
Universitas Gadjah Mada (UGM) kembali mengukuhkan guru besar pada Kamis (5/6) di Balai Senat UGM. Kali ini, pengukuhan diberikan kepada Prof. Dr. R. Suharyadi, M.Sc., dari Fakultas Geografi UGM, dalam bidang Penginderaan Jauh Perkotaan.
Melalui pidato pengukuhannya yang bertajuk “Interpretasi Citra Penginderaan Jauh secara Hibrida untuk Membantu Survei Daerah Perkotaan”, Prof. Suharyadi memberikan gambaran tentang perkembangan penginderaan jauh yang digunakan untuk survei daerah perkotaan.
Ia menekankan bahwa dengan pertumbuhan kawasan perkotaan yang sangat pesat, baik secara global maupun di Indonesia, sehingga diperlukan data yang akurat, dapat dipercaya, dan selalu mutakhir. Dalam konteks tersebut, penginderaan jauh menjadi salah satu pendekatan yang paling relevan dan efisien dalam memperoleh informasi kondisi fisik wilayah secara luas tanpa kontak langsung.
“Citra penginderaan jauh optik telah menjadi instrumen penting dalam mendukung pengelolaan perkotaan karena mampu menyediakan data spasial dengan variasi resolusi spasial, temporal, dan spektral,” ujar Prof. Suharyadi.
Lebih lanjut, ia menjelaskan bahwa untuk mengoptimalkan keunggulan dari interpretasi citra penginderaan jauh baik secara visual maupun digital, maka dikembangkan pendekatan interpretasi hibrida. Teknik ini mengombinasikan metode visual yang digunakan untuk deliniasi objek dengan prinsip pengenalan pola spektral secara digital untuk identifikasi objek
“Pendekatan ini menawarkan solusi yang lebih efektif dalam pengelolaan data spasial, khususnya penginderaan jauh perkotaan yang memerlukan akurasi tinggi dan konsistensi dalam interpretasi citra,” terang Prof. Suharyadi. Interpretasi hibrida ini juga membuka peluang untuk mengintegrasikan teknologi canggih, seperti analisis hiperspektral dengan data resolusi tinggi, yang dapat digunakan untuk klasifikasi penutup lahan maupun fitur-fitur lainnya.
Meski demikian, integrasi antara analisis visual – digital – hibrida dengan machine learning menjadi tantangan baru untuk meningkatkan tingkat kualitas data spasial menjadi lebih baik.
“Penerapan metode hibrida membutuhkan komputasi yang cukup kompleks serta membutuhkan sistem komputasi yang sangat intensif. Oleh karena itu tantangan dan perkembangan interpretasi hibrida kedepan adalah menggunakan machine learning untuk algoritma tingkat lanjut,” ujarnya.