Informasi yang dapat diperoleh dari citra tersebut yaitu

A. Peningkatan Manfaat Penginderaan Jauh

Anda tahu pada saat ini, pemanfaatan penginderaan jauh sebagai salah satu sumber informasi telah menunjukkan peningkatan yang cukup pesat. Beberapa alasan mengapa pemanfaatan penginderaan jauh mengalami peningkatan antara lain:

1.	Melalui penggunaan citra akan diperoleh gambaran objek permukaan bumi dengan wujud dan posisi yang mirip dengan kenyataannya, relatif lengkap, dan dapat meliput wilayah yang luas.
2.	Dengan adanya teknologi, objek yang terekam dalam foto udara memiliki kesan 3 dimensi.
3.	Melalui citra, dapat diketahui gejala atau kenampakan di permukaan bumi seperti kandungan sumber daya mineral suatu daerah, jenis batuan, dan lain-lain dengan cepat, yaitu melalui citra yang menggunakan sinar infra merah.
4.	Citra dapat dengan cepat menggambarkan objek yang sangat sulit dijangkau oleh pengamatan langsung (lapangan). Contohnya satu lembar foto udara meliputi luas 132 km2 direkam dalam waktu kurang 1 detik.
5.	Dapat menggambarkan atau memetakan daerah bencana alam dalam waktu yang cepat seperti daerah yang terkena gempa, wilayah banjir, dan sebagainya.
6.	Melalui penginderaan jauh dapat diperoleh data atau informasi yang cepat, tepat dan akurat.

Setelah melalui tahapan tersebut, citra dapat diterjemahkan dan digunakan ke dalam berbagai kepentingan seperti dalam: geografi, geologi, lingkungan hidup, dan sebagainya.

Pada dasarnya kegiatan interpretasi citra terdiri dari 2 proses, yaitu melalui pengenalan objek melalui proses deteksi dan penilaian atas fungsi objek.

1.	a.	Pengenalan objek melalui proses deteksi yaitu pengamatan atas adanya suatu objek, berarti penentuan ada atau tidaknya sesuatu pada citra atau upaya untuk mengetahui benda dan gejala di sekitar kita dengan menggunakan alat pengindera (sensor). Untuk mendeteksi benda dan gejala di sekitar kita, penginderaannya tidak dilakukan secara langsung atas benda, melainkan dengan mengkaji hasil rekaman dari foto udara atau satelit.
	b.	Identifikasi. Ada 3 (tiga) ciri utama benda yang tergambar pada citra berdasarkan ciri yang terekam oleh sensor yaitu sebagai berikut:
		•	Spektoral Ciri spektoral ialah ciri yang dihasilkan oleh interaksi antara tenaga elektromagnetik dan benda yang dinyatakan dengan rona dan warna.
		•	Spatial Ciri spatial ialah ciri yang terkait dengan ruang yang meliputi bentuk, ukuran, bayangan, pola, tekstur, situs, dan asosiasi.
		•	Temporal Ciri temporal ialah ciri yang terkait dengan umur benda atau saat perekaman.
2.	Penilaian atas fungsi objek dan kaitan antar objek dengan cara menginterpretasi dan menganalisis citra yang hasilnya berupa klasifikasi yang menuju ke arah teorisasi dan akhirnya dapat ditarik kesimpulan dari penilaian tersebut. Pada tahapan ini, interpretasi dilakukan oleh seorang yang sangat ahli pada bidangnya, karena hasilnya sangat tergantung pada kemampuan penafsir citra.

Pengertian pengolahan citra digital??

Citra digital merupakan representasi dari fungsi intensitas cahaya dalam bentuk diskrit pada bidang dua dimensi. Citra tersusun oleh sekumpulan piksel (picture element) yang memiliki koordinat (x,y) dan amplitudo f(x,y).

Koordinat (x,y) menunjukkan letak/posisi piksel dalam suatu citra, sedangkan amplitudo f(x,y) menunjukkan nilai intensitas warna citra.

Representasi citra digital beserta piksel penyusunnya ditunjukkan pada Gambar 1.

Gambar 1. Citra dan piksel penyusunnya

Pada umumnya, berdasarkan kombinasi warna pada piksel, citra dibagi menjadi tiga jenis yaitu citra RGB, citra grayscale, dan citra biner.

Citra pada Gambar 1 termasuk dalam jenis citra RGB truecolor 24-bit.

Citra tersebut tersusun oleh tiga kanal warna yaitu kanal merah, kanal hijau, dan kanal biru.

Masing-masing kanal warna memiliki nilai intensitas piksel dengan kedalaman bit sebesar 8-bit yang artinya memiliki variasi warna sebanyak 2^8 derajat warna (0 s.d 255).

Pada kanal merah, warna merah sempurna direpresentasikan dengan nilai 255 dan hitam sempurna dengan nilai 0. Pada kanal hijau, warna hijau sempurna direpresentasikan dengan nilai 255 dan hitam sempurna dengan nilai 0. Begitu juga pada kanal biru, warna biru sempurna direpresentasikan dengan nilai 255 dan hitam sempurna dengan nilai 0.

Perintah yang digunakan untuk merepresentasikan citra RGB beserta masing-masing kanal warna nya yaitu:

clc;clear;close all; I = imread('peppers.png'); R = I(:,:,1); G = I(:,:,2); B = I(:,:,3); Red = cat(3,R,G*0,B*0); Green = cat(3,R*0,G,B*0); Blue = cat(3,R*0,G*0,B); figure, imshow(I); figure, imshow(Red); figure, imshow(Green); figure, imshow(Blue);

Citra RGB yang diperoleh ditunjukkan pada Gambar 2.

Gambar 2. Citra RGB

Sedangkan representasi kanal warna R, G, dan B berturut-turut ditunjukkan pada Gambar 3, 4, dan 5.

Gambar 3. Kanal warna merah

Gambar 4. Kanal warna hijau

Gambar 5. Kanal warna biru

Setiap piksel pada citra RGB, memiliki intensitas warna yang merupakan kombinasi dari tiga nilai intensitas pada kanal R, G, dan B.

Sebagai contoh, suatu piksel yang memiliki nilai intensitas warna sebesar 255 pada kanal merah, 255 pada kanal hijau, dan 0 pada kanal biru akan menghasilkan warna kuning.

Pada contoh lain, suatu piksel yang memiliki nilai intensitas warna sebesar 255 pada kanal merah, 102 pada kanal hijau, dan 0 pada kanal biru akan menghasilkan warna orange.

Banyaknya kombinasi warna piksel yang mungkin pada citra RGB truecolor 24-bit adalah sebanyak 256 x 256 x 256 = 16.777.216.

Representasi piksel dengan kombinasi warna R, G, dan B ditunjukkan pada Gambar 6.

Gambar 6. Representasi piksel dengan kombinasi warna R, G, dan B

Jenis citra yang kedua adalah citra grayscale. Citra grayscale merupakan citra yang nilai intensitas pikselnya didasarkan pada derajat keabuan.

Pada citra grayscale 8-bit, derajat warna hitam sampai dengan putih dibagi ke dalam 256 derajat keabuan di mana warna putih sempurna direpresentasikan dengan nilai 255 dan hitam sempurna dengan nilai 0.

Citra RGB dapat dikonversi menjadi citra grayscale.

Persamaan yang umumnya digunakan untuk mengkonversi citra RGB truecolor 24-bit menjadi citra grayscale 8-bit adalah

0.2989*R+0.5870*G+0.1140*B (1)

sehingga proses konversi menghasilkan citra grayscale yang hanya memiliki satu kanal warna.

Perintah yang digunakan dalam proses konversi citra RGB menjadi citra grayscale yaitu:

J = rgb2gray(I); figure, imshow(J);

Citra hasil konversi ditunjukkan pada Gambar 7.

Gambar 7. Citra hasil konversi RGB menjadi grayscale

Jenis citra yang ketiga adalah citra biner.

Citra biner adalah citra yang pikselnya memiliki kedalaman bit sebesar 1 bit sehingga hanya memiliki dua nilai intensitas warna yaitu 0 (hitam) dan 1 (putih).

Citra grayscale dapat dikonversi menjadi citra biner melalui proses thresholding.

Dalam proses thresholding, dibutuhkan suatu nilai threshold sebagai nilai pembatas konversi.

Nilai intensitas piksel yang lebih besar atau sama dengan nilai threshold akan dikonversi menjadi 1.

Sedangkan nilai intensitas piksel yang kurang dari nilai threshold akan dikonversi menjadi 0.

Misalnya nilai threshold yang digunakan adalah 128, maka piksel yang mempunyai intensitas kurang dari 128 akan diubah menjadi 0 (hitam) dan yang lebih dari atau sama dengan 128 akan diubah menjadi 1 (putih).

Dalam MATLAB nilai threshold diatur dalam kelas data double, sehingga untuk mengatur nilai threshold 128, nilai yang digunakan adalah 128/256 = 0.5.

Perintah yang digunakan dalam proses konversi citra grayscale menjadi citra biner yaitu:

K = im2bw(J,0.5); figure, imshow(K);

Citra hasil konversi ditunjukkan pada Gambar 8.

Gambar 8. Citra hasil konversi grayscale menjadi biner

Thresholding pada umumnya digunakan dalam proses segmentasi citra.

Proses tersebut dilakukan untuk memisahkan antara foreground (objek yang dikehendaki) dengan background (objek lain yang tidak dikehendaki).

Pada hasil segmentasi, foreground direpresentasikan oleh warna putih (1) dan background direpresentasikan oleh warna hitam (0).

Pada kasus segmentasi pada satu citra saja, kita dapat menentukan nilai threshold dengan metode trial and error.

Namun pada kasus segmentasi pada citra dengan jumlah yang banyak, dibutuhkan suatu metode untuk menentukan nilai threshold secara otomatis.

Nilai threshold dapat diperoleh secara otomatis dengan menggunakan metode Otsu (1979).

Perintah yang digunakan untuk thresholding menggunakan metode Otsu yaitu:

L = graythresh(J); M = im2bw(J,L); figure, imshow(M);

Citra yang dihasilkan ditunjukkan pada Gambar 9.

Gambar 9. Hasil thresholding menggunakan metode Otsu

Sedangkan pengertian pengolahan citra digital adalah bidang ilmu yang mempelajari tentang bagaimana suatu citra itu dibentuk, diolah, dan dianalisis sehingga menghasilkan informasi yang dapat dipahami oleh manusia.

Project pengolahan citra digital dapat dilakukan dengan mengimplementasikan dan mengembangkan metode pengolahan citra yang sudah ada maupun metode pengolahan citra terbaru sehingga diperoleh suatu sistem pengolahan citra yang baik.

Penjelasan detail mengenai representasi citra digital bisa dilihat pada video berikut ini: