Sistem Deteksi Citra Illegal Logging Menggunakan Proses Matching

Dengan Metode Discrete Cosine Transform

Rifad Zulfikar Asgar , Zulkarnain Jamid

Pembimbing I : Ir. H. Syafruddin Syarif, MT.
Pembimbing II : Indrabayu Amirullah, ST., MT., M.Bus.Sys.

Jurusan Elektro Fakultas Teknik

Universitas Hasanuddin

Email: zrifad@yahoo.com , zulkarnainjamid@yahoo.com

ABSTRAK

Dalam penelitian ini dibuat suatu sistem pendeteksian illegal logging dengan discrete
cosine transform. Illegal Logging atau penebangan liar merupakan kegiatan penebangan
pohon yang tidak sah atau tidak memiliki izin. Kerugian yang ditimbulkan baik dari segi
ekonomi dan ekologi, serta menyebabkan hilangnya keseimbangan alam akibat terganggunya
fungsi hutan.

Tahapan image processing dalam sistem ini digunakan pemilihan index , dimana nilai
index yang diambil dari sebuah gambar RGB yang sebelumnya mengalami proses DCT. Nilai
index tersebut digunakan sebagai data untuk menentukan lokasi hutan berdasarkan tingkat
kerusakannya. Pada sistem ini, penentuan wilayah atau lokasi hutan berdasarkan tingkat
kerusakannya dilakukan dengan cara pemilihan jumlah index rata-ratanya pada lokasi hutan
dengan tingkat kerusakan rendah,sedang, dan parah.

Sampel citra yang digunakan untuk pengujian diambil dari daerah hutan lindung di
wilayah Gowa, Makassar dengan ukuran wilayah 750 m × 560 m menggunakan pasangan
sampel citra tahun 2007 untuk data awal dan tahun 2009 untuk data akhir. Hasil pengujian
sistem menunjukkan keakuratan sistem deteksi illegal logging dengan Discrete Cosine
Tansform dapat mencapai 83,33 %.

Kata kunci : Illegal Logging, Discrete Cosine Tansform,Index.

1
1. Pendahuluan kerusakan habitat, serta hilangnya
keanekaragamanhayati.
Hutan dan kehutanan, selama ini
telah memberi manfaat yang sangat Pengolahan citra saat ini
banyak bagi kehidupan manusia. Sebagai mempunyai aplikasi yang sangat luas
penyangga ekosistem dan paru-paru dunia, dalam berbagai bidang kehidupan antara
hutan memberikan manfaat yang tidak lain di bidang biomedis, astronomi,
ternilai. Dari nilai ekonomi dalam negeri, arkeologi, arsip citra dan dokomen, bidang
sektor kehutanan memberi kontribusi industri, dan pengindraan jauh. Hal
dalam menyumbang pendapatan negara. tersebut menyebabkan ketersediaan citra-
Sampai dengan awal tahun 90 an, harga citra digital untuk sebagian besar wilayah
yang tinggi di pasar internasional di permukaan bumi semakin banyak.
mendorong terjadinya eksploitasi kayu Dalam studi literatur ini, digunakan citra
secara besar-besaran dengan orientasi yang diperoleh dari Google Earth. Google
ekspor untuk memperoleh devisa. Earth tersusun dari citra-citra resolusi
tinggi (quickbird, ikonos, geo-eye) serta
Penebangan liar akan memberikan
citra resolusi menengah (landsat, aster,
dampak, baik ekonomi maupun ekologi.
spot).
Dari sektor ekonomi, kerugian yang
DCT (Discrete Cosine Transform)
diakibatkan adalah berkurangnya
adalah transformasi matematika yang
pendapatan Negara atas pajak-pajak dari
mengambil dan mengubah sinyal dari
nilai kayu tersebut. Dalam skala yang lebih
domain spasial ke dalam domain
luas adalah hilangnya kesempatan untuk
frekuensi. Banyak gambar digital dan
memanfaatkan keragaman produk di masa
skema kompresi video menggunakan blok
depan. Selain kerugian ekonomi, kerugian
berbasis DCT, karena algoritma ini
yang lebih besar yang tidak bisa dinilai
meminimalkan jumlah data yang
adalah kerugian karena terganggunya
diperlukan untuk menciptakan gambar
fungsi hutan. Dari segi lingkungan
digital. Secara khusus, JPEG dan MPEG
kerugian paling besar adalah hilangnya
menggunakan DCT untuk berkonsentrasi
keseimbangan alam yang mengakibatkan
informasi gambar dengan menghapus data
terjadinya perubahan iklim, menurunnya
spasial redudansi dalam gambar dua
produktifitas lahan, erosi dan banjir,

2
dimensi. Dalam transformasi DCT dikenal 1.3 Batasan Masalah
juga istilah frekuensi rendah, frekuensi  Pendeteksian illegal logging
menengah, dan frekuensi tinggi. Hal ini menggunakan metode Discrete
berkaitan dengan frekuensi gelombang Cosine Transform karena
pada fungsi basis DCT. Jika fungsi kemudahan dalam penggunaannya.
basisnya kecil, maka koefisien yang  Citra yang digunakan diperoleh
berkorespondensi disebut koefisien dari Google Earth.
frekuensi rendah.  Pengidentifikasian penebangan liar
pada hutan lindung wilayah Gowa,
1.1 Perumusan Masalah Makassar karena melihat fungsi
 Sulitnya polisi hutan dan pihak hutan ini sebagai penyangga air.
terkait dalam mengawasi wilayah  Ukuran sampel citra yang
hutan yang luas dan sulit digunakan adalah karena dengan
dijangkau. ukuran ini, 1 pixel pada citra sudah
 Masih kurangnya sistem deteksi dapat mempresentasikan 2 m2
penebangan liar yang dapat ukuran sebenarnya.
membantu polisi hutan dalam
melakukan pengawasan hutan. 2.1 Citra Warna Berindeks

 Setiap titik (pixel) pada citra

1.2 Maksud dan Tujuan Penelitian
warna berindeks mewakili
 Pembuatan sistem deteksi
indeks dari suatu tabel warna
penebangan liar dengan metode
yang tersedia (biasanya disebut
DCT dapat membantu polisi hutan
palet warna) 
dalam mengawasi hutan.
 Pemanfaatan aplikasi ilmu
pengetahuan dan teknologi
khususnya teknologi penginderaan
jauh yang dapat membantu pihak Gambar 1 Pembagian index RGB [3]
terkait untuk menjaga kelestarian
hutan. 2.2 Grayscale

Proses awal yang banyak dilakukan

dalam image processing adalah mengubah
citra berwarna menjadi citra grayscale, hal

3
ini digunakan untuk menyederhanakan DCT mempunyai dua sifat utama untuk
model citra. Seperti telah dijelaskan di kompresi citra dan video yaitu :
depan, citra berwarna terdiri dari 3 layer
 Mengkonsentrasikan energi citra
matrik yaitu R-layer, G-layer, dan B-layer.
ke dalam sejumlah kecil koefisien
Sehingga untuk melakukan proses-proses
(energi compaction).
selanjutnya tetap diperhatikan tiga layer di
 Meminimalkan saling
atas. Untuk mengubah citra berwarna yang
ketergantungan diantara koefisien-
mempunyai nilai matrik masing-masing R,
koefisien (decorrelation).
G, dan B menjadi citra grayscale dengan
nilai S dapat dilihat pada gambar II.4.
Discrete Cosine Transform dari
Konversi citra RGB ke graysclae dapat
sederet n bilangan real s(x), x = 0, … ,n-1,
dilakukan dengan mengambil rata-rata dari
dirumuskan sebagai berikut (Watson 1994)
nilai R, G, dan B sehingga dapat dituliskan
:
menjadi :

S=R+G+B
…(II.1)

Gambar 2 Contoh Citra Grayscale [4]

2. 3 DCT (Discrete Cosine Transform)

Discrete Cosine Transform (DCT) Setiap element dari hasil

biasa digunakan untuk mengubah sebuah transformasi S(u) merupakan hasil dot
sinyal menjadi komponen frekuensi product atau inner product dari masukan
dasarnya. DCT pertama kali diperkenalkan s(x) dan basis vektor. Faktor konstanta
oleh Ahmed, Natarajan dan Rao pada dipilih sedemikian rupa sehingga basis
tahun 1974 dalam makalahnya yang vektornya orthogonal dan ternormalisasi.
berjudul “On image processing and a DCT juga dapat diperoleh dari produk
discrete cosine transform” (Watson, vektor (masukan) dan n x n matriks
1994)[7]. orthogonal yang setiap barisnya

4
merupakan basis vektor. Delapan basis tahapan grayscale, kemudian
vektor untuk n = 8 dapat dilihat pada menggunakan metode Discrete Cosine
gambar II.8 Setiap basis vektor Transform untuk pendeteksian penebangan
berkorespondensi dengan kurva sinusoid liar
frekuensi tertentu.
3.2 Blok Diagram Perancangan &
Pembuatan Sistem

Gambar 3 Delapan basis warna vector

untuk DCT n= 8 [7]

Barisan s(x) dapat diperoleh lagi

dari hasil transformasinya S(u) dengan
menggunakan invers discrete cosine
transform (IDCT), yang dirumuskan
sebagai berikut :
Gambar 5 Blok diagram perancangan dan
pembuatan…(II.4)
sistem
Pada gambar diatas merupakan
blok diagram untuk perancangan dan
pembuatan sistem pendeteksian illegal
logging.

3.1 Deskripsi Umum Sistem

Pada bab ini akan dibahas

mengenai perancangan sistem yang
digunakan untuk deteksi penebangan liar
(illegal logging) dengan menggunakan
metode Discrete Cosine Transform.
Sampel citra yang ada akan melalui

5
3.2.1 Alur dan Arsitektur Sistem yang sedikit.
 Nilai index yang < 200 di
kategorikan dengan Illegal logging
yang sedang.
 Nilai index yang ≥ 200 di
kategorikan dengan Illegal logging
yang parah.
dapat diperhatikan pada gambar berikut:

.
Gambar 6 Flowchart Ekstraksi dan Gambar 7 Proses pengelompokan index
Penyimpanan Ciri
warnanya

3.2.2 Pengambilan dan Pembuatan

3.2.3 Perancangan Sistem DCT
input Citra
Dalam proses perancangan sistem
Pengambilan citra untuk data input
ini, di kerjakan menggunakan Matlab.
melalui proses croping dan normalisasi
Pada Matlab ini telah tersedia beberapa
dengan ukuran 530 × 400 pixel dan
fungsi yang dapat digunakan. Salah
diklasifikasikan berdasarkan nilai indeks
satunya adalah fungsi DCT itu sendiri.
setiap pikselnya untuk daerah pepohonan
Data dari pengelompokan index
dan daerah tertebang dengan tingkat
yang telah dibuat kemudian di masukkan
kerusakan hutannya.
kedalam fungsi DCT sebagai parameter
Nilai indeks citra pada setiap
penentuan tingkat illegal loggingnya yang
daerah yang mengalami illegal logging
sebelumnya mengalami proses grayscale.
berdasarkan tingkat kerusakan hutannya
dapat di kelompokkan menjadi 3 jenis
illegal logging, dimana:
 Nilai index yang ≤ 150 di
kategorikan dengan Illegal logging
6
3.2.4 Deskripsi Pengujian Sistem Kemudian dilakukan perhitungan cakupan
luasan per pixel pada gambar, dimana:
Pada gambar III.4, untuk
mengetahui jenis-jenis pengelompokan
illegal logging berdasarkan tingkat
kerusakannya, dapat dilakukan dengan Jadi untuk citra masukan dengan resolusi
terlebih dahulu melihat dan membedakan 530 × 400 pixel, diperoleh :
batasan-batasan nilai index pada setiap
daerah yang mengalami illegal logging
kemudian mengelompokkannya
berdasarkan tingkat kerusakannya. Cara ini
dapat dilakukan dengan perintah if dan
elseif.
Hasil deteksi oleh Discrete Cosine
Transform dapat diketahui dengan
Untuk memperoleh luas daerah illegal
pemberian colormap(jet) pada gambar
logging digunakan :
output. Selisih antara luas daerah tertebang
pada data akhir dengan luas daerah
tertebang pada data awal, akan
menghasilkan nilai seperti: Dari persamaan III.6 dengan menggunakan
 Hasil pengurangan yang bernilai ukuran citra yang digunakan, maka:
positif (+) atau > 0 maka illegal
logging.
 Hasil pengurangan yang bernilai ≤
4. Deskripsi Umum Pengujian Sistem
0 dengan kata lain bernilai nol (0)
dan Pengolahan Data
atau negatif (–) maka tidak terjadi
Pada sistem DCT yang dibuat ini
illegal logging.
merupakan uji coba yang dilakukan untuk
Untuk mengetahui luas daerah
mendeteksi illegal logging pada sebuah
illegal logging, terlebih dahulu dilakukan
citra satelit. Pengujian sistem ini dilakukan
perhitungan luas kawasan hutan pada citra.
dengan mengambil sampel nilai index pada
Jadi untuk citra masukan dengan ukuran
daerah pepohonan dan daerah yang bukan
750 m × 560 m, maka luas kawasan yang
pepohonan. Dengan cara inilah sehingga
diamati yaitu:

7
dapat ditentukan pengelompokan tingkat Berdasarkan hasil identifikasi di
illegal loggingnya. atas dimana terdapat 1 data uji yang tidak
sesuai dengan validasi, diperoleh nilai
keakuratan sistem sebagai berikut:

Dengan tingkat keakuratan yang cukup

memuaskan yaitu 83.33%, metode
Discrete Cosine Transform sudah dapat
dimanfaatkan untuk mendeteksi perubahan
daerah pepohonan pada hutan lindung
Gambar 8 Sistem Deteksi yang ada di Gowa, Makassar dengan
menggunakan citra digital yang diperoleh
4. 1 Pengujian Sistem
dari Google Earth. Diharapkan sistem ini
dapat diimplementasikan oleh Dinas
Kehutanan dalam menekan laju
penebangan liar yang terus meningkat.
Dengan menggunakan sistem ini,
diharapkan Dinas Kehutanan dapat
memantau daerah hutan lindung di daerah

Gambar 9 Citra sebelum diberikan fungsi Gowa dengan menggunakan citra digital.

DCT
5. Simpulan
1. Penentuan ada tidaknya illegal
logging dapat diketahui dari selisih
luas daerah tertebang data akhir –
data awal. Bertambahnya luas
daerah tertebang di data akhir
menandakan terjadinya illegal

Gambar 10 Citra setelah diberikan fungsi logging.

DCT 2. Metode Discrete Cosine Transform

8
 dapat digunakan untuk Berdasarkan Warna Dan Bentuk
mengidentifikasi penebangan liar Menggunakan FGKA(FAST
dengan nilai keakuratan mencapai GENETIC KMEANS
83.33%. Hasil yang belum ALGORITHM) Untuk Pencocokan
maksimal disebabkan DCT belum Gambar. Surabaya : Politeknik
terlalu mampu membedakan antara Elektronika Negeri Surabaya
daerah tertebang dengan daerah [5] Iqbal, Muhammad. 2009. Dasar
pepohonan pada tingkat kecerahan Pengolahan Citra Menggunakan
yang tinggi. Matlab. Institut Pertanian Bogor.
3. Pendeteksian penebangan liar [6] Rafael Gonzales C., Richard
dengan sistem ini dapat mendeteksi Woods E.. Digital Image
penebangan minimal dengan luas 2 Processing Second Edition. New
m2, karena skala yang dipakai Jersey:Prentice Hall. 2002.
untuk 1 pixel pada gambar sama [7] Purwandari, Nuraini. 2010.
dengan 2 m2 pada skala Perbedaan Discrete Cosine
sebenarnya. Transform dan Discrete Wavelet
4. Hasil akhir dengan Discrete Cosine Transform. Depok : Universitas
Transform sangat ditentukan oleh Gunadarma
tingkat pencahayaan dan kualitas [8] Pramitarini, yushintia. 2011.
dari citra yang menjadi inputnya. Analisa Pengiriman Citra
Terkompresi JPEG Dengan Teknik
Daftar Pustaka Spread Spektrum Direct
[1] Adinugroho, Wahyu Catur. 2009. Sequence(DS-SS). Surabaya:
Penebangan Liar (Illegal Institut Teknologi Sepuluh
Logging), Sebuah Bencana Bagi November
Dunia Kehutanan Indonesia Yang [9] Khayam, Syed Ali. 2003. The
Tak Kunjung Terselesaikan. Bogor Discrete Cosine Transform(DCT):
: Institut Pertanian Bogor Theory And Aplication. Michigan
[2] Darampa, Sultan. 2010. Lestarikan State University: Department of
Hutan, Cukup Pandangi Saja. Electrical & Computer Engineering
[3] Hestiningsih, Idhawati.
Pengolahan Citra
[4] Rahmanti, Farah Zakiyah. 2010.
Pengelompokan Gambar

9
10