Beruflich Dokumente
Kultur Dokumente
1 PENDAHULUAN
Pemanfaatan data penginderaaan
jauh (inderaja) satelit Radar SAR u n t u k
deteksi d a n p e m a n t a u a n lapisan a t a u
tumpahan minyak di laut sudah semakin
dikenal potensinya semenjak diluncurkannya satelit ERS-1 pada tanggal 17 Juli
1991 oleh ESA (European Space Agency)
dan disusul dengan peluncuran ERS-2
pada tanggal 27 April 1997 oleh instansi
yang s a m a . Seperti diketahui, sensor
SAR ERS-1 d a n ERS-2 beroperasi pada
kanal C, frekuensi 5,39 GHz atau panjang
gelombang 5,66 cm. Sensor satelit
lainnya, SAR Radarsat oleh Canada juga
beroperasi pada frekuensi kanal C.
Berbeda dengan d a t a citra SAR ERS1 /ERS-2, dimana satuan liputan citra
100 km x 100 km, d a t a citra SAR
Radarsat mempunyai c a k u p a n luas
dengan s a t u a n liputan citra 5 0 0 km x
500 km.
Secara umum dalam pendeteksian
suatu obyek pada
permukaan bumi
menggunakan data inderaja satelit Radar
SAR, obyek d a p a t diidentifikasi atau
dibedakan dari obyek lainnya di dalam
citra Radar
berdasarkan perbedaan
besarnya energi h a m b u r a n balik yang
kembali dari obyek-obyek tersebut, yang
diterima oleh sensor radar pada satelit.
Besarnya energi hamburan balik tersebut
dipengaruhi oleh tiga faktor u t a m a (Ali
Hussin Y, 1997) yaitu: 1) sifat-sifat
sistem radar: panjang gelombang, sudut
jatuh dan polarisasi dari gelombang
radar tersebut, 2) topografi permukaan
bumi, dan 3) karakteristik dari mated
obyek pada permukaan atau di bawah
permukaan yaitu sifat-sifat dielektrik
obyek (termasuk k a n d u n g a n air, kekasaran permukaan d a n orientasi ciri).
Berkaitan dengan faktor-faktor
yang mempengaruhi seperti disebutkan
di atas, lapisan minyak [oil slick) atau
tumpahan minyak {oil spill) dapat
identifikasi didalam s u a t u citra SAR.
Karena lapisan minyak mempunyai
viskositas lebih besar dari pada air laut,
menyebabkan adanya tekanan permukaan laut, yang menimbulkan atenuasi
(Gokmaria Sitonggang)
daerah
(Gokmana Sitanggang)
65
66
klasifikasi
citra
tumpahan
minyak
berdasarkan hasil-hasil analisis tekstur
dengan
menggunakan
algoritma
supervised Maximum Likelihood.
Pada
studi ini diperoleh hasil bahwa algoritma
terbaik u n t u k klasifikasi tumpahan
minyak adalah
Maximum Likelihood.
Diperoleh hasil : citra klasifikasi dari
citra komposit menggunakan analisis
tekstur dan citra tingkat keabuan (hasil
transformasi skala tingkat keabuan).
Hasil-hasil analisis klasifikasi memberikan
informasi yang penting tentang ketebalan
tumpahan minyak, dan daerah tumpahan
minyak yang berubah karena waktu
{spill age). Dapat diperoleh citra klasifikasi
yang menunjukkan daerah tumpahan
minyak dalam tiga kelas yang berbeda
sesuai dengan ketebalan dari t u m p a h a n
minyak tersebut. Pada penelitian ini
diperoleh d u a analisis tekstur yang
efektip u n t u k deteksi t u m p a h a n minyak
dan klasifikasi yaitu Homogeneity d a n
Angular Second Moment Ukuran-ukuran
tekstur yang digunakan oleh program
ini didasarkan p a d a Haralick et al.
(1973 & 1979), dan Conners et al.
(1980) dalam Mansor et al (2002) yang
mendemonstrasikan penggunaan ciriciri tekstur u n t u k klasifikasi.
3.2 Deteksi Tumpahan Minyak dengan
SAR R a d a r s a t di Perairan Laut
Kuning dan Laut Cina Timur
Penelitian Ivanov et al (2001),
mendapatkan s u a t u hasil
percobaan
deteksi t u m p a h a n minyak di Perairan
Laut Kuning d a n Laut Cina Timur,
menggunakan
d a t a SAR
Radarsat
multitemporal 15, 19, dan 22 November
2000. Konsep percobaan adalah mengumpulkan citra dari Laut Cina dengan SAR
Radarsat dalam mode Scan SAR selama
periode waktu pendek dalam 1 minggu.
Tujuan utama adalah untuk mengetahui
potensi dari data SAR Radarsat u n t u k
lokalisasi, deteksi dan pemantauan
tumpahan minyak a t a s zona-zona laut
yang sangat
luas.
Penelitian
ini
khususnya ditekankan u n t u k menjawab
pertanyaan-pertanyaan sebagai berikut :
67
68
Di a n t a r a teknik Co-occurrence y a n g
lain, teknik yang digunakan menunjukkan
performance
terbaik
pada
proses
segmentasi lapisan minyak tersebut.
Teknik
Co-occurrence
menggunakan
perbedaan tingkat keabuan {gray level)
berdasarkan statistik untuk mengekstraksi tekstur dari citra-citra inderaja. Lebih
lanjut dilakukan proses klasifikasi pada
daerah gelap (tampak hitam p a d a citra).
Daerah-daerah di mana kecepatan angin
rendah p a d a permiakaan laut, dapat
menghasilkan daerah gelap, suatu daerah
yang
tampak seperti lapisan minyak
pada citra. Pada proses klasifikasi daerah
lapisan minyak d a n daerah yang tampak
mirip
pada daerah-daerah kecepatan
angin rendah yang
berlokasi dekat
garis p a n t a i , digunakan garis pantai
sebagai kondisi garis batas. Garis pantai
dideteksi d e n g a n Filter C a n n y mengg u n a k a n Derivative pertama dari Gausian
sebagai Edge Detector, dan menandai
posisi dari batas tepi {edge) dimana
gradient adalah maksimum lokal (Canny,
1986 dalam Arvelyna
et al, 2001).
Terakhir bila daerah-daerah tersebut
dekat garis p a n t a i , d a e r a h t e r s e b u t
diidentifikasi sebagai d a e r a h yang
tampak mirip lapisan minyak.
3.4 Deteksi Tumpahan Minyak Menggunakan Citra SAR Lautan
Penelitian dan percobaan Fiscella
et al (2000), digunakan citra SAR ERS2 untuk deteksi t u m p a h a n minyak di
lautan. Di dalam penelitian tersebut,
dikembangkan suatu algoritma pendekatan probabilitas u n t u k membedakan
semua t u m p a h a n minyak dari obyekobyek lautan lainnya yang tampak mirip
dalam citra SAR; dan telah diuji coba.
Metode yang dibangun menggunakan
informasi statistik yang diperoleh dari
hasil pengukuran yang telah dilakukan
sebelumnya dari karakteritik geometrik
dan fisik dari
semua
j e n i s kelas
tumpahan minyak dan kelas obyekobyek alamiah lainnya y a n g tampak
mirip dengan tumpahan minyak. Metode
yang dikembangkan oleh Fiscella et 0.1.
angin.
Algoritma u n t u k identifikasi tumpahan minyak yang dikembangkan oleh
Fiscella B et al. (2000) dijelaskan sebagai
berikut : Ada sejumlah tertentu karakteristik y a n g d i p e r t i m b a n g k a n sebagai
ciri t u m p a h a n minyak. Pengukuranpengukuran dilakukan u n t u k beberapa
karakteristik tersebut, dengan memilih
69
70
kapal.
Metode yang dikembangkan oleh
Fiscella et al. (2000) menggunakan d u a
prosedur klasifikasi, yang pertama
berdasarkan
Mahalanobis
Classifier,
dan yang kedua berdasarkan Compound
Probability Classifier. Kedua prosedur
klasifikasi tersebut menggunakan d u a
kelas: kelas tumpahan minyak dan kelas
obyek lain yang tampak mirip tumpahan
minyak. Pada percobaaan yang disebutkan di atas, diperoleh ketelitian klasifikasi
5 KESIMPULAN
Berdasarkan kajian yang telah
dikemukakan di atas, beberapa catatan
atau kesimpulan dan s a r a n yang dapat
diberikan sebagai berikut:
Dari keernpat metode yang dikemukakan
tampak bahwa untuk dapat
mengetahui informasi yang detail dari
tumpahan/lapisan
minyak
yaitu
ketebalan atau jenis-jenis lapisan
minyak, dan umur tumpahan /lapisan
minyak, hanya m a m p u dilakukan
dengan
metode
pengolahan
dan
analisis citra digital berorientasi
tekstur.
Dengan pendekatan/analisis tekstur,
Mansor et at. (2002), memperoleh dua
analisis tekstur yang efektif u n t u k
deteksi
tumpahan
minyak dan
klasifikasi yaitu
Homogeneity d a n
Angular Second Moment Metode yang
dikembangkannya dengan menggunakan d a t a SAR
Radarsat
dapat
didentifikasi/di klasifikasi tumpahan
minyak
berdasarkan
ketebalan,
maupun u m u r
atau lamanya tum11
pahan
minyak di atas
pemukaaan
laut.
Metode yang dikembangkan oleh
Arvelyna et at, (2001), juga berorientasi
ciri tekstur yaitu dengan teknik
Maximum Entropy. Dengan metode
tersebut, menggunakan data SAR
Radarsat, dapat diidentifikasi/diklasifikasi l a p i s a n / t u m p a h a n minyak d a n
obyek alamiah lainnya dilaut yang
tampak mirip dengan lapisan minyak.
Metode Ivanov et al, (2001) menggunakan metode pengolahan dan analisis
citra secara semi automatik, karena
metode visual tetap mendominasi
untuk identifikasi tumpahan minyak.
Dengan metode tersebut, menggunakan data SAR Radarsat dapat diidentifikasi/diklasifikasi dan diperoleh peta
distribusi t u m p a h a n minyak atau
liputan dari t u m p a h a n minyak pada
daerah percobaan, jumlah tumpahan
minyak dan total luas daerah yang
diliput t u m p a h a n minyak.
Metode Fiscella et al. (2000) menggunakan
s u a t u algoritma u n t u k
identifikasi lapisan atau tumpahan
minyak berdasarkan satu set pengu k u r a n dari karakteristik geometrik
dan fisik dari semua jenis kelas (yang
memberikan ciri-ciri yang signifi-kan
untuk membedakan semua jenis kelas
tersebut).
Dapat
dibedakan
atau
diidentifikasi dan diklasifikasi lapisan
atau t u m p a h a n minyak, obyek yang
mirip t u m p a h a n minyak dan obyek
lainnya yang tidak dapat ditentukan.
Metode Fiscella et al (2000) baik
dikembangkan u n t u k dioperasionalk a n secara rutin u n t u k deteksi d a n
p e m a n t a u a n atau sistem peringatan
dini, oleh instansi yang juga mempunyai fasilitas akuisisi data dari
satelit (seperti LAPAN yang dapat
mengakuisisi data SAR ERS), u n t u k
dapat memberikan dukungan real time
informasi peringatan dini bencana
t u m p a h a n minyak kepada instansi
terkait.
Untuk mengetahui informasi mengenai
lapisan a t a u t u m p a h a n minyak yang
Island,
Malacca
Strait,
AARS,
Singapore,
Campell , G, 1995. "Applications ofERS1 Data in Oil Spill Detection", Data
Utilisation Section, ESA, ESR1N,
Nov.
Fiscella ,B . et al, 2000, "Oil Spill Detection
Using Marine SAR Images*, Int J
Remote Sensing, Vol 2 1 , No 18,
3561-3566.
Ivanov, A. et al, "Oil SpiU Detection With
RADARSAT In The Waters of The
Yellow and EAST China Sea, A
Case Study, 2001".
Mansoor ,S.B. et al, 2002. "Oil Spill
Detection
and
Monitoring from
Satellite
Image",
Spatial
and
Numerical Modeling Laboratory,
Institute of Advanced Technology,
University Putra Malaysia.
73