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.
Tidak ada komentar:
Posting Komentar