BAB V ANALISIS. 5.1 Analisis Pra-Pengolahan Citra Radarsat

Transkripsi

1 BAB V ANALISIS 5.1 Analisis Pra-Pengolahan Citra Radarsat 1. Citra Radarsat yang digunakan merupakan data mentah (Raw data) dan tersimpan dalam format biner. Agar Citra tersebut lebih mudah diolah maka format penyimpanan citra diubah menjadi geotiff, namun kemungkinan akan terjadi loss data pada saat penyimpanan sehingga munculnya null value pada beberapa pixel. 2. Root Mean Square Error (RMSE) GCP pada koreksi geometrik diusahakan kurang dari satu karena citra referensi yang digunakan adalah citra Landsat dimana RMSE bernilai satu pada Landsat berarti kesalahan posisi sebesar 3 meter. Dari nilai RMSE pada koreksi geometrik, diketahui adanya kesalahan posisi rata-rata sebesar 1 meter. 3. Pemilihan metoda Lee filtering dalam reduksi speckle dilakukan karena menurut beberapa referensi Lee filtering memberikan hasil yang baik dalam mereduksi speckle noise, hal ini dibuktikan dengan membandingkan apabila menggunakan Gamma filtering. 5.2 Analisis Nilai Koefisien Radar Backscattering Padi Rentang nilai koefisien backscattering yang didapat pada penelitian ini tidak mengikutkan beberapa parameter yang ada karena kurangnya data pendukung yang digunakan. Nilai digital number (DN) yang digunakan bisa saja bertampalan dengan nilai digital number objek lainnya. Nilai koefisien radar backscattering pada tiap daerah tutupan padi di Kabupaten dan Kota Bogor berbeda-beda namun masih berada dalam rentang nilai yang didapat. Hal ini bisa dikarenakan pola dan waktu tanam yang berbeda pada tiap daerah tersebut. 26

2 5.3 Analisis Peta Klasifikasi Padi 1. Klasifikasi menggunakan metode Maximum Likelihood dilakukan karena histogram yang didapat dari masing-masing training sites menunjukkan lebih banyak data yang terdistribusi normal. Klasifikasi dilakukan tanpa membandingkan dengan metode lainnya, karena ketika akan membandingkan dengan salah satu metode klasifikasi yang lain komputer menunjukkan gejala running low memory (komputer yang digunakan tidak sanggup menjalankan proses) dan proses klasifikasi tidak dapat dilanjutkan. 2. Hasil klasifikasi cukup memuaskan karena dalam pemilihan training site dilakukan dengan membandingkan tampilan citra Radarsat dan citra Landsat, serta dengan melihat peta tutupan lahan yang ada. 3. Luas lahan padi berdasarkan koefisien radar backscattering yang sesuai dengan peta tutupan lahan Kabupaten & Kota Bogor adalah 16.7,96 Ha. Peta tutupan lahan hasil validasi menunjukkan tingkat kesesuaian 7% hal ini membuktikan jika perhitungan koefisien backscattering melibatkan parameter-parameter lainnya tingkat kesesuaian dari tutupan lahan yang dihasilkan bisa mencapai 9% bahkan lebih. 4. Vektorisasi yang dilakukan hanya berdasarkan kelas yang dibuat pada peta density slicing, terdapat kesulitan membuat peta vector ini karena yang diinginkan sebetulnya hanya vektorisasi untuk rentang nilai koefisien radar backscattering namun sewaktu membuat peta berdasarkan nilai rentang koefisien radar backscattering padi memakan waktu yang lama tetapi proses gagal setelah 2 jam proses vektorisasi berlangsung menggunakan perangkat lunak envi Nilai koefisien radar backscattering padi yang terdapat pada peta validasi tutupan padi disajikan pada profile melintang pada tiga area tutupan padi (Gambar 5.1, Gambar 5.2, Gambar 5.3, Gambar 5.4). Panjang penampang A-B adalah 218 meter, penampang C-D adalah 117 meter dan penampang E-F adalah 118 meter. 27

3 Gambar 5.1 Lintasan penampang A-B, C-D, E-F Koefisien radar backscattering(db) panjang lintasana B panjang lintasana B Gambar 5.2 penampang melintang koefisien radar backscattering padi pada daerah A-B 28

4 Koefisien radar backscattering(db) Penampang C D Penampang C D Gambar 5.3 penampang melintang koefisien radar backscattering pada daerah C-D Koefisien radar backscattering (db) Penampang E F (m) scatter3 Gambar 5.4 Penampang melintang koefisien radar backscattering pada daerah E-F Pada Gambar 5.2, gambar 5.3 dan Gambar 5.4 terlihat ada nilai koefisien radar backscattering yang berada diluar rentang nilai koefisien radar backscattering padi, karena adanya kemungkinan objek lain selain padi pada lintasan tersebut. Rentang koefisien radar backscattering padi pada profil tersebut adalah hingga Untuk memastikan banyaknya tanaman padi pada lintasan yang sama dapat kita lihat dari nilai nya yang disajikan pada Gambar 5.5, Gambar 5.6, dan Gambar

5 penampang A B penampang A B Gambar 5.5 penampang A-B Berdasarkan nilai pada penampang A-B kerapatan tanaman padi cukup tinggi pada awal dan akhir lintasan. penampang C D penampang C D Gambar 5.6 panampang C-D Pada penampang C-D densitas padi cukup kosntan, semua lahan tertutup tanaman padi. Sedang pada penampang E-F tutupan padi terlihat tinggi pada pertengahan lintasan. 3

6 penampang E F penampang E F Gambar 5.7 penampang E-F Ketiga histogram nilai koefisien radar backscattering dan nilai dibuat histogram baru agar terlihat hubungan yang terkandung pada keduanya (Gambar 5.8, Gambar 5.9, Gambar 5.1) : penampang A B koefisien radar backscattering(db) penampang A B Gambar Koefisien radar backscattering penampang A-B 31

7 Scattering C D Koefisien radar backscattering(db) Scattering C D Gambar Koefisien radar backscattering penampang C-D penampang E F 48 Koefisien radar backscatterign (db) penampang E F Gambar Koefisien radar backscattering penampang E-F Waktu pengambilan antara koefisien radar backscattering dan landsat sangat jauh yaitu terpaut 6 tahun oleh karena itu sangat sulit mendapatkan hubungan yang signifikan antara keduanya. Namun dari pemakaian kedua metode tersebut kita dapat menarik sebuah pendapat bahwa struktur dari tanaman dan area sangat mempengaruhi koefisien radar backscattering yang diperoleh, dan dengan nilai kita dapat mengetahui tingkat kerapatan tanaman padi pada tiap area tersebut. 32