1. Citra yang Digunakan

Citra yang digunakan adalah HyMap (Airborne-Hyperspectral Sensor). Sensor

HyMap menggunakan panjang gelombang dari 350 nm – 2500 nm dengan interval

panjang gelombang 10-20 nm. Pengambilan data airborne-hyperspectral dilakukan

dengan menggunakan sensor Hyperspectral Mapper (HyMap) yang dipasang pada

pesawat Cessna dengan tinggi terbang sekitar 2000 m di atas permukaan tanah, IFOV 2.5

km, FOV 60o dengan hasil resolusi spasial 4.5 m, dan jumlah kanal 128.

HyMap menyediakan 128 band di seluruh wilayah panjang gelombang reflektif

surya dari 0,45-2,5 mm dengan cakupan spektral bersebelahan (kecuali dalam band air

atmosfer uap) dan bandwidth antara 15 - 20 nm. Sensor ini beroperasi di platform gyro 3-

sumbu stabil untuk meminimalkan distorsi gambar karena gerakan pesawat. Sistem ini

dapat dengan cepat diadaptasi menjadi pesawat apapun dengan port kamera standar

udara.

HyMap memberikan sinyal untuk rasio kebisingan (> 500:1) dan kualitas gambar

yang menetapkan standar industri. Konfigurasi spektral dari sensor HyMap ditampilkan

di bawah untuk masing-masing 4 modul spektral yang berisi masing-masing 32 band,

dengan total 128 band spektral.

Sensor HYMAP menggunakan panjang gelombang pada spektrum tampak, Near

Infra Red (NIR), Shortwave Infra Red (SWIR) dengan jumlah kanal sebanyak 128.

Tabel 1. Interval Band HYMAP

Gambar 1. Karakteristik Citra HyMap

Spektrum Kanal (μm) Interval (nm) Tampak 0.450 ~ 0.700 15 NIR 0.700 ~ 1.350 15 SWIR 1 1.400 ~ 1.800 13 SWIR 2 1.950 ~ 2.480 17

2. Metode yang Digunakan

Adapun metode atau teknik Pemrosesan data yang dilakukan, antara lain:

Filtering dan Resampling Data FieldSpec, Indeks Spektral, Regresi Linier.

Filtering dan Resampling Data FieldSpec

Data reflektan tanaman kopi yang sudah dalam format ASCII

dikumpulkan alam direktori sesesuai jarak pengukuran yaitu 10 cm (FS10) dan

50 cm (FS50). Satu file ASCII merupakan hasil pengukuran pada satu titik lokasi

dengan 5 kali pengulangan. Proses berikutnya adalah menghitung rata-rata

reflektan untuk satu titik pengukuran. Kemudian data reflektan tersebut diseleksi

(filtering), data yang tidak memenuhi kriteria reflektan tanaman tidak dipakai

untuk proses berikutnya. Setelah diseleksi langkah berikutnya adalah

menghitung rata-rata reflektan per quadrat area. Selanjutnya data FieldSpec

diresample sesuai interval band data HYMAP dengan teknik interpolasi

Savitzki-Golay. Kanal yang mengabsorbsi air dihapus tidak diikutkan dalam proses

pengolahan data, yaitu 1,3344 – 1,4311 μm, 1,7841 – 1,9683 μm, dan 2,4443 –

2,4905 μm.

Indeks Spektral

Indeks Spektral yang digunakan adalah ratio spectral indices (RSI) dan

Normalised Difference Spectral Indices (NDSI) yang didefinisikan dengan rumus sbb:

dan

Dimana R1 dan R2 adalah reflektan kanopi daun pada kanal 1 dan 2. Panjang

gelombang yang digunakan untuk WI dan NDWI menyesuaikan dengan panjang

gelombang yang ada di data HYMAP. Untuk WI menggunakan R1=0.9113 µm dan

R2= 0.9731 µm; sedangkan untuk NDWI menggunakan R1= 0.8632 µm dan R2 =

1.2377 µm.

Regresi Linear

Analisis regresi linear antara CWC dengan RSI dan NDSI dilakukan

menggunakan metode stepwise. Semua kemungkinan kombinasi kanal R1 dan

R2 dicoba dan kemudian hasilnya diurutkan berdasar koefisien korelasi R2 dan

diplot dalam grafik. Proses dilakukan dengan menggunakan software scripting Perl

dan R-Languange.

2.1 Algoritma yang Digunakan

Pada penelitian ini selain dengan menggunakan metode regresi, estimasi LAI,

klorofil dan produktivitas (panen) akan dianalisis dengan menggunakan beberapa

indeks vegetasi. Oleh karena data yang digunakan dalam penelitian ini adalah data

hiperspektral lapangan untuk menghindari kerancuan dengan indeks vegetasi

Normalized Defference Vegetation Index (NDVI), Simple Vegetation Index (SVI),

Renormalized Difference Vegetation Index (RDVI), Soil Adjusted Vegetation Index

(SAVI), dalam penelitian ini akan digunakan istilah Normalized Defference Spectral

Index (NDSI), Simple Ratio Index (SRI), Renormalized Difference Spectral Index

(RDSI), dan Soil Adjusted Spectral Index (SASI). Tujuan dari penggunaan indeks-

indeks vegetasi ini adalah untuk mencari suatu metode-metode estimasi LAI, klorofil

dan produktivitas melalui pendekatan indeks-indeks vegetasi.

Simple Ratio Index (SRI)

Menurut Tucher (1979), Baret dan Guyot (1991), SRI menunjukkan keterkaitan

antara kombinasi panjang gelombang tertentu dengan perubahan kondisi biomasa dan

kandungan pigmen vegetasi. SRI juga akan memperlihatkan secara kontras perbedaan

antara vegetasi dan tanah juga dapat meminimalkan pengaruh iluminasi matahari. SRI

dihitung dengan menggunakan persamaan :

SRI =[ λ band 1λ band 2 ]

Normalized Defference Spectral Index (NDSI)

Hampir sama dengan SRI, NDSI juga menggambarkan korelasi antara

kombinasi dua panjang gelombang terhadap perubahan dalam biomasa dan kandungan

pigmen vegetasi. Secara spectral, indeks vegetasi ini menggambarkan penyerapan

maksimum panjang gelombang merah oleh pigmen klorofil dan maksimum reflektansi

panjang gelombang inframerah dekat oleh struktur sel vegetasi. Oleh karena itu, NDSI

efektif dalam memprediksi properti – properti kanopi untuk vegetasi yang memiliki

densitas sedang. (Rouse et al., 1974). NDSI dapat dihitung dengan persamaan :

NDSI =[ λ band 1− λ band 2λ band 2+λ band 2 ]

Renormalized Difference Spectral Index (RDSI)

RDSI adalah suatu indeks vegetasi yang menjelaskan tentang kondisi

parameter-parameter kanopi vegetasi. Dengan memodifikasi persamaan NDSI, RDSI

menjadi sensitive bukan hanya untuk vegetasi yang berdensitas sedang namun untuk

yang berdensitas tinggi maupun rendah (Roujean dan Breon, 1995). Persamaan RDSI

dapat ditulis sebagai berikut :

RDSI¿ [ λ band 1− λ band 2

√ λband 1+λband 2 ] Soil Adjusted Spectral Index (SASI)

Penggunaan indeks SASI bertujuan untuk meminimalkan pengaruh tanah pada

spectral kanopi. Index SASI yang banyak digunakan saat ini adalah seperti yang

dikemukakan oleh Huete (1988) dengan melibatkan faktor penyesuaian kanopi tanah, L

dengan menggunakan data hyperspektral SASI dihitung melalui persamaan berikut :

SASI=[ ( λ band 1− λ band 2 )(1+L)√ λband 1+ λband 2+L ]

Dimana λ band 1 dan λ band 2 adalah reflektan band 1 dan 2, L adalah faktor

canopy background adjustment. Faktor L adalah fungsi dari densitas dengan nilai

optimal 0,5.

3. Alat yang Digunakan

Alat Pengukuran Data Reflektan Daun Kopi di Lapangan

Data reflektan tanaman diukur dengan ASD field spectrometer dari ketinggian

10 cm (FS10) dan 50 cm (FS50) dari ujung kanopi daun. Setiap titik dilakukan

pengukuran dengan ulangan minimal 5 kali. Panjang gelombang yang digunakan

dari 350 nm -2500 nm dengan resolusi spektral 1 nm.

Spesifikasi ASD field spectrometer :

Spectral Range 350-2500 nm

Spectral Resolution 3 nm @ 700 nm8 nm  @ 1400/2100 nm

Sampling Interval 1.4 nm @ 350-1050 nm2 nm @ 1000-2500 nm

Scanning Time 100 milliseconds

Stray light specification VNIR 0.02%, SWIR 1 & 2 0.01%

Wavelength reproducibility

0.1 nm

Wavelength accuracy 0.5 nm

Maximum radiance VNIR 2X Solar, SWIR 10X Solar

Channels 2151

Detectors VNIR detector (350-1000 nm): 512 element silicon arraySWIR 1 detector (1000-1800 nm): Graded Index InGaAs Photodiode, TE CooledSWIR 2 detector (1800-2500 nm): Graded Index InGaAs Photodiode, TE Cooled

Input 1.5 m fiber optic (25° field of view). Optional narrower field of view fiber optics available.

Noise Equivalent Radiance (NEdL)

VNIR  1.0 X10-9  W/cm2/nm/sr @700 nmSWIR 1  1.4 X10-9  W/cm2/nm/sr @ 1400 nmSWIR 2  2.2 X10-9  W/cm2/nm/sr @ 2100 nm 

Weight 5.44 kg (12 lbs)

Calibrations Wavelength, absolute reflectance, radiance*, irradiance*. All calibrations are NIST traceable. (*radiometric calibrations are optional)

Computer Windows® 7 64-bit laptop (instrument controller)

Warranty One year full warranty including expert customer support

Alat Pengambilan Data Klorofil

Data klorofil diperoleh dengan pengukuran lapangan menggunakan alat SPAD

502 yang dibuat oleh Minolta. SPAD memiliki area pengukuran 2x3 mm dengan

ketelitian pengukuran ± 1.0 SPAD unit. Nilai SPAD diperoleh dari persamaan :

SPAD=K log10 [ IR1/ IR0R 1/ R 0 ]

● Prinsip kerja alat SPAD 502

Transmisi cahaya oleh klorofil ditandai dengan tingginya nilai transmisi pada

rentang panjang gelombang NIR dan rendah pada rentang panjang gelombang merah.

Hal ini disebabkan karena tanaman hijau menyerap radiasi gelombang tampak untuk

proses fotosintesis dan mentransmisikan gelombang NIR yang tidak diperlukan.

Gambar 2. Prinsip kerja alat SPAD 502(sumber: http://www.fujiwara -sc.co.jp/catalog/img/spad502-1.gif )

● Teknik pengukuran klorofil dengan SPAD 502

Teknik pengukuran klorofil pada waktu survei lapangan dilakukan sebagai

berikut :

Dalam satu rumpun pengukuran dilakukan tiga kali dan dalam satu kuadrat

ada

5 rumpun yang diukur.

Hitung nilai klorofil rata-rata untuk setiap kuadrat.

Gambar 3. Titik pengukuran klorofil dengan SPAD 502 pada daun

Alat Pengambilan Data LAI

Data LAI (Leaf Area Index) diperoleh dengan pengukuran lapangan

menggunakan metode non-destuktif dengan alat LI-COR LAI-2000 yang dibuat oleh

Li-Cor inc., Lincoln, NE. Jumlah daun dalam kanopi merupakan suatu faktor untuk

menentukan berapa banyak cahaya yang dapat diterima oleh kanopi yang merupakan

pengatur dalam laju fotosintesis. Daun mempunyai pori yang disebut stomata dimana

karbon dioksida dan air lewat dari dan ke atmosfer. Prinsip kerja metode non-destruktif

yaitu dengan melakukan pengukuran fraksi cahaya datang yang lewat melalui kanopi.

Asumsi yang digunakan adalah bagaimana distribusi daun di dalam kanopi kemudian

menghitung jumlah dan ukuran gap. Dari kedua informasi ini selanjutnya dapat

digunakan untuk menghitung LAI. Cara kerja dari metode inilah yang kemudian

diadopsi oleh alat-alat pengukur LAI seperti LAI-2000.

Gambar 4. LI-COR LAI-2000

Alat Pengambilan Data Biomassa Tanaman

Data biomasa terdiri dari berat basah dan berat kering per bagian tanaman kopi

yaitu daun, batang dan panicle diukur di Laboratorium. Kandungan kanopi daun

merupakan selisih antara berat basah dan berat kering. Pada umumnya jarak

tanam kopi adalah 2,5 m, sehingga dalam 1 m2 terdapat 1 pohon kopi.

Sehingga kandungan air kanopi daun adalah 1*(berat basah daun – berat kering

daun) dalam satuan g/m2.

4. Software yang Digunakan

Software yang digunakan adalah ENVI 4.6.1. ENVI adalah software yang

menyediakan berbagai solusi perangkat lunak untuk pengolahan dan analisis citra

geospasial digunakan oleh para ilmuwan, peneliti, analis gambar, dan profesional GIS di

seluruh dunia. ENVI menggabungkan solusi pengolahan gambar dan teknologi terbaru

spektral analisis citra dengan interface, intuitif user-friendly untuk membantu Anda

mendapatkan informasi yang berarti dari citra.

Software ini digunakan juga dari berbagai kalangan industri dan disiplin, seperti

pertahanan dan intelijen, perencanaan kota, pertambangan, geologi, dan ilmu

pengetahuan ruang, dan ilmu bumi menggunakan ENVI sebagai solusi untuk

mendapatkan data dengan cepat dan akurat untuk membantu mereka membuat

keputusan. Produk ENVI juga menawarkan paket yang kuat pengolahan gambar dan alat

analisis untuk mendukung eksploitasi gambar anda,dan mengintegrasikan dengan

perangkat lunak GIS yang popular dan semua solusi ENVI dibangun di IDL, bahasa

pemrograman yang kuat yang memungkinkan untuk fitur mudah dan kustomisasi fungsi

untuk memenuhi kebutuhan unik anda. Produk ENVI membuatnya lebih mudah untuk

membaca, mengeksplorasi, mempersiapkan, menganalisis, dan berbagi informasi dari

citra.

5. Analisa