Citra ALOS PALSAR (Phased Array L-Band Synthetic Apperture Radar) merupakan citra yang direkam oleh JAXA (Japan Aerospace Earth Exploration Agency). Citra ini dapat menjadi salah satu solusi kajian sumberdaya di negara tropis seperti Indonesia, karena dapat menyiam secara aktif baik siang maupun malam, bebas awan, serta dapat menembus permukaan dengan lebih kuat. Kalibrasi Gamma-naught yang dilakukan pada citra dimaksudkan untuk mendapatkan nilai gamma, yaitu rasio hamburanbalik per unit area yang lebih lanjut dapat dijadikan sumberdata klasifikasi secara digital yang banyak diaplikasikan dalam penelitian terkait biomasa, biofisik, serta deforestasi. Penelitian ini bertujuan untuk : (1) Melakukan kalibrasi radiometri Gamma-naught pada data citra Fine Beam Dual Polarization ALOS PALSAR mosaik Jawa resolusi 50 meter perekaman tahun 2009; (2) Mengevaluasi proses kalibrasi dengan menilai kualitas citra serta validasi lapangan untuk aplikasi klasifikasi penutuplahan dengan metode unsupervised dan segmentasi; (3) Memanfaatkan perangkat lunak ASF Mapready serta ENVI sebagai perangkat pemroses kalibrasi data Fine Beam Dual Polarization ALOS PALSAR mosaik Jawa resolusi 50 m perekaman tahun 2009. Kalibrasi radiometrik Gamma-naught menimbulkan adanya efek image flattening, penurunan nilai digital, pengurangan efek bayangan, reduksi noise speckle, dan pembauran batas antar objek yang merupakan indikasi secara visual berkurangnya variabel efek topografi, kekasaran permukaan, pengaruh ukuran objek, serta sifat dielektrik yang semakin memurnikan nilai piksel objek untuk peningkatan akurasi klasifikasi penutuplahan secara digital. Secara kualitatif dan kuantitatif, pemrosesan dinilai sesuai karena memiliki kesamaan tampilan visual dan korelasi stabilitas nilai digital yang standart, dibuktikan dengan nilai rerata pemrosesan HH -11.720370 (Stdev 5.288053), HV -70.871596 (Stdev 2.325386) dan Sintetik HH/HV -21.046792 (Stdev 6.928500). Uji akurasi citra ALOS PALSAR terkalibrasi Gamma-naught memiliki akurasi keseluruhan lebih besar daripada data belum terkalibrasi, yaitu 80 % untuk klasifikasi unsupervised dan 66,67 % untuk segmentasi. Data asli memiliki akurasi keseluruhan 34,17 % untuk klasifikasi unsupervised dan 54,16 % untuk segmentasi. Uji klasifikasi menunjukkan persentase akurasi masing-masing obyek hasil perbandingan interpretasi dan lapangan dari sisi producer’s accuracy dan user’s accuracy untuk klasifikasi unsupervised citra terkalibrasi adalah sebagai berikut : daerah pertanian (96,30 % ; 21,21%), daerah bukan pertanian (0 %), permukiman (99,05 % ; 10 %), serta perairan (0%), sedangkan untuk citra belum terkalibrasi adalah: daerah pertanian (100 % ; 69,70 %), lahan terbuka (0 %), lahan terbangun (0%), permukiman (36,67 % ; 45 %) dan perairan (0 %). Adapun uji akurasi segmentasi per objek untuk citra terklaibrasi adalah sebagai berikut : daerah pertanian (100%; 24,44 %), lahan kosong (0 %), dan permukiman (50 %, 100 %) sedangkan untuk citra asli adalah : daerah pertanian (100 % ; 55 %), daerah bukan pertanian, lahan kosong, lahan terbangun (0%) serta permukiman (33,33 % ; 0 %) Konversi raw data lebih efisien dengan menggunakan ASF Mapready karena dapat membaca header citra secara otomatis, sedangkan proses kalibrasi dan mosaic tidak dapat dilakukan di ASF Mapready namun dengan baik dapat dilakukan dengan ENVI 5.0. Kata kunci : ALOS PALSAR, Backscatter, Gamma-naught, ASF Mapready, ENVI 5.0

Kata Kunci :