BAB II TEORI DASAR 2.1 Konsep Dasar Penginderaan Jauh

BAB II
TEORI DASAR
2.1 Konsep Dasar Penginderaan Jauh
Pada dasarnya dalam penginderaan jauh mempunyai konsep yaitu memanfaatkan
gelombang elektromagnetik untuk berinteraksi dengan suatu objek atau fenomena
yang akan dikaji. Terdapat tujuh buah elemen yang berhubungan dengan
penginderaan jauh, yaitu :
1. Sumber energi.
2. Radiasi dan Atmosfer.
3. Interaksi gelombang elektromagnetik dengan target.
4. Perekaman oleh sensor.
5. Transmisi.
6. Penerimaan.
7. Proses gelombang elektr magnetik,interpretasi dan analisis serta aplikasinya.
Berdasarkan panjang gelombang elektromagnetik yang digunakan, sistem dalam
penginderaan jauh dapat dibedakan menjadi (Soenarmo, 1994):
•
Penginderaan jauh visibel dan inframerah, sumber energi yang digunakan
adalah matahari dengan puncak radiasinya 0,5 µm. Data yang diperoleh
tergantung pada kemampuan target merefleksikan radiasi elektromagnetik
matahari. Selanjutnya informasi mengenai target dapat diperoleh melalui
spektrum refleksinya.
•
Penginderaan jauh inframerah termal, sumber energi yang digunakan adalah
energi radiasi dari target yang bersangkutan. Dasarnya adalah, seperti telah
dibahas sebelumnya mengenai sifat radiasi elektromagnetik, bahwa semua
benda pada temperatur di atas 0°K atau -273°C memancarkan radiasi
elektromagnetik terus-menerus dengan puncak radiasi ± 10 µm.
•
Penginderaan jauh gelombang pendek, sistem penginderaan jauh ini
memiliki dua tipe yaitu pasif dan aktif.
II-1
Sistem pasif (gambar 2.1) adalah sistem yang menggunakan energi yang telah
tersedia, dalam hal ini adalah energi dari matahari. Untuk seluruh energi yang
direfleksikan, sensor pasif hanya dapat digunakan saat ada penyinaran matahari.
Pada malam hari, tidak ada refleksi energi dari matahari yang dapat digunakan.
Pada sistem pasif radiasi gelombang pendek dipancarkan dari target yang
dideteksi. Sistem aktif (gambar 2.2) adalah sistem penginderaan jauh yang
menggunakan energi yang diemisikan sendiri (tidak menggunakan matahari
sebagai sumber energi).
Gambar 2.1 Cara kerja sistim sensor pasif dari wahana satelit (Sumber:
Fundamental of Remote Sensing tutorial, 1998)
Gambar 2.2 Cara kerja sistim sensor aktif dari wahana satelit (Sumber:
Fundamental of Remote Sensing tutorial, 1998)
2.2 Satelit ASTER
ASTER (Advanced Spaceborne Thermal Emission And Reflection Radiometric)
merupakan instrumen yang dibawa oleh satelit TERRA. ASTER bertugas untuk
melakukan observasi permukaan bumi dalam rangka monitoring lingkungan hidup
secara global dan penginderaan sumber daya alam. Ground resolution ASTER
lebih tinggi dibandingkan dengan LANDSAT- TM, demikian juga untuk resolusi
II-2
spektral dengan 5 band termal dan 6 band short wave-infrared, serta kualitas
fungsi stereoskopik yang lebih tinggi dibandingkan satelit sebelumnya, JERS1. Satelit ini memiliki orbit sun-synchronous dan ketinggian 705 km, melewati
orbit yang sama setiap 16 hari.
Sensor ASTER merupakan peningkatan dari sensor yang dipasang pada satelit
generasi sebelumnya, JERS-1. Sensor ini terdiri dari Visible and Near-Infrared
Radiometer (VNIR), Short Wavelength Infrared Radiometer (SWIR), Thermal
Infrared Radiometer (TIR), Intersected Signal Processing Unit dan Master Power
Unit.
VNIR merupakan instrumen optikal dengan resolusi tinggi yang digunakan untuk
mendeteksi pantulan cahaya dari permukaan bumi dengan range dari level
gelombang visible hingga infrared (520 - 860 mikrometer) dengan 3 band.
Dimana band 3b dari VNIR ini merupakan nadir dan backward looking data,
sehingga kombinasi data ini dapat digunakan untuk mendapatkan citra
stereoskopik. Digital Elevation model (DEM) dapat diperoleh dengan
mengaplikasikan data ini.
SWIR merupakan instrumen optikal dengan resolusi tinggi mempunyai dengan 6
band yang digunakan untuk mendeteksi pantulan cahaya dari permukaan bumi
dengan short wavelength infrared range (1.6-2.43 mikrometer).
TIR adalah instrumen dengan akurasi tinggi untuk observasi radiasi termal
infrared (800 - 1200 mikrometer) dari permukaan bumi dengan menggunakan 5
bands. Band ini dapat digunakan untuk monitoring jenis tanah dan batuan di
permukaan bumi. Sensor dengan multi-band termal infrared dalam satelit ini
adalah pertama kali di dunia. Ukuran citra adalah 60 km dengan ground resolution
90 m.
II-3
Gambar 2.3 Satelit Aster
(Sumber : Aster ,NASA)
Tabel 2.1 Karakteristik dari 3 sensor sistem ASTER
Subsistem
VNIR
SWIR
TIR
Band No
Spektral Range
Resolusi spasial
(µm)
m
1
0.52-0.60
2
0.63-0.69
3N
0.78-0.86
3B
0.78-0.86
4
1.60-1.70
5
2.145-2.185
6
2.185-2.225
7
2.235-2.285
8
2.295-2.365
9
2.360-2.430
10
8.125-8.475
11
8.475-8.825
12
8.925-9.275
13
10.25-10.95
14
10.95-11.65
II-4
15
30
90
2.3 Dasar Pengolahan Citra
Citra adalah gambar 2 atau 3
dimensi sebagai fungsi dari intensitas cahaya
matahari yang dihasilkan dari observasi satelit bumi yang dikirim ke bumi melalui
sinyal gelombang dan disimpan atau diterima oleh stasiun penerima dalam bentuk
magnet tape. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat
optik berupa foto, bersifat analog berupa sinyal-sinyal video seperti gambar pada
monitor televisi, atau bersifat digital yang dapat langsung disimpan dalam pita
magnetik.
Pengolahan Citra Digital (PCD) merupakan hal yang paling penting dalam
penginderaan jauh saat ini. Citra satelit digital tersusun dari rangkaian grid-grid
kecil yang disebut piksel dan setiap piksel secara spasial melambangkan suatu
area tertentu pada permukaan. Rangkaian grid-grid ini sering disebut raster
sehingga suatu data citra digital seringkali digolongkan sebagai informasi/data
raster. Setiap piksel dalam citra raster direpresentasikan oleh nomor digital. PCD
berkaitan dengan proses pengolahan informasi dengan komputer. Kegunaan PCD
adalah untuk mengkoreksi, meningkatkan atau menajamkan kualitas citra
sehingga dapat dimengerti dan mudah diambil informasi yang dibutuhkan.
Tahapan pengolahan yang dilakukan adalah sebagai berikut:
•
Pemulihan citra, terdiri dari:
a. koreksi radiometrik dan atmosfer
b. koreksi geometrik dan registrasi
•
Peningkatan kualitas citra, meliputi:
a. ketajaman, noise, kontras
b. penyaringan data (filtering)
•
Klasifikasi citra, yaitu memilah jenis data
II-5
2.3.1 Pemulihan Citra
Pemulihan citra merupakan suatu cara untuk memanipulasi citra hasil
penginderaan jauh untuk menghilangkan distorsi atau kesalahan. Terdapat 2
koreksi penting dalam pemulihan citra, yaitu:
1.
Koreksi atmosferik
Karena ketidaksempurnaan dari sensor di satelit dan juga pengaruh
gangguan atmosfer serta pesawat penerima, data yang dipancarkan dan
ditangkap oleh stasiun penerima di bumi akan mengandung kesalahan yang
perlu dihilangkan supaya data terekam mempunyai makna yang benar.
Prosesnya disebut sebagai koreksi atmosferik dan bertujuan untuk
memulihkan data citra yang mengalami distorsi pada keadaan yang
seharusnya.
2.
Koreksi geometrik
Citra Satelit selalu mengandung kesalahan yang bersifat sistematik dan acak.
Kesalahan tersebut dapat dikoreksi bila tersedia informasi mengenai
karakteristik, orientasi serta keutuhan sensornya seperti misalnya kecepatan
pergerakan satelit dan rotasi, kelengkungan bumi serta distorsi panoramik
dan perspektif. Tersedianya sejumlah titik kontrol tanah akan membantu
dalam mengkoreksi kesalahan karena orientasi satelit dan ketinggian. Citra
satelit yang diterima biasanya sudah bersih dari kesalahan grup pertama di
atas. Sehingga hanya koreksi geometrik yang dilakukan untuk membuat data
citra bermanfaat, yaitu proses rektifikasi dan registrasi.
Proses rektifikasi bertujuan untuk membetulkan orientasi dari citra sehingga
akan mempunyai posisi yang absolut sesuai dengan sistem proyeksi tertentu.
Cara yang ditempuh adalah dengan proses transformasi matematik dari
sistem koordinat citra ke sistem koordinat tanah. Proses ini membutuhkan
titik kontrol tanah sehingga setiap piksel akan mempunyai koordinat yang
absolut. Sebaliknya proses registrasi biasanya digunakan bila posisi relatif
yang lebih diperlukan. Misalnya bila akan membandingkan 2 buah citra dari
daerah yang sama dan diperoleh pada saat yang berbeda, maka yang akan
II-6
dilakukan adalah transformasi dari citra satu ke citra lainnya. Hal ini untuk
membuat kedua buah citra tersebut mempunyai orientasi dan skala yang
sama.
Langkah yang dilakukan pada proses rektifikasi geometrik terdiri dari 2 tahap,
yaitu:
1.
Memformulasikan hubungan geometrik antara baris, kolom (b,k) dari piksel
citra dengan posisinya di tanah (x,y). Proses ini dikenal dengan interpolasi
spasial. Persamaan polinomial merupakan model matematik yang sering
digunakan untuk mentransformasi sistem citra ke sistem tanah.
2.
Menentukan nilai numerik dari kecerahan setiap piksel. Hal ini terjadi
karena nilai (b,k) yang selalu bilangan bulat (1,2,3,…) setelah ditransformasi
akan berubah menjadi bilangan real (1,1;2,4;5,6;…). Sehingga setelah
transformasi piksel tidak akan berada tepat pada baris dan kolom. Oleh
karena itu nilai piksel harus ditentukan dengan cara tertentu. Proses ini
disebut interpolasi intensitas. Proses ini menentukan nilai numerik setiap
piksel pada citra hasil transformasi. Tiga cara yang lazim dilakukan adalah:
a.Nearest-Neighbour: pada cara ini nilai piksel ditentukan dengan
mengambil nilai piksel dari piksel terdekat.
b.Bilinier: cara ini menentukan nilai piksel dengan meratakan nilai piksel
dari 4 buah piksel disekitarnya.
c.Bikubik: perhitungannya mirip dengan cara kedua, tapi disini melibatkan
16 piksel disekitarnya. Sehingga memerlukan waktu perhitungan
yang lebih lama.
2.3.2 Penajaman Citra
Proses ini bertujuan untuk untuk mempertajam kualitas penampilan citra sehingga
meningkatkan kemudahan dalam proses interpolasi citra karena penampilan image
data akan lebih ekspresif. Algoritma penghalusan citra diterapkan pada citra
remote untuk memudahkan analisis visual oleh manusia, meskipun terkadang
analisisnya bersifat subyektif. Algoritma tersebut dapat meliputi:
II-7
a. Perbesaran dan pengecilan citra
Pengecilan citra diperlukan karena banyak sistem pengolahan citra yang tidak
dapat menampilkan citra secara menyeluruh. Agar dapat ditampilkan maka dapat
dilakukan reduksi citra.
b. Penajaman kontras
Sensor akan merekam pantulan dan menyerap fluks radiasi dari material di
permukaan bumi. Idealnya, suatu bahan akan memantulkan dengan baik sejumlah
energi pada panjang gelombang yang sama. Sensor yang terpasang harus mampu
mendeteksi kecerahan sinar dari yang sangat tinggi (pantulan oleh salju) sampai
dengan yang sangat rendah (pantulan air laut) yang lazimnya dikenal dengan
istilah derajat atau tingkat keabuan.
Sebuah citra yang baik idealnya akan mempunyai sebaran nilai numerik yang
memenuhi rentang 0-255 dengan distribusi yang merata. Tetapi umumnya nilai
piksel pada sebuah citra akan diisi oleh nilai yang menempati bagian relatif kecil
dari rentang 0-255. Tampilan yang lebih ekspresif akan diperoleh bila luas rentang
diperluas (stretch) sehingga memenuhi seluruh daerah spektrum. Ada 3 teknik
men- stretch rentangan, yaitu:
i.
Rentangan linier (linier stretch)
Citra akan diskalakan secara linear pada batas nilai piksel minimum dan nilai
piksel maksimum. Nilai-nilai piksel yang lebih besar atau sama dengan nilai
maksimum dikelompokkan menjadi nilai tertinggi sedangkan nilai-nilai yang
kurang dari atau sama dengan nilai minimum dikelompokkan menjadi nilai
terendah.
ii.
Rentangan histogram (histogram equalization)
Citra diproses berdasarkan jumlah kelas yang sama dengan melihat bentuk
histogram citra tersebut. Pengolahan ini menghasilkan informasi maksimum
yang diberikan oleh setiap kelas. Tetapi bukan berarti citra yang dihasilkan
II-8
sangat berkualitas, sebab ada satu informasi yang hilang dari karakteristik
citra tersebut.
iii.
Linier dengan pengencangan (Linear with saturation)
Citra di scretch secara linear dengan saturasi (pengencangan) yang
dinyatakan dalam persen.
c.
Filter
Bila kenampakan suatu citra agak sukar untuk dianalisis karena kekontrasannya
rendah atau karena banyaknya noise pada citra, maka untuk kepentingan
interpretasi perlu dilakukan perbaikan citra yang dapat dilakukan dengan jalan
filtering. Beberapa jenis filter ke ruangan yang ada antara lain: low pass filtering,
high pass filtering, dan band pass filtering.
2.3.3 Klasifikasi Citra
Ini merupakan tahap terakhir dalam pengolahan citra. Proses ini bertujuan untuk
membagi
daerah
cakupan
berdasarkan
jenis
objeknya
dengan
cara
menginterpretasi kenampakannya di atas citra dan menyatakannya dengan simbol
tertentu. Dari proses ini dapat dihasilkan suatu peta tematik yang sangat berarti
bagi keperluan perencanaan selanjutnya.
Proses pengklasifikasian citra satelit biasa dilakukan secara terawasi (supervised
classification) dan tak terawasi (unsupervised classification). Pada metode yang
pertama, identitas dan lokasi dari suatu liputan lahan seperti lahan pertanian, hutan
dan perkotaan telah diketahui melalui pemeriksaan lapangan atau interpretasi dari
foto udara. Analisa diarahkan untuk melokalisir lokasi spesifiknya di citra dengan
mencari sampel areanya (training site). Pemilihan metode yang cocok untuk
penentuan kelas dari piksel tergantung kepada sifat dari masukan data dan
keluaran yang diharapkan. Metode yang umum digunakan adalah:
a.
Paralel – Epipedum
Metode ini merupakan metode yang sering digunakan. Harga rata-rata nilai
numerik piksel dari suatu training-site dan harga titik tengahnya merupakan
II-9
informasi yang sangat penting. Harga ini didapatkan dari setiap training site pada
setiap band yang disertakan.
b.
Jarak terdekat
Keputusan mengenai kelas setiap piksel didasarkan pada selisih nilai pikselnya
(jarak) terhadap nilai piksel rata-rata kelas yang diketahui. Jarak cukup dihitung
dengan rumus phytagoras.
c.
Kemiripan maksimum
Cara ini membandingkan nilai piksel dengan nilai training site dengan asumsi
bahwa sebaran pikselnya terdistribusi secara normal. Bila kemiripan nilai
maksimum, maka piksel tersebut akan dikelompokkan pada kelas tersebut.
Sedangkan pada metode tak terawasi, sebagai cara alternatif piksel dengan nilai
sejenis atau saling mempunyai kedekatan tertentu akan bergabung menjadi satu
kelas. Sehingga akan terjadi beberapa kelas dengan nilai spektral tertentu. Setiap
kelas kemudian ditentukan jenis liputan lahannya oleh operator. Pada cara ini,
training site ditentukan secara otomatis. Proses klasifikasi tak terawasi dilakukan
dengan mengelompokkan piksel berdasarkan kedekatannya (jarak spektral) antar
piksel. Bila jarak spektral kurang dari harga yang ditentukan, maka piksel tersebut
akan digabungkan menjadi suatu kelompok.
2.4. Sistem Informasi Geografis (SIG)
Sistem Informasi Geografis (bahasa Inggris: Geographic Information System
disingkat GIS) adalah sistem informasi khusus yang mengelola data yang
memiliki informasi spasial (bereferensi keruangan). Dalam arti yang lebih sempit,
adalah sistem komputer yang memiliki kemampuan untuk membangun,
menyimpan, mengelola, menganalisa dan menampilkan informasi bereferensi
geografis.
Secara umum SIG bekerja berdasarkan integrasi 5komponen, yaitu: hardware,
perangkat lunak, data, manusia dan metode yang dapat diuraikan sebagai berikut:
II-10
1. Hardware
Untuk menjalankan aplikasi SIG, diperlukan hardware yang memiliki
spesifikasi cukup tinggi meliputi kapasitas memori, harddisk, dan prosesor. Hal
ini disebabkan karena aplikasi SIG banyak memproses data grafis berukuran
besar, sehingga data-data tersebut memerlukan tempat penyimpanan yang besar
dalam harddisk cukup besar, prosesor yang lebih cepat, dan memori yang
cukup besar ketika hendak menjalankan aplikasinya.
2. Perangkat Lunak.
Aplikasi SIG harus memenuhi standar alat untuk melakukan input dan
transformasi data geografis, memiliki sistem manajemen basis data, alat yang
mendukung query geografis, analisis dan visualisasi, serta Graphical User
Interface (GUI) untuk memudahkan akses pada masalah geografi.
3. Data
Salah satu komponen penting dalam SIG adalah data. Secara fundamental, SIG
bekerja dengan dua tipe model data geografis, yaitu model data vektor dan
model data raster.
Gambar 2.4 Contoh Data Vektor – Daerah Bali
Model Data Vektor berisi informasi posisi point, garis dan polygon yang
disimpan dalam bentuk koordinat x,y. Suatu lokasi point dideskripsikan
melalui sepasang koordinat x,y. Bentuk garis , seperti jalan dan sungai
dideskripsikan sebagai kumpulan dari koordinat-koordinat point. Bentuk
II-11
poligon, seperti zona project disimpan sebagai pengulangan koordinat yang
tertutup.
Gambar 2.5 Contoh Data Raster – Citra Aster Bandung
Model Data Raster terdiri dari sekumpulan grid/sel seperti peta hasil scanning
maupun gambar/image. Masing-masing grid/sel atau pixel memiliki nilai
tertentu yang bergantung pada bagaimana image tersebut digambarkan.
Sebagai contoh, pada sebuah image hasil penginderaan jarak jauh dari sebuah
satelit, masing – masing pixel direpresentasikan sebagai panjang gelombang
cahaya yang dipantulkan dari posisi permukaan bumi dan diterima oleh satelit
dalam satuan luas tertentu yang disebut pixel.
Gambar 2.6 Contoh Data Raster – Peta Atlas Jawa Barat
Pada gambar hasil scanning, tiap pixel merepresentasikan keterangan nilai yang
berasosiasi dengan poin -poin tertentu pada gambar hasil scanning tersebut.
II-12
Dalam SIG, setiap data Geografis memiliki data tabular yang berisi informasi
spasial. Data tabular tersebut dapat direlasikan oleh SIG dengan sumber data
lain seperti basis data yang berada diluar alat SIG.
4. Manusia
Teknologi SIG tidaklah menjadi bermanfaat tanpa manusia yang mengelola
sistem dan membangun perencanaan yang dapat diaplikasikan sesuai kondisi
dunia nyata. Sama seperti pada Sistem Informasi lain pemakai
SIG pun
memiliki tingkatan tertentu, dari tingkat spesialis teknis yang mendesain dan
memelihara sistem sampai pada pengguna yang menggunakan SIG untuk
menolong pekerjaan mereka sehari-hari.
5. Metode
SIG yang baik memiliki keserasian antara rencana desain yang baik dan aturan
dunia nyata, dimana metode, model dan implementasi akan berbeda-beda untuk
setiap permasalahan.
2.5 Konsep Kelembaban Tanah
Kelembaban tanah adalah suatu besaran yang merepresentasikan jumlah
kandungan air di suatu tanah, Kelembaban tanah dapat di representasikan dalam 2
satuan, yaitu :
1. Gravimetric Soil Mositure (GSM)
Gravimetric Soil Moisture (GSM) adalah suatu satuan kelembaban tanah yang
merupakan perbandingan antara berat suatu air yang terkandung dalam tanah
dengan berat tanah itu sendiri, satuannya adalah gram/gram.
2. Volumetric Soil Moisture (VSM)
Volumetric Soil Moisture (VSM) adalah suatu satuan kelembaban tanah yang
merupakan perbandingan antara volume suatu air yang terkandung dalam tanah
dengan volume tanah itu sendiri, satuannya adalah cm3/cm3.
Di lapangan kelembaban tanah diukur oleh bermacam-macam alat seperti Time
Domain Reflectometry (TDR), neutron probe, frequency domain sensor,
tensiometer capacitance probe dan lain-lain. Pada laboratorium, kelembaban
tanah dapat dihitung secara gravimetric, yaitu dengan cara menghitung berat dari
II-13
suatu tanah, kemudian kita keringkan tanah itu dan kita ukur berat dari tanah yang
sudah dikeringkan. Perbedaan berat dari kedua berat tanah tersebut bisa katakan
sebagai jumlah air yang terkandung dalam tanah. Kelembaban tanah biasanya
sangat diperhitungkan dalam konteks hidrologi. Pada konteks hidrologi,
kelembaban tanah berpengaruh kepada penyerapan air hujan, sebelum air itu ber
evoporasi ataupun dalam konteks persedian air tanah.
Volume kelembaban tanah dibandingkan dengan keseluruhan penyebaran air di
dunia hanyalah merupakan persentase yang kecil saja (sekitar 0.005 persen).
Namun peranannya dalam siklus hidrologi tidaklah kecil, bahkan merupakan
unsur yang sangat fundamental. Kelembaban tanah merupakan salah satu variabel
penting dalam proses hidrologi dan biologi. Variabel ini merupakan variabel kunci
dalam mengontrol perpindahan air dan energi panas anatara permukaan tanah dan
atmosfer melalui evaporasi dan tanspirasi tanaman, dan juga merupakan variabel
dominan untuk proses hidrologi seperti infiltrasi dan runoff. Kelembaban tanah
biasa bervariasi antara nol dan maksimum berdasarkan ketersediaan unsur air
dalam tanah. Ketika mencapai nilai maksimum, tanah tersebut menjadi jenuh dan
semua presipitasi selanjutnya akan meninggalkan sistem sebagai runoff
2.5.1 Siklus Hidrologi
Siklus hidrlogi adalah proses yang berlangsung terus menerus dalam perjalanan
air dari permukaan laut ke atmosfer kemudian ke permukaan tanah dan kembali
lagi ke laut. Dalam siklus hidrologi, energi panas matahari dan faktor-faktor iklim
lainnya menyebabkan terjadinya proses evaporasi dan transporasi pada permukaan
tanah, vegetasi, laut dan yang lainnya. Uap air sebagai hasil proses evaporasi akan
terbawa oleh angin melintasi daratan yang bergunung maupun datar, dan apabila
keadaan atmosfer memungkinkan, sebagian dari uap air tersebut akan
terkondensasi dan turun sebagai air hujan. Air hujan in sebagian tertahan di
permukaan daun dan sebagian lainnya akan jatuh ke permukaan tanah.
II-14
Air hujan yang dapat mencapai permukaan tanah, sebagian akan masuk (teresap)
ke dalam tanah (infiltrasi), sedangkan sebagian lainnya akan tertampung
sementara dalam cekungan-cekungan permukaan tanah untuk kemudian mengalir
di atas permukaan tanah ke tempat yang lebih rendah (runoff), untuk selanjutnya
masuk ke sungai.
Air infiltrasi akan tertahan dalam tanah oleh gaya kapiler yang selanjutnya akan
membentuk kelembaban tanah. Apabila kelembaban air tanah telah cukup jenuh,
air tersebut akan bergerak secara horizontal kemudian mengalir ke sungai.
2.5.2 Infiltrasi
Infiltrasi merupakan aliran air masuk ke dalam tanah sebagai akibat gaya kapiler
dan gravitasi. Setelah lapisan tanah bagian atas jenuh, kelebihan air tersebut
mengalir ke tanah melalui profil tanah yang lebih dalam akibat gaya gravitasi
bumi dan dikenal sebgai proses perkolasi.
Mekanisme infiltrasi melibatkan tiga proses yang tidak saling mempengaruhi
berupa proses masuknya air hujan melalui pori-pori permukaan tanah,
tertampungnya air hujan tersebut di dalam tanah, serta mengalirnya air tersebut ke
tempat lain. Meskipun tidak saling mempengaruhi secara langsung, ketiga proses
tersebut di atas terkait.
Proses infiltrasi dipengaruhi oleh tekstur dan struktur tanah, persediaan air awal
(kelembaban tanah awal), jenis dan kedalaman tanah dan tutupan tahan. Tanah
gembur akan memberikan kapasitas infiltrasi yang lebih kecil dibandingkan
dengan tanah dalam keadaan kering. Keadaan tutupan lahan yang rapat dapat
mengurangi air infiltrasi.
Laju infiltrasi ditentukan oleh jumlah air yang tersedia di permukaan tanah
(kelembaban tanah), sifat permukaan tanah dan kemampuan tanah untuk
mengosongkan air di atas permukaan tanah. Dari ketiga unsur tersebut,
ketersediaan air (kelembaban tanah) adalaha faktor utama. Bertambahnya
II-15
kelembaban tanah mengakibatkan butiran tanah berkembang dan menutup
ruangan pori-pori tanah sehingga laju infiltrasi berkurang.
2.6 Normalized Difference Vegetation Index (NDVI)
Respon spectral citra satelit umunya memiliki sensitivitas terhadap kerapatan
vegetasi (indeks luas dan daun), tajuk pohon dan kandungan air di daun
tumbuhan. Kerapatan vegetasi akan bertambah dari lahan terbuka hingga beberapa
tahap suksesi, namun pantulan dalam spektrum sinar tampak berkuarang karena
adanya penambahan luasan daun dan penyerapan, begitu juga pada bayangan yang
diakibatkan oleh tajuk pohon. Indeks luas daun maksimal lebih cepat tercapai
pada saat awal suksesi, berbeda dengan basal area maksimum pohon dan biomas
pohon. Pada saat yang sama terjadi peningkatan pantulan spectrum inframerah
yang diakibatkan adanya pantulan dari tajuk, transmisi gelombang yang melewati
tajuk dan pantulan tanah. Hubungan antara respon spektral pada spektrum sinar
tampak dan inframerah dengan kerapatan vegetasi dapat dijelaskan dengan suatu
indeks uang disebut indeks vegetasi (Huete,1998). Indeks vegetasi merupakan
kombinasi matematis antara band merah dan band Near Infra Red (NIR) yang
telah lama digunakan sebagai indikator keberadaan dan kondisi vegetasi
(Lillesand dan Kiefer, 1994) yang sering dikenal sebagai Normalized Difference
Vegetation Index (NDVI).
NDVI pada dasarnya mengukur kemiringan (slope) antara nilai asli band merah
dan band infra merah di angkasa dengan nilai band merah dan infra merah yang
ada dalam tiap piksel citra. Berikut ini adalah rumus penghitungan NDVI :
NDVI = NIR – RED / NIR + RED……………………………..……………(2.2)
Dimana :
NIR = Nilai band infra merah
RED = Nilai band merah
( Sumber : Chesapeake Bay & Mid-Atlanti From Space, NDVI )
II-16
Nilai NDVI berkisar antara -1 sampai 1. Nilai -1 sampai 0 menunjukan daerah
yang tidak memiliki penutupan vegetasi.
2.7 Metode Kuadrat Terkecil
Data hasil pengukuran berfluktuasi yang mungkin disebabkan oleh galat acak dari
sistem pengukuran atau kelakuan stokastik dari sistem yang diukur. Apapun
alasannya, keperluan mencocokkan suatu fungsi pada data hasil pengukuran kerap
kali terjadi. Dalam mencocokkan suatu fungsi pada data hasil pengukuran,
semakin banyak titik datanya maka kecermatan kurva yang dicocokkan semakin
tinggi. Pendekatan terbaik adalah meninjau fungsi dengan sedikit parameter bebas
dan menentukan nilai parameter tersebut sedemikian sehingga simpangan fungsi
dari titik-titik data sekecil mungkin. Peminimuman simpangan dicapai dengan
menggunakan metode kuadrat terkecil.
Untuk memperoleh nilai kelembaban tanah spasial, maka data kelembaban tanah
yang digunakan harus data spasial. Nilai piksel dari citra yang telah diolah akan
dikorelasikan dengan beberapa data kelembaban tanah hasil pengukuran lapangan,
sehingga diperoleh suatu regresi linier. Korelasi ini selanjutnya akan digunakan
unuk memperoleh data pada daerah-daerah yang tidak memiliki data lapangan,
sehingga diperoleh suatu data spasial.
Regresi linier data kelembaban tanah dengan nilai piksel, menggunakan metode
kuadrat terkecil:
y = ax + b……………….….(2.3)
a = [M∑xiyi - (∑xi) (∑yi)] / M∑xi2 - (∑xi)2
b = (∑yi - a∑xi) / M
dengan,
x
= data lapangan
y
= nilai piksel citra termal
a, b = koefisien regresi
(Sumber : I. Nyoman Susila, Dasar-dasar Metode Numerik, 1994)
II-17
2.8 Uji Hipotesis Korelasi Non Parametrik
Setelah melakukan regresi linier, perlu adanya suatu uji kelayakan mengenai
korelasi yang kita dapatkan. Uji kelayakan ini banyak macamnya. Pemakaiannya
disesuaikan dengan karakteristik data dan kebutuhan. Data-data yang kita peroleh
dari alam sebagian besar merupakan data yang tidak diketahui distribusinya. Oleh
karena itu, uji hipotesis yang akan digunakan adalah Uji Hipotesis Non
Parametrik. Dalam uji ini diperlukan suatu taraf keberartian dan hipotesa awal
mengenai koefisien yang di uji. Terdapat banyak cara dan persamaan yang dapat
digunakan untuk membuktikan hipotesa tersebut. Apabila sesuai, maka
dinyatakan diterima atau hal yang diuji, dalam hal ini adalah koefisien dari regresi
linier, layak untuk digunakan.
Korelasi yang dilakukan oleh Spearman (1904) biasanya disimbolkan dengan
tanda ρ (rho) dan bila independen, didefinisikan dengan persamaan
n
6∑
ρ=
i =1
[R (X i )− R (Yi )]
2
(
)
n n2 − 1
……………………………….(2.4)
dimana,
R(Xi)
= urutan Xi dari yang terkecil ke yang terbesar
R(Yi)
= urutan Yi dari yang terkecil ke yang terbesar
n
= jumlah data
(Sumber : Prof. Dr Sugiyono, Statistik Non Parametris Untuk Penelitian 2008)
Korelasi rangking Spearman di atas biasanya digunakan untuk tes statistik untuk
melihat keindependenan antara dua variable acak. Berikut adalah uji hipotesis
yang diambil:
Ho : Xi dan Yi satu sama lain saling independen, dimana nilai Xi dan Yi tidak
berpasangan.
II-18
Ha : Xi dan Yi satu sama lain saling berhubungan, dimana ada kecenderungan
nilai besar dari X berpasangan dengan nilai bear Y, atau nilai yang kecil
berpasangan dengan nilai besar Y.
II-19