PEMROSESAN CITRA ALOS PALSAR LEVEL 1.1 UNTUK IDENTIFIKASI TUTUPAN LAHAN mWILAYAH KOTA SEMARANG, JAWA TENGAH

DINAL HAQIE, Abdul Basith, ST., M.Si., Ph.D.

2013 | Skripsi | TEKNIK GEODESI

Citra penginderaan jauh optik sudah sering diterapkan dalam identifikasi tutupan lahan. Kemunculan awan pada hasil perekaman citra menjadi salah satu kendala dalam menggunakan data citra optik. Untuk mengatasi kelemahan tersebut, saat ini telah tersedia suatu sistem penginderaan jauh aktif (radar). Salah satu satelit yang membawa sensor radar adalah satelit ALOS (Advanced Land Observing Satellite) dengan sensor PALSAR (Phased Array type L-band Synthetic Apeture Radar). Pemrosesan data citra ALOS PALSAR untuk menghasilkan peta tutupan lahan biasanya dilakukan secara manual dengan mengidentifikasi obyek menggunakan unsur tekstur yang tampak pada citra. Penelitian ini dimaksudkan untuk mengevaluasi kemampuan citra ALOS PALSAR untuk pemetaan tutupan lahan melalui pemrosesan citra digital dengan berbasis digital number dengan menerapkan penggunaan berbagai filter untuk menghasilkan tutupan lahan. Citra komposit ALOS PALSAR dinilai mampu mengklasifikasikan obyek pada tingkat I sesuai Standar Nasional Indonesia untuk klasifikasi penutup lahan. Studi kasus diterapkan pada wilayah Kota Semarang terkait dengan ketersediaan data. Pemrosesan citra ALOS PALSAR dilakukan dengan menggunakan bantuan perangkat lunak ENVI 4.8 yang dilengkapi feature tambahan SARscape. Pengolahan citra ALOS PALSAR dimulai dengan rekonstruksi citra yang terdiri dari proses import data, multilooking, geocoding and radiometric calibration. Proses selanjutnya adalah pembuatan citra komposit, koreksi geometrik metode image to image, cropping citra, filterisasi, pembuatan training area, klasifikasi citra digital, uji akurasi hasil klasifikasi dan pembuatan peta. Proses filterisasi citra menggunakan filter Lee, Frost, Gamma, dan Kuan dengan ukuran Kernel sebesar 3x3 dan 9x9. Proses klasifikasi citra menggunakan klasifikasi terbimbing dengan metode maximum likehood. Hasil klasifikasi dihitung akurasinya dengan data referensi Peta Rupa Bumi, citra Google Earth dan data lapangan kemudian ditentukan penggunaan filter yang paling baik dalam mengidentifikasi tutupan lahan. Langkah selanjutnya adalah melakukan analisis perbandingan antara hasil dari klasifikasi tersebut dengan citra radar itu sendiri dan peta RBI. Penelitian ini memperoleh kesimpulan bahwa citra komposit ALOS PALSAR mampu mengklasifikasikan obyek tidak hanya tingkat I, bahkan mampu sampai tingkat II dengan modifikasi penyederhanaan kelas. Pemrosesan citra komposit ALOS PALSAR berbasis digital number untuk keperluan pemetaan tutupan lahan dinilai masih memiliki kelemahan. Hasil klasifikasi menunjukkan adanya ketidaksesuaian bentuk obyek serta pengklasifikasian obyek ke dalam kategori kelas yang tidak semestinya. Ditinjau dari segi statistik, hasil klasifikasi terbimbing citra ALOS PALSAR Level 1.1 dengan metode filterisasi Frost dengan ukuran kernel 9x9 menunjukkan hasil paling baik jika dibandingkan dengan filter lainnya. Hal ini dibuktikan dengan overall accuracy paling tinggi yaitu sebesar 91,7%. Hasil klasifikasi citra ALOS PALSAR dengan filterisasi Frost ukuran kernel 9x9 dapat mengidentifikasi: permukiman 85,13 km 2 (15,9%), vegetasi 265,15 km 2 (49,6%), badan air 38,38 km 2 (7,2%), dan unclassified 145,74 km 2 (27,3%).

Optical remote sensing imageries have often been applied for land cover identification. The present of cloud cover on the satellite imageries restricts utilization of optical imageries. To overcome this problem, there is an active remote sensing system working at radar window as an alternative solution. One of satellites that carries a radar sensor is ALOS (Advanced Land Observing Satellite) carrying PALSAR (Phased Array type L-band Synthetic Apeture Radar) sensor. Processing methods of ALOS PALSAR imagery data to produce land cover maps is usually done manually by identifying objects using texture elements which appear on the image. This study aimed to evaluate potential use of ALOS PALSAR imagery for land cover mapping. Digital image processing was performed based on Digital Number, implementing various filters to produce land cover. ALOS PALSAR composite image was considered to be able to classifying objects on first level of Indonesian National Standard for land cover classification. As the case study, Semarang City is selected due to the data availability. ALOS PALSAR image processing was performed using ENVI 4.8 software incorporating an additional feature SARscape. ALOS PALSAR image processing begins with image reconstruction which consists of data import process, multilooking process, geocoding and radiometric calibration. The next processes are generating the composite image, geometric correction using image to image method, image cropping, filtering, creation of training area, digital image classification, test of classification result accuracy and map-making. Filters used during image processing were Lee, Frost, Gamma, and Kuan filters with 3x3 and 9x9 Kernel size. Method used for PALSAR image classification was supervised classification using maximum likehood algorithm. Accuracy of image classification results was assessed by using combination of data RBI (topogragphic) map, Google Earth imagery, and field observation as reference data. The next prosses is to determine the best filter recommended for use for land cover mapping. The next step is comparative analysis between classified map, radar image itself and topogragphic map. As the conclusions, this research shows that ALOS PALSAR composite image is not only able to classify objects on level I, even up to level II with simplify class modification. Processing of ALOS PALSAR composite image based on digital number for land cover mapping produced unsatisfying results. Classification results showed some disagreement between object shapes on the map and those on the original radar image or in the field. In terms of statistics value, classification result of ALOS PALSAR imagery Level 1.1 using Frost filter method with a 9x9 kernel size produced the most accurate land cover map compared to those produced using other filters. This is indicated by the highest overall accuracy achieved, 91.7%. ALOS PALSAR image classification results using Frost filter kernel size 9x9 identifies land covers of Semarang City follows: settlement 85.13 km 2 (15.9%), vegetation 265.15 km 2 (49.6%), water bodies 38.38 km 2 (7.2%), and unclassified 145.74 km 2 (27.3%).

Kata Kunci : ALOS PALSAR, citra radar, klasifikasi citra digital, peta tutupan lahan, filter.