KLASIFIKASI PENGGUNAAN LAHAN WILAYAH PANTAI SELATAN DENGAN CITRA LANDSAT 7 ETM+

BAB I

I.1 PENDAHULUAN

          Penggunaan lahan yang benar dan bijak merupakan salah satu hal paling utama yang harus dilakukan untuk meminimalisir terjadinya bencana alam. Informasi penggunakan lahan yang benar bisa didapatkan dari data hasil pengolahan citra penginderaan jarak jauh.

Melalui proses pengklasifikasian citra hasil penginderaan jarak jauh, maka akan diketahui sudah benarkah penggunakan lahan selama ini. Data yang didapatkan dari penginderaan jarak jauh adalah data scope seluruh permukaan bumi. Jadi apapun yang ada dipermukaan bumi akan diketahui.

Setelah melalui proses image processing dan image classification, maka akan didapatkan informasi-informasi kesesuaian penggunaan lahan yang ada dengan yang seharusnya.

Untuk keperluan perencanaan pembangunan wilayah atau modelling lingkungan suatu lahan, data penggunaan lahan terbaru sangat diperlukan. Satelit penginderaan jauh (inderaja) yang datanya dapat diperoleh hampir setiap saat dengan cakupan yang luas, sanggup memberikan informasi yang diperlukan untuk pendeteksian penggunaan lahan tersebut. Beberapa contoh pemanfaatan data penutup/ penggunaan lahan dari data satelit penginderaan jauh adalah seperti gambar 1 di bawah ini yaitu untuk pembuatan dan perbaikan/revisi peta.

I.2 LANDASAN TEORI

Ada beberapa proses yang dilakukan pada pengolahan citra satelit secara dijital, diantaranya adalah : Pra-pengolahan (Pre-Processing) atau pemulihan citra. (Image Restoration), penajaman citra (Image Enhancement), dan klasifikasi citra (Image Classification). Citra awal (Raw Image) yang belum diolah, merupakan citra yang terdiri atas informasi tentang objek atau fenomena di permukaan bumi yang disertai dengan adanya derau (noise) yang ditimbulkan oleh sistem pencitraan.

Pada tulisan ini akan ditekankan pada masalah klasifikasi citra, klasifikasi citra yang dilakukan adalah dengan metode klasifikasi terbimbing (supervised classification). Pada klasifikasi terbimbing untuk penutup/penggunaan lahan dengan data digital satelit, data latih (training data) mutlak diperlukan untuk pengajaran kepada komputer dengan cara digitasi areal kelas penutup/penggunaan lahan dengan bantuan video monitor komputer. Areal data latih (training site) didigitasi berdasarkan hasil interprestasi citra satelit yang sudah dapat dipastikan kebenarannya, atau dipastikan dengan bantuan interprestasi foto udara atau hasil cek lapangan. Areal data latih bisa juga diperoleh dari data peta penggunaan lahan digital yang telah dibuat sebelumnya berdasarkan hasil interprestasi foto udara dan cek lapangan.

Adapun Kombinasi Band yang digunakan pada klasifikasi ini adalah Red 3, Green 2, Blue 1. Kombinasi tersebut merepresentasikan sebuah gambar dengan warna yang natural. Dengan begitu kombinasi ini merupakan kombinasi terbaik dalam hal pendekatan ruang pertanahan karena sesuai dengan kenyataan. Band 3 digunakan untuk mendeteksi penyerapan kloropil pada vegetasi, Band 2 digunakan untuk menggambarkan reflek warna hijau dari vegetasi sedangkan Band 1 sangat sesuai untuk menggambarkan penetrasi air . Dalam sisi lain band 1 juga bisa digunakan untuk mendeteksi sedimentasi dalam tubuh air dan juga untuk membedakan tanah dan air serta perbedaan hutan.

I.3 TUJUAN

1. Mahasiswa mampu mengaplikasikan materi  Klasifikasi Citra dalam pembuatan suatu makalah untuk tujuan tertentu.

2. Mengetahui Kemampuan Metode Klasifikasi Terbimbing (Supervised classification) dalm menginterpretasi Citra.

3. Mahasiswa mampu membuat peta penggunaan lahan

BAB II

II.1 Sumber Data & Perangkat yang digunakan

-        Citra Landsat ETM7+ Wilayah Pantai Selatan (diambil dari earthexplorer.usgs.gov perekaman tanggal 1 Oktober 2010)

-        Perangkat yang digunakan:

o   Software ER-Mapper, ENVI 4.8, ArcMap 10, Microsoft Word 2010.

II.2 Langkah Pelaksanaan

Penggabungan Citra Digital hasil Download

Cropping Citra

Koreksi Radiometrik

Koreksi Geometrik

Klasifikasi Digital (Penentuan Skema)

Menghitung Statistik “Training Area”

Pemilihan Band yang diperlukan untuk klasifikasi

Penentuan Algoritma Klasifikasi           ( Maximum Likelihood)

Overlay dengan Citra terklasifikasi

Hasil Klasifikasi

Peta Tematik

Penentuan Training Area (ROI)

 

1.     Menggabungkan Hasil Download Citra menggunakan Software ER-Mapper. Edit Algorithm à Klik Duplicate Layer 6x àBeri nama setiap layer àAktifkan layerl lalu Input masing-masing band ke masing-masing layer dengan mengklik icon load dataset à memilih band, lalu klik OK this layer only. Lakukan hal yang sama pada layer band yang lain. Setelah semua terinputkan, Save as sebagai file baru dalam format .ers

 

2.     Membuka Citra Mulitispektral dengan Software ENVI. File à Open Image File. Pilih Band yang akan ditampilkan. Band yang dipilih adalah Band 3,2,1.

 

                                                                                                                                       

3.     Lakukan Koreksi Radiometrik dengan menu Enhance à pilih tipe koreksi yang diinginkan (Linear 2%).  Ehance à Filter à Sharpen [14]

4.     Lakukan Koreksi Geometrik, dengan proses registrasi terlebih dahulu  . Map à Registrasi à GCP Image to Image. Save GCP List. Lalu, Map à Registrasi àWarp GCP Image to image

5.     Lakukan Cropping Citra. Basic tools à Resize data Spasial à Pilih daerah yang ingin di cropping. Image à Spatial Subset. Masukan ukuran cropping.

Hasil cropping:

6.     Membuat Region Of Interest (ROI) dengan Menu Basic Tools à Region Of Interest à ROI Tool.

ROI Separability

7.     Lakukan Klasifikasi dengan Menu Classification à Supervised à Maximum Likelihood.

Hasilnya :

8.     Lakukan Overlay dari Citra yang sudah terklasifikasi dengan citra awal yang belum terklasifikasi

Classification à Post Classification à Overlay Classes

 

9.     Mengitung Omisi dan Komisi. Classification à Post Classification à Confussion Matrix à Using Ground Truth Image.

Hasilnya:

Class	Comission (Percent)	Omission (Percent)	Comission (Pixels)	Omission (Pixels)
Unclassified	0	100	0	82606/82606
Laut	52.97	0	48062/90728	0/42666
Vegetasi	67.80	0.38	11736/17310	21/5595
Awan	75.04	0	9271/12354	0/3083
Lahan Terbuka	41.82	8.14	2986/7140	368/4522
Pemukiman	46.52	19.35	15105/32468	4165/21528

10.  Membuat Layout Peta menggunakan software ArcMap 10.

BAB III

III.1 PEMBAHASAN

-        Dari segi level, citra yang digunakan pada proses klasifikasi citra adalah citra landsat ETM+7  level 1 sehingga kualitasnya  cukup baik.

-        Dari segi date/tanggal,  citra landsat ETM+ ini adalah citra tahun 2010 sehingga citra ini sangat bisa digunakan untuk keperluan wilayah tersebut pada saat ini.

-  Dari segi konsep resolusi:

o   resolusi spasial, citra landsat ETM+ beresolusi sedang hal ini ditunjukkan dengan ukuran obyek terkecil yang dapat terdeteksi tidak begitu banyak.

o   resolusi spectral, karena pada citra  landsat ETM+ ada 9  saluran maka resolusi spektralnya bagus. Sebab semakin banyak jumlah salurannya, semakin tinggi resolusi spektralnya.

o   resolusi layar, pada resolusi layar pengaruh kualitas perangkat keras sangat berpengaruh untuk menghasilkan tampilan citra yang jelas dan butir-butir piksel yang halus. Pada proses pengolah citra ini menggunakan laptop dengan derajad kecerahan 64 bit  sehingga menyajikan warna dan tingkat kecerahan yang baik. Dan kenampakan obyek citra terlihat halus.

-        Dari segi cakupan awan,  Indonesia berada di dekat ekuator dan termasuk daerah tropis sehingga cakupan awan harus kurang dari 15 % agar citra bisa diamati. Pada citra landsat ETM+ ini cakupan awannya kurang dari 15% sehingga dapat diamati datanya.

-        Dari segi Klasifikasi, Klasifikasi Maximum Likelihood merupakan Klasifikasi terbaik dibanding metode lainnya menurut pandangan penulis dikarenakan hasilnya hampir meliputi seluruh cakupan (semuanya berwarna) lain halnya dengan metode lain yang masih ada beberapa bagian yang tidak terwarnai. Tetapi tetap saja memiliki kelemahan, yakni: ada beberapa objek yang dianggap sama padahal pada kenyataanya berbeda. Salah satu contohnya adalah ombak pantai yang dianggap sebagai awan karena memiliki persamaan warna putih. Begitupun dengan beberapa objek lainnya.

III.2 HASIL

No	Class	Warna	Citra Terklasifikasi	Citra Google Earth
1	Laut	Merah
2	Vegetasi	Hijau
3	Awan	Biru
4	Lahan Terbuka	Kuning
5	Pemukiman	Cyan

III.3 KESIMPULAN

            Penulis Mampu Membuat Peta Tematik Klasifikasi Penggunaan lahan dimulai dari proses downloading citra , klasifikasi citra hingga layouting peta. Pada setiap tahapnya Penulis mengalami beberapa kendala diantaranya dalam hal menentukan metode klasifikasi, karena setiap metode memiliki kelebihan dan kekurangan masing-masing.

Peta Klasifikasi Penggunaan lahan sangat penting digunakan baik untuk perseorangan,perusahaan maupun pemerintahan. Karena dengan adanya peta tersebut semua hal yang berhubungan dengan keperluan penggunaan lahan bisa dianalisis terlebih dahulu sehingga dapat  meminimalisir hal-hal negative yang dapat menimbulkan kericuhan dalam suatu keperluan.

DAFTAR PUSTAKA

Mukhaiyar, R. Klasifikasi Penggunaan Lahan dari data Remote Sensing. 2010. Bandung : Jurnal, Jurusan Teknik Elektro, Institut Teknologi Bandung.

Yuraida Yulfa I. Final Project Pengolahan Citra Digital.2012.Yogyakarta: Makalah, Jurusan Teknik Geodesi, Universitas Gadjah Mada.