Penentuan Jenis Citra Satelit Dalam Interpretasi Luasan Ekosistem Lamun Menggunakan Pengolahan Algoritma Cahaya Tampak

Abstract

<h4>Peran dan manfaat ekosistem lamun secara ekologis merupakan hal yang harus diamati secara terperinci, terlebih potensi kerusakan yang dapat terjadi. Pemantauan kondisi ekosistem tersebut dapat dilakukan dengan memanfaatkan teknologi penginderaan jauh. Dalam penelitian ini, algoritma Lyzenga digunakan untuk mengolah nilai piksel yang ada pada citra satelit Landsat-8 dan Sentinel-2. Aplikasi algoritma Lyzenga akan menghasilkan nilai yang menunjukkan identitas dari objek yang terdapat di perairan pesisir. Hasil tersebut kemudian diproses melalui pengkelasan terbimbing dengan dilakukannya pemotongan kerapatan dalam rentangan Lyzenga, yang kemudian dihitung akurasinya. Hasil perhitungan akurasi menunjukkan angka 60,81% untuk citra Landsat-8 terkoreksi <em>T</em><em>op </em><em>o</em><em>f </em><em>A</em><em>tmosphere</em> (<em>ToA</em>) dengan titik acuan berjarak 30 meter, dan 60,18% untuk citra Sentinel-2 terkoreksi ToA dengan titik acuan berjarak 10 meter. Kedua nilai akurasi tersebut menunjukkan bahwa kedua jenis citra satelit mampu digunakan sebagai data untuk pemantauan objek pesisir, namun dengan kriteria acuan yang berbeda.</h4>

Seagrass Cholorophyll-a, Biomass and Carbon Algorithms Based on the Field and Sentinel-2A Satellite Data at Karimunjawa Island, Indonesia

“…Satelite data using Sentinel-2A which is a polar-orbit satellite launched by European Space Agency (ESA). Sentinel-2A has 13 bands with a spatial resolution of 10 m and 20 m and acquisition from the website of https://scihub.copernicus.eu/dhus/ (Yanuar et al, 2018) . Field variable measured are seagrass species, density, chlorophyll-a, biomass and carbon.…”

Changes of seagrass area in Beralas Pasir and Beralas Bakau Island observed from Sentinel-2 Satellite and verified by Unmanned Surface Vehicle (USV)

“…The user accuracy value is an accuracy value that shows the right classification class based on the field data and the producer accuracy value is the accuracy value in the classified class from the classification results [31]. While the overall accuracy value is an overall picture of the error rate of image data processing that is applied, where the closer to the maximum value, the smaller the error data generated [32][33]. Table 8 shows the results of the calculation of the accuracy-test using the confusion matrix method for the classification of Sentinel-2 images in 2019 and Unmanned Surface Vehicle field data.…”

“…For example, the producer accuracy value is influenced by the calculation factor of the Lyzenga algorithm, while the user accuracy value is influenced by the input or calculation process. In addition, factors such as training samples, correction process, spatial resolution, GPS accuracy also affect the accuracy value obtained [32]. Please explain why such things have influenced the result of the accuracy test.…”

Efisiensi Penggunaan Citra Multisensor untuk Pemetaan Tutupan Lahan

“…Waktu pengolahan citra Sentinel-2 sedikit lebih lama dari Landsat 8 tetapi lebih cepat dibandingkan SPOT 7. Resolusi pada citra Landsat 8 dan Sentinel-2 termasuk menengah karena memiliki resolusi 30 m dan 15 m, sedangkan SPOT 7 merupakan citra yang memiliki resolusi tinggi yaitu 6 m. Hal ini sesuai dengan pengelompokkan resolusi spasial (Yanuar et al 2018) sebagai berikut: 30m -1.000 m (resolusi rendah), 5 -30 m (resolusi menengah), dan 0,4 -5 m (resolusi tinggi). Menurut Oktaviani dan Johan (2016) waktu pengolahan citra Sentinel-2 hampir sama dengan citra Landsat 8 karena keduanya tidak memakan waktu lama, tetapi untuk citra SPOT 7 cukup lama karena memiliki resolusi tinggi sehingga membutuhkan ruang data yang lebih besar Biaya Sentinel-2 sama dengan Landsat 8 karena keduanya bisa didapatkan secara gratis, berbeda dengan SPOT 7 yang membutuhkan biaya yang cukup mahal untuk mendapatkannya.…”