EKSTRAKSI DATA KEDALAMAN MENGGUNAKAN DATA CITRA LANDSAT-8

SIDIK RAHMATUL FADILAH

Abstract


Pesatnya perkembangan teknologi penginderaan jauh ditandai dengan semakin baiknya resolusi spasial dan resolusi spektral. Hasil penginderaan jauh citra satelit dapat digunakan dalam berbagai bidang seperti salah satunya dalam bidang batimetri. Pemanfaatan citra satelit dirasa sangat efektif dan efisien untuk dilakukan karena biaya yang relatif lebih murah dan cakupan area analisis yang luas, hanya saja terdapat kendala seperti salah satunya adalah objek awan yang menutupi permukaan bumi. Metode perhitungan algoritma Regresi Linier Berganda (RLB) untuk Batimetri Berbasis Satelit (BBS) dikembangkan oleh Lyzenga yang digunakan untuk pengolahan citra agar mendapatkan nilai kedalaman disuatu perairan, kemudian dievaluasi tingkat akurasi saat digunakan terhadap citra dengan variasi kondisi awan yang berbeda. Data yang digunakan citra landsat-8 dengan variasi kondisi awan yang berbeda dan data pengukuran kedalaman air menggunakan echosounder multibeam dengan sampel lokasi penelitian perairan Pulau Bawean Kabupaten Gersik Provinsi Jawa Timur, dengan menggunakan metode perhitungan RLB. Nilai akurasi citra Landsat-8 untuk prediksi kedalaman dengan menggunakan metode algoritma RLB menghasilkan nilai RMSE 3.584354 s/d 4.490031 meter dan R2 0.8455 s/d 0.7789 dimana akurasi terbaik didapatkan saat kondisi citra bebas awan, dalam variasi kondisi berawan nilai akurasi berbeda tetapi perbedaan itu tidak signifikan. Dalam kegiatan ekstraksi data kedalaman menggunakan citra Landsat-8 perlu dilakukan pemilihan data citra tanpa awan, dan perlu mempertimbangkan penggunaan teknik koreksi atmospheric citra.

Kata Kunci: Penginderaan Jauh, Pengolahan Citra Digital, Batimetri


Full Text:

PDF

References


Amelia, R. (2010). Academica Edu. Dipetik Mei 26, 2018, dari http:/www.academica.edu/9163800/Prinsip_Dasar_Penginderaan_Jauh

Lillesand, T. M., & Kiefer, R. W. (1997). Remote Sensing and Image Interpretation. Dalam Dulbahri, P. Suharsono , Hartono, Suharyadi, & Sutanto, Penginderaan Jauh dan Interpretasi Citra (hal. 714). Yogyakarta: Gadjah Mada University Press.

Lyzenga, D. R., Malinas, N. P., & Tanis, F. J. (2006). Multispectral Bathymetry Using a Simple Physically Based Algorithm. 44(8).

Mahiny, A. S., & Turner, B. J. (2007). A Comparison of Four Common Atmospheric Correction Method. Photogramterric Engineering and Remote Sensing.

Manessa, M. D. (2018). Pengenalan Jenis Citra. Bogor: Program Studi Teknik Geodesi Universitas Pakuan Bogor.

Manessa, M. D., Kanno, A., Sekine, M., Haidar, M., Yamamoto, K., Imai, T., et al. (2016). Satellite-Derived Bathymetry Using Random Forest Algorith And Wordview-2 Imagery. Geoplanning, Journal Of Geomatics And Planning, 3.

Penanda, I. N. (2018). Pemetaan Batimetri Menggunakan Citra Sentinel-2 Studi Kasus Perairan Gili Trawangan Kabupaten Lombok Provinsi Nusa Tenggara Barat. Bogor: Teknik Geodesi Universitas Pakuan Bogor.

Prihatin, I. W., Jaya, I., & Simbolon, D. (2008). Algoritma Untuk Estimasi Kedalaman Perairan Dangkal Menggunakan Data Landsat-7 ETM+. Buletin PSP. Volume XVII. No. 3, 2.

Stumpf, R. p., & Holderied, K. (2003). Determination Of Water Depth With High-Resolution Satellite Imagery Over Variable Bottom Types. 48 (1, Part 2)(547-556).

Suryantoro, A. (2013). Penginderaan Jauh Untuk Geografi. Yogyakarta: Ombak.

USGS. (2018, 3 15). Earth Explorer. Dipetik 3 19, 2018, dari https://earthexplorer.us.gov

Wallpole, R. E., & Myers, R. H. (1995). Ilmu Peluang dan Statistika Untuk Insinyur dan Ilmuan/Ronald E Wallpole ; Penerjemah RK Sembiring. Bandung: ITB.


Refbacks

  • There are currently no refbacks.