Penghitungan Kanopi (Obyek) Secara Otomatis PDF Print E-mail
Written by Rizki Noor Hidayat Wijayaź   
Tuesday, 30 November 1999

Penelitian ini berjudul "Model Penghitungan Kanopi Melalui Identifikasi Obyek Secara Otomatis Pada Foto Udara Format Digital Kasus Kanopi Pohon Kelapa Sawit di Perkebunan Sawit KSP Inti Pontianak Kalimantan Barat". Tujuan penelitian ini adalah identifikasi dan penghitungan kanopi pohon secara otomatis dan membandingkan hasil penghitungan kanopi pohon secara manual dan secara otomatis. Penelitian dilakukan dengan melakukan kuantifikasi dari aspek: rona, tekstur, bentuk, area, dan efek iluminasi.

Kanopi dan latar dipisahkan melalui proses morfologi citra. Citra penginderaan jauh yang digunakan adalah foto udara format kecil yang diakuisisi menggunakan Kamera Nikon D1X yang terintegrasi dengan Global Positioning System sehingga tiap lembar foto memiliki koordinat geografis yang berguna pada proses pereferensian geografis dan mozaik citra. Mozaik citra dilakukan dengan menggunakan poerangkat lunak EnzoMozaic. Penelitian dilakukan melalui dua tahap utama, yaitu: penyusunan model citra dan tahap implementasi.

Tahap pemodelan ditujukan untuk menyusun suatu model penyelesaian dalam berbagai kondisi: bentuk, rona, tekstur, pola dan iluminasi, selanjutnya hasil dari pemodelan diimplementasikan untuk penghitungan citra foto udara. Hasil pada tahap pemodelan diperoleh tiga faktor utama yang mempengaruhi terhadap kesuksesan penghitungan kanopi, yaitu: rona, tekstur dan iluminasi sedangkan faktor: area dan bentuk merupakan faktor yang lebih mudah diselesaikan.

Tahap implementasi adalah tahap menerapkan pendekatan yang telah diperoleh pada tahap pemodelan. Setiap blok yang akan dihitung disesuaikan dengan kondisi model, terhadap faktor: bentuk, rona, tekstur, pola dan iluminasi; selanjutnya dilakukan proses penghitungan menggunakan model citra yang kondisinya paling sesuai dengan citra yang akan dihitung.

Penghitungan Area 1 yang lebih didominasi oleh tegakan sawit dengan umur sekitar 13 tahun atau dalam kategori sawit tua, secara akumulasi menghasilkan akurasi yang lebih tinggi (96,85%) dibanding Area 3 (76,51) yang didominasi oleh tegakan sawit dengan umur sekitar 5 tahun.

Ketidaksuksesan penghitungan pada Area 3 diakibatkan faktor tekstur latar yang kasar dan faktor iluminasi yang tinggi tetapi pada blok dengan tekstur dan efek iluminasi yang sedang kesalahan hasil penghitungan otomatis tidak lebih dari 1% yaitu: 0,24% pada Area3_27 (Area 3 blok 27) dan dengan delineasi kanopi yang baik pula.

Penghitungan Area 1 secara akumulatif lebih tinggi dikarenakan pada tegakan sawit yang tua faktor latar sudah hampir tidak berpengaruh kecuali secara parsial, sekalipun lebih tinggi pada Area 1 tidak dapat dilakukan delineasi kanopi secara baik karena bentuk kanopi sudah tidak mengumpul lagi (sudah tua). Perbedaan utama pada penghitungan yang memiliki akurasi yang tinggi (>90%) pada Area 1 dan (<80%) Area 3 dan pada Area 3 dapat dilakukan delineasi kanopi yang baik sedangkan Area 1 tidak sukses.

Penelitian ini juga menghasilkan peningkatan kecepatan kerja dibanding penghitungan langsung dilapangan dengan 5,2 m2/detik, penghitungan manual dari citra 52 m2/detik (Wanasuria, 2003) menjadi 10000 m2/detik.

Berikut gambar citra, identifikasi dan deleniasi kanopi secara otomatis, untuk tujuan estetis deleniasi kanopi dapat dilakukan secara simbols.
 

ImageImageImage

Komparasi:

  • Penghitungan lapangan: Akurasi = 100%[asumsi], kecepatan = 1,875Ha/Jam (wanasuria,2003).
  • Penghitungan Onscreen Counting: Akurasi = 99%[dibanding lapangan], kecepatan = 18,75Ha/Jam (wanasuria,2003).
  • Penghitungan Otomatis: Akurasi = 75% -  96.85%, kecepatan 1Ha/detik (Hasil)

                       

Setiap metode memiliki kekurangan dalam implementasinya:

  • Penghitungan langsung di lapangan hingga kini juga tidak dapat diakui kebenarannya dan validitasnya. Penghitungan sering menggunakan pekerja atau penduduk lokal, sering terjadi untuk mempercepat penghitungan hanya dilakukan pendekatan panjang dan lebar atau dengan kira - kira. Pada tabel akurasi 100% hanya merupakan asumsi saja dan menganggap pohon dihitung dengan benar.
  • Metode kedua 'on screen counting' sangat bergantung pada pengetahuan interpretor terhadap obyek kanopi sawit di citra. Tidak jarang terjadi penghitungan pohon yang mati atau gerombolan pada sawit muda (<5th) sedangkan secara visual sebenarnya sawit tua juga tidak mudah untuk mengidentifikasi tegakan tunggalnya.
  • Karena dua pendekatan diatas sebenarnya tidak dapat digunakan benchmark maka akurasinya hanya dibandingkan dengan pendekatan pertama.

 

[download, 21.3 MB]

Last Updated ( Tuesday, 03 April 2007 )