14070015)

DEPARTEMEN MANAJEMEN HUTAN

FAKULTAS KEHUTANAN

INSTITUT PERTANIAN BOGOR

2012

I.          TINJAUAN PUSTAKA

            Penginderaan jauh dapat diartikan sebagai suatu proses membaca. Dengan menggunakan berbagai sensor kita mengumpulkan data dari jarak jauh yang dapat dianalisis untuk mendapatkan informasi tentang obyek, daerah, atau fenomena yang diteliti. Pengumpulan data dari jarak jauh dapat dilakukan dalam berbagai bentuk, termasuk variasi agihan daya, agihan gelombang bunyi atau agihan energi elektromagnetik (Lillesand dan Keifer, 1979).

Koreksi citra merupakan prosedur operasi agar data sesuai dengan aslinya. Sebab citra hasil rekaman sensor penginderaan jauh mengalami berbagai distorsi yang disebabkan oleh gerakan sensor, faktor media antara, dan faktor objeknya sendiri, sehingga perlu dibetulkan atau dipulihkan kembali. Koreksi citra terdiri dari koreksi geometrik dan koreksi radiometrik (Suratijaya, 2007).

Selain itu, adapula perbaikan citra (image enhancement) bertujuan untuk meningkatkan mutu citra, baik untuk memperoleh keindahan gambar maupun kepentingan analisis citra. Secara umum teknik perbaikan citra terdiri dari perbaikan spasial (spatial enhancement), perbaikan radiometrik (radiometric enhancement), dan perbaikan spektral (spectral enhancement) (Suratijaya, 2007).

Spasial enhancement bertujuan memperbaiki citra (memberikan efek kontras, penajaman tepi, dan atau penghalusan citra) dengan menggunakan nilai-nilai pixel yang bersangkutan dan yang ada di sekitarnya. Sedangkan radiometrik enhancement adalah teknik memperbaiki citra menggunakan nilai individu pixel yang bersangkutan saja. Teknik manipulasi citra dilakukan dengan menggunakan modifikasi histogram. Pengertian dari spectral enhancement adalah teknik perbaikan citra menggunakan masing-masing pixel sejumlah band (basis multi-band), meliputi analisis komponen utama (principal component), komponen baku, komponen vegetasi, transformasi warna berdasarkan kontras intensitas siturasi, dan perentangan dekorelasi (Suratijaya, 2007).

II.       METODOLOGI

2.1    Waktu dan Tempat Pelaksanaan

Praktikum Geometika dan Inderaja Kehutanan dengan judul materi Radiometric Enhancement ini dilaksanakan pada hari Rabu tanggal 7 Maret 2012 mulai pukul 14.00-17.00 WIB yang bertempat di Laboratorium Remote Sensing dan GIS, Departemen Manajemen Hutan, Fakultas Kehutanan, IPB.

2.2    Alat dan Bahan

Adapun alat yang digunakan pada praktikum ini adalah:

1.      Laptop

2.      Software ERDAS IMAGINE 9.1

3.      Microsoft word

Sedangkan bahan yang digunakan pada praktikum ini adalah:

1.      Alat tulis

2.      Data citra satelit Jakarta Utara tahun 1990 dan 1992

2.3    Cara Kerja

1.      Buka software ERDAS IMAGINE 9.1 pada layar komputer.

2.      Buka viewer baru dan pilih file contoh: jakut_tm90.img

3.      Buka raster > contras > general contras

4.      Pada contras adjust diantas, pilih method yang akan digunakan misalnya pada raster di atas dipilih metode histogram equalization kemudian tekan apply.

5.      Tekan breakpoint untuk memunculkan nilai editor histogram dari metode yang tadi dipilih.

6.      Tekan tanda tabel (lookup value) di samping kiri histogram untuk memunculkan nilai-nilai variasi warna yang dihasilkan dari metode tersebut.

7.      Untuk melakukan matching file citra, pilih Interpreter > radiometric enhancement > histogram match.

8.      Masukan input file berupa file jakut_tm90.img sebagai citra yang akan di matching, masukan input file to match berupa file jakut_Ttm92.img sebagai citra yang akan menjadi contoh hasil inputnya nanti, dan masukan nama sembarang pada kolom output file sebagai hasil dari histogram matchingnya lalu tekan OK

    Gambar 1. Hasil matching

III. HASIL DAN PEMBAHASAN

3.1     Hasil

Citra Awal Jakut_tm92.img

METODE HISTOGRAM EQUALIZATION

METODE STANDARD DEVIASI

METODE GAUSSIAN

METODE LINEAR

METODE PERCENTAGE LUT

METODE HISTOGRAM MATCHING

Hasil Matching

3.2     Pembahasan

Pada proses radiometric enhancement (perbaikan radiometrik) terdapat beberapa tahapan yang harus dilalui. Radiometrik enhancement ini menggunakan modifikasi histogram yang terdiri atas histogram matching dan histogram equalization. Histogram matching bertujuan mencocokkan antara dua hasil citra yang berbeda tahun pengambilan citranya misalnya: Jakarta Utara tahun 1990 dan 1992, sehingga tahun 1990 sebagai input file dan tahun 1992 sebagai input file to match. Sedangkan metode histogram equalization hanya memasukkan satu hasil citra sebagai input filenya.

Tabel 1. Hasil Perbaikan Radiometrik Dengan Berbagai Metode

No	Metode	Vegetasi	Tanah	Air
1	Histogram Equalization	13	8	7
2	Linear	2	2	4
3	Gaussian	13	8	9
4	Standar Deviasi	5	4	4
5	Persentage LUT	4	4	4

Pada citra Jakut_tm92.img berdasarkan tabel 1. di atas misalnya, dengan menggunakan metode Histogram Equalization menghasilkan 13 macam variasi warna untuk vegetasi (histogram warna red) yaitu pada break point (x,y) sebagai berikut: {(0,0), (14,0), (15,3), ……., (79,255), dan (255,255)}, terdapat 8 macam variasi warna pada tanah (histogram warna green) yaitu pada break point (x,y) sebagai berikut: {(0,0), (34,1), ……, dan (255,255)} dan terdapat 7 macam variasi warna pada air (histogram warna blue) yaitu pada break point (x,y) sebagai berikut: {(0,0), ……, dan (255,255)}. Selanjutnya jika menggunakan metode Standard Deviasi, menghasilkan 5 macam variasi warna vegetasi, 4 macam variasi warna tanah, dan 4 macam variasi warna air. Pada metode Gaussian menghasilkan 13 macam variasi warna vegetasi, 8 macam variasi warna tanah, dan 9 macam variasi warna air. Berbeda halnya jika menggunakan metode Linear hanya terdapat 2 macam variasi warna vegetasi, 2 macam variasi warna tanah, dan 4 macam variasi warna air dan terakhir dengan menggunakan metode Percentage LUT terdapat 4 macam variasi warna vegetasi, 4 macam variasi warna tanah, dan 4 macam variasi warna untuk interpretasi warna air.

Apabila dibandingkan dari beberapa metode di atas, metode yang menghasilkan variasi warna paling tinggi atau paling banyak adalah metode Gaussian dengan menghasilkan variasi warna vegetasi, tanah, dan air masing-masing sebanyak: 13, 8, dan 9 macam variasi warna. Kedua tertinggi adalah metode histogram equalization dengan variasi warna vegetasi, tanah, dan air masing-masing sebanyak: 13, 8, dan 7 macam variasi warna. Sedangkan metode yang paling sedikit menghasilkan variasi warna adalah metode linear dengan variasi warna vegetasi, tanah, dan air masing-masing sebanyak: 2, 2, dan 4 macam variasi warna.

Praktek selanjutnya adalah analisis citra dengan menggunakan histogram matching. Setelah dilakukan histogram matching pada citra Jakut_tm90.img yang memiliki 4 macam variasi warna vegetasi, 10 macam variasi untuk warna tanah, dan 10 macam variasi untuk warna air dengan citra Jakut_tm92.img yang memiliki 4 macam variasi warna vegetasi, 4 macam variasi warna tanah, dan 4 macam variasi warna air, menghasilkan histogram match antara citra Jakut_tm90.img dengan citra Jakut_tm92.img yang memiliki 5 macam variasi warna vegetasi, 4 macam variasi warna tanah, dan 4 macam variasi warna air.

Histogram match dengan citra Jakut_tm90.img sebagai input file dan citra Jakut_tm92.img sebagai input file to match. Tampilan contrast yang digunakan pada kedua citra tersebut yaitu metode histogram matching dengan band combination (kombinasi multiband) 4-3-2. Hasil histogram match antara kedua citra tersebut (Jakut_tm90.img dengan citra Jakut_tm92.img) menunjukkan bahwa tampilan kontrasnya berubah sedikit lebih baik akan tetapi, hasilnya cenderung lebih mirip dengan tampilan citra Jakut_tm90.img. Hal ini disebabkan oleh unsur input filenya dari citra Jakut_tm90.img dan hasil kemampuan software histogram matching yang dilakukannya hanya bisa merubah kontras menjadi lebih baik akan tetapi belum sampai pada kontras warna dari citra Jakut_tm92.img.

IV.   KESIMPULAN

Berdasarkan hasil radiometric enhachement (perbaikan radiometrik) terhadap citra Jakut_tm90.img dan citra Jakut_tm92.img maka dapat disimpulkan bahwa tampilan hasil histogram matching cenderung lebih mirip dengan citra Jakut_tm90.img dengan menghasilkan 5 macam variasi warna pada vegetasi, 4 macam variasi warna pada tanah, dan 4 macam variasi warna pada air. Selanjutnya berdasarkan hasil penggunaan dan perbandingan beberapa metode, hasil analisis yang  menghasilkan variasi warna lebih banyak adalah metode Gaussian dan histogram equalization dengan menghasilkan variasi warna vegetasi, tanah, dan air masing-masing sebanyak: 13, 8, dan 9 macam variasi warna, dan untuk histogram equalization menghasilkan 13, 8, dan 7 macam variasi warna. Sedangkan metode yang paling sedikit menghasilkan variasi warna adalah metode linear dengan variasi warna vegetasi, tanah, dan air masing-masing sebanyak: 2, 2, dan 4 macam variasi warna.

DAFTAR PUSTAKA

Jaya, I.N.S. 2007. Analisis Citra Dijital: Perspektif Penginderaan Jauh untuk Pengelolaan Sumberdaya Alam. Bogor: Fakultas Kehutanan IPB.

Lillesand, T.M. and R.W. Kiefer. 1979. Remote Sensing and Image Interpretation. Third Edition. John Wiley & Sons, Inc. New York, Singapore.