MODIFIKASI ALGORITMA AVHRR UNTUK ESTIMASI SUHU PERMUKAAN LAUT (SPL) CITRA AQUA MODIS

Transkripsi

1 MODIFIKASI ALGORITMA AVHRR UNTUK ESTIMASI SUHU PERMUKAAN LAUT (SPL) CITRA Briliana Hendra P, Bangun Muljo Sukojo, Lalu Muhamad Jaelani Teknik Geomatika-ITS, Surabaya, 60111, Indonesia gm0704@geodesy.its.ac.id Abstrak Suhu Permukaan Laut (SPL) merupakan salah satu parameter oseanografi yang sangat penting bagi kehidupan di laut. Kebutuhan akan informasi SPL secara akurat dan efisien sangat diperlukan yaitu dapat dilakukan estimasi menggunakan satelit penginderaan jauh. Advanced Very High Resolution Radiometer (AVHRR) merupakan satelit yang paling sering digunakan untuk estimasi SPL di Indonesia sehingga telah banyak algoritma SPL satelit tersebut sesuai dengan perairan Indonesia. Untuk mendapatkan informasi SPL yang lebih akurat lagi perlu dilakukan estimasi menggunakan satelit lain yang memiliki resolusi spasial dan spektral lebih baik dari AVHRR serta tanpa mengurangi resolusi temporalnya yaitu dengan menggunakan satelit. Sedangkan algoritma yang digunakan berasal dari algoritma AVHRR dimodifikasi. Penelitian ini dilakukan dengan memodifikasi algoritma AVHRR yaitu algoritma Multi-Channel Sea Surface Temperature (MCSST) dan Nonlinear Sea Surface Temperature (NLSST). Algoritma tersebut dimodifikasi menggunakan band yang memiliki kegunaan untuk estimasi SPL (band 20, 21, 22, 23, 31 dan 32) kemudian band tersebut dikombinasikan secara empiris. Untuk pengujian tingkat kesesuaian SPL hasil estimasi tersebut dilakukan perhitungan korelasi linear dan uji ketelitian dengan data SPL pengukuran di lapangan. Hasil yang diperoleh dalam penelitian ini adalah nilai estimasi SPL modifikasi algoritma AVHRR untuk yang lebih mendekati nilai SPL pengukuran di lapangan daripada nilai estimasi SPL menggunakan algoritma asli. SPL tersebut dihasilkan dari modifikasi algoritma NLSST kombinasi band 31 dan 32 dengan korelasi linear 72,14% dan ketelitian simpangan 0,50 C. Kata Kunci : SPL, Modifikasi Algoritma, AVHRR,, MCSST, dan NLSST. PENDAHULUAN Indonesia merupakan negara kepulauan yang mempunyai wilayah perairan laut lebih luas daripada daratan, yaitu sekitar 5,8 juta km 2 atau mendekati 70% dari luas keseluruhan Negara Kesatuan Republik Indonesia (NKRI). Dengan keadaan tersebut, penelitian mengenai informasi kelautan sangat menarik untuk dilakukan, salah satunya penelitian mengenai Suhu Permukaan Laut (SPL). SPL merupakan salah satu faktor yang penting bagi kehidupan organisme di lautan, karena suhu mempengaruhi baik aktivitas metabolisme maupun perkembangbiakan dari organisme-organisme tersebut. SPL dapat diperoleh melalui pengukuran langsung atau dengan ekstraksi data satelit penginderaan jauh. Penggunaan data penginderaan jauh akan lebih cepat, efektif, efisien dan dapat mencakup wilayah cakupan yang lebih luas bila dibandingkan dengan pengukuran langsung yang membutuhkan biaya dan tenaga lebih banyak, sedangkan wilayah cakupan relatif tidak luas. Dengan telah diluncurkannya satelit yang membawa sensor multikanal Moderate Resolution Imaging Spectroradiometer (MODIS) diharapkan informasi SPL yang diperoleh dapat lebih baik dan akurat. Hal ini dikarenakan MODIS memiliki 36 kanal spektral yang bekerja pada kisaran gelombang visible dan infra merah (1-19 dan 26) dan termal pada kanal-kanal selebihnya. Penelitian terdahulu tentang SPL lebih sering menggunakan citra National Oceanic and Atmospheric Administration- Advanced Very High Resolution Radiometer (NOAA-AVHRR) yang memiliki resolusi lebih rendah dari pada citra. Dalam penelitian tersebut juga telah menggunakan algoritma yang sesuai untuk penelitian di perairan Indonesia. Oleh karena itu, akan dilakukan penelitian tentang SPL dengan menggunakan citra yang memiliki resolusi lebih baik dari citra NOAA- AVHRR dengan banyak kanalnya serta memanfaatkan algoritma AVHRR yang telah sering digunakan pada penelitian SPL di perairan Indonesia dimodifikasi dan disesuaikan dengan spektrum. Sehingga dalam 1

2 penelitian ini diharapkan dapat memperoleh data SPL yang lebih akurat dan menghasilkan algoritma baru untuk hasil modifikasi algoritma AVHRR. Perumusan masalah dalam penelitian ini adalah bagaimana pengolahan citra AQUA MODIS menggunakan modifikasi algoritma AVHRR untuk estimasi SPL, bagaimana perbandingan hasil pengolahan SPL menggunakan modifikasi algoritma AVHRR untuk AQUA MODIS dengan pengolahan SPL menggunakan algoritma asli dan dikaitkan dengan data pengukuran SPL di lapangan. Adapun batasan masalah dalam penelitian ini adalah citra yang digunakan yaitu tanggal 19 oktober 2010; pengukuran SPL dilakukan di Selat Madura sedangkan citra AQUA MODIS yang digunakan yaitu mencakup perairan di sekitar Jawa Timur Bali; algoritma AVHRR yang dimodifikasi yaitu algoritma Multi-Channel Sea Surface Temperature (MCSST) dan algoritma Nonlinear Sea Surface Temperature (NLSST); band yang digunakan untuk modifikasi yaitu band 20, 21, 22, 23, 31, dan 32; data yang digunakan sebagai validasi yaitu data pengukuran SPL di lapangan. Tujuan penelitian ini adalah untuk mengolah citra menggunakan modifikasi algoritma AVHRR untuk estimasi SPL serta membandingkan hasil pengolahan SPL menggunakan modifikasi algoritma AVHRR untuk dengan pengolahan SPL menggunakan algoritma asli dan dikaitkan dengan data pengukuran SPL di lapangan. Manfaat yang ingin diperoleh dari penelitian ini adalah algoritma baru hasil modifikasi tersebut diharapkan dapat digunakan untuk penelitian tentang estimasi SPL selanjutnya menggunakan citra dengan daerah penelitian yang hampir sama sedangkan hasil estimasi SPL tersebut dapat digunakan untuk memperkirakan kehidupan ekosistem pada daerah yang diteliti. METODOLOGI PENELITIAN Lokasi Penelitian Penelitian ini mengambil daerah studi di perairan sekitar Jawa Timur hingga Pulau Bali. Secara geografis lokasi penelitian berada pada area sekitar 5,1LS 9,4 LS dan 109,8 BT 115,8 BT. Adapun lokasi untuk validasi data citra adalah di perairan selat Madura. P. Jawa P. Madura Gambar 1 Hasil Pemotongan Citra Daerah Penelitian (Sumber : Citra dengan RGB band 3, 2, 1 tanggal 19 Oktober 2010) Data dan Peralatan Data Data yang dibutuhkan dalam penelitian ini adalah: a. Data citra level 1B dan data Geolokasi citra tanggal 19 Oktober b. Data hasil pengukuran SPL diambil secara insitu di beberapa titik lokasi penelitian menggunakan Water Checker TROLL 9500 Multi Parameter Series S/N Waktu pengambilan sampel adalah tanggal 18 Oktober Pengambilan dilakukan sekitar pukul BBWI karena sensor satelit melewati khatulistiwa pada pukul BBWI. c. Peta administrasi Indonesia skala 1: Peralatan Peralatan yang digunakan dalam penelitian meliputi : a. Perangkat Keras (Hardware) Water Checker TROLL 9500 Multi Parameter Series S/N 47916, ketelitian 0,01ºC untuk mengukur SPL dan GPS Navigasi untuk pencatatan posisi titik koordinatnya b. Perangkat Lunak (Software) ENVI untuk pengolahan data citra level 1B, Matlab untuk penghitungan dan pemodelan dalam proses analisa korelasi hasil modifikasi algoritma, dan ArcGIS 9.3 untuk pembuatan lay out peta. U Validasi Data P. Bali 2

3 Tahap Pengolahan data Peta Administrasi Indonesia Skala 1: Algoritma AVHRR untuk SPL Modifikasi dengan Pengolahan SPL dengan Algoritma Termodifikasi Pemisahan Daratan dan Awan Citra Sebaran SPL dari Algoritma Termodifikasi Ya CITRA LEVEL 1B Georeference MODIS Pemilihan dan Pemotongan Citra(1) Koreksi Geometrik RMS Error 1 Ya Citra Terkoreksi Pemotongan Citra (2) Konversi Nilai DN ke Nilai Suhu Kecerahan Tidak Pengolahan SPL dengan Algoritma Asli Citra Sebaran SPL dari Algoritma Asli Analisis Pemisahan Daratan dan Awan Linear Uji Ketelitian Hasil SPL S 0.5 C Tidak Hasil : 1. Algoritma Baru hasil Modifikasi Algoritma AVHRR 2. Peta Estimasi SPL Algoritma Asli dan Termodifikasi MULAI Modifikasi Gagal SELESAI CITRA MYD03 (Data Geolokasi) Konversi Data Geolokasi Sensor Zenith Citra Data Sampel SPL dari Pengukuran di Lapangan Sebaran SPL dari Data Lapangan Gambar 2 Diagram Alir Pengolahan Data Analisis Berikut adalah penjelasan diagram alir pengolahan data : a. Georeference MODIS Merupakan proses untuk membuat citra sesuai dengan keadaan sebenarnya yang ada di bumi dan penghapusan duplikasi baris (bowtie correction). b. Pemilihan dan Pemotongan Citra (1) Pada tahap ini dilakukan pemilihan band yang diperlukan dalam proses pengolahan SPL yaitu band 3, 20, 21, 22, 23, 31 dan 32. Sedangkan pemotongan citra yang pertama ini dilakukan dengan ukuran panjang dan lebar yang lebih besar dari daerah yang akan diteliti yaitu 800 piksel x 600 piksel, hal ini digunakan sebagai acuan dalam penentuan titik GCP dalam koreksi geometrik. c. Koreksi Geometrik Koreksi ini menggunakan acuan peta administrasi Indonesia skala 1: d. Pemotongan Citra (2) Pemotongan citra kedua ini dilakukan untuk mendapatkan citra pada daerah studi yang diinginkan dengan ukuran panjang dan lebar yaitu 640 piksel x 480 piksel. e. Konversi Nilai DN ke Nilai Suhu Kecerahan Dalam tahap ini dilakukan proses konversi nilai DN pada setiap band yang diperlukan untuk pengolahan SPL dengan persamaan invers fungsi Planck : 5 Tb c2 /( Vi *ln( c1/( Vi * radiansi) 1))..(1) Dimana : Tb = Suhu Kecerahan Air ( K) c1, c2 = Konstanta radiasi, nilai c1:1, x10 8 [W m -2 sr -1 (µm -1 ) - 4 ],dan nilai c2:1,438833x10 4 [K µm] Vi = panjang gelombang pusat Radiansi = band MODIS f. Konversi Data Geolokasi Merupakan proses konversi data dari data citra geolokasi dalam format *hdf menjadi data sensor zenith menggunakan modis toolkit yang ada di ENVI sehingga data citra tersebut dapat digunakan untuk proses selanjutnya. g. Modifikasi algoritma AVHRR dengan band Agar algoritma AVHRR dapat dipakai untuk citra maka harus dilakukan modifikasi dengan band pada citra AQUA MODIS yang memiliki panjang gelombang hampir sama dengan band pada AVHRR serta yang memiliki kegunaan untuk ekstraksi SPL sehingga diperoleh algoritma baru yang bisa digunakan pada citra. h. Pemisahan Daratan dan Awan SPL merupakan suhu yang hanya terletak dilaut sehingga bagian daratan harus dipisahkan atau dibuat bernilai nol serta SPL hanya dihitung pada citra yang terbebas dari awan. Pemisahan awan dengan persamaan (X. Xiao et al, 2005) CM=(B3 GE 0,2) * 0 + (B3 LT 0,2) *1..(2) Dimana : B3 : 3 i. Linear Proses ini untuk melakukan pengujian hubungan antara ketiga data SPL yang ada sehingga menghasilkan koefisien korelasi linearnya. Adapun ketentuan korelasi tersebut baik yaitu nilai R 2 mendekati 1 atau 100%. j. Uji Ketelitian Pada proses ini dilakukan perhitungan keakurasian nilai SPL dengan menggunakan rumus standar deviasi. Untuk toleransi ketelitian dari perhitungan tersebut dibuat 3

4 0,5 C, sesuai dengan toleransi pengukuran SPL menggunakan Data Buoy TAO. HASIL DAN PEMBAHASAN Suhu Permukaan Laut (SPL) dari Pengukuran di Lokasi Penelitian Pengukuran SPL dilakukan di Selat Madura yaitu di sebelah barat jembatan Suramadu pada tanggal 18 Oktober 2010 dengan keadaan cuaca mendung. Pengukuran dilakukan sebanyak 11 lokasi dan setiap lokasi dilakukan 3 kali. Data lapangan tersebut kemudian dikelompokkan berdasarkan piksel pada citra yang memiliki resolusi spasial 1000 x 1000 meter sehingga dapat dikelompokkan menjadi 5 piksel. No Tabel 1 Pengelompokan SPL Data Lapangan Berdasarkan Piksel Titik ke Lintang Bujur Nilai SPL (⁰C) ⁰ 9, ⁰ 46,726 29, ⁰10, ⁰ 46,772 29, ⁰11, ⁰ 46,648 29, ⁰11, ⁰ 46,734 29, ⁰12, ⁰ 46,698 30,26 Rata-rata SPL 29,75 Modifikasi Algoritma NOAA-AVHRR untuk Algoritma NOAA-AVHRR yang akan dimodifikasi dengan band adalah algoritma NOAA-AVHRR dengan koefisien pada bulan oktober yaitu sesuai dengan citra AQUA MODIS yang digunakan sebagai berikut. a. Algoritma MCSST SST = T (T 1 T 2 ) (T 1 T 2 ) (secθ 1) (3) b. Algoritma NLSST SST=0.9676T T sfc (T 1 T 2 ) (T 1 T 2 ) (secθ 1) (4) Algoritma tersebut di atas dimodifikasi dengan band dengan ketentuan memiliki panjang spektrum hampir sama dengan band 4 (10,3 µm -11,3 µm ) dan band 5 (11,5 µm- 12,5 µm) citra NOAA-AVHRR dalam algoritma tersebut dan band yang memiliki kegunaan untuk mendeteksi SPL. tersebut adalah band 20 (3,66 µm-3,84 µm), band 21 (3,93 µm-3,989 µm), band 22 (3,93 µm-3,989 µm), band 23 (4,02- µm4,08 µm), band 31 (10,78 µm-11,28 µm), dan band 32 (11,77 µm-12,27 µm). Untuk nilai T 1 dan T 2 pada algoritma tersebut di atas merupakan dua macam kombinasi band pada citra yang berkaitan dengan SPL dikombinasikan secara empiris yaitu terdapat 7 macam kombinasi band pada masingmasing algoritma dengan kombinasi band yaitu band 31 dan 32, band 20 dan 21, band 20 dan 22, band 20 dan 23, band 21 dan 22, band 21 dan 23, serta band 22 dan 23. T sfc pada algoritma NLSST merupakan SST Reynolds atau suhu kecerahan kanal 20 jika SST Reynolds tidak ada (Raharjo, 2009). Sedangkan θ merupakan citra sensor zenith hasil konversi dari data MYD03 (Data Geolokasi). Citra Koreksi Geometrik Koreksi geometrik pada citra AQUA MODIS level 1B tanggal 19 Oktober 2010 dilakukan dengan menggunakan peta administrasi Indonesia skala 1: Pada citra AQUA MODIS ini dilakukan koreksi geometrik dengan 8 buah GCP yang diletakkan pada daerah tepi pulau yang mudah dikenali, misalkan teluk atau tanjung. RMS error keseluruhan yang diperoleh dari software ENVI adalah 0,733. Proses koreksi geometrik pada citra ini sudah memenuhi toleransi yang ditetapkan oleh Purwadhi (2001) yang menyatakan bahwa batas kesalahan koreksi geometrik 1 piksel. SPL Hasil Pengolahan Citra SPL Algoritma Asli Gambar 3 SPL dengan Algoritma Asli Tabel 2 SPL Algoritma Asli sesuai dengan Lokasi Data Lapangan No Lintang Bujur Nilai SPL (⁰C) 1-7 ⁰ 9, ⁰ 46,726 30, ⁰10, ⁰ 46,772 28, ⁰11, ⁰ 46,648 29, ⁰11, ⁰ 46,734 29, ⁰12, ⁰ 46,698 32,43 Rata-rata SPL 30,17 4

5 SPL Hasil Modifikasi Algoritma AVHRR untuk Tabel 3 SPL Modifikasi Algoritma MCSST sesuai dengan Lokasi Data Lapangan No Lintang Bujur SPL Modifikasi Algoritma MCSST (⁰C) 31&32 20&21 20&22 20&23 21&22 21&23 22& ⁰ 9, ⁰ 46,726 29,96 33,97 34,14 37,74 35,92 39,52 39, ⁰10, ⁰ 46,772 28,70 31,45 32,38 35,88 35,77 39,27 37, ⁰11, ⁰ 46,648 28,80 31,62 32,87 36,93 36,80 40,86 38, ⁰11, ⁰ 46,734 29,29 32,85 33,37 37,01 35,84 39,48 38, ⁰12, ⁰ 46,698 30,76 36,79 36,88 40,79 38,30 42,21 42,04 Rata-rata SPL 29,50 33,34 33,93 37,67 36,53 40,27 39,12 Tabel 4 SPL Modifikasi Algoritma NLSST sesuai dengan Lokasi Data Lapangan No Lintang Bujur SPL Modifikasi Algoritma NLSST (⁰C) 31&32 20&21 20&22 20&23 21&22 21&23 22& ⁰ 9, ⁰ 46,726 29,49 33,09 33,25 36,77 34,95 38,47 38, ⁰10, ⁰ 46,772 28,30 30,71 31,61 35,01 34,84 38,25 36, ⁰11, ⁰ 46,648 28,39 30,85 32,07 36,02 35,82 39,77 37, ⁰11, ⁰ 46,734 28,86 32,03 32,53 36,08 34,90 38,45 37, ⁰12, ⁰ 46,698 30,27 35,73 35,81 39,66 37,17 41,02 40,86 Rata-rata SPL 29,06 32,48 33,06 36,71 35,54 39,19 38,09 Analisis Suhu Permukaan Laut Hasil Pengolahan Citra SPL pada pengolahan menggunakan algoritma Asli menghasilkan nilai SPL yang lebih tinggi dari data lapangan dengan nilai rata-rata 30,17 0 C (tabel 2). Pada pengolahan menggunakan modifikasi algoritma MCSST dan NLSST diperoleh nilai SPL yang paling mendekati data lapangan pada kombinasi band 31 dan 32 yaitu dengan nilai rata-rata 29,50 0 C untuk MCSST (tabel 3) dan 29,06 0 C untuk NLSST (tabel 4), hal ini lebih rendah dari rata-rata data lapangan yaitu 29,75 0 C. Pada kombinasi band ini menghasilkan SPL yang mendekati data lapangan karena kedua band tersebut (band 31 dan 32) memiliki panjang gelombang yang hampir sama dengan band 4 dan 5 pada citra NOAA-AVHRR yang digunakan dalam algoritma tersebut. Berdasarkan gambar 3 secara visualisasi dapat menjelaskan secara deskriptif bahwa pola SPL berhubungan dengan fungsi kedalaman (Wijanarko, AB, 2003 dalam Santoso, 2008). Hal ini dapat dilihat pada hasil pengolahan SPL menggunakan algoritma Asli tersebut yaitu sebaran suhu semakin menuju kearah laut dalam menghasilkan nilai SPL semakin rendah. Linear Linear SPL Asli dengan Data Lapangan Gambar 4 Diagram Pencar dan Garis Linear SPL Asli terhadap Data Lapangan Berdasarkan diagram tersebut di atas dihasilkan nilai R 2 sebesar 70,87% (0,7087) menunjukkan adanya hubungan positif yang tinggi. Nilai R 2 yang semakin mendekati nilai 1 atau 100% menunjukkan adanya tingkat hubungan yang tinggi dan sebaliknya, makin dekat nilai R 2 dengan 0 makin jelek hubungannya. (Walpole, 1995). 5

6 Linear SPL Modifikasi Algoritma AVHRR dengan Data Lapangan Tabel 5 SPL Modifikasi Algoritma MCSST dengan Data Lapangan 1 31 dan 32 0, , dan 21 0, , dan 22 0, , dan 23 0, , dan 22 0, , dan 23 0, , dan 23 0, ,79 Tabel 6 SPL Modifikasi Algoritma NLSST dengan Data Lapangan 1 31 dan 32 0, , dan 21 0, , dan 22 0, , dan 23 0, , dan 22 0, , dan 23 0, , dan 23 0, ,08 Linear SPL Modifikasi Algoritma AVHRR dengan SPL Asli Tabel 7 SPL Modifikasi Algoritma MCSST dengan SPL Asli 1 31 dan 32 0, , dan 21 0, , dan 22 0, , dan 23 0, , dan 22 0, , dan 23 0, , dan 23 0, ,49 Tabel 8 SPL Modifikasi Algoritma NLSST dengan SPL Asli Analisis Linear Pada modifikasi algoritma MCSST dan NLSST, masing-masing menghasilkan SPL yang memiliki korelasi baik terhadap data lapangan dan pengolahan menggunakan algoritma AQUA MODIS Asli. Apabila dikaitkan dengan nilainya yang mendekati data lapangan (dianggap benar/sebagai acuan) maka dapat diperoleh dua modifikasi algoritma yang memenuhi yaitu modifikasi algoritma MCSST dan NLSST dengan kombinasi band 31 dan 32. Uji Ketelitian Ketelitian SPL Algoritma Asli terhadap Data Lapangan Ketelitian SPL Algoritma Asli yaitu 1,04 C. Hal ini menunjukkan bahwa SPL yang dihasilkan kurang teliti bila dibandingkan dengan data lapangan. Ketelitian SPL Modifikasi Algoritma AVHRR terhadap Data Lapangan Tabel 9 Ketelitian SPL Modifikasi Algoritma MCSST Modifikasi Algoritma MCSST Simpangan( C) 31 dan 32 0,54 20 dan 21 1,70 20 dan 22 1,32 20 dan 23 1,40 21 dan 22 0,72 21 dan 23 0,89 22 dan 23 1, dan 32 0, , dan 21 0, , dan 22 0, , dan 23 0, , dan 22 0, , dan 23 0, , dan 23 0, ,32 6

7 Tabel 10 Ketelitian SPL Modifikasi Algoritma NLSST Modifikasi Algoritma NLSST Simpangan( C) 31 dan 32 0,50 20 dan 21 1,59 20 dan 22 1,22 20 dan 23 1,31 21 dan 22 0,66 21 dan 23 0,83 22 dan 23 1,21 Analisis Uji Ketelitian Berdasarkan toleransi ketelitian yang diberikan pada hasil penelitian ini yaitu nilai simpangan 0,5 C, sesuai dengan perbandingan hasil perhitungan satelit dengan data hasil pengukuran insitu menggunakan data Buoy TAO pada kedalaman 1 meter yang sejauh ini memiliki selisih berkisar 0,5 C. (Sukresno, 2008). Data Buoy TAO tersebut memiliki ketelitian sesuai dengan alat yang digunakan untuk melakukan pengukuran suhu di lokasi penelitian, maka yang memenuhi toleransi tersebut yaitu modifikasi algoritma NLSST kombinasi band 31 dan 32 dengan simpangan 0,50 C (tabel 10). Analisis Modifikasi yang Gagal Pada modifikasi yang menggunakan band dianggap gagal karena pada band tersebut tidak memiliki panjang gelombang hampir sama dengan band 4 dan band 5 pada satelit NOAA- AVHRR yang digunakan pada algoritma AVHRR dimodifikasi walaupun memiliki kegunaan untuk mengekstraksi SPL. Sedangkan kombinasi 31 dan 32 pada modifikasi algoritma MCSST juga dianggap gagal karena memiliki ketelitian diatas 0,5ºC. Hal ini dikarenakan satelit melalui ekuator pada pukul BBWI, waktu dimana SPL setelah terjadi pemanasan secara maksimal sehingga dalam perhitungan SPL seharusnya memperhitungkan adanya pengaruh suhu permukaan akibat pemanasan secara maksimal tersebut yaitu dengan penambahan konstanta suhu permukaan (T sfc ) sesuai yang terdapat pada algoritma NLSST dimana algoritma tersebut menghasilkan suhu yang lebih baik pada siang hari (Walton, dkk. (1998) dalam Martin, Seelye (2002)). KESIMPULAN Kesimpulan dari penelitian ini, yaitu : a. RMSerror pengolahan citra tanggal 19 Oktober 2010 adalah 0,733. b. Hasil korelasi pengolahan SPL dengan algoritma Asli terhadap data lapangan yaitu R 2 =70,87%, hal ini menunjukkan adanya hubungan positif yang tinggi. c. Modifikasi algoritma menghasilkan SPL yang memiliki korelasi baik dan nilainya mendekati SPL data lapangan yaitu pada modifikasi algoritma MCSST kombinasi band 31 dan 32 dengan R 2 =72,12% serta modifikasi algoritma NLSST kombinasi band 31 dan 32 dengan R 2 =72,14%. d. Ketelitian hasil pengolahan SPL algoritma asli dengan data lapangan yaitu 1,04 C, hal ini melebihi toleransi yang diberikan yaitu 0,5 C sehingga kurang teliti terhadap data lapangan. e. Hasil Modifikasi algoritma yang menghasilkan SPL memenuhi toleransi pada saat uji ketelitian 0,5 C adalah modifikasi algoritma NLSST kombinasi band 31 dan 32 yaitu 0,50 C sehingga menghasilkan nilai SPL yang lebih baik dan mendekati data lapangan daripada pengolahan dengan algoritma AQUA MODIS Asli. DAFTAR PUSTAKA Bambang, S. & Dedy, A.Z Validasi Algoritma MCSST Satelit NOAA-AVHRR untuk Penentuan Suhu Permukaan Laut dengan Menggunakan Data Buoy TAO. Jakarta : Balai Riset dan Observasi kelautan, BRKP DKP. Brown and Minnet MODIS Infrared Sea Surface Temperature Algorithm Algorithm Theoretical Basic Document Version 2.0. Miami : University of Miami. Martin, S An Introduction to Ocean Remote Sensing. United Kingdom : University of Cambridge Purwadhi, S.H Interpretasi Citra Digital. Jakarta: Grasindo. Raharjo, M.T Aplikasi Citra Satelit Aqua MODIS untuk Prediksi Daerah Tangkapan Ikan (Studi Kasus Perairan di Sekitar Surabaya dan Pulau Madura). Surabaya : Tugas Akhir Jurusan Fisika, ITS. Walpole, R.E Pengantar Statistika. Jakarta : PT. Gramedia Pustaka Utama. Xiao, X., dkk Mapping Paddy Rice Agriculture in Southern China Using Multi- Temporal MODIS Image. Beijing : Remote Sensing of Environtment. 7