ANALISIS PERGERAKAN PERMUKAAN TANAH PADA SESAR
OPAK MENGGUNAKAN METODE QUASI PERSISTENT
SCATTERER INTERFEROMETRY (Q-PSI) SYNTHETIC APERTURE
RADAR (SAR)
TESIS
Diajukan Oleh :
MAULANA YUDINUGROHO
18/437536/PTK/12569
Kepada:
PROGRAM STUDI MAGISTER TEKNIK GEOMATIKA
DEPARTEMEN TEKNIK GEODESI
FAKULTAS TEKNIK
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2021
i
SURFACE DEFORMATION ANALYSIS USING QUASI
PERSISTENT SCATTERER INTERFEROMETRY (Q-PSI)
SYNTHETIC APERTURE RADAR (SAR) IN OPAK FAULT
POSTGRADUATE THESIS
Submitted as partial fulfillment of the requirements for obtaining the degree of
Magister of Engineering in Geomatics Engineering Study Program
By:
MAULANA YUDINUGROHO
18/437536/PTK/12569
Submitted to:
MASTER STUDY PROGRAM OF GEOMATICS ENGINEERING
DEPARTMENT OF GEODETIC ENGINEERING
FACULTY OF ENGINEERING
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2021
ii
LEMBAR PENGESAHAN
ANALISIS PERGERAKAN PERMUKAAN TANAH PADA SESAR
OPAK MENGGUNAKAN METODE QUASI PERSISTENT
SCATTERER INTERFEROMETRY (Q-PSI) SYNTHETIC APERTURE
RADAR (SAR)
dipersiapkan dan disusun oleh:
MAULANA YUDINUGROHO
18/437536/PTK/12569
telah dipertahankan didepan Dewan Penguji
pada tanggal 9 Maret 2021
Susunan Dewan Penguji:
Pembimbing Utama
Ketua Tim Penguji
Dr. Catur Aries R., S.T., M.T.
Ir. Nurrohmat Widjajanti, M.T., Ph.D.,
IPU., ASEAN.Eng.
Anggota Tim Penguji
Dr. Ir. Harintaka, S.T., M.T., IPM.
Tesis ini telah diterima sebagai salah satu persyaratan untuk
memperoleh gelar Master of Engineering pada Tanggal 24 Maret 2021
Ketua Program Studi Magister Teknik Geomatika
Ir. Nurrohmat Widjajanti, M.T., Ph.D., IPU., ASEAN.Eng.
NIP.196910211994032003
Mengetahui
Ketua Departemen Teknik Geodesi Fakultas Teknik
Ir. Trias Aditya K.M., S.T., M.Sc., Ph.D.
NIP. 197504222002121002
iii
HALAMAN PERSEMBAHAN
“Jika kamu tak sanggup menahan lelahnya belajar, maka kamu harus
sanggup menahan perihnya kebodohan”
Iman Syafi’i
Tulisan ini saya persembahkan untuk kedua orang tua saya
Bapak Suparjo dan Ibu Dwi Istuning
Guru kehidupan saya.
iv
KATA PENGANTAR
Kelahiran merupakan sebuah perjuangan, lahirnya sebuah karya ilmiah dalam
bentuk tesis ini merupakan perjuangan dalam menyelesaikan studi di Program Magister
Teknik Geomatika Departemen Teknik Geodesi UGM. Karya tulis ini dapat terwujud
tidak terlepas dari bantuan dari berbagai pihak, oleh sebab itu, dengan segala hormat saya
mengucapkan terima kasih kepada semua pihak yang telah membantu salama proses
pengerjaan hingga proses publikasi berlangsung.
Hormat dan terimakasih kepada Dr. Catur Aries R., S.T., M.T. selaku dosen
pembimbing saya yang telah membimbing dan memberi masukan dari awal penulisan
hingga selesai. Tidak lupa ucapan terimakasih juga saya haturkan kepada Ir. Nurrohmat
Widjajanti, M.T., Ph.D., IPU., ASEAN.Eng. dan Dr. Ir. Harintaka, S.T., M.T., IPM.
selaku penguji tesis sekaligus dosen yang sejak saya duduk di bangku kelas beliau telah
memotivasi saya dengan kerendahan hati dan kesabarannya dalam menjelaskan materi.
Terimakasih pula kepada seluruh jajaran civitas akademika Prodi Magister Teknik
Geomatika, mulai dari Bapak Afiat yang selalu ada untuk seluruh mahasiswa hingga
kepala Departemen Teknik Geodesi Bapak Ir. Trias Aditya K.M., S.T., M.Sc., Ph.D.
Ucapan terimakasih saya haturkan kepada keluarga tercinta, Ir. Supardjo, SD.,
SU. dan Dwi Istuning, S.E. selaku orang tua yang senantiasa memberikan dukungan lahir
dan batin. Sufi Adi Widianto dan Fitriana Mustikaningrum yang telah berhasil menjadi
panutan sebagai kakak. Juga kepada kekasih saya Labitta Pachira Aquaira, terimakasih
telah hadir dan memberi dukungan dimasa-masa yang sulit dan bahagia.
Terimakasih kepada teman-teman seperjuangan Magister Geomatika 2017, 2018,
dan 2019 atas kehadirannya menjadi rekan diskusi, rekan lapangan, sekaligus teman baik.
Johan, Dimas, Mas Syaiful, Hiradaf, Sidiq, Yahya, Bimo, Mega, Elisa, Mbak Andita, Mas
Ari, Fildzah, Mas Aris, Anugrah, Zelin, Apriansyah, Mas Isnain dkk. terimakasih telah
berbagi ilmu dan energi positif. Semoga kita senantiasa diberi kesehatan. Kalian hebat.
Penulis sadari bahwasannya tesis ini tidaklah sempurna. Oleh sebab itu, penulis
menerima kritik dan saran yang dapat dikirimkan melalui email ataupun sosial media. Semoga
hasil peneilitan ini dapat bermanfaat.
Yogyakarta, Maret 2021
Maulana Yudinugroho
v
HALAMAN PERNYATAAN BEBAS PLAGIASI
Saya yang bertanda tangan di bawah ini:
Nama
: Maulana Yudinugroho
NIM
: 18/437536/PTK/12569
Tahun terdaftar
: 2019
Program Studi
: Magister Teknik Geomatika
Fakultas/Sekolah
: Teknik
Menyatakan bahwa dalam dokumen Tesis ini tidak terdapat bagian dari karya ilmiah
orang lain yang telah diajukan untuk memperoleh gelar akademik di suatu Lembaga
Pendidikan Tinggi, dan juga tida terdapat karya atau pendapat yang pernah ditulis atau
diterbitkan oleh orang/lembaga lain, kecuali yang tertulis disitasi dalam dokumen ini dan
disebutkan sumbernya secara lengkap dalam daftar pustaka.
Dengan demikian saya menyatakan bahwa dokumen ilmiah ini bebas dari unsur-unsur
plagiasi dan apabila dokumen ilmiah Tesis ini dikemudian hari terbukti merupakan
plagiasi dari hasil karya penulis lain dan/atau dengan sengaja mengajukan karya atau
pendapat yang merupakan hasil karya penulis lain, maka penulis bersedia menerima
sanksi akademik dan/atau sanksi hukum yang berlaku.
Yogyakarta, 9 Maret 2021
Maulana Yudinugroho
18/437536/PTK/12569
vi
DAFTAR ISI
JUDUL BAHASA INDONESIA ................................................................................ i
JUDUL BAHASA INGGRIS .................................................................................... ii
LEMBAR PENGESAHAN ...................................................................................... iii
HALAMAN PERSEMBAHAN ............................................................................... iv
KATA PENGANTAR................................................................................................ v
HALAMAN PERNYATAAN BEBAS PLAGIASI ................................................ vi
DAFTAR ISI ............................................................................................................ vii
DAFTAR GAMBAR................................................................................................. ix
DAFTAR TABEL ..................................................................................................... xi
DAFTAR ISTILAH ................................................................................................. xii
INTISARI ................................................................................................................ xiii
ABSTRACT .............................................................................................................. xiv
BAB I PENDAHULUAN........................................................................................... 1
1.1. Latar Belakang ...................................................................................................... 1
1.2. Rumusan Masalah ................................................................................................. 4
1.3. Tujuan Penelitian .................................................................................................. 4
1.4. Pertanyaan Penelitian ............................................................................................ 5
1.5. Ruang Lingkup Penelitian .................................................................................... 5
1.6. Manfaat Penelitian ................................................................................................ 5
1.7. Tinjauan Pustaka ................................................................................................... 6
1.8. Hipotesis Penelitan ............................................................................................. 10
BAB II LANDASAN TEORI .................................................................................. 11
2.1. Penginderaan Jauh Sistem Aktif ......................................................................... 11
2.2. Citra Satelit Radar............................................................................................... 13
2.2.1. Karakteristik Citra Sentinel-1 .......................................................................15
2.3. Synthetic Aperture Radar (SAR) ......................................................................... 16
2.4. Interferometry SAR (InSAR) ............................................................................. 18
2.5. Persistent Scatterer Interferometry Synthetic Apertur Radar (PSInSAR) ......... 20
2.5.1. Quasi Persistent Scatterer Interferometry (Q-PSI) ......................................22
2.6. Uji Akurasi.......................................................................................................... 23
2.7. Pemodelan Spasial Inverse Distance Weighted (IDW) ...................................... 24
BAB III PELAKSANAAN PENELITIAN ............................................................ 26
3.1. Deskripsi Area Kajian......................................................................................... 26
3.2. Persiapan Penelitian ............................................................................................ 26
3.2.1. Alat ...............................................................................................................27
vii
3.2.2. Bahan ............................................................................................................27
4.3. Pelaksanaan Penelitian........................................................................................ 28
3.2.3. Pemilihan Data ............................................................................................. 29
3.2.4. Pengolahan Data Awal ................................................................................. 32
3.2.5. Geocoding Awal (Preliminary Geocoding) ................................................. 33
3.2.6. Pengolahan InSAR ....................................................................................... 34
3.2.7. Pengolahan Multitemporal InSAR ............................................................... 34
3.4. Uji Akurasi .......................................................................................................... 36
3.5. Pemodelan Spasial untuk Mengetahui Lokasi Pemantauan Pergerakan Tanah . 37
BAB IV HASIL DAN PEMBAHASAN ................................................................. 38
4.1. Pengolahan InSAR .............................................................................................. 38
4.1.1. Image Graph Coherence Estimation ............................................................. 38
4.1.2. Hasil Pengolahan Interferogram ...................................................................39
4.2. Pengolahan Multi-Image InSAR ......................................................................... 42
4.2.1. Hasil Atmospheric Phase Screen (APS) ......................................................... 42
4.2.2. Hasil Pengolahan Multitemporal Sparse point ...............................................48
4.3. Uji Akurasi .......................................................................................................... 54
4.4. Analisis Lokasi Pergerakan Permukaan Tanah .................................................. 58
BAB V KESIMPULAN DAN SARAN ................................................................... 61
5.1. Kesimpulan ......................................................................................................... 61
5.2. Saran ................................................................................................................... 62
DAFTAR PUSTAKA ............................................................................................... 63
LAMPIRAN 1 Rincian epok citra satelit Sentinel-1............................................. 67
LAMPIRAN 2 Dokumentasi alat dan pengukuran titik validasi lapangan ....... 69
viii
DAFTAR GAMBAR
Gambar 1.1. Tren kejadian bencana di Indonesia tahun 2010-2020 ................................ 1
Gambar 2.1. Spektrum gelombang elektromaknetik dan respon terhadap suatu
objek...........................................................................................................11
Gambar 2.2 Perbedaan akuisisi data (a) RAR dan (b) SAR ........................................... 13
Gambar 2.3. Persentase pengaruh kandungan air di awan terhadap transmisi gelombang
radio dari luar angkasa ke permukaan bumi. ............................................. 13
Gambar 2.4. Gambaran umum sistem perekaman satelit radar ...................................... 14
Gambar 2.5. Misi penerbangan beberapa satelit SAR .................................................... 15
Gambar 2.6. Hubungan antara slant range dan ground range ....................................... 17
Gambar 2.7. Slant range dan ground range resolution pada radar ................................ 17
Gambar 2.8. Resolusi spasial antara RAR dan SAR ...................................................... 18
Gambar 2.9. Geometri InSAR ........................................................................................ 19
Gambar 2.10. Ilustrasi tipe akuisisi data pada SAR Interferometer ............................... 21
Gambar 2.11. Contoh perbedaan baseline yang menggunakan algoritma PSI (a) dan
grafik dengan algoritma Minimum Spanning Tree (MST) pada Q-PSI
berdasarkan rata-rata coherence interferogram (b), dimana warnanya
melambangkan tingkat konektivitas baseline antar citra........................... 23
Gambar 2.12. Interpolasi dengan metode IDW .............................................................. 25
Gambar 3.1. Peta tektonik regional yang menunjukkan patahan mayor di Pulau Jawa
dan kejadian seismik pada skala >5,5 SR dan kedalaman < 80km (A) dan
kenampakan Sesar Opak apabila dibandingkan dengan posisi titik pusat
gempa tahun 2006 (B)................................................................................26
Gambar 3.2. Diagram alir penelitian .............................................................................. 29
Gambar 3.3. Grafik normal baseline dan doppler centroid pada dataset citra Sentinel-1
mode ascending dan descending hasil ekstraksi informasi citra ............... 30
Gambar 3.4 Tampilan Footprint dan subswath area kajian hasil
ekstraksi informasi citra............................................................................. 31
Gambar 3.5. Tampilan muka pada SLC data processing ............................................... 31
Gambar 3. 6 Reflectivity map pada mode ascending (kiri) dan descending (kanan) ...... 32
Gambar 3.7. Amplitude Stability Index (ASI) pada mode ascending (kiri) and
descending (kanan) .................................................................................... 33
Gambar 3.8. Visualisasi data DEMNAS ........................................................................ 33
Gambar 3.9. Tampilan muka pengaturan parameter InSAR .......................................... 34
Gambar 3.10. Tampilan muka pengaturan parameter APS ............................................ 35
Gambar 3.11. Tampilan muka Multi-Image sparse points processing ........................... 36
Gambar 3.12. Scatter plot diagram antara titik pengukuran lapangan dan titik persistent
scatterer Q-PSI mode ascending (kiri) dan descending (kanan)............... 36
Gambar 4.1. Hasil konektivitas dengan algoritma MS- graph mode ascending (kiri) dan
descending (kanan).....................................................................................38
Gambar 4.2. Interferogram pada mode ascending .......................................................... 39
Gambar 4.3. Tingkat coherence pada mode ascending .................................................. 40
Gambar 4.4. Interferogram pada mode descending ........................................................ 41
Gambar 4.5. Tingkat coherence pada mode descending ................................................ 41
Gambar 4.6. Konektivitas Persistent Scatter Candidate (PSC) menggunakan metode
delaunay pada mode ascending ................................................................. 42
ix
Gambar 4.7. Konektivitas PSC menggunakan metode delaunay pada
mode descending ....................................................................................... 43
Gambar 4.8. Grafik connection height dan connection velocity hasil pengolahan APS
pada mode ascending................................................................................. 44
Gambar 4. 9. Grafik integrated height & residual height hasil pengolahan APS pada
mode ascending ......................................................................................... 44
Gambar 4.10. Grafik integrated velocity & integrated cummulative displacement hasil
pengolahan APS pada mode ascending ..................................................... 44
Gambar 4.11. Grafik connection height dan connection velocity hasil pengolahan APS
pada mode descending ............................................................................... 45
Gambar 4.12. Grafik integrated height & residual height hasil pengolahan APS pada
mode descending ....................................................................................... 45
Gambar 4.13. Grafik integrated velocity & integrated cummulative displacement hasil
pengolahan APS pada mode descending ................................................... 45
Gambar 4.14. Hasil pengolahan APS pada mode ascending .......................................... 47
Gambar 4.15. Hasil pengolahan APS pada mode descending ........................................ 47
Gambar 4.16. Peta dan grafik temporal coherence ascending data ................................ 48
Gambar 4.17. Peta dan grafik temporal coherence descending data .............................. 48
Gambar 4.18. PSC pada mode ascending (kiri) dan descending (kanan)....................... 49
Gambar 4.19. Hasil pengolahan Multi-Image sparse point mode ascending ................. 49
Gambar 4.20. Hasil pengolahan Multi-Image sparse point mode descending ............... 50
Gambar 4.21. Visualisasi mean LOS velocity pergerakan permukaan tanah kawasan
Sesar Opak dan sekitarnya pada mode ascending (atas) dan descending
(bawah) ...................................................................................................... 51
Gambar 4.22. Visualisasi hasil Q-PSI mode ascending secara interaktif pada Google
Earth .......................................................................................................... 54
Gambar 4.23. Visualisasi hasil QPS mode descending secara interaktif pada Google
Earth .......................................................................................................... 54
Gambar 4.24. Lokasi titik ground truthing dan dokumentasi lapangan ......................... 55
Gambar 4.25. Hasil interpolasi persistent scatterer point pergerakan permukaan tanah
mode ascending dan descending ............................................................... 58
x
DAFTAR TABEL
Tabel 1.1. Penelitian sebelumnya terkait pergerakan permukaan tanah dan penggunaan
metode InSAR .................................................................................................. 8
Tabel 2.1. Nama dan panjang gelombang pada beberapa saluran radar..........................12
Tabel 3.1. Spesifikasi pemilihan data citra satelit yang digunakan.................................29
Tabel 4.1 Klasifikasi pergerakan permukaan tanah pada mode ascending berdasarkan
nilai standar deviasi.........................................................................................52
Tabel 4.2. Klasifikasi pergerakan permukaan tanah pada mode ascending berdasarkan
nilai standar deviasi ........................................................................................ 53
Tabel 4.3. Perhitungan RMSE pada mode ascending .................................................... 56
Tabel 4.4. Perhitungan RMSE pada mode descending ................................................... 57
xi
DAFTAR ISTILAH
APS
Atmospheric Phase Screen
ASI
Amplitude Stability Index
DEM
Digital Elevation Model
DInSAR
Differential Interferometry Synthetic Aperture Radar
ESA
European Space Agency
GNSS
Global Navigation Satellite System
HH
Horizontal Horizontal
HV
Horizontal Vertical
IDW
Inverse Distance Weighted
InSAR
Interferometry Synthetic Aperture Radar
IW
Interferometric Wide Swath
LOS
Line of Sight
MST
Minimum Spanning Tree
PS
Persistent Scatterer
PSC
Persistent Scatterer Candidate
PSInSAR
Persistent Scatterer Interferometry Synthetic Aperture Radar
RTK
Real Time Kinematic
SBAS
Small Baseline Subset
StaMPS
Stanford Method of Persistent Scatterer
Q-PSI
Quasi Persistent Scatterer Interferometry
VV
Vertical Vertical
xii
INTISARI
Sesar Opak merupakan salah satu lempeng tektonik aktif yang terletak di Daerah
Istimewa Yogyakarta dan sebagian Provinsi Jawa Tengah. Data historis mencatat adanya
gempabumi yang terjadi di Yogyakarta, termasuk salah satunya gempa besar pada tahun
1867, 1943, dan 2006 yang memakan korban jiwa. Untuk meminimalisir risiko dimasa
mendatang, pemahaman maupun pemantauan area rentan terhadap pergerakan
permukaan tanah menjadi perlu dilakukan. Pemantauan pergerakan permukaan tanah
dapat dilakukan dengan pendekatan sistem penginderaan jauh, contohnya menggunakan
metode InSAR. Penyempurnaan pengolahan data radar kini telah menghasilkan berbagai
macam metode, salah satunya adalah metode Quasi-Persistent Scatter Inteferometry (QPSI) SAR. Secara garis besar, metode Q-PSI mampu melakukan analisis multitemporal
dan memaksimalkan data persistent scatterer dari suatu piksel untuk mendapatkan
informasi geometrik dari suatu objek permanen maupun nonpermanen. Pada penelitian
ini dilakukan dengan tujuan untuk menganalisis distribusi spasial pergerakan permukaan
tanah secara multitemporal dan mengetahui dimana lokasi pemantauan deformasi yang
optimal berdasarkan hasil analisis pergerakan permukaan tanah dari pengolahan metode
Q-PSI.
Tahapan penelitian ini terdiri atas tahap pengolahan data radar dengan metode QPSI, pengukuran lapangan untuk uji akurasi, dan analisis pemantauan pergerakan
permukaan tanah. Data radar yang akan diolah yaitu citra Sentinel-1A Band C dengan
polarisasi VV. Pengolahan data awal menggunakan 33 epok 14/10/2014 s.d. 12/09/2020
pada mode ascending dan 32 epok 09/12/2014 s.d. 08/09/2020 pada mode descending.
Perbedaan mode akuisisi data Sentinel-1 menunjukkan perbedaan arah pengambilan
gambar dan incidence angles, hal tersebut digunakan untuk menghasilkan analisis yang
lebih menyeluruh. Pada tahap uji akurasi, titik sampel yang diukur menggunakan GNSS
dengan metode real time kinematic dan dibandingkan dengan hasil akhir persistent
scatterer Q-PSI untuk diketahui nilai Root Mean Square Error. Sedangkan analisis akhir
dilakukan dengan pemodelan spasial berupa interpolasi hasil pengolahan Q-PSI dari
mode ascending dan descending.
Distribusi titik persistent scatterer pergerakan permukaan tanah hasil pengolahan
menggunakan metode Q-PSI tahun 2014 s.d. 2020 menunjukan tingginya pergerakan
dengan pola memanjang di sekitar Sesar Opak. Rentang akumulasi pergerakan yang
terjadi pada area kajian yaitu sebesar -59 mm s.d. +29,6 mm. Hasil pemrosesan pada
mode ascending menunjukkan penurunan sebesar -3,024 s.d. -10 mm/tahun dengan
jumlah scatterer points sebanyak 3074. Sedangkan pada mode descending, jumlah
penurunan yang tercatat sebesar -5,526 s.d. -10 mm/tahun dengan jumlah scatterer point
sebanyak 3165 titik. Distribusi pergerakan permukaan tanah didominasi di wilayah
pesisir selatan dan disekitar Sesar Opak dengan nilai penurunan mencapai -7 hingga -10
mm/tahun.
Kata Kunci: Deformasi, persistent scatterer interferometry, SAR, Sesar Opak
xiii
ABSTRACT
The Opak River Fault is one of the most active tectonic plates located in Special
Region of Yogyakarta and constitutes part of Central Java Province. Historical data of
tectonic plate movement recorded the occurence of significantly powerful earthquakes
that had struck Yogyakarta in 1867, 1943, and 2006 which resulted in mass causality. In
order to minimize possible upcoming risks, understanding and monitoring of areas
vulnerable to surface deformation are crucial. Surface deformation observation can be
done using a remote sensing approach, such as the InSAR method. Efforts in perfecting
radar data processing have resulted in the birth of novel methods, example being QuasiPersistent Scatter Interferometry (Q-PSI). Substantially, the Q-PSI method allows
multitemporal analysis and increases the accuracy of persistent scatterer data from a
pixel to extract geometric information of a certain permanent or non-permanent object.
The aim of this study was to analyze spatial distribution of surface deformation using
multitemporal analysis, and consequently determine the location for optimal monitoring
of surface deformation using the Q-PSI method.
This research consisted of radar data processing using Q-PSI, field measurement
to test for accuracy, and analysis of surface deformation data monitoring. In the early
processing stage of this study, a total of 33 epoch from 14/10/2014 until 12/09/2020 in
ascending mode and 32 epoch from 09/12/2014 until 08/09/2020 in descending mode
radar images from Sentinel-1A were utilized. The variation in data acquisition using
Sentinel-1 showed the difference in image capture direction and incidence angles, in
order to visualize a more comprehensive analysis. An accuracy test was then carried out
by measuring the sample points using GNSS real time kinematic method. The results from
GNSS data processing were subsequently compared with Q-PSI classifications to
ascertain the Root Mean Square Error (RMSE) value. Whereas the final analysis made
use of a spatial mode in the form of persistent scatter points interpolastion obtained from
Q-PSI ascending and descending modes data processing.
Overall, the distribution of surface deformation persistent scatterer points
obtained via Q-PSI from 2014 to 2020 visualized significant deformation in an elongated
pattern through the Opak River Fault. The surface deformation accumulation range of
the study area in ascending mode resulted in -59 mm until +29.6 mm. The end product of
data processing in ascending mode described a decreasing value of -3.024 to -10
mm/year, with a total of 3074 scatterer points. Whereas in descending mode, the highest
recorded decrease was -5.526 mm until -10 mm/year, with a total of 3165 scatterer points.
The distribution of surface deformation was predominantly found along the south coast
area and around the Opak River Fault, with a declining range of values of -7 until -10
mm/year.
Keywords: Deformation, persistent scatterer interferometry, SAR, Opak Fault
xiv
BAB I
PENDAHULUAN
1.1. Latar Belakang
Indonesia dikenal sebagai daerah rawan bencana karena secara fisiografis berada
pada pertemuan 3 (tiga) lempeng besar dunia yaitu lempeng Euroasia, Pasifik, dan IndoAustralia. Kondisi tersebut mampu menyebabkan tingginya aktivitas pergerakan lempeng
di beberapa wilayah di Indonesia. Berdasarkan data Badan Penanggulangan Bencana
(BNPB, 2020), bencana alam yang terjadi selama 10 tahun terakhir memiliki variasi yang
beragam dan mengalami peningkatan pada 4 (empat) tahun terakhir (Gambar 1.1).
Kejadian bencana yang meningkat salah satunya yaitu pergerakan permukaan tanah
ataupun gempabumi, terutama pada tahun 2018 dan 2019. Beberapa contoh gempabumi
yang memakan banyak korban di Indonesia antara lain gempabumi di Aceh tahun 2004,
DIY tahun 2006, NTB tahun 2018, serta gempabumi di Sulawesi Tengah pada tahun
2018.
Gambar 1.1. Tren kejadian bencana di Indonesia tahun 2010-2020 (BNPB, 2020)
Salah satu lokasi yang pernah mengalami gempabumi akibat pergerakan lempeng
adalah area Sesar Opak yang memanjang dan mencakup daerah Bantul, Yogyakarta,
Gunung Kidul, hingga Klaten Jawa Tengah. Setelah kejadian gempabumi pada bulan Mei
tahun 2006 yang memakan korban meninggal sebanyak ribuan jiwa, kajian pada Sesar
Opak semakin banyak dilakukan, baik secara insitu maupun eksitu. Pengamatan secara
insitu dilakukan dengan mengamati langsung suatu objek melalui pengukuran langsung
di lapangan menggunakan atau instrumen tertentu. Sedangkan pengamatan eksitu dapat
1
berupa pemanfaatan teknologi penginderaan jauh untuk pemetaan atau memodelkan
dengan pembuatan beberapa skenario.
Pergerakan permukaan tanah dapat terjadi ketika adanya perubahan bentuk atau
ukuran karena pengaruh suatu gaya pada kurun waktu tertentu. Beberapa penelitian telah
dilakukan di Sesar Opak terkait dengan kejadian pergerakan lempeng maupun deformasi
pada permukaan tanah. Penelitian tersebut telah dikaji dari beberapa keilmuan, seperti
paleogegrafi dengan rekonstruksi lempeng permukaan bumi (Hall, 2012), pemantauan
deformasi dan pergerakan lempeng menggunakan teknologi GNSS (Widjajanti dkk.,
2018, 2020), dan pengolahan data citra penginderaan jauh InSAR (Tsuji dkk., 2009).
Pemantauan deformasi Sesar Opak telah dilakukan oleh Widjajanti dkk. (2020)
menggunakan penggukuran Global Positioning Systems (GPS) dari data pengukuran 17
stasiun GPS dari tahun 2013 s.d. 2016 dan 5 stasiun GPS dari tahun 2017 s.d. 2018. Titik
pantau pengukuran deformasi yang dibuat oleh Laboratorium Geodesi Departemen
Teknik Geodesi FT UGM telah dikaji untuk diketahui optimasi jaring yang optimum agar
dapat dilakukan pemantauan geodinamik Sesar Opak secara makro (Widjajanti dkk.,
2018). Jaring pemantauan Sesar Opak dipilih berdasarkan syarat matriks kriteria,
keamanan lokasi, besaran obstruksi, dan melihat kondisi geologi pada area kajian. Hasil
pemantauan menunjukan terdapat satu titik (TG4E) pada Graben Bantul yang mengalami
pergerakan dengan nilai 7,137 mm/tahun ke arah timur dan titik SGY6 yang berada pada
daerah gawir sesar mengalami pergerakan sebesar 8,89 mm/tahun ke arah utara. Akan
tetapi, analisis yang dilakukan pada penelitian tersebut belum mampu mencakup kondisi
pergerakan Sesar Opak luas sebagai suatu sistem bentang alam. Agar mampu mengetahui
kondisi pergerakan secara luas pada area yang tidak tercakup survei GNSS, studi
menggunakan penginderaan jauh menggunakan metode Persisttent Scater Interferometry
(PSI) dapat digunakan.
Pengukuran pergerakan permukaan tanah menggunakan teknologi penginderaan
mampu menawarkan hasil visualisasi yang baik untuk skala tinjau. Salah satu metode
yang sering digunakan dalam pengukuran yaitu InSAR. InSAR mulai digunakan untuk
mengukur deformasi di permukaan bumi sejak tahun 1980 (Gabriele dkk., 1989).
Pemanfaatan teknologi tersebut telah diterapkan untuk melakukan visualisasi deformasi
dari kejadian gempabumi, aktivitas gunungapi, kegiatan tambang, penurunan muka tanah,
pemantauan bentang lahan glasial, hingga kejadian longsorlahan. Walaupun demikian,
2
terdapat beberapa kendala dalam aplikasi dari metode InSAR. Kendala tersebut berupa
adanya gangguan sinyal pada atmosfer, dekorelasi geometri, refleksi dari objek, hingga
dekorelasi temporal ketika satelit melakukan akuisisi data (Tofani dkk., 2013)
Metode InSAR merupakan pendekatan konvensional untuk pengukuran
deformasi permukaan tanah (Perissin, 2016). Sebagai upaya meminimalisir faktor
kesalahan dalam hasil pengukuran, terdapat beberapa metode yang sudah dikembangkan
dalam melakukan analisis deformasi. Pendekatan baru yang sering digunakan yaitu teknik
DInSAR dan multi-interferograms berupa PSI. Pendekatan menggunakan DinSAR
umumnya menggunakan 2 (dua) citra SAR pada suatu area yang sama lalu dihitung
perbedaan nilai fasenya untuk mendapatkan nilai pergerakan. Sedangkan pendekatan PSI
merupakan pendekatan berbasis data citra multitemporal yang dapat menghitung
perbedaan fase serta melihat adanya pergerakan permukaan bumi.
Metode PSI kini juga telah berkembang. Beberapa metode PSI yang selama ini
telah digunakan antara lain, PSInSAR (Ferretti dkk., 2000, 2001), PSInSAR yang
mempertimbangkan koreksi troposfer menggunakan citra satelit MODIS PWV
(Azeriansyah & Harintaka, 2019), SqueeSAR (Ferretti dkk., 2011), Stanford Persistent
Scatterers Interferometry (StaMPS) (Hooper dkk., 2004, 2007), Interferometric Point
Target Analysis (IPTA) (Strozzi dkk., 2006), Small Baseline Subset (SBAS) (Berardino
dkk., 2002; Lanari dkk., 2004), Stable Point Network (SPN) (Crosetto dkk., 2008; Herrera
dkk., 2011), Persistent Scatterer Pairs (PSP) (Costantini dkk., 2008), dan Q-PSI SAR
(Perissin & Wang, 2012).
Pengukuran pergerakan permukaan tanah menggunakan multitemporal PSI
mampu memberikan informasi terkait deformasi pada area yang luas dengan presisi
hingga sentimeter, oleh sebab itu pendekatan ini cocok untuk investigasi pergerakan
massa pada skala regional. Melalui analisis statistik dari sinyal backscatter, PSI dapat
memperkirakan perpindahan yang terjadi antara akuisisi data yang berbeda dengan
membedakan pergeseran fase serta mempertimbangkan adanya pengaruh kesalahan pada
atmosfer, topografi, dan gangguan sinyal (Ferretti dkk., 2000).
Metode Q-PSI dikembangkan oleh Perissin & Wang (2012) dengan
mengelaborasi metode SBAS dan PS-StaMPS melalui modifikasi beberapa fungsi untuk
mengekstrak informasi deformasi.
Metode ini mampu mengidentifikasi dan
mengestimasi target yang mengalami pergerakan melalui tingkat kecerahan dan pantulan
3
dari gelombang SAR pada objek permanenen maupun non-permanen. Penelitian kali ini
menggunakan data multitemporal dari citra satelit radar Sentinel-1 untuk menganalisis
performa metode Q-PSI dalam mendeteksi pergerakan permukaan tanah serta
menentukan lokasi yang paling optimal apabila dilakukan pemantauan deformasi.
1.2. Rumusan Masalah
Pergerakan tanah merupakan fenomena yang mampu menyebabkan kerugian
materil, nonmateril, maupun kehilangan jiwa. Pengukuran pergerakan tanah dapat
dilakukan untuk beberapa keperluan seperti pemantuan penurunan muka tanah, dinamika
gunungapi, deformasi pergerakan lempeng, hingga pemantauan lereng. Salah satu lokasi
yang rawan terkait kejadian pergerakan permukaan tanah adalah Sesar Opak. Tahun 2006
gempabumi dengan pusat gempa yang berada disekitar Sesar Opak mengakibatkan
kerugian ekonomi serta ribuan korban jiwa. Semenjak kejadian tersebut, kajian
mengenaik Sesar Opak perlu dilakukan untuk dapat meningkatkan kapasitas dan mitigasi
terkait kejadian bencana.
Pemantauan dalam area yang luas menggunakan data penginderaan jauh dapat
merepresentasikan kondisi sistem lereng atau kenampakan fisiografis dari suatu wilayah.
Penerapan teknologi penginderaan jauh radar mampu mengolah data fase menjadi nilai
laju pergerakan permukaan tanah dapat dijadikan pilihan utama dalam menganalisis laju
pergerakan permukaan tanah pada area dengan cakupan yang luas. Metode Q-PSI sebagai
teknik pengolahan data citra satelit radar tingkat lanjut memiliki kelebihan dalam dalam
melakukan evaluasi tingkat koherensi antar target dalam mengukur nilai fase, sehingga
distribusi scatterer points dapat mencakup objek permanen maupun non-permanen.
Adanya distribusi spasial pergerakan permukaan tanah mampu membantu pengambilan
keputusan dalam upaya mitigasi maupun menentukan titik pemantuan deformasi yang
optimal. Berdasarkan kelebihan tersebut, pengukuran pergerakan permukaan tanah
menggunakan metode Q-PSI perlu dilakukan untuk mengetahui distribusi spasial
pergerakan permukaan tanah di area Sesar Opak.
1.3. Tujuan Penelitian
Tujuan umum pada penelitian ini yaitu menganalisis laju pergerakan permukaan
tanah menggunakan metode Q-PSI, sedangkan tujuan khususnya meliputi:
1. Menganalisis distribusi spasial pergerakan permukaan tanah secara multitemporal
menggunakan metode Q-PSI.
4
2. Mengetahui lokasi pemantauan deformasi yang optimal berdasarkan hasil analisis
pergerakan permukaan tanah.
1.4. Pertanyaan Penelitian
Berdasarkan permasalahan yang telah dirumuskan, maka pertanyaan terkait
penelitian ini meliputi:
1. Bagaimana distribusi persistent scatterer pergerakan permukaan tanah hasil
pengolahan menggunakan metode Q-PSI?
2. Bagaimana cara mengetahui lokasi yang optimal untuk melakukan pemantauan
deformasi permukaan tanah di wilayah Sesar Opak?
1.5. Ruang Lingkup Penelitian
Ruang lingkup penelitian ini meliputi beberapa komponen, yaitu:
1. Metode yang digunakan untuk pengukuran laju pergerakan permukaan tanah
adalah Q-PSI, sedangkan analisis akumulasi pergerakan permukaan tanah dilihat
berdasarkan interpolasi hasil pengolahan data citra satelit mode ascending dan
descending.
2. Pengujian akurasi pengolahan Q-PSI dilakukan dengan membandingkan
koordinat titik pengukuran di lapangan dengan titik persistent scatterer hasil
akhir pengolahan Q-PSI.
3. Penelitian ini menggunakan analisis deskriptif kuantitatif berdasarkan
distribusi spasial dari deformasi permukaan tanah.
1.6. Manfaat Penelitian
Manfaat dari penelitian ini terbagi menjadi 2 (dua) macam, manfaat bagi bidang
ilmu pegetahuan dan peningkatan kapasistas terkait mitigasi bencana. Pertama terkait
manfaat terkait bidang keilmuan penginderaan jauh yaitu berupa tersedianya informasi
terkait adanya berbagai metode dalam memanfaatkan citra satelit radar yang dapat di
akses secara open source. Oleh karena itu hasil penelitian diharapkan mampu menambah
wawasan bagi akademisi maupun peneliti untuk mengembangkan teknik PSInSAR untuk
berbagai macam tujuan, salah satunya untuk pemantauan laju pergerakan permukaan
tanah pada suatu area. Selanjutnya, manfaat bagi bidang perencaan, pemantauan, maupun
peningkatan kapasitas terkait kebencanaan. Oleh karena itu hasil penelitian diharapkan
mampu menjadi landasan dalam pengambilan keputusan ataupun pengambilan kebijakan
terkait wilayah rawan bahaya.
5
1.7. Tinjauan Pustaka
Perkembangan InSAR dimulai sejak tahun 1980 dengan adanya algoritma dan
perhitungan yang meminimalisir faktor kesalahan dari radar berupa dekorelasi temporal,
geometri, dan kesalahan dari backscatter yang terjadi di atmosfer. Ruiz-Armenteros dkk.
(2016) melakukan kajian terkait multitemporal InSAR yang bertujuan untuk pemantauan
deformasi peremukaan tanah pada daerah pegunungan di Betic Cordillera dengan
membandingkan hasil yang didapatkan. Metode yang digunakan adalah analisis
multitemporal InSAR dengan perangkat lunak StaMPS, SARPROZ, dan P-SBAS.
Perbedaan pemilihan metode sangat berpengaruh terhadap hasil deformasi. Hasil antara
StaMPS dan SARPROZ memiliki kesamaan pada beberapa lokasi. Namun, pengolahan
menggunakan SARPROZ mampu menyajikan data dengan variasi distribusi yang lebih
baik.
Perbandingan metode pengukuran deformasi permukaan tanah menggunakan
persistent scatterer semakin banyak dilakukan. Kuri dkk. (2018) malakukan kajuan untuk
menganalisis stabilitas lereng pada Kota Nainital menggunakan metode PS dan Q-PSI.
Hasil yang didapat manunjukan kecepatan pergerakan rata-rata dari pemrosesan
persistent scatterer yaitu -25 mm/tahun dengan pergerakan paling banyak terdeteksi pada
wilayah non-urban. Performa PS dan Q-PSI memiliki persamaan yang cukup signifikan.
Namun demikian, performa Q-PSI mampu mendeteksi lebih banyak titik sebaran
deformasi di area non-urban dibanding PS. Perbandingan antar metode dalam
pemantauan deformasi juga dilakukan oleh Ruiz-Armenteros dkk. (2018). Penelitian
tersebut dilakukan dengan tujuan pengamatan penurunan permukaan tanah di Malaga
menggunakan pemrosesan dataset dengan pendekatan DORIS dari TU Delft, StaMPS,
dan SARPROZ. Berdasarkan metode multitemporal PS-InSAR berupa ISCE-StaMPS
dan Q-PSI, hasil yang didapatkan menunjukkan penurunan muka tanah dan deformasi
terdeteksi pada beberapa zona. Pengolahan PS-InSAR dengan beberapa perangkat lunak
mampu bekerja secara optimal ketika menggunakan citra satelit dengan jumlah kurang
lebih 30 gambar, namun hasilnya kurang maksimal ketika diterapkan pada daerah dengan
tutupan lahan vegetasi yang tebal.
Penelitian multitemporal PSInSAR dengan perangkat lunak SARPROZ juga telah
digunakan dibeberapa wilayah. Razi dkk. (2018) memetakan dan melakukan pemantauan
terkait deformasi pada morfologi lereng V Kelok Sembilan menggunakan metode Quasi
6
Peristent Scatterer Interferometry dengan citra satelit Sentinel-1 band C mode ascending
dan descending. Metode tersebut mampu mendeteksi adanya deformasi pada lereng terjal
dengan bentuk morfologi V. Hasil ekstraksi menghasilkan 2 (dua) zona deformasi dengan
nilai pergerakan kumulatif lebih dari 500 mm dan kecepatan pergerakan 120 mm/tahun.
Hasil titik pergerakan permukaan tanah dilakukan interpolasi Inverse Distance Weighted
(IDW) untuk mengvisualisasikan kepadatan pergerakan permukaan tanah di lokasi kajian.
Pada wilayah Sesar Opak, penelitian menggunakan InSAR dilakukan oleh
Dewanto dkk. (2020) menggunakan metode metode SBAS yang diolah dengan perangkat
lunak LiCSBAS. Penelitian tersebut menggunakan pengolahan multitemporal 14 data
citra Sentinel-1 sejak tahun 2016 s.d. 2019. Hasil pemantauan deformasi yang dilakukan
menunjukkan bahwa terdapat adanya kenaikan permukaan tanah pada bagian barat Sesar
Opak sebesar ~15mm/tahun dan penurunan pada bagian timur sebesar ~30mm/tahun.
Beberapa kajian terkait penggunaan InSAR maupun pergerakan permukaan tanah
disajikan pada Tabel 1.1.
Pengukuran pergerakan tanah pada Sesar Opak belum pernah dilakukan
menggunakan metode Q-PSI. Sehingga penelitian terkait pengukuran pergerakan
permukaan tanah pada Sesar Opak memiliki perbedaan dengan penelitian yang lain dari
segi kebaruan lokasi dan modifikasi metode yang dilakukan. Penelitian ini memanfaatkan
pengolahan data open source Sentinel-1 Band C dengan mode ascending dan descending
dan pengolahan sistem informasi geografis untuk mengetahui distribusi pergerakan
permukaan tanah dari kombinasi kedua mode pengambilan gambar.
7
Tabel 1.1. Penelitian sebelumnya terkait pergerakan permukaan tanah dan penggunaan metode InSAR
No Peneliti
Judul
1
Tsuji dkk. Earthquake fault of the
26
May
2006
(2009)
Yogyakarta
earthquake observed
by InSAR.
2
Multitemporal InSAR
RuizArmenteros processing
dkk. (2016) comparison in
presence of high
topography.
3
Tujuan
Mendeskripsikan deformasi
permukaan terkait dengan
kejadian
gempabumi
Yogyakarta tahun 2006
dengan metode InSAR
Metode
Metode InSAR
menggunakan citra ALOS
PALSAR band L
Hasil
Deformasi terjadi di sekitar episentrum
gempa Yogyakarta 2006, akan tetapi tidak
dapat terdeteksi secara jelas. Lajur
deformasi berbentuk paralel serta menjalar
hingga kota Yogyakarta
Memantau
deformasi
pemurkaan pada daerah
pegunungan
di
Betic
Cordillera
serta
membandingkan hasil yang
didapat dengan beberapa
metode
Tiga metode InSAR yaitu
StaMPS, SARPROZ, dan
P-SBAS
pada
area
pegunungan dengan citra
satelit ERS dan Encisat
ASAR
Perbedaan pemilihan metode sangat
berpengaruh terhadap hasil deformasi. Hasil
antara StaMPS dan SARPROZ memiliki
kesamaan pada beberapa lokasi. Namun,
pengolahan dengan SARPROZ mampu
menyajikan data dengan variasi distribusi
yang baik dan memiliki interface yang baik.
stabilitas Multitemporal PS dan Q- Kecepatan pergerakan rata-rata dari
Kuri dkk. Slope stability analysis Menganalisis
in Nainital Town using lereng dengan Kota Nainital PS interferometry
pemrosesan PS yaitu -25 mm/tahun.
(2018)
Persistent Scatterer menggunakan metode PS
and Q-PS InSAR dan Q-PS interferometry
technique.
4
Razi dkk. Long-term
deformation
(2018)
land Memetakan dan melakukan Metode
pemantauan
terkait interferometry
monitoring
using deformasi pada morfologi
Quasi-Persistent
lereng V Kelok Sembilan
Scatterer
(Q-PS) dengan
metode
Q-PS
technique observed by interferometry dengan orbit
Kejadian paling banyak terdeteksi pada
wilayah non-urban. Performa PS dan QPS
memiliki persamaan yang cukup signifikan.
Tetapi performa QPS lebih banyak
mendeteksi sebaran deformasi di area nonurban dibanding PS
Q-PS Q-PS mampu mendeteksi adanya deformasi
pada lereng terjal dengan bentuk morfologi
V. Hasil ekstraksi menghasilkan 2 (dua)
zona deformasi dengan nilai pergerakan
kumulatif lebih dari 500 mm dan kecepatan
pergerakan 120 mm/tahun. Hasil dari titik
8
Lanjutan Tabel 1.1.
No Peneliti
5
6
Judul
Tujuan
Metode
Sentinel-1A:
case citra satelit
band C
study Kelok Sembilan. ascending dan descending
Hasil
deformasi dilakukan interpolasi IDW untuk
mengvisualisasikan kepadatan deformasi di
lokasi kajian.
Monitoring
Memantau
terhadap Metode
PS-InSAR Penurunan muka tanah dan deformasi
Ruizcontinuous
subsidence
penurunan
permukaan
tanah
dengan
pendekatan
ISCE- terdeteksi pada beberapa zona. Metode PSArmenteros
in
the
Costa
del
Sol
di
Malaga
dengan
StaMPS
&
Q-PS InSAR dengan beberapa perangkat lunak
dkk. (2018)
Dewanto
dkk. (2020)
(Málaga
province,
southern
Spanish
coast) using ERS-1/2,
Envisat, and Sentinel1A/B InSAR.
pemrosesan dataset dengan Interferometry
pendekatan DORIS dari TU
Delft,
StaMPS,
dan
SARPROZ
Opak fault deformation
monitoring
using
Sentinel-1 InSAR data
from
2016-2019
in
Yogyakarta Indonesia.
Memantauan deformasi pada Metode SBAS
perangkat
area sekitar Sesar Opak
LiCSBAS
mampu bekerja secara optimal ketika
menggunakan citra satelit dengan jumlah
kurang lebih 30 gambar, namun hasilnya
kurang maksimal ketika diterapkan pada
daerah dengan tutupan lahan vegetasi yang
tebal.
dengan Hasil dari pemantauan deformasi yang
lunak dilakukan menunjukkan bahwa terdapat
adanya kenaikan permukaan tanah pada
bagian barat Sesar Opak sebesar ~15mm dan
penurunan pada bagian timur sebesar
~30mm/tahun.
9
1.8.Hipotesis Penelitan
Berdasarkan kajian literatur yang telah dilakukan, penelitian ini memiliki
beberapa hipotesis, meliputi:
1. Q-PSI mampu mendekeksi pergerakan permukaan tanah di Sesar Opak yang
disajikan dalam bentuk data persistent scatterer points. Persebarannya
dipengaruhi beberapa faktor alam atau campur tangan manusia. Hal ini didasari
oleh penelitian Dewanto dkk. (2020) yang mampu mendeteksi adanya
kenaikan dan penurunan muka tanah pada area Sesar Opak dan sekitarnya.
Serta penelitian Ruiz-Armenteros dkk. (2018) yang mampu menghasilkan
persistent scatterer points dengan dominasi pergerakan di wilayah persisir
karena pengaruh fenomena penurunan muka tanah.
2. Lokasi pemantauan deformasi permukaan tanah yang optimal dapat ditemukan
pada zona lemah atau wilayah yang memiliki pergerakan permukaan yang
tinggi dari hasil pengolahan Q-PSI. Zona lemah tersebut didasarkan oleh
Widjajanti dkk. (2018, 2020) yang melakukan pengukuran pada Sesar Opak
dan sekitarnya serta menemukan adanya patahan lokal yang perlu diketahui
lebih lanjut.
10
BAB II
LANDASAN TEORI
2.1.Penginderaan Jauh Sistem Aktif
Penginderaan jauh merupakan ilmu pengetahuan dan teknologi dalam
memperoleh, mengolah, maupun menganalisis suatu objek tanpa melakukan interaksi
langsung dengan objek tersebut (Lillesand dkk., 2004). Konsep penginderaan jauh
melibatkan sumber energi serta sensor yang berfungsi untuk merekam maupun
mengidentifikasi
suatu
objek
berdasarkan
respon
pantulan
gelombang
elektromagnetik. Jensen (2015) menjelaskan bahwa akuisisi data penginderaan jauh
dapat terbagi menjadi 2 (dua) sensor yaitu sensor pasif yang dipengaruhi oleh radiasi
elektromagnetik yang dipancarkan oleh sumber alami, sedangkan penginderaan jauh
sensor aktif menggunakan gelombang mikro yang berupa radar/lidar untuk mendeteksi
suatu objek.
Gelombang
mikro
merupakan
bagian
dalam
spektrum
gelombang
elektromaknetik. Spektrum gelombang elektromaknetik terdiri atas gelombang
tampak dan tidak tampak. Hal yang mampu membedakan antar satu gelombang
dengan yang lain yaitu panjang gelombang yang dimiliki (Richards, 2009). Gambar
2.1 menjelaskan terkait perbedaan panjang gelombang dari sinar gamma hingga
gelombang radio.
Gambar 2.1. Spektrum gelombang elektromaknetik dan respon terhadap suatu objek
(Richards, 2009)
11
Panjang gelombang yang digunakan pada citra satelit radar dibagi berdasarkan
beberapa kode saluran mulai dari rentang nilai 0,75 hingga 100 cm. Semakin panjang
gelombang yang dimiliki maka semakin besar juga frekuensi dan penetrasi dari setiap
kai pancaran. Tabel 2.1 menjelaskan terkait beberapa saluran dengan gelombang radar
yang digunakan dalam penginderaan jauh.
Tabel 2.1. Nama dan panjang gelombang pada beberapa saluran radar (Lillesand dkk., 2004)
Nama saluran
radar
Ka
K
Ku
X
C
S
L
P
Panjang gelombang (λ)
dalam sentimeter
0,75 s.d.1,1
1,1 s.d.1,67
1,67 s.d. 2,4
2,4 s.d. 3,75
3,75 s.d.7,5
7,5 s.d.15
15 s.d. 30
30 s.d. 100
Frekuensi v = c λ-1
(MHz)
40.000 s.d. 26.500
26.500 s.d. 18.000
18.000 s.d.12.500
12.500 s.d. 8.000
8000 s.d. 4000
4000 s.d. 2000
2000 s.d. 1000
1000 s.d. 300
Penginderaan jauh sensor aktif menggunakan gelombang mikro dapat
dikelompokan menjadi real-aperture dan synthetic-aperture (Gambar 2.2). Sistem
real-aperture terbagi menjadi side-looking airborne radar (SLAR), scatterometers,
altimeters, dan meteorological radars sedangkan sistem synthetic-aperture meliputi
synthetic-aperture
radar
(SAR),
inverse
synthetic-aperture
(ISAR),
dan
Interferometric synthetic-aperture (InSAR) (Ulaby & Long, 2014). Keterbatasan citra
optis dalam merekam objek menyebabkan perkembangan citra satelit dengan
gelombang aktif radar semakin banyak dikaji. Teknologi radar pertama kali
diterbangkan ke luar angkasa pada tahun 1960an, dimana radar mampu merekam suatu
objek pada malam hari serta visibilitasnya yang tinggi karena dapat menembus
awan/kabut/salju. Gambar 2.3 menyajikan informasi terkait pengaruh awan terhadap
transmisi gelombang dari luar angkasa ke permukaan bumi. Nilai kesalahan terbesar
yaitu ketika menggunakan gelombang micro dengan panjang gelombang dibawah 2
cm.
12
Gambar 2.2 Perbedaan akuisisi data (a) RAR dan (b) SAR (modifikasi Lillesand dkk., 2004)
Gambar 2.3. Persentase pengaruh kandungan air di awan terhadap transmisi gelombang
radio dari luar angkasa ke permukaan bumi (Ulaby & Long, 2014).
2.2.Citra Satelit Radar
Radar merupakan akronim dari radio detection and ranging. Penginderaan
jauh menggunakan gelombang radar pertama kali dipancarkan dari stasiun radio pada
tahun 1925 untuk mengetahui jarak dan ketinggian dari kandungan air pada ionosfer.
Semenjak penelitian tersebut, teknologi radar semakin berkembang, dimana airborne
radar pertama kali digunakan pada perang dunia ke-2 yang memanfaatkan frekuensi
modul altimeter sebesar 400 MHz untuk mengidentifikasi suatu area (Matsuo, 1938
dalam Ulaby & Long, 2014). Prinsip identifikasi objek menggunakan radar
mempertimbangkan jarak dan respon gelombang pantul yang ditransmisikan dari
wahana menggunakan prinsip frekuensi doppler. Hal tersebut mendasari konsep
synthetic aperture, dimana karakteristik antena, besaran frekuensi yang dipancarkan,
dan arah azimut dari satelit mampu mempengaruhi tingkat kedetilan objek. Nilai yang
13
ditangkap dari hamburan pulsa yang kembali ke sensor (backscatter) memiliki rona
dan tekstur kasar hingga lembut yang dengan nilai spektrum mikro. Gambar 2.4
berikut ini menjelaskan tahapan akuisisi data radar hingga dapat dimanfaatkan.
Gambar 2.4. Gambaran umum sistem perekaman satelit radar (Modifikasi Richards, 2009)
Citra satelit radar yang berada di luar angkasa yang pertama kali diluncurkan
yaitu Seasat band L pada tahun 1978 untuk merekam kondisi permukaan laut. Terdapat
jeda yang cukup panjang hingga pada tahun 1991 perkembangan radar untuk merekam
objek di permukaan bumi mulai diluncurkan kembali, dimana European Space Agency
(ESA) menggunakan sistem SAR yang diterapkan pada satelit ERS-1 band C.
Berikutnya dilanjutkan oleh Japan Aerospace Exploration Agency (JAXA) pada tahun
1992 yang meluncurkan satelit JERS dengan band L. Beberapa satelit SAR yang
diluncurkan pada umumnya memiliki band C, L, dan X. Gambar 2.5 menjelaskan
urutan satelit yang telah diluncurkan sejak tahun 1991 s.d. 2024.
14
Gambar 2.5. Misi penerbangan beberapa satelit SAR (UNAVCO, 2019)
2.2.1. Karakteristik Citra Sentinel-1
Citra Sentinel-1 merupakan salah satu satelit penginderaan jauh yang
dikembangkan oleh European Radar Observatory untuk kerjasama Copernicus Uni
Eropa dengan badan ESA (European Space Agency) yang diluncurkan pada tahun
2014 sebagai bentuk kelanjutan dari satelit SAR band C milik ESA sebelumnya yaitu
ERS dan ENVISAT. Tujuan diluncurkannya Sentinel-1 yaitu untuk kajian monitoring
pemetaan permukaan es, monitoring lingkungan marin, manajemen tanah, air, dan
hutan, bencana alam, dan perubahan di permukaan bumi. Selain itu, data Single Look
Complex (SLC) Interferometric Wide (IW) milik Sentinel-1 dibuat khusus untuk
analisis interferometrik akan menguntungkan pengguna dalam lingkup kajian analisa
aktivitas bencana alam, tambang, geologi, dan perencanaan kota dengan pendekatan
pengukuran risiko longsor (ESA, 2012). Secara umum, karakteristik satelit Sentinel-1
dapat dirangkum dalam Tabel 2.2.
15
Parameter
Tabel 2.2. Spesifikasi citra Sentinel-1 (ESA, 2012)
Interferometric
Wave Mode
Strip Map Mode
Wide (IW)
(WV)
(SM)
Swath Mode
Center
Frequency
Extra WideSwath Mode
(EW)
5405 GHz (C-band)
Dual (HH+HV,
VV+VH)
Single (HH,
VV)
Dual (HH+HV,
VV+VH)
Dual (HH+HV,
VV+VH)
Incidence
Angles
Azimuth
Resolution
Ground range
resolution
31⁰ s.d. 46⁰
23⁰ s.d.37⁰
20⁰ s.d.47⁰
20⁰ s.d.47⁰
20 m
5m
5m
40 m
5m
5m
5m
20 m
Swath
250 km
Vignette 20
x 20 km
80 km
410 km
Radiometric
stability
Radiometric
accuracy
0,5 dB (3σ)
0,5 dB (3σ)
0,5 dB (3σ)
0,5 dB (3σ)
1 dB(3σ)
1 dB(3σ)
1 dB(3σ)
1 dB(3σ)
Polarisation
2.3.Synthetic Aperture Radar (SAR)
Synthetic Aperture Radar (SAR) merupakan pendekatan yang memodifikasi
sistem Real Aperture Radar (RAR) dengan menggunakan antena yang lebih pendek
untuk memproduksi gelombang yang lebih lebar agar mendapatkan resolusi spasial
yang lebih detil ketika melakukan akuisisi data (Aronoff, 2005). Penginderaan jauh
menggunakan sistem radar memanfaatkan antena yang memancarkan gelombang
dengan sistem side-looking radar (SLR). Pancaran gelombang tersebut menyebabkan
data yang direkam tidak tepat dibawah sensor. Hasil rekaman SLR memiliki range
resolution yang didalamnya memiliki nilai kesalahan geometrik antara slant range
resolution dan ground range resolution Gambar 2.6. Nilai range resolution (Rr)
dipengaruhi oleh sudut perekaman (Ɵd), kecepatan cahaya (c), dan durasi penembakan
gelombang (τ) (Lillesand dkk., 2004), sehingga perhitungan range resolution dapat
dihitung seperti persamaan (2.1) berikut:
𝑐𝜏
𝑅𝑟 = 2 cos 𝜃𝑑
(2.1)
16
Gambar 2.6. Hubungan antara slant range dan ground range (Lillesand dkk., 2004)
Slant range resolution yang berbeda dengan ground range resolution. Slant
range resolution merupakan jarak antara transmiter antena dan objek, sedangkan
ground range resolution merupakan panjang area diatas permukaan bumi yang
terekam oleh satelit (Gambar 2.7). Persamaan untuk mendapatkan ground resolution
berdasarkan Lillesand dkk. (2004) berada pada persamaan (2.2) s.d. (2.4).
Gambar 2.7. Slant range dan ground range resolution pada radar (Lillesand dkk., 2004)
𝑆𝑅 =
𝑐𝑡
2
2
𝑆𝑅 = 𝐻 2 + 𝐺𝑅
(2.2)
2
𝐺𝑅 = (𝑆𝑅2 − 𝐻 ′2 )1/2
(2.3)
(2.4)
Dalam hal ini 𝑆𝑅 merupakan slant range, c merupakan kecepatan cahaya (3 x 108
m/dt), t merupakan waktu yang dibutuhkan antara pulsa yang ditransmisikan dan
gelombang yang diterima sensor, H merupakan ketinggian wahana, dan 𝐺𝑅 adalah
ground range.
17
Satelit SAR dengan side-looking radar secara dua dimensi terdiri atas slant
range dan azimuth range. Azimuth range merupakan panjang cakupan area yang
terekan di permukaan bumi. Nilai tersebut dipengaruhi oleh lebar gelombang dari
antena (β) dan 𝐺𝑅 ground range. Terdapat perbedaan nilai azimuth resolution pada
RAR dan SAR, dimana perekaman pada sistem SAR lebih fokus memancarkan
gelompang pada area sempit (Gambar 2.8) bukan spherical. Perhitungan azimuth
resolution dijabarkan pada persamaan (2.5) dan (2.6) (Lillesand dkk., 2004).
Gambar 2.8. Resolusi spasial antara RAR dan SAR (Lillesand dkk., 2004)
𝜆
𝛽 = 𝐴𝐿
(2.5)
𝑅𝑎 = 𝐺𝑅 . 𝛽
(2.6)
Dalam hal ini 𝛽 adalah beamwidth dari antena, 𝜆 panjang gelombang yang
dipancarkan, AL merupakan panjang antena, dan Ra adalah resolusi azimuth pada area
kajian.
2.4. Interferometry SAR (InSAR)
InSAR merupakan pengembangan dari SAR yang memanfaatkan perbedaan
nilai fase antara 2 (dua) citra satelit SAR dengan arah orbit dan sudut perekaman yang
sama namun memiliki waktu perekaman yang berbeda (Perissin, 2016). Awal mula
percobaan InSAR dilakukan pada tahun 1970an oleh Graham dkk., lalu pada tahun
1980an disempurnakan oleh hasil publikasi oleh Goldstein dan Zebker yang mampu
melakukam coregistrarion antara 2 (dua) citra SAR untuk menghasilkan interferogram
dan data ketinggian (Ulaby & Long, 2014).
18
Pengukuran InSAR menggunakan karakteristik geometrik dari fase yang
terekam pada citra SAR untuk mendapatkan nilai ketinggian dan deformasi permukaan
tanah. Penerapan metode ini perlu setidaknya 2 (dua) citra SAR yang direkam pada
suatu objek yang bertampalan atau memiliki nilai backscatter tiap piksel yang hampir
serupa. Gambar 2.9 menyajikan informasi terkait geometri pengukuran InSAR. Titik
P merupakan objek di permukaan bumi, r merupakan slant range antara antena dan
objek, dan B merupakan jarak antara 2 (dua) citra SAR.
Gambar 2.9. Geometri InSAR (modifikasi Lillesand dkk., 2004)
Dalam hal ini perhitungan fase digunakan persamaan (2.7) (Perissin, 2016),
𝜙𝑖 =
4𝜋
𝜆
𝑅𝑖
(2.7)
𝑅𝑖 merupakan fungsi yang menggambarkan jarak sensor, untuk mendapatkan nilai fase
perhitungan dilakukan dalam bentuk radian menjadi persamaan (2.8).
𝜙𝑖 = 𝜙𝑖 ± 2𝑛𝜋
(2.8)
n merupakan bilangan bulat. Apabila terdapat 2 (dua) citra radar i dan k dapat
dihitung interferogram seperti persamaan (2.9).
𝐼𝑛𝑡𝑖,𝑘 (𝑠, 𝑙) = 𝐼𝑚𝑔𝑖 (𝑠, 𝑙) . 𝐼𝑚𝑔𝑘∗ (s,l)
(2.9)
Perhitungan tersebut diterapkan dari piksel ke piksel, dimana s,l merupakan piksel
notasi dan tanda * menggambarkan konjugasi kompleks. Nilai interferometrik antara
gambar i dan k dapat di eksperesikan pada persamaan (2.10) dan (2.11).
19
𝜙𝑖,𝑘 (𝑠, 𝑙) = 𝜙𝑖 (𝑠, 𝑙) − 𝜙𝑘 (s,l)
𝜙𝑖,𝑘 (𝑠, 𝑙) =
4𝜋
𝜆
(2.10)
[𝑅𝑖 (𝑠, 𝑙) − 𝑅𝑘 (𝑠, 𝑙)]
(2.11)
Apabila nilai untuk topografi diketahui menggunakan data Digital Elevation
Model (DEM), perhitungan deformasi permukaan tanah secara temporal dapat
dilakukan. Teknik perhitungan tersebut dikenal dengan Differential InSAR (DInSAR).
Teknik tersebut pertama kali digunakan untuk mengukur deformasi lempeng bumi
akibat gempa pada tahun 1992 (Massonnet dkk., 1994). Perhitungan Differential
InSAR berdasarkan persamaan (2.12) Perissin (2016).
𝑓𝑙𝑎𝑡
𝐷𝐼𝑛𝑆𝐴𝑅
𝛥 𝜙𝑖,𝑘
= 𝛥𝜙𝑖,𝑘 − 𝛥 𝜙𝑖,𝑘
ℎ𝑒𝑖𝑔ℎ𝑡
− 𝜙𝑖,𝑘
(2.12)
2.5.Persistent Scatterer Interferometry Synthetic Apertur Radar (PSInSAR)
PSInSAR
merupakan
perkembangan
dari
metode
DInSAR
yang
memanfaatkan citra SAR secara multitemporal. Metode PSInSAR pertama kali
dikenalkan oleh Ferretti dkk. (2001) dengan mempertimbangkan faktor kesalahan
yang disebabkan di atmosfer serta kesalahan temporal dan geometrik. PSInSAR
memanfaatkan pengolahan data dengan 2 (dua) antena pada satelit yang dipasang
secara terpisah atau dikenal dengan istilah repeat pass (Gambar 2.10). Tahapan
penting dalam metode persistent scatterer berdasarkan Ferretti dkk. (2001) sebagai
berikut:
1. Perhitungan interferogram,
2. Perhitungan perbedaan nilai interferogram menggunakan data DEM,
3. Estimasi awal menggunakan nilai piksel yang paling berhubungan satu sama
lain. Piksel tersebut dijadikan acuan untuk mendapat Persistent Scatterer
Candidate (PSC) sementara,
4. Penyempurnaan tahap ke-3 dengan mempertimbangkan nilai kesalahan
atmosfer yang dikurangkan dengan grid PSC. Lalu interpolasi dilakukan untuk
mendapatkan interferogram yang terkoreksi.
20
Gambar 2.10. Ilustrasi tipe akuisisi data pada SAR Interferometer (Richards, 2009)
Analisis menggunakan PSInSAR dibuat dengan tujuan menyelesaikan
permasalahan yang diakibatkan karena kesalahan dalam pengolahan data InSAR.
Apabila dijabarkan secara matematis, model matematis untuk pengukuran nilai piksel
acuan (𝑝) dalam pengolahan data berdasarkan Perissin (2016) dijabarkan pada
persamaan (2.13)
𝑓𝑙𝑎𝑡
ℎ𝑒𝑖𝑔ℎ𝑡
𝑑𝑖𝑠𝑝
𝑎𝑡𝑚𝑜
(𝑝) + 𝛥𝜙𝑖,𝑘
(𝑝) + 𝛥𝜙𝑖,𝑘
(𝑝) + 𝛥ɳ𝑖,𝑘 (𝑝) (2.13)
𝛥𝜙𝑖,𝑘 (𝑝) = 𝛥𝜙𝑖,𝑘 (𝑝) + 𝛥𝜙𝑖,𝑘
Dalam hal ini nilai k merupakan citra acuan (master) dan i merupakan citra lain pada
𝑓𝑙𝑎𝑡
dataset (slave), lalu 𝛥𝜙𝑖,𝑘
ℎ𝑒𝑖𝑔ℎ𝑡
merupakan nilai fase dari citra, 𝛥𝜙𝑖,𝑘
merupakan data
DEM atau ketinggian yang digunakan yang dihitung dengan persamaan (2.14) dan
(2.15).
𝑓𝑙𝑎𝑡
𝛥𝜙𝑖,𝑘 (𝑝) =
ℎ𝑒𝑖𝑔ℎ𝑡
𝛥𝜙𝑖,𝑘
4𝜋 𝐵𝑛,𝑖 𝛥𝑟(𝑝)
𝜆 𝑅𝑘 𝑡𝑎𝑛𝜃
(𝑝) =
4𝜋 𝐵𝑛,𝑖 𝛥ℎ(𝑝)
𝜆 𝑅𝑘 𝑠𝑖𝑛𝜃
(2.14)
(2.15)
Sedangkan nilai pergerakan mempertimbangkan kecepatan pergerakan relatif dari titik
p dan panjang temporal baseline dari master dan slave, shingga dihitung sebagai
persamaan (2.16).
𝑑𝑖𝑠𝑝
(𝑝) =
𝛥𝜙𝑖,𝑘
4𝜋
𝜆
𝛥𝑣(𝑝)𝐵𝑛,𝑖
(2.16)
21
Nilai kesalahan pada atmosfer adalah data bias yang dipengaruhi beberapa hal,
yaitu luasan area kajian dan jenis saluran radar yang digunakan. Pada skala detil
pengaruhnya hanya fraksi milimeter, kandungan air dalam atmosfer merupakan faktor
yang paling berpengaruh. Kesalahannya tidak sebesar pengaruh geometrik maupun
temporal permukaan bumi (Perissin, 2016). Sedangkan salah satu faktor yang
berpengaruh dalm hitungan yaitu 𝛥ɳ𝑖,𝑘 (𝑝) atau indikator gangguan (noise) yang dapat
dihitung dengan model residu. Proses penting untuk meminimalisir kesalahan
temporal dan geometrik dengan melakukan perhitungan peridogram yang disebut
temporal coherence. Area yang dicari merupakan Np, dimana suatu piksel N1 dihitung
nilai ketinggian ( 𝛥ℎ(𝑝)) dan kecepatan (𝛥𝑣(𝑝)) tiap titik berdasarkan baseline 𝐵𝑡,𝑖 −
𝐵𝑛,𝑖 , berdasarkan Perissin (2016) persamaan ditulis pada persamaan (2.17).
𝜉[𝛥𝑣̃(𝑝), 𝛥ℎ̃(𝑝)] =
Kv =
4𝜋
𝜆
1
𝑁1
1
𝑖[𝛥𝜙𝑖,𝑘 (𝑝) − 𝑘𝑣 𝛥𝑣(𝑝)𝐵𝑡,𝑖 −
∑𝑁
𝑖=1𝑒
𝑘ℎ 𝛥ℎ(𝑝)𝐵𝑛,𝑖 ]
(2.17)
4𝜋
dan Kh = 𝜆𝑅 𝑠𝑖𝑛𝜃 sehingga temporal coherence dapat disederhanakan menjadi
persamaan (2.18).
𝛥𝑣̃(𝑝), 𝛥ℎ̃(𝑝) = arg max{|𝜉[𝛥𝑣̃(𝑝), 𝛥ℎ̃(𝑝)]|}
(2.18)
2.5.1. Quasi Persistent Scatterer Interferometry (Q-PSI)
Pemrosesan data radar menggunakan metode PSInSAR pada tingkat lanjut
digunakan untuk mendapatkan hasil yang lebih baik dengan meminimalisir kesalahan
serta mempertimbangkan karakteristik data dan lokasi kajian. Contoh metode
pengembangan PSInSAR antara lain SBAS yang mampu menganalisis interferogram
berdasarkan baseline terdekat untuk meminimalisisr dekorelasi geometrik (Berardino
dkk., 2002) maupun PS-StaMPS yang menggunakan analsis fase secara spasial dan
meningkatkan korelasi temporal (Hooper dkk., 2004). Sebuah pendekatan yang
mengelaborasikan SBAS dan PS-StMPS menggunakan analisis multritemporal citra
SAR dikenalkan oleh Perissin & Wang (2012) dengan nama Q-PSI.
Q-PSI berbeda dengan PSI. Secara garis besar, metode Q-PSI mampu
memaksimalkan analisis persistent scatterer dari suatu piksel untuk mendapatkan
22
informasi walaupun dengan tingkat coherence yang rendah seperti pada wilayah nonpermukiman. Pendekatan Q-PSI awalnya menggunakan data interferogram yang
memiliki tingkat coherence paling baik lalu diberi bobot untuk diterapkan pada setiap
data fase yang lain (Perissin & Wang, 2012). Berdasarkan Kuri dkk. (2018), 3 (tiga)
hal yang membedakan pendekatan Q-PSI terhadap metode lain yaitu:
1. Tidak terpaku pada korelasi citra acuan tertentu, lebih dinamis ketika memilih
korelasi baseline antar dataset. Salah satu contohnya menggunakan algoritma
Minimum Spanning Tree (MST) untuk mendapatkan nilai kohenrensi
interferogram yang lebih optimal, berbeda dengan PSI yang menggunakan 1
(satu) citra acuan untuk dijadikan referensi baseline antar citra (star graph)
seperti Gambar 2.11.
Gambar 2.11. Contoh perbedaan baseline yang menggunakan algoritma PSI (a) dan
grafik dengan algoritma Minimum Spanning Tree (MST) pada Q-PSI berdasarkan
rata-rata coherence interferogram (b), dimana warnanya melambangkan tingkat
konektivitas baseline antar citra (Perissin & Wang, 2012)
2. Target yang menghasilkan data ketinggian dan pergerakan diproses kembali
untuk mengestimasi nilai pergerakan berdasarkan bobot coherence pada tiap
subset dari interferogram.
3. Mempertimbangkan distribusi target, dimana mampu melakukan spatial
filtering untuk meningkatkan rasio signal-to-noise dari fase interferometri.
2.6. Uji Akurasi
Pengujian akurasi citra merupakan tahapan yang dilakukan untuk mengetahui
kualitas geometri dari data geospasial. Uji akurasi dilakukan dengan membandingkan
23
geometri hasil pengolahan data dan hasil pengukuran di lapangan. Penelitian ini
menggunakan standar akurasi peta dari Badan Informasi Geospasial dengan
menggunakan perhitungan Root Mean Square Error (RMSE). Perhitungan RMSE
mempertimbangkan jarak yang terbentuk antara dia koordinat. Pada umumnya RMSE
dapat dibedakan menjadi 2 (dua) macan yaitu RMSE horizontal yang ditunjukan pada
persamaan (2.19) dan RMSE vertikal ditunjukan pada persamaan (2.20) (FDGC,
1998).
RMSE horizontal = √
RMSE vertikal = √
∑( 𝑋 − 𝑋𝑖)2 + ∑( 𝑌 − 𝑌𝑖)2
𝑛
∑( 𝑍 − 𝑍𝑖)2
𝑛
(2.19)
(2.20)
Keterangan:
X
: Nilai koordinat X titik hasil pemodelan
𝑋𝑖
: Nilai koordinat X titik hasil pengukuran di lapangan
Y
: Nilai koordinat Y titik hasil pemodelan
𝑌𝑖
: Nilai koordinat Y titik hasil pengukuran di lapangan
Z
: Nilai koordinat Z titik hasil pemodelan
Zi
: Nilai koordinat Z titik hasil pengukuran di lapangan
2.7. Pemodelan Spasial Inverse Distance Weighted (IDW)
Pemodelan spasial merupakan transformasi suatu data spasial yang merupakan
bagian dari pemanfaatan tekonologi sistem informasi geografis. Terdapat beberapa
metode dalam pemodelan data spasial, salah satunya yaitu IDW. Metode IDW
merupakan metode interpolasi untuk mengestimasi nilai pada suatu area yang tidak
diukur dengan moving avarage berdasarkan bobot nilai yang telah mimiliki nilai
disekitarnya (Rolf dkk., 2001). Metode ini sangat mempertimbangkan jarak dalam
perhitungannya, sehingga nilai interpolasi lebih mirip dengan titik terdekat dibanding
titik terjauh. Ilustrasi dari metode IDW dapat dilihat pada Gambar 2.12.
24
Circular
moving
window
Titik estimasi
Titik
Sampel
Gambar 2.12. Interpolasi dengan metode IDW (Rolf dkk., 2001)
Pembobotan pada perhitungan IDW berubah secara linier seiring dengan
perubahan jarak antara titik estimasi dan titik sampel. Persamaan matematis terkait
pembobotan dan perhitungannya menurut Graeme F. Bonham-Carter (1994) berada
pada persamaan (2.19) dan (2.20).
1
𝑑𝑖𝑝
1
∑𝑛
𝑡 = 1𝑑𝑖𝑝
(2.21)
Ẑ0 = ∑𝑛𝑖= 1 𝑤𝑖 𝑍𝑖
(2.22)
wi =
Ẑ0 merupakan nilai titik yang dicari, wi merupakan faktor bobot pada titik i, Zi
merupakan nilai dari titik estimasi i, di merupakan jarak antara titik estimasi dan titik
sampel, sedangkan p merupakan faktor eksponen pada perhitungan.
25
BAB III
PELAKSANAAN PENELITIAN
3.1. Deskripsi Area Kajian
Lokasi kajian terletak pada area Sesar Opak yang berbatasan dengan Palung
Jawa yang merupakan salah satu lempeng tektonik paling aktif di dunia karena terletak
pada zona subduksi (Gambar 3.1). Sesar Opak merupakan salah satu kenampakan
fisiografis yang disebabkan oleh pergerakan lempeng bumi dan juga termasuk pada
zona fisiografi Pegunungan Selatan (Bemmelen, 1949). Sesar Opak merupakan
patahan utama yang membatasi Lajur Baturagung bagian barat dengan dataran rendah
Yogyakarta (Van Bemmelen, 1949; Untung dkk., 1973; Rahardjo dkk., 1995; Ign.
Sudarno, 1997 dalam Husein dan Srijono, 2007). Berdasarkan sejarah gempabumi
yang tercatat, di Yogyakarta terjadi sebanyak 7 (tujuh) kali, termasuk kejadian pada
tahun 1867, 1943, dan 2006 menyebabkan wilayah ini memiliki potensi adanya
pergerakan (Sutiono dkk., 2018).
A
B
Gambar 3.1. Peta tektonik regional yang menunjukkan patahan mayor di Pulau Jawa dan
kejadian seismik pada skala >5,5 SR dan kedalaman < 80km (A) dan kenampakan Sesar
Opak apabila dibandingkan dengan posisi titik pusat gempa tahun 2006 (B)
(Sumber: modifikasi Koulali dkk., 2017 & Tsuji dkk., 2009)
3.2. Persiapan Penelitian
Tahapan persiapan terbagi menjadi 2 (dua) tahapan utama. Tahapan pertama
yaitu persiapan alat yang digunakan dalam mendeteksi pergerakan permukaan tanah
pada lokasi penelitian. Kedua terkait persiapan bahan dan data yang digunakan untuk
pemrosesan data. Perincian alat dan bahan dijelaskan sebagai berikut.
26
3.2.1. Alat
Peralatan meliputi perangkat keras dan perangkat lunak. Penjabaran dari
peralatan yang digunakan sebagai berikut.
A. Perangkat keras meliputi:
1. Komputer dengan spesifikasi processor i7, 512GB SSD, 1 TB hardisk,
dan RAM 16GB.
2. Hardisk External 1 TB untuk penyimpanan data.
3. CHCnav i50 GNSS receiver, controler, dan carbon pole 1 buah untuk
pengukuran titik di lapangan menggunakan metode RTK.
4. Kamera digital untuk proses dokumentasi kegiatan.
B. Perangkat lunak meliputi:
1. Sistem operasi Windows 10 sebagai interface perangkat lunak lain
yang digunakan.
2. Perangkat lunak ArcGIS Pro 2.5 untuk pemrosesan data geospasial
serta pemodelan IDW.
3. Perangkat lunak QGIS 3 untuk pengolahan dan klasifikasi data sparse
point hasil export data dari Sarproz.
4. Perangkat lunak Matlab 2019 untuk menjalankan script pengolahan
data radar yang dimiliki Sarproz.
5. Perangkat lunak Sarproz 2019 sebagai graphic user interface
extension pada Matlab untuk pemrosesan data citra satelit radar.
6. Google Earth Pro untuk visualisasi data hasil pengolahan citra SAR
dari Sarproz.
7. Microsoft Office 2016 untuk pengolahan data maupun penulisan
laporan.
3.2.2. Bahan
Bahan yang digunakan pada kajian deteksi pergerakan permukaan tanah
menggunakan data sebagai berikut.
1. Citra satelit Sentinel-1 SLC mode ascending 14/10/2014 s.d. 12/09/2020
dan descending 09/12/2014 s.d. 08/09/2020 yang diunduh dari website
27
https://search.asf.alaska.edu milik Alaska Satellite Facility.
2. Digital Elevation Model (DEM) dengan resolusi 8,25 m yang terdiri atas 9
scene dengan format .tiff dari website http://tides.big.go.id/DEMNAS milik
Badan Informasi Geospasial.
3. Data digital Peta RBI skala 1:25.000 Provinsi Daerah Istimewa Yogyakarta
dan Jawa Tengah dari website http://tanahair.indonesia.go.id/portal-web
milik Badan Informasi Geospasial.
4. Peta Geologi skala 1:100.000 lembar 1408-2 dan 1407-5 Yogyakarta dan
lembar Surakarta 1408-3 dari website https://geoportal.esdm.go.id/geologi/
milik Kementrian Energi dan Sumber Daya Mineral Indonesia.
4.3. Pelaksanaan Penelitian
Pelaksanaan Kegiatan penelitian terkait deformasi permukaan pada Sesar Opak
memanfaatkan data penginderaan jauh dengan citra satelit radar. Proses untuk
mendapatkan hasil akhir terdiri atas tahapan pemrosesan data, uji akurasi, hingga
analisis data. Tahapannya dijabarkan pada gambar diagram alir (Gambar 3.2).
Gambar 3.2. Diagram alir penelitian
28
Gambar 3.2. Diagram alir penelitian
Tahap pelaksanaan penelitian terbagi menjadi beberapa tahapan meliputi:
3.2.3. Pemilihan Data
Proses data selection terdiri atas pemilihan subswath, pengaturan orbit,
pemilihan master, resample, dan coregistration. Pada mode ascending subswath yang
digunakan yaitu IW1 dan descending yaitu IW2. Untuk mempersingkat pemrosesan,
area kajian difokuskan pada wilayah sekitar Sesar Opak. Penelitian ini menggunakan
65 scene citra satelit Sentinel-1A dengan 2 mode yang berbeda, yaitu mode ascending
sebanyak 33 epok dan descending sebanyak 32 epok. Rincian epok satelit Sentinel-1A
yang digunakan dapat dilihat pada Lampiran 1. Sedangkan pada proses pemilihan data,
spesifikasi data yang digunakan dapat dilihat pada Tabel 3.1.
Tabel 3.1. Spesifikasi pemilihan data citra satelit yang digunakan
Sensor
Sentinel-1A
Mode
Incidence
angle
Heading
angle
Track
Polariasi
Total
Epok
Citra
master
Ascending
33,6801
-167,5330
127
VV
33
20150717
Descending
39,1778
-33,6801
76
VV
32
20141209
Pengolahan data secara multitemporal mempertimbangkan korelasi hamburan
fase antara citra master dan slave karena berpengaruh pada interferometric coherence.
Semakin rendah interferometric coherence, maka tingkat dekorelasinya semakin
besar. Adanya dekorelasi dipengaruhi dari baseline, doppler centroid, volume, dan
temporal decorrelation (Hanssen, 2001). Gambar 3.3 menunjukkan nilai normal
29
baseline dan doppler centroid dari data yang digunakan. Perbedaan normal baseline
disebabkan adanya perbedaan incidence angles ketika proses akuisisi data, begitu juga
doppler centroid yang dipengaruhi incidence angles serta perubahan sudut antara arah
Descending
Ascending
penembakan gelombang dari antena dan garis perpendicular terhadap jalur terbang.
Gambar 3.3. Grafik normal baseline dan doppler centroid pada dataset citra Sentinel-1 mode
ascending dan descending hasil ekstraksi informasi citra
Citra Sentinel-1 memiliki single polarization (HH dan VV) dan dual
polarization (HH+VH). Data dual polarization pada mode ascending tersedia mulai
dari tahun 2017, sedangkan pada mode descending tersedia mulai dari tahun 2015
keatas. Pada penelitian ini mempertimbangkan homogenitas data polarisasi
keseluruhan data, sehingga data polarisasi yang dipilih untuk pengolahan data yaitu
single polarization. Pengolahan single polarisasi VV memiliki kelebihan berupa hasil
yang lebih baik dibandingkan HH ketika mendeteksi adanya perubahan (Vaka dkk.,
2017). Pada mode ascending, subswath yang digunakan yaitu IW1 dan descending
yaitu IW2 dengan luas area penelitian 20km2 (Gambar 3.4).
30
Gambar 3.4 Tampilan Footprint dan subswath area kajian hasil ekstraksi informasi citra
Tahapan berikutnya pada SLC processing yaitu pemilihan citra master untuk
dijadikan acuan ketika pengolahan data secara multitemporal (Gambar 3.5). Setelah
didapatkan citra master, dilakukan pemotongan subswath berdasarkan area kajian.
Menyamakan area kajian pada proses analisis data secara multitemporal merupakan
tahapan penting untuk menyamakan posisi antara citra master dan slave. Proses
menyamakan luasan area kajian dan koreksi geometrik awal pada pengolahan data
awal dinamakan dengan co-registration. Metode co-registration didasarkan pada data
orbital seluruh citra dan dikombinasikan dengan data DEM berupa DEMNAS
Indonesia untuk menormalisasi wilayah yang tidak memiliki elevasi.
Gambar 3.5. Tampilan muka pada SLC data processing
31
3.2.4. Pengolahan Data Awal
Tahap pengolahan data bertujuan untuk mendapatkan PSC awal berdasarkan
nilai reflectivity map dan Amplitude Stability Index (ASI). Nilai reflectivity map
dihitung berdasarkan dengan rata-rata nilai pantulan objek dari seluruh data citra satelit
yang digunakan. Gambar 3.6 menunjukkan reflectivity map ascending dan descending
area kajian yang menganalisis rona citra untuk mendapatkan standar deviasi temporal.
Secara umum, amplitudo pada citra SAR merupakan pancaran gelombang yang terdiri
atas complex sinyal yang terdapat nilai magnitudo dan fase di dalamnya. Perangkat
lunak Sarproz memiliki kemampuan untuk mengenali dan mendeteksi target dengan
ekstraksi informasi dari nilai amplitudo.
Gambar 3. 6 Reflectivity map pada mode ascending (kiri) dan descending (kanan)
Pada Sarproz, nilai magnitudo dihitung dari ASI. Hasil dari amplitudo ASI
selain berfungsi untuk bahan dalam pemilihan PSC, juga digunakan dalam koreksi
fase pada proses Atmospheric Phase Screen (APS) dan proses Geocoding. Oleh
sebab itu, perhitungan ASI pada tahapan ini dilakukan dengan persamaan (3.1)
(Fárová dkk., 2019).
ASI = 1– 𝐷A = (𝜎A /𝑚A )
(3.1)
Dalam hal ini nilai 𝐷A merupakan amplitudo, 𝑚A merupakan rata-rata deviasi dari
amplitudo dari waktu tertentu, dan 𝜎A merupakan standar deviasi dari waktu tertentu.
Hasil pengolahan ASI ditunjukkan pada Gambar 3.7.
32
Gambar 3.7. Amplitude Stability Index (ASI) pada mode ascending (kiri) and descending
(kanan)
3.2.5. Geocoding Awal (Preliminary Geocoding)
Tahap ini dilakukan agar citra SAR mampu bertampalan dengan permukaan
bumi. Geocoding awal terdiri atas pemilihan eksternal DEM, visualisasi DEM,
pemilihan control point antara master dan slave, hingga penyeragaman posisi relatif
dari setiap piksel pada area subset menggunakan data parameter orbit dan DEM. Data
DEM yang digunakan pada kali ini yaitu DEMNAS Indonesia (Gambar 3.8) dengan
resolusi 0,27 arc-second (8,25 m) dan memiliki datum vertikal EGM2008. Tahapan
pemilihan titik kontrol disesuaikan antara koordinat SAR pada reflectivity map yang
disesuaikan dengan objek yang ada pada Google Earth. Setelah pemilihan titik kontrol,
data DEM dan synthetic amplitude diproses untuk dijadikan koordinat SAR.
elevasi (m)
Gambar 3.8. Visualisasi data DEMNAS
33
3.2.6. Pengolahan InSAR
Tahap ini terdiri atas estimasi nilai coherence berdasarkan image graph antar
citra, pembuatan interferogram, serta perhitungan coherence hasil interferogram.
Pemilihan image graph dilakukan untuk mengolah konfigurasi pada data
multitemporal. Pada pengolahan Q-PSI, konfigurasi citra yang digunakan yaitu MST.
Algoritma MST dapat memaksimalkan hubungan dan tingkat coherent link
interferograms ketika dilakukan pemrosesan (Perissin & Wang, 2012).
Pembuatan interferogram bertujuan untuk melakukan flattening terkait
infromasi kelengkungan bumi serta menghilangkan pengaruh komponen fase
topografi (DEM removal). Gambar 3.9 menunjukkan interface dalam pengaturan
parameter
InSAR.
Interferogram
memerlukan
data
citra
temporal
dalam
perhitungannya, perbedaan waktu pengambilan data dan geometri wahana mampu
menyebabkan adanya ganggunan. Untuk meminimalisir noise dilakukan filtering dan
estimasi nilai coherence. Pada pembuatan interferogram, proses filtering yang
menggunakan algoritma Goldstein Modification (Gabriel dkk., 1989) dengan
coherence window size sebesar 15.
Gambar 3.9. Tampilan muka pengaturan parameter InSAR
3.2.7. Pengolahan Multitemporal InSAR
Pengolahan data multitemporal InSAR melalui beberapa tahapan meliputi APS
34
estimation, graph analysis, dan refinement yang menggunakan nilai ASI untuk melihat
hubungan antara hasil APS dan PSC, dan sparse point processing. Tahap ini
menggunakan time series module untuk menghasilkan data Line of Sight (LOS) dan
nilai kumulatif deformasi permukaan tanah.
Pemanfaatan repeat-pass InSAR menggunakan beberapa data radar dengan
akuisisi waktu yang berbeda mampu menyebabkan adanya perbedaan kondisi
atmosfer. Pengaruh atmosfer dapat mempengaruhi presisi dari pergerakan permukaan
tanah maupun estimasi ketinggian suatu objek. Untuk meminimalisir gangguan, PSC
dengan nilai coherence ASI lebih dari 0,75 yang dihubungkan menggunakan prinsip
delaunay triangular pada proses APS (Gambar 3.10) untuk mendapatkan PSC yang
terkoreksi.
Gambar 3.10. Tampilan muka pengaturan parameter APS
Tahapan berikutnya yaitu Multi-Image sparse points processing (Gambar
3.11). Tahapan ini merupakan penggabungan hasil koreksi yang telah dilakukan
sebelumnya. Beberapa input yang dipilih meliputi image-graph connection, sparse
point selection, titik referensi, fase dataset, sparse processing parameters, dan final
APS. Pemrosesan tersebut dilakukan untuk menghasilkan persistent scatter points
yang telah memiliki data multitemporal.
35
Gambar 3.11. Tampilan muka Multi-Image sparse points processing
3.4. Uji Akurasi
Proses uji akurasi dilakukan dengan data geometrik hasil pemrosesan dari
perangkat lunak Sarproz yang divalidasi dengan data titik GNSS. Pemilihan titik
sampel disebar merata pada area kajian dan mempertimbangkan nilai akhir dari
cummulative displacement pada persistent scatterer yang dihasilkan metode Q-PSI.
Titik sampel ground truthing diukur dengan GNSS dengan metode RTK. Total titik
yang telah dilakukan pengukuran berjumlah 30 titik dengan titik mode ascending
sejumlah 15 titik dan mode descending 15 titik. Koordinat pengukuran lapangan dan
persistent scatterer points hasil Q-PSI disajikan pada Gambar 3.12.
Gambar 3.12. Scatter plot diagram antara titik pengukuran lapangan dan titik persistent
scatterer Q-PSI mode ascending (kiri) dan descending (kanan)
36
Terdapat proses koreksi yang perlu dilakukan pada pengukuran GNSS di
lapangan. Koreksi tersebut terkait dengan nilai tinggi yang didapatkan melalui
pengukuran GNSS. Hasil pengukuran menggunakan GNSS merupakan ketinggian
ellipsoid, sedangkan data perhitungan Q-PSI dengan referensi DEMNAS memiliki
nilai ketinggian geoid. Sehingga penyesuaian referensi tinggi dilakukan menyamakan
nilai ketinggian hasil pengukuran dilapangan. Untuk mengubah ketinggian ellipsoid
ke geoid dibutuhkan besaran nilai undulasi yang mampu didapatkan dengan
memasukan data pengukuran titik GNSS pada website https://srgi.big.go.id/geoidactive untuk menyamakan data dan meminimalisir adanya kesalahan sistematik ketika
membandingkan antar dua data. Setelah koreksi dilakukan, pengujian akurasi hasil
pemrosesan data pengukuran GNSS selanjutnya dibandingkan dengan hasil klasifikasi
Q-PSI menggunakan rumus RMSE sesuai dengan persamaan (2.19) dan (2.20).
3.5. Pemodelan Spasial untuk Mengetahui Lokasi Pemantauan Pergerakan
Tanah
Hasil pemrosesan data pada perangkat lunak Sarproz yaitu data spasial berupa
tingkat pergerakan permukaan tanah dan data ketinggian. Hasil tersebut dianalisis
tingkat persebarannya dengan metode deskriptif kuantitatif berdasarkan klasifikasi
standar deviasi. Lokasi pemantuan pergerakan tanah, ditentukan dengan 2 (dua)
pertimbangan yaitu interpolasi hasil persistent scatterer points mode ascending dan
descending serta pertimbangan historis titik pemantauan yang sudah ada.
Interpolasi yang digunakan pada penelitian kali ini yaitu metode IDW. Metode
ini mentransformasikan data vektor berupa titik menjadi data raster. Bobot suatu nilai
piksel lalu dikombinasikan dengan piksel disekitarnya. IDW mengasumsikan bahwa
variabel yang dipetakan nilainya semakin rendah apabila menjauh dari titik pusatnya.
Zona lemah dengan tingkat deformasi permukaan yang tinggi menjadi pertimbangan
untuk dijadikan kandidat titik pemantaun deformasi pada Sesar Opak. Hasil akhir
berupa laju pergerakan permukaan tanah dan kandidat titik pemantauan deformasi
divisualisasikan dalam bentuk peta.
37
BAB IV
HASIL DAN PEMBAHASAN
4.1. Pengolahan InSAR
Pengolahan citra satelit radar Sentinel-1A dilakukan pada mode ascending dan
descending dengan polarisasi VV. Pada pengolahan InSAR menggunakan citra radar
mampu menghasilkan data nilai korelasi temporal yang digambarkan melalui image
graph antar citra, nilai fase setiap citra, dan nilai coherence.
4.1.1. Image Graph Coherence Estimation
Image graph merupakan fungsi yang digunakan untuk mengestimasi koneksi
antar citra satelit. Koneksi tersebut dipengaruhi oleh orbit serta kondisi objek yang ada
pada permukaan bumi. Terdapat beberapa metode yang dapat digunakan untuk
mengetahui koneksi antar citra, yaitu small baseline, full graph, dan MST. Penelitian
ini menggunakan MST-graph untuk mengetahui koneksi optimum berdasarkan nilai
coherence tertinggi (Gambar 4.1).
Gambar 4.1. Hasil konektivitas dengan algoritma MS- graph mode ascending (kiri) dan descending
(kanan)
MST-graph digambarkan suatu grafik yang menjadikan dataset akuisisi citra
sebagai vertex dan terkoneksi dengan nilai coherence paling optimal tanpa adanya
cycle atau koneksi awal dan akhir yang sama. Berdasarkan hasil pengolahan algoritma
tersebut, kedua mode pengambilan gambar dapat bekerja dengan range coherence
pada mode ascending sebesar 0,22 s.d. 0,34 dan mode descending sebesar 0,23 s.d.
38
0,31. Nilai coherence pada mode descending memiliki nilai bervariasi dan pada mode
descending cenderung seragam pada tahun 2014 s.d. 2017. Hal tersebut disebabkan
pada mode ascending memiliki rentang panjang baseline antar epok yang lebih rendah.
Baseline yang rendah menunjukan satelit berada pada ketinggian yang hampir sama
ketika melakukan pengambilan data.
4.1.2. Hasil Pengolahan Interferogram
Pengolahan interferogram memanfaatkan selisih atau perbedaan nilai fase dari
pantulan yang merepresentasikan permukaan objek pada 2 (dua) waktu yang berbeda.
Hasil pengolahan InSAR pada tahap ini menghasilkan nilai fase dan coherence
berdasarkan konfigurasi MST-graph. Nilai coherence berbanding lurus dengan nilai
fase, coherence yang tinggi menunjukkan noise yang kecil dengan pola teratur. Hasil
pengolahan fase interferogram dan coherence pada mode ascending terdapat 33 citra
satelit dan 33 koneksi seperti yang ditunjukkan pada Gambar 4.2.
rad
Gambar 4.2. Interferogram pada mode ascending
39
Gambar 4.3. Tingkat coherence pada mode ascending
Hasil pengolahan fase interferogram dan coherence map generation pada mode
descending terdiri atas 32 citra satelit dengan jumlah koneksi sebanyak 32. Tingkat
coherence antar citra berdasarkan MST-graph menunjukkan rata-rata nilai coherence
pada mode ascending sedikit lebih baik dibandingkan dengan mode descending.
Namun, pada kedua mode tersebut masih ditemukan adanya noise pada beberapa
wilayah. Hasil pengolahan InSAR pada mode descending dapat dilihat pada Gambar
4.4 dan 4.5.
40
rad
Gambar 4.4. Interferogram pada mode descending
Gambar 4.5. Tingkat coherence pada mode descending
41
4.2. Pengolahan Multi-Image InSAR
Pengolahan Multi-Image InSAR dilakukan pada kedua mode pengambilan
gambar, yaitu ascending dan descending. Pengolahan ini terdiri atas 2 (dua) tahap
penting yaitu APS dan sparse point processing.
4.2.1. Hasil Atmospheric Phase Screen (APS)
Keadaan atmosfer yang berbeda-beda ketika pengambilan data citra satelit
mampu menyebabkan adanya dekorelasi temporal. Kondisi tersebut menyebabkan
pengolahan secara multitemporal mengalami gangguan terutama pada profil
gelombang elektromagnetik yang diterima sensor serta posisi objek pada image cell
tertentu. Pada tahap ini, estimasi APS dilakukan untuk meminimalisir inhomogenitas
citra dengan melakukan superimpose dari setiap citra SAR untuk mendapatkan nilai
yang lebih relevan.
Estimasi APS dilakukan dengan tahapan pemilihan sparse point dengan
pendekatan ASI > 0,75 lalu setiap piksel atau sparse point tersebut dihubungkan
dengan metode delaunay (Gambar 4.6 dan 4.7). Sparse point menggambarkan objek
yang terekam, sedangan delaunay graph menjelaskan terkait tingkat coherence antar
poin dengan pendekatan triangulasi. Pada mode ascending sparse point yang terekam
sejumlah 5328 dan mode descending sebanyak 5180. Tutupan vegetasi yang tebal
menjadi penyebab sedikitnya titik referensi objek pada beberapa area, sehingga
terdapat perbedaan tingkat konektivitas 1 (satu) titik dengan yang lain.
Gambar 4.6. Konektivitas Persistent Scatter Candidate (PSC) menggunakan metode
delaunay pada mode ascending
42
Gambar 4.7. Konektivitas PSC menggunakan metode delaunay pada mode descending
Pada pengolahan APS, parameter yang digunakan yaitu linear trend corection
yang menghubungkan antara nilai fase dan data DEM. Parameter yang digunakan
berupa nilai linear trend dengan range -10 s.d. 10 mm/tahun, ketinggian 40 m, data
DEM, dan titik referensi. Titik referensi yang dipilih memiliki nilai temporal
coherence > 0,9 yang berarti titik tersebut merupakan titik yang stabil pada setiap citra.
Titik tersebut digambarkan dengan nilai residu mendekati 0. Hasil pengolahan APS
pada mode ascending dan descending menghasilkan grafik estimasi yang dapat dilihat
pada Gambar 4.8 s.d. 4.13.
Proses estimasi menghasilkan grafik koneksi dan integrasi antar parameter.
Grafik koneksi terkait velocity/residual height dihitung menggunakan posisi relatif
dari 2 (dua) titik atau lebih yang terkoneksi dengan algoritma delaunay graph. Nilai
pada histogram merepresentasikan konektivitas dari velocity/residual height. Hasil
yang baik menunjukan data terdistribusi normal atau nilainya berada pada rentang nilai
kurang lebih di angka 0. Sedangkan integrated velocity/residual height merupakan
hasil integrasi antara konektivitas antar titik dengan titik referensi, histogram pada
integrated velocity/residual menggambarkan nilai dari setiap titik terhadap titik
referensi.
43
Gambar 4.8. Grafik connection height dan connection velocity hasil pengolahan APS pada
mode ascending
Gambar 4. 9. Grafik integrated height & residual height hasil pengolahan APS pada mode
ascending
Gambar 4.10. Grafik integrated velocity & integrated cummulative displacement hasil
pengolahan APS pada mode ascending
44
Gambar 4.11. Grafik connection height dan connection velocity hasil pengolahan APS pada
mode descending
Gambar 4.12. Grafik integrated height & residual height hasil pengolahan APS pada mode
descending
Gambar 4.13. Grafik integrated velocity & integrated cummulative displacement hasil
pengolahan APS pada mode descending
Hasil estimasi parameter APS terdiri dari grafik integrated height, residual
height, velocity, dan cummulative displacement. Nilai tersebut merupakan kondisi
pergerakan permukaan tanah setelah pemrosesan APS. Integrated cummulative
45
displacement merupakan fungsi dari velocity x waktu, sedangkan integrated residual
height merupakan integrated height – DEM.
Nilai estimasi pada mode ascending menunjukkan bahwa akumulasi
pergerakan berada pada rentang nilai -100 s.d. 40 mm dan integrated residual height
sebesar -60 s.d. 40 m. Sedangkan pada mode descending, nilai akumasi pergerakan
berada pada rentang -100 s.d. 50 mm dan integrated residual height sebesar -200 s.d.
180 m. Secara umum, nilai integrated residual height menunjukkan mayoritas titik
berada pada permukaan tanah dengan nilai yang mendekati 0. Pada wilayah perkotaan
beberapa titik tidak berada di permukaan tanah karena nilai integrated residual height
terdeteksi memiliki nilai lebih dari 0.
Parameter estimasi mampu mempengaruhi hasil akhir pemrosesan APS.
Sehingga apabila distribusi data tidak sesuai, dapat dipastikan terdapat kesalahan
dalam pengolahan data. Setelah pembacaan grafiik estimasi dan mendapatkan nilai
parameter, proses berikutnya yaitu plotting APS untuk mendapatkan gambaran kondisi
atmosfer pada periode waktu tertentu beserta nilai akhir temporal coherence setelah
proses inversi grafik dan APS removal. Hasil dari koreksi APS menunjukkan gambar
yang lebih halus dan noise yang lebih sedikit (Gambar 4.14 dan 4.15).
46
Gambar 4.14. Hasil pengolahan APS pada mode ascending
Gambar 4.15. Hasil pengolahan APS pada mode descending
47
Pengolahan atmospheric phase component dilakukan berdasarkan dari piksel PSC
dengan threshold ASI sebesar 0,75 atau setara dengan nilai amplitudo dispersion (DA) < 0,25
menggunakan metode linear correction. Hasil pengolahan APS berupa peta temporal
coherence setelah proses graph inversion dan APS removal (Gambar 4.16 dan 4.17). Hasil
menunjukkan bahwa secara temporal, wilayah perkotaan memiliki nilai yang lebih stabil
dengan nilai coherence lebih dari 0,7. Sedangkan konsistensi data citra satelit untuk untuk
dianalisis secara multitemporal, mode descending memiliki grafik lebih konsisten dibanding
data ascending dengan nilai rata-rata lebih dari 0,65.
Gambar 4.16. Peta dan grafik temporal coherence ascending data
Gambar 4.17. Peta dan grafik temporal coherence descending data
4.2.2. Hasil Pengolahan Multitemporal Sparse point
Tahap multitemporal analisis dilakukan dengan data sparse point, fase, dan hasil
pengolahan APS. Pada penelitian ini, PSC dipilih dengan ASI = 0,7 untuk
merepresentasikan wilayah kajian. Semakin besar nilai ASI maka titik yang terseleksi
semakin sedikit. Hal tersebut dikarenakan pada data multitemporal nilai amplitudo
yang stabil jumlahnya lebih sedikit dibanding dengan dispersinya. Pada setiap mode,
48
jumlah PSC pada mode ascending didapatkan sebesar 28.253 titik dan pada mode
descending sebanyak 31.098 titik (Gambar 4.18).
Gambar 4.18. PSC pada mode ascending (kiri) dan descending (kanan)
Hasil perhitungan metode Q-PSI pada mode ascending dan descending
menghasilkan data LOS velocity, velocity, sigma velocity, dan cummulative
displacement. LOS velocity menunjukkan laju pergerakan permukaan tanah
berdasarkan tahun. Pada mode ascending, nilai LOS velocity berada pada rentang -10
s.d. 5 mm/tahun dengan rata-rata standar deviasi 0,4 mm/tahun dan akumulasi
pergerakan permukaan sebesar -60 s.d. 30 mm (Gambar 4.19).
Gambar 4.19. Hasil pengolahan Multi-Image sparse point mode ascending
Pada mode descending (Gambar 4.20), hasil perhitungan LOS velocity dari
metode Q-PSI tidak terdapat perbedaan besar dari segi nilai, yaitu berada pada rentang
-10 s.d. 5 mm/tahun dengan rata-rata standar deviasi 0,4 mm/tahun serta akumulasi
pergerakan permukaan berada pada rentang -80 s.d. 20 mm. Nilai yang dihasilkan
kedua mode tersebut memang memiliki kemiripan, namun dari distribusi spasial yang
49
dihasilkan, perbedaan antara 2 (dua) mode tersebut berada pada objek titik dari
pergerakan permukaan atau distribusi PSC.
Gambar 4.20. Hasil pengolahan Multi-Image sparse point mode descending
Hasil pengolahan data dari tahun 2014 s.d. 2020 menunjukkan adanya kejadian
pergerakan permukaan tanah pada area kajian, khususnya wilayah yang berada di
sekitar Sesar Opak (Gambar 4.21). Hal ini dapat dilihat dari pola memanjang yang
memisahkan antara dataran tinggi Gunung Kidul dan graben Bantul. Oleh sebab itu,
pembahasan terkait pergerakan permukaan tanah secara spesifik akan dibagi menjadi
pada 3 (tiga) zona yang berada di sekitar Sesar Opak, baik pada mode ascending
maupun descending.
Akumulasi pergerakan permukaan tanah disajikan dalam bentuk peta dengan
tingkat pergerakan yang berbeda-beda. Pada zona A yang merupakan pelurusan antara
Sesar Opak dan Sesar Baturagung. Secara umum, nilai pergerakan permukaan tanah
pada mode ascending didominasi dengan nilai <7 mm/tahun. Berbeda dengan mode
descending yang memiliki nilai yang lebih stabil pada mode tersebut sebesar -2,5 s.d.
-5,5 mm/tahun. Perbedaan nilai pergerakan permukaan tanah yang terjadi antara kedua
mode tersebut dapat diakibatkan karena pengaruh arah gerakan satelit. Hal ini juga
terjadi pada penelitian Perissin dkk. (2013) ketika membandingkan hasil pengolahan
data radar ascending dan descending.
50
A
A
Gambar 4.21. Visualisasi mean LOS velocity pergerakan permukaan tanah kawasan Sesar
Opak dan sekitarnya pada mode ascending (atas) dan descending (bawah)
Zona B terdiri atas konfigurasi lereng 16⁰ s.d. 35⁰ yang merupakan lereng agak
terjal hingga curam pada komplek Sesar Opak. Pergerakan yang tercatat memiliki nilai
yang cenderung mirip antar 2 (dua) mode, ditunjukkan dengan adanya pengelompokan
area yang memiliki pergerakan lebih dari -7 mm/tahun dengan pola memanjang pada
area sekitar perbukitan Imogiri hingga Piyungan. Kesamaan nilai pada beberapa area
tersebut juga dikarenakan araha hadap lereng yang menghadap sisi barat, sehingga
berhadapan langsung dengan arah sudut sensor radar.
51
Pada zona C yang berada pada bagian selatan Sesar Opak, penurunan
permukaan tanah pada zona ini berkisar pada nilai -5,5 s.d. -10 mm/tahun. Namun,
pergerakan permukaan tanah antara mode ascending dan descending sedikit berbeda
pada beberapa zona. Pada mode ascending, penurunan lebih dari -7 mm/tahun
terdeteksi di area sekitar Sungai Opak dan pesisir Parangtritis. Sedangkan pada mode
descending, penurunan permukaan tanah mampu mendeteksi bagian barat Sesar Opak
dan perbukitan sekitar Sesar Opak. Hal tersebut dikarenakan incidence angle pada
mode ascending tidak mampu melakukan penetrasi pada bagian selatan Sesar Opak
yang tertutup oleh tebing.
Scatterer point dari pemrosesan Q-PSI menghasilkan data titik piksel yang
dapat dikelaskan dengan berdasarkan tingkat pergerakannya. Berdasarkan Fárová dkk.
(2019), salah satu cara yang digunakan untuk klasifikasi scatterer point dengan nilai
standar deviasi (Tabel 4.1 dan 4.2). Hasil pengolahan Q-PSI menghasilkan persistent
scatterer point pada mode ascending sejumlah 28.090 titik dan mode descending
terdapat 30.908 titik.. Hasil klasifikasi menunjukkan bahwa pada mode ascending
terdapat penurunan pada nilai kurang dari -3,024 mm/tahun dan jumlah scatterer point
sebanyak 3074 titik. Sedangkan pada mode descending, lokasi yang dikatakan
mengalami penurunan berada pada hasil Q-PSI kurang dari -5,526 mm/tahun dengan
jumlah scatterer point sebanyak 3165 titik.
Tabel 4.1 Klasifikasi pergerakan permukaan tanah pada mode ascending berdasarkan nilai
standar deviasi
Klasifikasi (Std Line of Sight Q-PSI
Pergerakan
Piksel
Keterangan
Dev)
(mm/tahun)
kumulatif (mm)
ASC
< -1,5
< -4,214
< -24,922
1594
Penurunan
-1,5 s.d. -1
-4,214 s.d. -3,024
-24,922 s.d. -17,883
1480
-1 s.d. -0,5
-3,024 s.d. -1,833
-17,883 s.d. -10,844
3396
-0,5 s.d. 0
-1,833 s.d. -0,643
-10,844 s.d. -3,805
5950
Relatif Stabil
0 s.d. 0,5
-0,643 s.d. 0,547
-3,805 s.d. 3,234
7553
0,5 s.d. 1
0,547 s.d. 1,737
3,234 s.d. 10,273
4770
1 s.d. 1,5
1,737 s.d. 2,928
10,273 s.d. 17,312
2434
Kenaikan
>= 1,5
> 2,928
> 17,312
913
52
Tabel 4.2. Klasifikasi pergerakan permukaan tanah pada mode descending berdasarkan nilai
standar deviasi
Klasifikasi (Std
Line of Sight Q-PSI
Pergerakan
Piksel
Keterangan
Dev)
(mm/tahun)
kumulatif (mm)
DSC
< -2
< -8,502
< -49,44
846
Penurunan
-2 s.d. -1
-8,502 s.d. -5,526
-49,44 s.d. -30,56
2319
-1 s.d. 0
-5,526 s.d. -2,010
-30,56 s.d. -11,69
10800
Relatif Stabil
0 s.d. 1
-2,010 s.d. 1,236
-11,69 s.d. 7,19
13848
1 s.d. 2
1,236 s.d. 4,483
7,19 s.d. 26,06
2805
Kenaikan
>= 2
> 4,483
> 26,06
290
Interpretasi scatterer point hasil pengolahan Q-PSI mampu dianalisis secara
lebih spesifik secara multitemporal. Setiap scatterer point memiliki nomor identitas,
informasi
ketinggian,
kecepatan
pergerakan,
standar
deviasi,
cummulative
displacement, hingga temporal coherence. Pergerakan permukaan tanah divisualisasi
pada perangkat lunak Google Earth. Sampel titik yang disajikan pada Google Earth
(Gambar 4.22 dan 4.23) merupakan contoh titik yang mengalami penurunan. Lokasi
titik tersebut berada pada zona B tepatnya di sekitar daerah Imogiri.
Mayoritas penurunan permukaan tanah terjadi pada peralihan antara graben
Bantul dan dataran tinggi Gunung Kidul. Sedangkan beberapa kenaikan permukaan
tanah banyak ditemukan di sekitar wilayah perkotaan. Adanya kenaikan ataupun
penurunan yang terdeteksi dapat disebabkan oleh beberapa faktor yaitu adanya
aktivitas manusia seperti pembangunan atau pembukaan lahan hingga pergerakan
tanah yang terlihat pada salah satu sampel titik PS yang terlihat pada visualisasi
Google Earth dengan dibuktikan dari adanya bekas singkapan. Pergerakan tersebut
diperjelas dengan penelitian Widjajanti dkk. (2020) yang menemukan adanya indikasi
sesar aktif di sekitar Sesar Opak, tepatnya pada bagian timur zona B.
53
Gambar 4.22. Visualisasi hasil Q-PSI mode ascending secara interaktif pada Google Earth
Gambar 4.23. Visualisasi hasil QPS mode descending secara interaktif pada Google Earth
4.3. Uji Akurasi
Pengolahan data satelit radar dengan metode Q-PSI memiliki hasil akhir
berupa atribut koordinat horizontal hasil akhir pergerakan permukaan tanah dan
ketinggian vertikal dari perubahan nilai akhir dari data permukaan. Pada tahapan ini,
persistent scatterer points tersebut memerlukan nilai pembanding untuk melihat
tingkat akurasi dari hasil yang didapatkan. Proses validasi dilakukan dengan dengan
54
membandingkan posisi hasil pengukuran titik kontrol menggunakan GNSS dan hasil
akhir pengukuran multitemporal radar. Pengukuran titik di lapangan dilakukan dengan
metode RTK pada 15 titik untuk mode ascending dan descending (Gambar 4.24).
Gambar 4.24. Lokasi titik ground truthing dan dokumentasi lapangan
Berdasarkan hasil perhitungan uji akurasi pada Tabel 4.3 dan 4.4, diketahui
bahwa akurasi horizontal hasil pengukuran Q-PSI mode ascending sedikit lebih baik
dibandingkan dengan mode descending. Namun, pada mode descending akurasi
vertikal yang didapatkan lebih baik dari pada mode ascending. Pada mode ascending
RMSE horizontal yang didapatkan sebesar 4,1 m dan akurasi vertikal sebesar 11,05 m.
Sedangkan pada mode descending, akurasi horizontal yang didapatkan sebesar 4,40 m
dan akurasi vertikal sebesar 9,92 m. Nilai yang didapatkan cukup relevan dan lebih
baik dibandingkan resolusi spasial dari citra Sentinel-1 IW swath sebesar 5 x 20 m.
55
Tabel 4.3. Perhitungan RMSE pada mode ascending
Kode
GNSS
ID
QPSI
asc11
asc16
asc10
asc18
asc1
asc17
asc4
asc3
asc5
asc7
asc14
asc6
asc19
asc8
asc13
834
51
14754
17976
294
1635
539
236
6530
3352
103
18720
4917
2381
67
Koordinat GNSS
X
Y
Z
445382,4 9123391 154,8547
447140,5 9110675 310,3298
413999,2 9133856 53,8371
425376,5 9137667 96,6993
425054,9 9114221
8,6962
415915 9119985
8,3167
426849,7 9117601 14,4159
426627,2 9113120
5,5869
432819,9 9132291 63,3548
424449 9126038 37,0417
439610,9 9111532 264,5628
441965,4 9141707 136,0063
440663,5 9131911 82,8721
435748,4 9126412 53,3743
444897,3 9110870 292,2035
Koordinat QPSI
X
Y
Z
445378,7 9123393 133,89
447142,7 9110670 310,82
413996,8 9133856 63,49
425373,1 9137664 101,33
425054,2 9114216 20,35
415915,3 9119984 12,99
426848,3 9117601 13,08
426630,8 9113116 20,27
432821,2 9132294 74,92
424450,5 9126036 38,36
439618,8 9111528 251,49
441963,1 9141706 145,15
440660,1 9131909 95,45
435750,9 9126414 47,11
444899 9110871 274,50
Total
Rata-rata
Selisih X
(m)
13,57
4,93
5,58
11,27
0,45
0,09
1,71
12,60
1,71
2,29
61,53
5,52
11,88
6,42
2,74
-3.75
-0.25
Selisih Y
(m)
2,14
24,62
0,17
7,99
19,12
1,56
0,09
14,23
12,18
3,94
15,76
0,57
4,00
2,13
0,75
18.51
1.23
RMSE (m)
Selisih Z
(m)
20,96
-0,49
-9,65
-4,63
-11,65
-4,67
1,34
-14,68
-11,57
-1,32
13,07
-9,14
-12,58
6,26
17,70
-21.05
-1.40
XYresidual
15,71
29,55
5,75
19,26
19,57
1,65
1,80
26,84
13,89
6,23
77,28
6,09
15,88
8,56
3,49
251,55
16,77
4,10
Zresidual
439,52
0,24
93,18
21,44
135,81
21,84
1,78
215,59
133,75
1,74
170,90
83,61
158,20
39,24
313,41
1830,27
122,02
11,05
56
Tabel 4.4. Perhitungan RMSE pada mode descending
Kode
GNSS
ID
QPSI
dsc14
dsc17
dsc2
dsc19
dsc3
dsc5
dsc11
dsc1
dsc12
dsc9
dsc4
dsc8
dsc6
dsc7
dsc10
22923
24254
30911
23831
30583
29652
3196
30929
11718
29461
30439
27039
29217
28973
29154
Koordinat GNSS
X
Y
Z
441064,4 9131710 84,4835
416544,9 9135648 65,4398
425847,2 9113459 11,1816
430770,7 9132941 70,2696
424547,9 9116486
9,2404
417523,4 9122429 16,1339
429710,5 9143797 158,4563
426706,2 9113098
5,3234
419002,6 9141995 106,1466
411354 9124445
6,7613
421007,2 9118203
8,038
436633,6 9125759 102,8978
426373,1 9122280 20,7906
426562,8 9123349 24,0137
433142,2 9121125 25,7592
Koordinat QPSI
Selisih X
(m)
X
Y
Z
441067,1 9131706 72,69
7,34
416544,9 9135642 61,82
0,00
425847,8 9113460 30,04
0,29
430770,8 9132940 50,99
0,00
424549 9116485
2,44
1,20
417523,4 9122429 24,17
0,01
429711,4 9143797 149,52
0,91
426706,8 9113095 18,03
0,37
419005,8 9142000 112,23
9,94
411342,4 9124443 13,17
134,47
421008,3 9118197 11,43
1,20
436632,5 9125759 110,26
1,22
426371,3 9122280 17,12
3,28
426560,3 9123346 22,66
6,34
433146,1 9121126 10,75
15,13
Total
3,07
Rata-rata
0,20
Selisih Y
(m)
Selisih Z
(m)
23,76
29,15
1,53
1,01
2,93
0,16
0,08
6,52
27,08
3,83
35,97
0,00
0,03
7,23
1,07
11,794
3,620
-18,858
19,280
6,800
-8,036
8,936
-12,707
-6,083
-6,409
-3,392
-7,362
3,671
1,354
15,009
7,62
0,51
18,24
1,22
RMSE (m)
XYresidual
31,10
29,15
1,82
1,01
4,13
0,16
0,99
6,89
37,02
138,30
37,18
1,22
3,31
13,57
16,21
290,95
19,40
4,40
Zresidual
139,09
13,10
355,64
371,70
46,25
64,58
79,86
161,46
37,01
41,07
11,51
54,20
13,47
1,83
225,28
1476,95
98,46
9,92
57
4.4. Analisis Lokasi Pergerakan Permukaan Tanah
Analisis pergerakan permukaan tanah pada penelitian ini dilakukan dengan
menggabungkan data scatterer points antara mode ascending dan descending. Hal ini
dapat dilakukan apabila kedua mode tersebut memiliki ketelitian yang relatif sama.
Untuk mengetahui dominasi area yang mengalami pergerakan, data scatterer points
yang berbentuk titik diolah menjadi data raster menggunakan teknik IDW sehingga
menghasilkan peta pada Gambar 4.25.
Gambar 4.25. Hasil interpolasi persistent scatterer point pergerakan permukaan tanah mode
ascending dan descending
Perbedaan warna pada hasil IDW menunjukkan area dengan nilai scatterer
point yang berbeda. Warna yang semakin merah menunjukan adanya penurunan,
sedangkan warna menuju biru muda menunjukan kenaikan. Hasil yang ditunjukkan
dari interpolasi IDW antara mode ascending dan descending memiliki pergerakan
dengan rentang -59 mm s.d. +29,6 mm dengan rata-rata pergerakan tanah sebesar 6,76 mm. Area dengan akumulasi penurunan permukaan tanah yang paling dominan
memiliki warna merah dengan nilai mencapai lebih dari -40,4 mm. Pada sebagian
besar wilayah pesisir selatan dan deretan Sesar Opak mengalami penurunan yang
58
tinggi dengan nilai akumulasi sebesar -28,9 s.d. -59 mm. Sedangkan beberapa area
yang mengalami kenailan 11,1 s.d. 29,6 mm tersebar di beberapa area perkotaan dan
dataran tinggi Gunung Kidul.
Hasil penelitian ini secara umum memiliki rentang nilai pergerakan yang linier
dengan hasil penelitian Dewanto dkk. (2020). Pada penelitan Dewanto dkk. (2020),
pemantuan deformasi pada Sesar Opak dilakukan sejak tahun 2016 s.d 2019
menggunakan 114 InSAR images dari citra satelit Sentinel-1. Pemantauan tersebut
menggunakan perangkat lunak LiCSBAS yang mampu menunjukan adanya ground
surface deformation pada bagian selatan dan timur Sesar Opak. Pergerakan yang
terjadi pada daerah disekitar area sumber gempabumi tahun 2006 menandakan Sesar
Opak yang masih aktif.
Wilayah Sesar Opak dan sekitarnya juga terkonfirmasi mengalami mengalami
pergerakan sehingga pemantauan merupakan upaya yang sesuai dilakukan sebagai
bagian dari upaya mitigasi. Terkait penentuan titik pemantauan pergerakan tanah yang
optimal, perlu mempertimbangkan beberapa aspek, meliputi kondisi geologi, historis
kebencanaan, dan data hasil penelitian sebelumnya. Terdapat peneliti yang telah
melakukan pemantauan pada Sesar Opak semenjak kejadian gempabumi yang terjadi
pada tahun 2006. Salah satu penelitian progresif telah dilakukan oleh Widjajanti dkk.
(2020) dengan pengukuran titik secara berkala menggunakan GNSS, dimana
pemilihan titiknya telah mempertimbangkan kondisi geologis dan kebencanaan di
Sesar Opak dan sekitarnya. Hasil multitemporal pergerakan permukaan tanah tahun
2014 s.d. 2020 (Gambar 4.20) menunjukkan bahwa titik pemantauan GNSS hasil
penelitian Widjajanti dkk. (2020) telah bertampalan pada zona-zona yang memiliki
tingkat nilai pergerakan tinggi. Hal ini menandakan bahwa metode Q-PSI memiliki
hasil yang cukup baik dan dapat dielaborasikan dengan pengukuran titik pemantauan
yang telah ada.
Hasil pemantauan pergerakan permukaan tanah metode Q-PSI yang
menggunakan teknologi penginderaan jauh ini dapat dijadikan pertimbangan untuk
penambahan titik pantau GNSS. Walaupun titik pemantaun Widjajanti dkk. (2020)
telah mencakup wilayah-wilayah rentan di sekitar Sesar Opak. Namun, terdapat
59
beberapa wilayah yang belum terdapat titik pengamatan atau pemantauan, yaitu di
zona selatan tepatnya pada Parangtritis sampai dengan Panggang dan di bagian timur
laut dari Sesar Opak, tepatnya disekitar Perbukitan Patuk.
60
BAB V
KESIMPULAN DAN SARAN
5.1. Kesimpulan
Berdasarkan hasil dan pembahasan terkait analis pergerakan permukaan tanah
pada Sesar Opak menggunakan metode Q-PSI, dapat disimpulkan bahwa:
1. Distribusi titik persistent scatterer pergerakan permukaan tanah hasil
pengolahan menggunakan metode Q-PSI tahun 2014 s.d. 2020 menunjukkan
tingginya pergerakan dengan pola memanjang di sekitar Sesar Opak. Rentang
akumulasi deformasi yang terjadi pada area kajian yaitu sebesar -59 mm s.d.
+29,6 mm. Pada bagian barat dari Sesar Opak yang merupakan graben Bantul
terdapat adanya penurunan dibagian selatan dan kenaikan dibeberapa kawasan
perkotaan. Begitu juga dengan dataran tinggi Gunung Kidul yang terdapat
penurunan di bagian selatan dan timur laut serta kenaikan di sekitar kawasan
permukiman. Jumlah titik persistent scatterer yang tercatat pada mode
ascending sejumlah 28.253 titik dan pada mode descending sebanyak 31.098
titik. Klasifikasi standar deviasi hasil pengohalan Q-PSI pada mode ascending
menunjukkan penurunan sebesar -3,024 s.d. -10 mm/tahun dengan jumlah
scatterer points sebanyak 3074 titik. Sedangkan pada mode descending,
penurunan dengan nilai -5,526 s.d. -10 mm/tahun dengan jumlah scatterer points
sebanyak 3165 titik.
2. Lokasi yang optimal untuk melakukan pemantauan deformasi permukaan tanah
pada wilayah Sesar Opak dapat ditentukan berdasarkan tingkat akumulasi
pergerakan yang dihasilkan dari interpolasi persistent scatterer points hasil
pengolahan Q-PSI. Interpolasi persistent scatterer points dari mode ascending
dan descending mampu menunjukkan area pergerakan pada Sesar Opak yang
merupakan zona lemah di bagian selatan dan barat Sesar Opak. Hal itu
dikonfirmasi dari keberadaan titik pemantauan deformasi yang telah ada
sebelumnya berada pada area dengan penurunan cukup tinggi pada nilai
akumulasi pergerakan lebih dari 28 mm di bagian selatan dan timur Sesar Opak.
61
5.2. Saran
Saran yang dapat diberikan terkait penelitian pergerakan permukaan tanah
maupun terkait citra satelit radar yaitu:
1. Resolusi citra satelit radar dan skala penelitian pada area kajian perlu
disesuaikan, sehingga data yang dihasilkan mampu merepresentasikan kondisi
aslinya.
2. Pengolahan menggunakan metode Q-PSI dapat lebih baik apabila
dikombinasikan dengan data cuaca yang sesuai secara resolusi dan waktu
akuisisi dengan data citra satelit.
3. Pemilihan reference dari PSC yang hendaknya menggunakan corner reflector
tersendiri, agar titik yang didapatkan bisa lebih maksimal.
4. Penelitian berikutnya mampu mengombinasikan beberapa citra satelit radar
dengan mode dan polarisasi yang berbeda agar mampu mengetahui perbedaan
hasil yang didapatkan jika menggunakan single polarisasi.
62
DAFTAR PUSTAKA
Aronoff, S. (2005). Remote Sensing for GIS Managers. in Journal of Chemical
Information and Modeling. ESRI Press.
Azeriansyah, R., & Harintaka. (2019). Integration PS-InSAR and MODIS PWV Data
to Monitor Land Subsidence in Semarang City 2015–2018. KnE Engineering,
2019, 66–76. https://doi.org/10.18502/keg.v4i3.5826
Berardino, P., Fornaro, G., Lanari, R., & Sansosti, E. (2002). A New Algorithm for
Monitoring Localized Deformation Phenomena Based on Small Baseline
Differential SAR Interferograms. International Geoscience and Remote Sensing
Symposium
(IGARSS),
2(11),
1237–1239.
https://doi.org/10.1109/igarss.2002.1025900
Costantini, M., Falco, S., Malvarosa, F., & Minati, F. (2008). A New Method for
Identification and Snalysis of Persistent Dcatterers in Deries of SAR Images.
International Geoscience and Remote Sensing Symposium (IGARSS), 2(1), 449–
452. https://doi.org/10.1109/IGARSS.2008.4779025
Crosetto, M., Biescas, E., Dura, J., Closa, J., & Arnaud, A. (2008). Generation of
Advanced ERS and Envisat Interferometric SAR Products Using The Stable
Point Network Technique. Photogrammetric Engineering and Remote Sensing,
74(4), 443–450. https://doi.org/10.14358/PERS.74.4.443
Dewanto, B. G., Setiawan, M. B., & Nusantara, G. C. (2020). Opak Fault deformation
monitoring using Sentinel-1 InSAR data from 2016-2019 in Yogyakarta
Indonesia. Elipsoida, 03(01), 46–54.
ESA. (2012). ESA’s Radar Observatory Mission for GMES Operational Services. In
ESA
Special
Publication
(Vol.
1,
Issue
ESA
SP-1322).
https://doi.org/10.1016/j.rse.2011.11.026
Fárová, K., Jelének, J., Kopačková-Strnadová, V., & Kycl, P. (2019). Comparing
DInSAR and PSI Techniques Employed to Sentinel-1 Data to Monitor Highway
Stability: A Case Study of a Massive Dobkoviˇcky Landslide, Czech Republic.
Remote Sensing, 1–23. https://doi.org/10.3390/rs11222670
Ferretti, A., Fumagalli, A., Novali, F., Prati, C., Rocca, F., & Rucci, A. (2011). A new
Algorithm for Processing Interferometric Data-stacks: SqueeSAR. IEEE
Transactions on Geoscience and Remote Sensing, 49(9), 3460–3470.
https://doi.org/10.1109/TGRS.2011.2124465
Ferretti, A., Prati, C., & Rocca, F. (2000). Nonlinear Subsidence Rate Estimation
Using Permanent Dcatterers in Fifferential SAR Interferometry. IEEE
Transactions on Geoscience and Remote Sensing, 38(5 I), 2202–2212.
https://doi.org/10.1109/36.868878
Ferretti, A., Prati, C., & Rocca, F. (2001). Permanent Scatterers in SAR Interferometry.
IEEE Transactions on Geoscience and Remote Sensing, 39(1), 8–20.
https://doi.org/10.1109/36.898661
Gabriel, A. K., Goldstein, R. M., & Zebker, H. A. (1989). Mapping Small Elevation
Changes Over Large Areas: Differential Radar Interferometry. Journal of
Geophysical
Research,
94(B7),
9183–9191.
https://doi.org/10.1029/JB094iB07p09183
Graeme F. Bonham-Carter. (1994). Computer Methods in The Geosciences Geographic Information Systems for Geoscientists : Modelling with GIS. 402.
63
Hall, R. (2012). Late Jurassic-Cenozoic Reconstructions of the Indonesian region and
the
Indian
Ocean.
Tectonophysics,
570–571,
1–41.
https://doi.org/10.1016/j.tecto.2012.04.021
Hanssen, R. F. (2001). Radar Interferometry, Data Interpretation and Error Analysis.
Kluwer Academic Publishers.
Herrera, G., Notti, D., García-Davalillo, J. C., Mora, O., Cooksley, G., Sánchez, M.,
Arnaud, A., & Crosetto, M. (2011). Analysis with C- and X-band satellite SAR
data of the Portalet landslide area. Landslides, 8(2), 195–206.
https://doi.org/10.1007/s10346-010-0239-3
Hooper, A., Segall, P., & Zebker, H. (2007). Persistent Scatterer Interferometric
Synthetic Aperture Radar for Crustal Deformation Analysis with Application to
Volcán Alcedo, Galápagos. Journal of Geophysical Research: Solid Earth,
112(7), 1–21. https://doi.org/10.1029/2006JB004763
Hooper, A., Zebker, H., Segall, P., & Kampes, B. (2004). A New Method for
Measuring Deformation on Volcanoes and Other Natural Terrains Using InSAR
Persistent Scatterers. Geophysical Research Letters, 31(23), 1–5.
https://doi.org/10.1029/2004GL021737
Husein, S., & Srijono. (2007). Tinjauan Geomorfologi Pegunungan Selatan DIY /
Jawa Tengah : Telaah Peran Faktor Endogenik dan Eksogenik Dalam Proses
Pembentukan Pegunungan Tinjauan Geomorfologi Pegunungan Selatan DIY /
Jawa Tengah . Seminar Potensi Geologi Pegunungan Selatan Dalam
Pengembangan
Wilayah,
27-28
November
2007,
1–10.
https://doi.org/10.13140/RG.2.1.2784.0727
Jensen, J. R. (2015). Introductory Digital Image Processing: A Remote Sensing
Perspective (4th Editio). Pearson Education.
Koulali, A., McClusky, S., Susilo, S., Leonard, Y., Cummins, P., Tregoning, P.,
Meilano, I., Efendi, J., & Wijanarto, A. B. (2017). The Kinematics of Crustal
Deformation in Java from GPS Observations: Implications for fault slip
partitioning. Earth and Planetary Science Letters, 458, 69–79.
https://doi.org/10.1016/j.epsl.2016.10.039
Kuri, M., Arora, M. K., & Sharma, M. L. (2018). Slope Stability Analysis in Nainital
Town Using PS and QPS InSAR Technique. International Geoscience and
Remote
Sensing
Symposium
(IGARSS),
2018-July,
4443–4446.
https://doi.org/10.1109/IGARSS.2018.8517713
Lanari, R., Mora, O., Manunta, M., Mallorquí, J. J., Berardino, P., & Sansosti, E.
(2004). A Small-baseline Approach for Investigating Deformations on Fullresolution Differential SAR Interferograms. IEEE Transactions on Geoscience
and
Remote
Sensing,
42(7),
1377–1386.
https://doi.org/10.1109/TGRS.2004.828196
Lillesand, T. M., Kiefer, R. W., & Chipman, J. W. (2004). Remote Sensing and Image
Interpretation. John Wiley & Sons.
Massonnet, D., Feigl, K., Rossi, M., & Adragna, F. (1994). Radar interferometric
Mapping of Deformation in the year After The Landers Earthquake. Nature,
369(6477), 227–230. https://doi.org/10.1038/369227a0
Perissin, D. (2016). Interferometric SAR Multitemporal Processing: Techniques and
Applications. In B. Yifang (Ed.), Multitemporal Remote Sensing: Methods and
Applications (20th ed., Issue November 2017, pp. 145-). Springer.
64
https://doi.org/10.1007/978-3-319-47037-5
Perissin, D., & Wang, T. (2012). Repeat-pass SAR Interferometry with Partially
Coherent Targets. IEEE Transactions on Geoscience and Remote Sensing, 50(1),
271–280. https://doi.org/10.1109/TGRS.2011.2160644
Perissin, D., Wang, Z., Prati, C., & Rocca, F. (2013). Terrain Monitoring in China via
PS-QPS Insar: Tibet and The Three Gorges DAM. European Space Agency,
(Special Publication) ESA SP, 704 SP(January).
Razi, P., Sumantyo, J. T. S., Perissin, D., & Kuze, H. (2018). Long-Term Land
Deformation Monitoring Using Quasi-Persistent Scatterer (Q-PS) Technique
Observed by Sentinel-1A: Case Study Kelok Sembilan. Advances in Remote
Sensing, 07(04), 277–289. https://doi.org/10.4236/ars.2018.74019
Richards, J. A. (2009). Remote Sensing with Imaging Radar. Springer Berlin
Heidelberg. https://doi.org/10.1007/978-3-642-02020-9
Rolf, A. de B., Georgiadou, Y., Knippers, R. A., Sides, E. J., & van Westen, C. J.
(2001). Principles of Geographic Information Systems - An introductory
textbook. In ITC Educational Textbook Series (p. 490).
Ruiz-Armenteros, A. M., Bakon, M., Lazecky, M., Delgado, J. M., Sousa, J. J.,
Perissin, D., & Caro-Cuenca, M. (2016). Multitemporal InSAR Processing
Comparison in Presence of High Topography. Procedia Computer Science, 100,
1181–1190. https://doi.org/10.1016/j.procs.2016.09.278
Ruiz-Armenteros, A. M., Lazecky, M., Ruiz-Constán, A., Bakoň, M., Manuel
Delgado, J., Sousa, J. J., Galindo-Zaldívar, J., De Galdeano, C. S., Caro-Cuenca,
M., Martos-Rosillo, S., Jiménez-Gavilán, P., & Perissin, D. (2018). Monitoring
Continuous Subsidence in The Costa del Sol (Málaga province, Southern Spanish
Coast) Using ERS-1/2, Envisat, and Sentinel-1A/B SAR Interferometry.
Procedia
Computer
Science,
138,
354–361.
https://doi.org/10.1016/j.procs.2018.10.050
Strozzi, T., Wegmüller, U., Keusen, H. R., Graf, K., & Wiesmann, A. (2006). Analysis
of The Terrain Displacement Along a Funicular by SAR Interferometry. IEEE
Geoscience
and
Remote
Sensing
Letters,
3(1),
15–18.
https://doi.org/10.1109/LGRS.2005.855072
Sutiono, A., Prastistho, B., Prasetyadi, C., & Supartoyo. (2018). Opak fault: A
Comparative review. IOP Conference Series: Earth and Environmental Science,
212(1). https://doi.org/10.1088/1755-1315/212/1/012049
Tofani, V., Raspini, F., Catani, F., & Casagli, N. (2013). Persistent Scatterer
Interferometry (PSI) Technique for Landslide Characterization and Monitoring.
Remote Sensing, 5(3), 1045–1065. https://doi.org/10.3390/rs5031045
Tsuji, T., Yamamoto, K., Matsuoka, T., Yamada, Y., Onishi, K., Bahar, A., Meilano,
I., & Abidin, H. Z. (2009). Earthquake Fault of the 26 May 2006 Yogyakarta
Earthquake Observed by SAR Interferometry. Earth, Planets and Space, 61(7),
29–32. https://doi.org/10.1186/BF03353189
Ulaby, F., & Long, D. (2014). Microwave Radar and Radiometric Remote Sensing. In
Microwave
Radar
and
Radiometric
Remote
Sensing.
https://doi.org/10.3998/0472119356
UNAVCO. (2019). Synthetic Aperture Radar (SAR) Satellites. Diakses dari
https://www.unavco.org/instrumentation/geophysical/imaging/sar-satellites/sarsatellites.html pada 10 Oktober 2020.
65
Vaka, D. S., Sharma, S., & Rao, Y. S. (2017). Comparison of HH and VV Polarizations
for Deformation Estimation using Persistent Scatterer Interferometry. 38th Asian
Conference on Remote Sensing - Space Applications: Touching Human Lives,
ACRS 2017, 2017-Octob(July 2018).
Widjajanti, N., Emalia, S. S., & Parseno, P. (2018). GNSS Monitoring Network
Optimization Case Study: Opak Fault Deformation, Yogyakarta. JGISE: Journal
of Geospatial Information Science and Engineering, 1(1), 14–21.
https://doi.org/10.22146/jgise.38458
Widjajanti, N., Pratama, C., Parseno, Sunantyo, T. A., Heliani, L. S., Ma’ruf, B.,
Atunggal, D., Lestari, D., Ulinnuha, H., Pinasti, A., & Ummi, R. F. (2020).
Present-day crustal deformation revealed active tectonics in Yogyakarta,
Indonesia inferred from GPS observations. Geodesy and Geodynamics, 11(2),
135–142. https://doi.org/10.1016/j.geog.2020.02.001
66
LAMPIRAN 1
Rincian epok citra satelit Sentinel-1
67
Daftar Citra Satelit Radar
Sentinel-1A Mode Ascending
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
Epok
20141014
20141213
20150130
20150319
20150623
20150717
20150717
20151208
20160218
20160524
20160828
20160921
20161108
20170224
20170401
20170612
20170904
20171127
20180315
20180502
20180713
20180911
20181110
20190111
20190226
20190415
20190602
20190906
20191211
20200316
20200503
20200807
20200912
Polarisasi
VV
VV
VV
VV
VV
VV
vv
VV
VV
VV
VV
VV
VV
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
Daftar Citra Satelit Radar
Sentinel-1A Mode Descending
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
Epok
20141209
20141115
20150102
20150303
20150514
20150818
20151122
20160109
20160226
20160508
20160719
20160812
20161116
20170208
20170328
20170527
20170807
20171111
20180227
20180522
20180721
20180907
20181118
20190222
20190505
20190716
20191008
20191219
20200405
20200616
20200815
20200908
Polarisasi
VV
VV
VV
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
VV VH
68
LAMPIRAN 2
Dokumentasi alat dan pengukuran titik validasi lapangan
69
CHCnav i50 RTK GNSS
Pengukuran pada area penggunaan lahan kebun campuran
Pengukuran pada objek di sekitar zona permukiman
70