Analisa Pengolahan Citra Data Landsat dengan Metode Optimum Indeks Faktor dan Removal Cloud

Abstract

Telah dilakukan penelitian menggunakan data citra landsat yang merupakan teknologi pengamatan dan perekaman citra jarak jauh yang dilengkapi dengan sensor Enhanced Thematic Mapper Plus (ETM+). Landsat-7 memiliki sensor yang menghasilkan citra dengan 7 band yaitu band 1, 2, 3, 4, 5, dan 7 dengan resolusi spasial 30x30 m dan band 6 dengan resolusi spasial 120x120 m. Pengolahan data citra landsat dengan band yang telah ada membutuhkan waktu yang lama dan kurang efisien untuk itu diperlukan satu metode yang digunakan untuk mendapatkan kombinasi yang terbaik sehingga pengolahan citra data landsat dapat menghasilkan informasi yang lebih akurat dan cepat dalam prosesnya. Optimum Index Factor (OIF) merupakan salah satu metode yang digunakan untuk mendapatkan kombinasi yang tepat, yaitu dengan melakukan evaluasi antara korelasi masing-masing band dengan standar deviasi yang dapat menghasilkan perengkingan tertinggi sehingga menjadi kombinasi yang terbaik. Citra data landsat juga terdapat tutupan awan yang dapat mengganggu dan menghambat dalam proses mendapatkan informasi data citra landsat yang lebih akurat. Removal cloud dengan menggunakan proses metode K-Means Clustering ternyata dapat memisahkan dan melakukan klaster pada masing-masing objek dalam citra berdasarkan warna dan jarak terdekat sehingga awan dan tutupan lahan lainnya dapat diklasterisasi dan terbebas dari awan secara visual dengan tingkat akurasi 81% terdeksi data proses.

The research by using landsat imagery data which is a remote observation and recording technology equipped with Enhanced Thematic Mapper Plus (ETM +) sensor has been conducted. Landsat-7 has a sensor that produces images with 7 bands of 1, 2, 3, 4, 5, and 7 with spatial resolution of 30x30 m and band 6 with a spatial resolution of 120x120 m. The image processing begins with obtaining the best combination of Optimum Index Factor (OIF) is one of the methods used to get the proper combination. Landsat data imagery also contains cloud cover which can interfere and hamper in the process of obtaining more accurate landsat image data. Cloud removal by using K-Means Clustering process can separate and clusterize each object in the image based on the closest color and distance so that clouds and other land cover can be clustered and freed from the cloud visually. Landsat data images also have cloud cover which can interfere and inhibit the process of obtaining more accurate landsat image data. Cloud removal by using the process of the K-Means Clustering method turns out to be able to separate and cluster each object in an image based on the nearest color and distance so that clouds and other land cover can be clustered and visually free from clouds with 81% accuracy in the process data .