CHANGE DETECTION ANALYSIS FOR EARTHQUAKE DAMAGE ASSESSMENT (METHODS AND COMPARISONS)
Literature Review Topik Dalam Pengolahan Citra
Abd. Aziz Bouty 0906503736
Magister Ilmu Komputer Fakultas Ilmu Komputer, Universitas Indonesia
Depok Desember, 2009
)
DAFTAR ISI
Daftar Isi ...................................................................................................................... 2 Bab I Pendahuluan .................................................................................................... 3 1.1. Latar Belakang ......................................................................................... 3 1.2. Permasalahan ........................................................................................... 3 1.3. Tujuan ...................................................................................................... 4 Bab II Pembahasan ..................................................................................................... 5 2.1. Paper Review ........................................................................................... 5 Paper I
: The Comparative Study of Three Methods of Remote Sensing Change Detection .................................................. 5
Paper II
: A SDSS-Based Earthquake Damage Assessment For Emergency Response: Case Study In Bam .......................... 9
Paper III : Extraction Of Damaged Buildings Using High-Resolution Satellite Images In The 2006 Central Java Earthquake ....... 15 2.2. Paper Analysis ......................................................................................... 19 2.3. Paper Comparison .................................................................................... 21 Bab III
Penutup .................................................................................................. 22
3.1. Kesimpulan .............................................................................................. 22 3.2. Saran ........................................................................................................ 23 Daftar Pustaka ............................................................................................................ 24
)
BAB I PENDAHULUAN
1.1. Latar Belakang Change detection adalah penerapan dari teknologi remote sensing merupakan sebuah aplikasi yang sangat penting, yang dapat memastikan perjadinya perubahan fiturfitur tertentu dalam suatu interval waktu tertentu, serta menyediakan distribusi spasial dan informasi kualitatif dan kuantitatif dari perubahan fitur tersebut. Change detection sangat berguna untuk monitoring: urbanisasi, pembangunan pertanian, pengelolaan lahan kehutanan, ramalan es, dll. Untuk itu, metode yang paling banyak digunakan adalah: perbedaan image, Rasio image, klasifikasi perbandingan, dan analisis perubahan vektor. Banyak penelitian dilakukan terkait dengan penilaian kerusakan akibat gempa. Penelitian tersebut sering difokuskan pada berbagai aspek dalam deteksi kerusakan, termasuk merancang algoritma yang dapat mendeteksi kerusakan setelah terjadinya gempa dengan menggunakan data optik dan SAR untuk mendeteksi bangunan yang hancur, dan kemudian membuat suatu sistem pemetaan untuk menampilkan data geospasial dari gempa tersebut (Eguchi et al., 1999, 2000a,b; Huyck and Adams, 2002). Dengan adanya sistem tersebut diharapkan dapat memberikan respon secara cepat terhadap penyediaan informasi kerusakan kawasan pemukiman dalam bentuk informasi spasial makroseismik. Informasi ini sangat dibutuhkan pada pembuatan skala prioritas kegiatan evakuasi dan proses perencanaan pembangunan kembali (Adam dkk,2003). 1.2. Permasalahan Kurang reliable, kurang up to date, kurang tersedianya data geospasial yang qualified adalah merupakan salah satu dari permasalahan yang ditemukan untuk mendapatkan respon yang lebih baik terhadap kejadian bencana alam. Disisi lain, kompleksitas dari suatu fenomena gempa dilihat dari segi waktu, posisi dan intensitas, membuat sulit untuk diakses. Disamping itu, belum terdapat tool yang komprehensif untuk melakukan analisis spasial yang dapat mendukung pengambilan keputusan terkait bencana tersebut.
)
1.3. Tujuan Adapun tujuan dari penyusunan laporan ini adalah : 1. Mempelajari serta memberi ulasan terhadap paper yang ditulis oleh para peneliti, khususnya dalam topik change detection. 2. Menganalisis paper-paper tersebut, ditinjau dari segi isi / materi maupun penulisan paper itu sendiri. 3. Melakukan komparasi terhadap paper-paper tersebut, terkait dengan persamaan dan perbedaannya terutama dari segi isi / materi dan penerapan metode maupun teknik-teknik yang digunakan/dilakukan.
)
BAB II PEMBAHASAN
2.1. Paper Review Paper I : The Comparative Study of Three Methods of Remote Sensing Change Detection Pada tahun 1980-an, change detection mulai dipelajari oleh beberapa orang. Dalam change detection, multi-band remote sensing images biasanya digunakan untuk dapat menyediakan informasi yang cukup. Metode ini dapat dibagi kedalam image substraction method dan method of change detection after classification. Dalam pembahasan paper ini, pertama adalah membahas tentang metode eliminasi dari faktor-faktor yang mempengaruhi terhadap change detection. Kedua, memperkenalkan prinsip dasar dari tiga metode tersebut serta bagaimana percobaan mengenai metode-metode tersebut yang dilakukan dengan menggunakan software Erdas. Ketiga, melakukan analisa perbandingan terhadap manfaat serta ruang lingkup yang ditunjukkan dari ketiga metode tersebut diatas. Didalam penerapannya, banyak terdapat metode change detection untuk data multi-spectral image. Metode ini dapat diklasifikasikan kedalam tiga kategori, yaitu : 1). Analisis karakteristik dari tipe spektral Tujuan dari analisis ini adalah untuk memastikan distribusi serta karakteristik perubahan berdasarkan klasifikasi spektral dan lalu kemudian menghitung fase dalam remote sensing images yang berbeda. 2). Analisis vektor dari perubahan spectral Analisis ini dilakukan untuk memastikan kekuatan serta arah karakteristik dari suatu perubahan berdasarkan pada radikalisasi perubahan images dari waktu yang berbeda, terutama menganalisis perbedaan dari tiap-tiap band. 3). Analisis time series. Tujuannya adalah untuk menganalisis proses dan tren perubahan dari pemantauan ground objects berdasarkan data observasi remote sensing secara kontinu.
)
Secara garis besar, paper ini membahas tentang 3 metode yang terdapat dalam change detection. Metode-metode tersebut adalah : 1. Image Substraction Method Metode ini merupakan sebuah metode change detection terhadap aplikasi yang paling luas. Hal ini dapat diterapkan untuk berbagai jenis image dan lingkungan geografis. 2. Image Ratio Method Image Ratio Method adalah merupakan sebuah metode yang membandingkan nilai sebuah pixel dari sebuah gambar yang sesuai dengan gambar lain diwaktu yang berbeda. Pada metode ini rasio pixel yang sesuai pada tiap-tiap band pada dua image dari periode yang berbeda setelah perhitungan image registration. 3. The Method of Change Detection AfterClassification Metode ini adalah merupakan yang paling sederhana, dimana teknik analisisnya hanya berdasarkan pada klasifikasi. Metode ini dapat digunakan untuk dua atau lebih image after registration, termasuk langkah didalam klasifikasi serta pembandingan. Hasil Eksperimen dan Analisis Sebagaimana yang telah disebutkan diatas, bahwa penelitian ini menggunakan software ERDAS. Dengan menggunakan Panchromatic band dari remote sensing images pada 10 Mei 2001, 1 April 2002 di Beijing dimana data digunakan dalam Image Subtraction Method dan Image Ratio Method. Kemudian 3-bands remote sensing images di Wuhan pada 1995 dan 2000 dimana data digunakan pada metode change detection after classification. Setelah melalui image preprocessing, didapati bahwa objek dari remote sensing change detection adalah images yang berada pada region yang sama dalam periode yang berbeda. Latar belakang dari lingkungan tercermin melalui remote sensing image yang diperoleh berbeda secara cepat. Perbedaan ini dipengaruhi oleh beberapa faktor yang terjadi dalam proses akuisisi. Adapun faktor-faktor tersebut dapat dibagi kedalam dua kategori, yaitu :
)
a. Remote sensing system factors Merupakan dampak dari resolusi temporal, resolusi spasial, resolusi spektral dan resolusi radiasi. b. Environmental factors Merupakan dampak dari kondisi atmosfir, kelembaban tanah dan karakteristik dari phenological. Dampak pada waktu yang berbeda dan akibat pengaruh dari faktor-faktor pada images harus sepenuhnya diperhitungkan dalam change detection. Pengaruh ini dapat dihilangkan sebanyak mungkin dengan melakukan registrasi geometris dan koreksi radiometris pada remote sensing images. Dengan demikian dapat membuat eksperimen ini dibangun secara terpadu dan dapat diperoleh hasil yang lebih objektif.
Gambar 1. Hasil dari Image Subtraction Method
Gambar 2. Hasil dari Image Ratio Method
Gambar 3. Hasil dari Method of Change Detection After Classification
)
Tabel 1. Keuntungan dan kerugian dari hasil eksperimen ketiga metode change detection
Methods
Advantages
Disadvantages
Image Subtraction
- Konsepnya sederhana dan mudah
Method
- Mudah dipahami serta mudah untuk digunakan
yang terjadi pada setiap kategori - Metodenya sangat sederhana pada
- Dapat mengurangi kemungkinan terjadinya
- Tidak refleks terhadap perubahan
error
(dibandingkan
proses change detection dari natural images
dengan metode change detection - Tidak cocok digunakan untuk change after classification) Image Ratio
- Sangat
berguna
mengekstraksi
Methods
detection di daerah perkotaan. untuk - Masih terdapat beberapa informasi
vegetasi
dan
tekstur.
perubahan yang tidak terdeteksi. - Jenis perubahan dari fitur tidak dapat
- Memiliki fitur kemiringan yang berbeda antara band
tercermin. - Pemilihan nilai threshold sangat sulit.
- Sangat tepat dan akurat, serta - Perbedaan fitur pada kemiringan yang dapat digunakan dalam penelitian
sama dapat membingungkan, dan ratio
tentang
synthesized image sering
change
detection
diperkotaan. The Method of Change Detection
membuat
kompensasi dalam analisisnya.
- Dapat memastikan rentang ruang - Membutuhkan dari perubahan.
requirement
cukup
besar terhadap klasifikasi ketegori.
After Classification - Menyediakan formasi mengenai - Kurangnya isolasi terhadap langkah karakter jenis
perubahan,
apa
sebagainya.
misalnya
yang berubah dan
klasifikasi dan langkah dari change detection - Kesalahan dalam klasifikasi sangat sensitif dalam metode ini.
Dari hasil eksperimen yang telah dilakukan, perbedaan dari masing-masing metode change detection diatas dapat dijabarkan dalam beberapa perspektif, yaitu : - Dari perspektif sudut pandang, didapati bahwa perubahan wilayah dalam image ratio method sangat akurat, kemudian diikuti oleh image subtraction method, dan terakhir adalah change detection after classification method.
)
- Dari prespektif operasional, image subtraction method dan image ratio method memiliki operasi yang relatif sederhana dan waktu yang sedikit. Sedangkan change detection after classification method sangat komplikasi dan memakan waktu. - Dari perspektif aplikasi, image subtraction method dan change detection after classification method tidak berlaku untuk change detection secara datail dala perkotaan. Sedangkan image ratio method dapat digunakan untuk change detection dalam kota, terutama analisis mengenai vegetasi dan tanah. Melihat dari hasil citra, image subtraction method dan image ratio method hanya dapat mendeteksi cakupan serta tingkat perubahan tetapi tidak bisa memberikan sifat dan penyebab perubahan. Dalam hal ini, change detection after classification method dapt memberikan informasi ini.
Paper II : A SDSS-Based EarthQuake Damage Assessment for Emergency Response: Case Study in Bam Saat ini, penelitian-penelitian yang dilakukan untuk menilai kerusakan yang diakibatkan oleh gempa bumi difokuskan pada beberapa aspek yang termasuk dalam deteksi kerusakan, termasuk mengembangkan algoritma untuk mendeteksi kerusakan pasca gempa tersebut dengan menggunakan optik dan SAR data untuk menemukan bangunan yang runtuh, dan sistem pemetaan untuk menampilkan serta menyebarkan informasi gempa yang terkait dengan data multimodal geospasial (Eguchi et al., 1999, 2000a,b; Huyck and Adams, 2002). Secara umum, paper ini membahas tentang sebuah metodologi untuk mengestimasi nilai kerusakan akibat gempa bumi menggunakan Spatial Decision Support System (SDSS). Metodologi ini berdasarkan pada perhitungan jumlah bangunan yang hancur akibat gempa bumi dengan menggunakan high resolution remotely sensed images dan data spasial lainnya untuk dapat diintegrasikan kedalam SDSS. Adapun yang menjadi objek dalam penelitian ini dan diestimasi nilai kerusakannya adalah kerusakan yang disebabkan oleh gempa dengan kekuatan 6.6 skala richter yang terjadi di kota Bam, yang terletak disebelah tenggara dari propinsi Iran. Dicatat dari korban yang meninggal, gempa di kota Bam ini tercatat merupakan gempa terburuk yang terjadi dala sejarah di Iran. Dilaporkan bahwa jumlah korban meninggal
)
sebanyak 26.200 orang dan 75.600 orang kehilangan tempat tinggal. Dan juga dilaporkan dari organisasi bantuan bahwa diestimasi antara 70-95% bangunan hancur. SDSS adalah sebuah sistem interaktif yang berbasis komputer yang dirancang untuk mendukung pengguna atau kelompok pengguna dalam mencapai efektivitas yang lebih tinggi dalam pengambilan keputusan pada saat memecahkan masalah pada semi struktur spasial. (Sprague and Carlson 1982). Perancangan ini untuk membantu perencana spasial dengan panduan dalam membuat keputusan mengenai penggunaan lahan. Dengan demikian tercipta sebuah sistem yang memiliki model keputusan yang dapat digunakan untuk membantu mengidentifikasi pemilihan keputusan yang efektif. Untuk langkah-langkah didalam metodologinya dapat dilihat pada diagram dibawah ini.
Diagram : Langkah-langkah dalam membangun sebuah SDSS berbasis pada penilaian kerusakan akibat gempa untuk kebutuhan tanggap darurat
)
Untuk gempa bumi yang tergolong cukup kuat seperti yang terjadi di kota Bam dapat menyebabkan kerusakan yang sangat parah bagi bangunan. Mengevaluasi bangunan-bangunan
yang
rusak
akibat
gempa
adalah
sangat
penting
untuk
mengalokasikan regu penyelamat ke daerah-daerah yang mengalami kerusakan sekaligus dapat mengestimasi kerusakan tersebut. Salah satu cara tercepat untuk mendapatkan informasi tentang tempat-tempat yang rusak dan untuk menghitung jumlah yang rusak terutama di daerah perkotaan dengan menggunakan gambar satelit untuk membandingkan gambar sebelum dan sesudah terjadinya gempa bumi. Untuk perkembangan terkini dari teknik remote sensing adalah dengan melakukan ekstraksi secara otomatis dari informasi citra satelit secara mungkin. Disebutkan dalam paper ini menggunakan citra satelit Quickbird yang merupakan produk standar yang high resolution.
Gambar 1: Citra satelit Quickbird dari kota Bam, diperoleh sebelum terjadinya gempa bumi pada 26 Desember 2003
Gambar 2: Citra satelit Quickbird dari kota Bam, diperoleh setelah terjadinya gempa bumi pada 26 Desember 2003
)
Untuk memaksimalkan korespondensi spasial antara multi-temporal scenes "setelah" image telah didaftarkan ke image "sebelum", menggunakan serangkaian titik kontrol dengan transformasi polinomial orde pertama. Hasil dari analisis tersebut adalah sebuah raster layer, dengan nilai pixel 0, 1, 2 sesuai dengan non-parcel pixels, pasrcel’s damaged pixel dan parcel’s undamaged pixels. Dalam paper ini metode untuk mengekstrak informasi adalah dengan menggunakan geostatistik dan artificial neural network. Klasifikasi dilakukan pada sifat tekstur dari image. Secara statistik, tekstur dari sebuah image memiliki dua komponen : variabel lokal dan korelasi spasial. Dimana variabel lokal dapat lebih jelas dengan menggunakan variansi akan tetapi tidak menunjukkan korelasi spasial dari variabel. Namun secara geostatistik mengukur bahwa kedua variabel ini menggunakan parameter utama dari geostatistik yang semivarian.
Dimana :
t = Nilai numerik dari pixel yang digunakan untuk klasifikasi h = Jarak antara masing-masing dua pixel N = Jumlah pixel yang berada dalam jarak h dari satu sama lain γ = Perhitungan semivarians untuk nilai yang berbeda dan arah yang berbeda
semivarians untuk nilai yang berbeda dan arah yang berbeda disimpulkan menggunakan semivariogram Sebuah Image klasifikasi dan sebuah parcel’s vector layer dibuatkan dalam sebuah skala 1 : 2000 yang merupakan input data untuk kode ArcObjects. parcel’s vector layer dari Bam diperoleh dari survey tanah. Pada images ini, nilai dari 0, 1, 2 sesuai dengan non-parcel pixels, parcel’s damaged pixel dan parcel’s undamaged pixels.
)
Gambar 3: Image bagian sebelah kiri adalah merupakan klasifikasi image. Sebelah kanan adalah merupakan parcel’s vector layer dari Bam.
Dalam paper ini juga diterangkan mengenai metode statistik klasifikasi, yang secara spesifik menentukan kerusakan bagian pada tiap parcel dengan memperhatikan jumlah pixel dengan nilai 0, 1, 2. dengan demikian dapat mengidentifikasi bangunan yang runtuh dari segi karakteristik statistik yang beda dari struktur bangunan yang utuh pada waktu “sesudah” terjadinya gempa, daripada tingkat peruahan antara images sebelum dan sesudah kejadian (Gusella et. al., 2005). Diasumsikan tiga kriteria sebagai berikut :
Parcel’s tidak mengalami kerusakan ketika jumlah pixel dengan nilai relatif 1 terhadap total pixel dari parcel adalah lebih kecil dari 0,3.
Parcel’s menagalami semi kerusakan apabila ketika jumlah pixel dengan nilai relatif 1 terhadap total pixel dari parcel adalah lebih besar atau sama dengan 0,3 atau lebih kecil atau sama dengan 0,6.
Parcel’s mengalami kerusakan yang cukup komplit apabila ketika jumlah pixel dengan nilai relatif 1 terhadap total pixel dari parcel adalah lebih besar atau sama dengan 0,6. Implementasi dari hasil penelitian ini mendapatkan dua status yang berbeda dari
proses yang terjadi didalam format vektor dan raster. Output dari sebelumnya adalah sebuah vektor berbasis kerusakan yang digambarkan pada peta dan Output yang
)
dihasilkan setelah itu adalah sebuah format raster yang berbasis kerusakan yang digambarkan pada peta.
Gambar 4: Output raster layer dari kerusakan bangunan pada gempa Bam
Gambar 5: Output vector layer dari kerusakan bangunan pada gempa Bam
Adapun hasil dari penelitian ini dapat membawa manfaat yang signifikan dalam melakukan tindakan tanggap darurat terhadap pasca terjadinya bencana. Teknik deteksi kerusakan akan memberikan akan memberikan tanggapan bagi pejabat pemerintah, lembaga-lembaga bantuan internasional dan pemulihan bencana agar secara cepat dapat melihat sehingga dapat mengestimasi kerusakan secara regional dan mendapatkan rincian terhadap total kerusakan yang terjadi pada bangunan. Tools ini akan memungkinkan upaya prioritas dan koordinasi dalam hal bantuan dan kunjungan ke lokasi gempa sehingga dapat mendukung operasi pemulihan secara cepat. Berdasarkan hal tersebut, berhasil dibangun sebuah objek berbasis klasifikasi dan metode segmentasi yang sukses digunakan pada gempa di Bam tersebut. Didapatkan informasi bahwa terdapat 18872 bangunan yang terdapat di kota Bam, 6473 bangunan (34%) hancur akibat gempa. Hasil dari kesimpulan awal mengindikasikan akurasi secara keseluruhan dari klasifikasi kerusakan adalah 80.5%.
)
Paper III : Extraction of Damaged Buildings Using High-Resolution Satellite Images in The 2006 Central Java EarthQuake Gempa bumi terjadi di Jawa Tengah dengan kekuatan 6.3 skala richter yang terjadi pada tanggal 27 Mei 2006. Akibat gempa ini, dicatat sekitar 5.800 orang korban yang meninggal duniadan sekitar 38.000 orang menderita luka parah. Dengan menggunakan QuickBird images, diperoleh image sebelum dan sesudah terjadinya gempa. Dalam penelitian ini dicoba untuk mengekstrak area dari bangunan yang mengalami kerusakan dengan berdasarkan klasifikasi objek. Pada tahap awal, sangat penting untuk memahami suatu tingkat kerusakan yang terjadi setelah terjadinya bencana alam. Dengan kemajuan teknologi remote sensing kita akan bisa mendapatkan citra satelit dengan resolusi tinggi, seperti misalnya QuickBird dan Ikonos, dimana kita dapat mengidentifikasi rumah atau mobil serta gambar satelit dengan resolusi moderat tidak lama setelah bencana terjadi. Dijelaskan dalam paper ini mengenai kegunaan dari klasifikasi objek yang menjadi penelitian lebih lanjut dalam mendeteksi kerusakan bangunan dari citra satelit dengan resolusi tinggi yang diperoleh sebelum dan sesudah gempa Jawa Tengah pada tahun 2006. Dalam hal ini area bangunan diekstrak untuk gambar yang sebelum dan sesudah dengan berbasis pixel dan klasifikasi objek. Kemudian hasil dari dua metode tersebut dibandingkan dan kemudian dengan mengambil perbedaan area bangunan dari gambar sebelum dan sesudah,. Area yang mengalami kerusakan bangunan diidentifikasi dan hasilnya dibandingkan dengan menggunakan inspeksi visual. Meskipun pemeriksaan kerusakan secara visual memberikan informasi yang sangat berguna akan tetapi cukup memakan waktu. Oleh karena itu, metode image processing digunakan untuk meningkatkan performa interpretasi. Sejauh ini pendekatan yang dilakukan adalah klasifikasi land cover berbasis pixel, misalnya metode maximum likelihood. Disamping itu, untuk images dengan resolusi tinggi, pendekatan pixel-based dapat menimbulkan banyak noise pada hasilnya nanti karena resolusi yang terlalu tinggi. Untuk mengatasi masalah noise yang terdapat pada images dengan resolusi tinggi, dalam paper ini diperkenalkan pula klasifikasi berbasis objek. Pada gempa yang terjadi di Boumerdes, Algeria tahun 2003, Kouchi et. al. (2005) membandingkan hasil
)
yang didapat dari klasifikasi berbasis pixel dengan berbasis objek untuk deteksi puingpuing menggunakan QuickBird images. Klasifikasi Berbasis Pixel
Secara konvensional, klasifikasi berbasis pixel dilakukan berdasarkan metode maksimum likelihood. Pada proses klasifikasi, digunakan 8 bit data dari biru, hijau, merah dan band inframerah. Lalu kemudian diikuti dengan 8 kelas : atap bangunan yang berwarna hitam, berwarna abu-abu, berwarna merah, puing, jalan, vegetasi dan bayangan yang ditandai. Adapun atap bangunan yang berwarna putih dan kelas tanah tidak digunakan untuk post-even image karena kesulitan dalam pemilihan data training dan juga sangat mendekati kelas puing-puing. Area bangunan yang diperoleh melalui klasifikasi berbasis pixel ditunjukkan pada gambar dibawah ini. Pada gambar tersebut, bangunan yang memiliki warna atap yang berbeda-beda ditampilkan dalam warna yang sama, hal tersebut agar mudah dipahami. Klasifikasi Berbasis Objek Klasifikasi ini menggunakan software e-Cognition. Pertama, segmentasi citra dilakukan untuk membuat objek dengan menggunakan citra sebelum dan sesudah kejadian. Dijelaskan dalam paper ini bahwa proses segmentasi dalam e-Cognition ditentukan oleh 5 parameter, yaitu : Layer Weight, Compact Weight, Smooth Weight,
)
Shape Factor dan Scale Parameter (Baatz et. al., 2004). Adapun parameter yang paling penting adalah Scale Parameter, yang menentukan ukuran objek. Sedangkan Shape Factor untuk menentukan level penting dari spektral heterogeneity atau shape heterogeneity dalam segmentasi. Lebih rinci dikatakan bahwa spektral heterogeneity ditentukan juga oleh Layer Weight, yang memberi bobot pada masing-masing band. Disamping itu pula, untuk shape heterogeneity ditentukan Compact Weight dan Smooth Weight.
Gambar 3: Bagian dari area bangunan yang terdeteksi sebelum terjadi gempa
Gambar 4: Bagian dari area bangunan yang terdeteksi setelah terjadi gempa (area yang sama seperti gambar diatas)
Membandingkan hasil dari klasifikasi berbasis pixel dan klasifikasi berbasis objek dengan inspeksi visual, noise cukup terlihat dalam klasifikasi berbasis pixel. Oleh karena itu dapat disimpulkan bahwa dalam resolusi dan ukuran dari objek target ini, hasil yang terbaik dapat diperoleh melalui klasifikasi berbasis objek. Akan tetapi, dalam objek
)
berbasis klasifikasi beberapa seperti jalan dan area yang berbayang mengalami kesalahan pada kelas bangunan karena nilai spektral dari area yang menjadi sampel mempunyai kemiripan dengan kelas bangunan.oleh karena itu, hal seperti ini dalam klasifikasi berbasis objek perlu untuk dibuang dengan menggunakan indeks fitur objek, seperti panjang, atau hubungan spasial. Dengan perbandingan hasil oleh image processing yang dikemukakan diatas tersebut, tingkat akurasi yang wajar diperoleh produser akurasi 67.4% dan user akurasi adalah 51.5%.
Gambar 5. Bagian dari deteksi vegetasi dan area bayangan (area yang sama dengan gambar 3)
Gambar 6. Bagian dari area bangunan yang terdeteksi mengalami kerusakan (area yang sama dengan gambar 3)
Gambar 7. Area Bangunan yang mengalami kerusakan
Gambar 8. Konsep produser akurasi dan user akurasi
)
2.2. Paper Analysis Paper I : The Comparative Study of Three Methods of Remote Sensing Change Detection Dalam paper yang ditulis oleh Zhang Shaoqing dan Xu Lu ini terdapat beberapa hal yang belum dibahas secara jelas. Hal tersebut antara lain adalah sebagai berikut : 1. Proses yang dilakukan pada preprocessing tidak dijelaskan secara detail menyangkut registrasi geometrik maupun koreksi radiometrik, dimana agar secara geometrik mendapatkan lokasi yang akurat dan secara radiometrik agar intensitas pixel untuk objek yang sama mempunyai relatif intensitas yang sama. 2. Untuk penjelasan pada image ratio method diperlukan suatu nilai treshold, hal ini terutama apabila tidak tersedianya ratio feature library. 3. Pada daerah perkotaan jenis objek cukup banyak (jalan, taman, bangunan, sungai, dll) sehingga warna/intensitas tidak homogen. Hal ini dalam paper tidak digambarkan mengenai kemampuan dari ketiga metode change detection dalam kondisi tersebut.
Paper II : A SDSS-Based EarthQuake Damage Assessment for Emergency Response: Case Study in Bam Dalam paper yang ditulis oleh Teimouri,M dkk ini terdapat beberapa hal yang belum dibahas secara jelas. Hal tersebut antara lain adalah sebagai berikut : 1. Dalam paper ini dikatakan bahwa untuk melakukan klasifikasi dari informasi yang telah diekstrak dalam hal ini yang merupakan nilai dari semivarian digunakan analisis artificial neural network (ANN), tetapi tidak dijelaskan tentang sedikit proses didalam ANN itu sendiri. 2. Demikian juga, penggunaan dari ArcObjects code untuk suatu klasifikasi image dan sebuah parcel’s vector layer dengan skala 1:2000 tidak digambarkan secara rinci. 3. Secara metode klasifikasi statistik yang dilakukan, didapatkan tiga kriteria : noncollapsed, semi-collapsed dan completely-collapsed. Akan tetapi untuk penentuan nilai yang menjadi acuan dari mendapatkan tiga kriteria tersebut tidak dijelaskan.
)
Paper III : Extraction of Damaged Buildings Using High-Resolution Satellite Images in The 2006 Central Java Earthquake Dalam paper yang ditulis oleh Kazuki Matsumoto dkk ini terdapat beberapa hal yang belum dibahas secara jelas. Hal tersebut antara lain adalah sebagai berikut : 1. Dikatakan dalam paper ini bahwa dengan menggunakan QuickBird image langkah pertama yang dilakukan adalah menghasilkan pan-sharpened image dari resolusi 0.6m yang dihasilkan melalui penggabungan panchromatic images dan multi-spectral images. Kemudian, langkah selanjutnya melakukan registrasi antara images sebelum dan sesudah terjadinya gempa menggunakan metode RST transformation dan Nearest Neighbour resampling. Adapun penggunaan kedua metode tersebut tidak dijelaskan didalam paper ini. 2. Dalam membangun klasifikasi berbasis pixel secara konvensional berdasarkan pada Metode maximum likelihood. Dalam paper ini penjabaran tentang metode maximum likelihood tidak dijelaskan. 3. Secara detail juga, penggambaran tentang noise yang didapat pada perbandingan hasil dari klasifikasi berbasis pixel dengan berbasis objek melalui inspeksi visual tidak diperlihatkan dengan jelas.
)
2.3. Paper Comparison Paper
Objective
Zhang Shaoqing *, Xu Lu (2009)
Discusses three main methods of change detection 1. Image Subtraction Method 2. Image Ratio Method 3. Change Detection after Classification Method
Introduced and the experiments of the methods are carried on ERDAS software
a methodology to assess damage estimation due to an earthquake using spatial decision support system (SDSS)
use optical and SAR data to locate buildings collapsed, and a mapping system to display and disseminate earthquake-related multimodal geospatial data
Classification texture of an image : local variable and spatial correlation
The results of this paper can assist decision makers to allocate rescue forces to the damaged areas based on their degree of destruction
Kazuki Matsumoto, - Building areas were extracted for the preet. al. (2006) event image and the post-event image by “Extraction of pixel-based Damaged Buildings classification Using HighResolution Satellite - Taking the difference of the building areas for Images in The 2006 the pre- and post-event Central Java images by the objectEarthquake” based approach
result was compared with that by visual inspection
pixel-based classification and objectbased classification
the object-based classification is considered to be more suitable to identify the areas covered by buildings in highresolution satellite images
“The Comparative Study of Three Methods of Remote Sensing Image Change Detection”
Teimouri,M, et. al. (2008) “A SDSS-Based Earthquake Damage Assessment for Emergency Response: Case Study In Bam”
Approach
Features
Results
Panchromatic band of remote sensing images on April 1, 2002, May 10, 2001 in Beijing
image subtraction method and image ratio method can only detect the scope and degree of changes and can not give the nature and causes of changes, namely the transformed information of the types. The method of change detection after classification can provide this information.
Three bands remote sensing images in Wuhan in 1995 and 2000
Because salt-and pepper noises were seen in the pixel-based classification result
)
BAB III PENUTUP
3.1. Kesimpulan Change Detection adalah sebuah aplikasi penting didalam teknologi remote sensing, yang merupakan sebuah teknologi yang dapat memastikan perubahan fitur tertentu dalam suatu interval waktu tertentu. Change detection menyediakan distribusi spasial dari fitur, serta informasi kualitatif dan kuantitatif dari perubahan fitur tersebut. Metode change detection untuk data image yang multi spektral terdiri dari banyak jenis. Dapat diklasifikasikan kedalam tiga kategori, yaitu : analisis karakteristik dari tipe spektral, analisis vektor dari perubahan spektral serta analisis time series. Sehubungan dengan metode-metode tersebut, ditinjau dari permasalahan bencana alam, banyak penelitian dilakukan terkait dengan penilaian kerusakan akibat gempa. Dari penelitian-penelitian yang dilakukan memang untuk mendapatkan respon yang lebih baik terhadap terjadinya bencana alam masih terdapat banyak kekurangan, hal ini disebabkan karena kurang reliable, informasi kurang up to date, dan kurang tersedianya data geospasial yang qualified. Disisi lain, kompleksitas dari suatu fenomena gempa dilihat dari segi waktu, posisi dan intensitas, membuat sulit untuk diakses. Disamping itu, belum terdapat tool yang komprehensif untuk melakukan analisis spasial yang dapat mendukung pengambilan keputusan terkait bencana tersebut. Untuk itu, pada tahap awal, sangat penting untuk memahami suatu tingkat kerusakan yang terjadi setelah terjadinya bencana alam. Apalagi, dengan kemajuan teknologi remote sensing kita akan bisa mendapatkan citra satelit dengan resolusi tinggi, seperti misalnya QuickBird dan Ikonos, dimana kita dapat mengidentifikasi rumah atau mobil serta gambar satelit dengan resolusi moderat tidak lama setelah bencana terjadi. Dengan demikian diharapkan dengan membangun metode dan sistem tersebut diatas dapat memberikan respon secara cepat terhadap penyediaan informasi kerusakan kawasan pemukiman dalam bentuk informasi spasial makroseismik. Sehingga informasi tersebut dapat segera digunakan dalam mendukung keputusan terkait dengan gempa.
)
3.2. Saran 1. Penjelasan terhadap metode-metode yang digunakan sebaiknya disertai dengan contoh secara konkrit sehingga memudahkan untuk pemahaman serta analisis. 2. Didalam melakukan analisis terhadap hasil eksperimen agar lebih jelas, bukan hanya disebutkan akan tetapi diberi penjelasan secara rinci. 3. Untuk perhitungan nilai, akurasi atau tingkat error dari hasil eksperimen yang dilakukan sebaiknya digambarkan secara rinci, sehingga dapat diketahui performa dari parameter-parameter yang diukur.
)
DAFTAR PUSTAKA
Kazuki Matsumoto, et. al., “Extraction of Damaged Buildings Using High-Resolution Satellite Images in the 2006 Central Java Earthquake”, Proceedings of the Conference of the Remote Sensing Society of Japan. 2006 Teimouri, M, et. al., “A SDSS-Based Earthquake Damage Assessment For Emergency Response: Case Study In Bam”, The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B8. Beijing. 2008 Zhang Shaoqing *, Xu Lu, “The Comparative Study of Three Methods of Remote Sensing Image Change Detection”, Geoinformatics, 2009 17th International Cenference
)
