BAB II IDENTIFIKASI DAERAH TERKENA BENCANA MENGGUNAKAN TEKNOLOGI PENGINDERAAN JAUH Teknologi penginderaan jauh merupakan teknologi yang memegang peranan yang sangat penting dalam manajemen bencana salah satunya adalah dalam melakukan identifikasi daerah yang terkena bencana. 2.1 Identifikasi Daerah Terkena Bencana Seperti yang telah kita ketahui bersama, bahwa dampak dari suatu bencana memiliki sifat destruktif terhadap daerah yang terkena bencana tersebut, baik dalam skala lokal maupun regional. Gempa bumi merupakan bencana alam yang penyebaran dampaknya paling besar. Menyadari keberadaan dari bencana dan dampaknya tersebut, maka sangatlah penting adanya suatu manajemen bencana yang dapat memberikan informasiinformasi yang selalu tersedia saat dibutuhkan. Adapun aktifitas yang berkaitan dengan manajemen bencana ini adalah sebagai berikut : Persiapan (preparedness) Pencegahan (prevention) Penanganan (response) Pemulihan (recovery) Dimana pada keempat aktifitas tersebut, pengideraan jauh memegang peranan yang sangat penting karena penginderaan jauh dapat menghasilkan citra yang memiliki resolusi spasial yang baik yang dapat dipadukan dengan informasi lainnya yang dibutuhkan dalam manajemen bencana. Walaupun peranan penginderaan jauh yang terbesar adalah dalam aktifitas persiapan preparedness) dan pencegahan (prevention) karena citra satelit dapat digunakan untuk mengidentifikasi kemungkinan terjadinya bencana dan daerah mana saja yang rawan bencana sehingga dapat memprediksi lebih awal. Namun 7
yang dalam penelitian ini yang lebih ditekankan adalah dalam aktifitas pemulihan (recovery), dimana hasil identifikasi daerah terkena bencana dapay digunakan untuk tahapan yang terkait dalam aktifitas pemulihan (recovery) antara lain rehabilitasi, rekonstruksi, maupun perencanaan pasca bencana [Barret, Brown, dan Micallef, 1989]. Dalam penelitian ini, proses identifikasi daerah yang terkena bencana memerlukan adanya kombinasi antara aspek spektral dan tekstural dari citra penginderaan jauh untuk mengidentifikasi kerusakan-kerusakan yang diakibatkan oleh gempa Yogya yang memberikan hasil identifikasi yang lebih baik dari pada hanya mempertimbangkan aspek spektral saja. 2.2 Aspek Spektral Penginderaan jauh memanfaatkan pantulan spektral cahaya pada jenis objek tertentu untuk mengamati penampakannya. Setiap objek yang berada di atas permukaan bumi akan memiliki pantulan spektral yang berbeda dengan rentang spektral tertentu. Pantulan spektral ini kemudian akan diterima oleh sensor satelit penginderaan jauh. Dengan demikian maka akan diperoleh informasi mengenai suatu objek tersebut, sehingga dapat dilakukan suatu identifikasi dan klasifikasi objek. 2.3 Aspek Tekstur Tekstur adalah frekuensi perubahan rona pada citra [Lillesand dan Kiefer, 1994]. Tekstur dapat beragam dari licin atau halus, medium sampai kasar. Dimana sifat licin atau halus, medium sampai kasar yang dimaksud merupakan nilai dari derajat keabuan (grey level) yang diperoleh melalui window yaitu kotak persegi yang mendefinisikan ukuran dari area dimana terjadi perubahan. Dalam penelitian ini, konsentrasi lebih ditekankan kepada informasi tekstur yang terdapat pada citra area urban terutama pada bangunan yang mengalami kerusakan 8
akibat gempa. Pendekatan tekstur yang digunakan adalah dengan GLCM (grey level co-occurrence matrix measures). 2.3.1 GLCM GLCM menunjukkan hubungan antara 2 piksel tetangga. Nilai dari hubungan derajat keabuan akan ditransformasikan ke matriks ko-okurasi dengan ukuran window 3x3, 5x5, 7x7, 9x9, dan seterusnya. Dari masing-masing windows yang terbentuk kemudian ditentukan nilai hubungan spasial antara setiap BV-nya, yang merupakan fungsi dari sudut dan jarak. Untuk ukuran windows 3x3 misalnya (terdiri atas 9 piksel), fungsi sudut dan jarak tersebut dapat digambarkan sebagai berikut : 135 90 45 0 (piksel yang diamati adalah piksel yang berada di tengah). Gambar 2.1 Fungsi sudut dan jarak dari GLCM. Adapun pengukuran informasi tekstur menggunakan GLCM terbagi menjadi beberapa jenis metode pengukuran, antara lain : Correlation Dapat mengukur kebergantungan linear dari derajat keabuan dari piksel tetangga pada GLCM. 9
Entropy Dapat mengukur derajat kekacauan dari derajat keabuan pada GLCM. Mean Dapat mengukur nilai rata-rata probabilitas dari GLCM. Variance Dapat mengukur dispersi sekitar rata-rata dari kombinasi antara piksel referensi dan piksel tetangga pada GLCM. Dalam penelitian ini lebih difokuskan pada penggunaan metode entropy guna mengekstraks dan mengklasifikasi ciri penting tekstur tersebut. 2.3.2 Entropy Metode entropy dapat mengukur kekacauan dari suatu citra. Saat citra dari aspek tekstur tidak seragam, maka entropy menjadi sangat besar. Formula yang digunakan pada metode entropy ini adalah sebagai berikut : Ent I i J = j P ( i, j). Log( P( i, j) ) dimana : P(i,j) : Matriks kebergantungan derajat keabuan dari setiap piksel I, J : Jumlah baris dan jumlah kolom Berdasarkan algoritma perhitungan matriks kebergantungan derajat keabuan di atas, maka untuk setiap piksel pada citra akan diperoleh empat macam matriks kebergantungan derajat keabuan ( P(i,j) ). Dengan demikian, untuk setiap piksel tersebut juga akan diperoleh empat nilai entropy, yang kemudian nilainya dirataratakan sehingga hanya diperoleh satu parameter entropy saja. Parameter inilah 10
yang kemudian merepresentasikan ciri tekstur pada suatu kelas obyek tertentu pada citra, yang kemudian akan digunakan untuk proses pemisahan atau klasifikasi obyek atau area pada citra. 11