Anda di halaman 1dari 36

1

BAB I
PENDAHULUAN


1.1 Latar Belakang
Semakin pesatnya pertumbuhan penduduk dan pembangunan yang telah dilaksanakan akan
berpengaruh cukup besar terhadap perubahan tatanan lingkungan berupa menurunnya kualitas
lingkungan, degradasi lingkungan/kerusakan lingkungan serta berkurangnya sumberdaya alam
maupun perubahan tata guna lahan.
Praktikum ini berjudul Analisa Perubahan Tutupan Lahan Menggunakan Citra Landsat (Studi
Kasus : Sulawesi Selatan tahun 1999 2013). Praktikum analisis perubahan penggunaan lahan telah
dilakukan menggunakan metode penginderaan jauh (inderaja). Identifikasi peta perubahan
penggunaan lahan dilakukan dengan menggunakan citra landsat 7 tahun 1999 dan citra landsat 8
tahun 2013. Perbaikan kontras citra melalui perataan histogram dilakukan dengan teknik klasifikasi
terawasi (supervised classification) dan klasifikasi tak terbimbing (unsupervised classification).

1.2 Tujuan dan Manfaat
Tujuan dari praktikum ini adalah
1. Memahami konsep Land Cover
2. Mengerti dan memahami langkah-langkah dalam proses menganalisis perubahan Land Use/
Land Cover menggunakan citra satelit

Manfaat praktikum ini adalah
1. Mengetahui perubahan tutupan lahan daerah Sulawesi Selatan dari tahun 2000 sampai dengan
tahun 2013
2. Mengerti dan memahami langkah dalam melakukan proses klasifikasi terbimbing dan
klasifikasi tak terbimbing pada suatu citra

2
BAB II
TINJAUAN PUSTAKA

2.1 Tutupan Lahan
Penggunaan lahan berhubungan dengan kegiatan manusia pada sebidang lahan, sedangkan
penutup lahan adalah perwujudan fisik obyek-obyek yang menutupi lahan tanpa mempersoalkan
kegiatan manusia terhadap obyek-obyek tersebut. Satuan-satuan penutup lahan kadang-kadang juga
memiliki sifat penutup lahan alami (Lillesand/Kiefer, 1994).
Klasifikasi tutupan lahan dan klasifikasi penggunaan lahan adalah upaya pengelompokkan
berbagai jenis tutupan lahan atau penggunaan lahan kedalam suatu kesamaan sesuai dengan sistem
tertentu. Klasifikasi tutupan lahan dan klasifikasi penggunaan lahan digunakan sebagai pedoman atau
acuan dalam proses interpretasi citra penginderaan jauh untuk tujuan pembuatan peta tutupan lahan
maupun peta penggunaan lahan. Menurut USGS (United States Geological Survey) sistem klasifikasi
tutupan lahan dan penggunaan lahan adalah seperti berikut:
Level I Level II
1 Urban or built-up land 1
1
Residential
1
2
Commercial and Service
1
3
Transportation, Communications
and utilities
1
4
Industrials and Commercial complexs
1
5
Mixed and commercial complexs
1
6
Mixed urban or built-up land
1
7
Other urban or built-up land
2 Agricultural Land 2
1
Cropsland and pasture
2
2
Orchads, groves, vineyards,
nurseries and ornamental
horticultural areas
3
Level I Level II
2
3
Confined feedings operations
2
4
Other agricultural land
3 Rangeland 3
1
Herbaceous rangeland
3
2
Shrub-brushland rangeland
3
3
Mixed rangeland
4 Forest land 4
1
Deciduous forest land
4
2
Evergreen forest land
4
3
Mixed forest land
5 Water 5
1
Streams and canal
5
2
Lakes
5
3
Reservoirs
5
4
Bays and estuaries
6 Wetland 6
1
Forested wetland
6
2
Nonforested wetland
7 Barren Land 7
1
Dry salt flats
7
2
Beaches
7
2
Sandy areas other than beaches
4
Level I Level II
7
3
Bare exposed rock
7
4
Strip mines, quarries and gravel pits
7
5
Transitional areas
7
6
Mixed barren land
8 Tundra 8
1
Shrub and brush tundra
8
2
Herbaceous tundra
8
3
Bare ground tundra
8
4
Wet tundra
8
5
Mixed tundra
9 Perennial snow or ice 9
1
Perennial snowfields
9
2
Glaciers
Tabel klasifikasi tutupan lahan dan penggunaan lahan diatas mencakup seluruh wilayah yang
ada di bumi ini. Namun untuk penggunaan disuatu wilayah tertentu hanya menggunakan sebagian saja
dari tabel diatas. Misalnya untuk wilayah Indonesia, tutupan dan penggunaan lahan yang umumnya
digunakan adalah sebagai berikut:

No Tutupan/Penggunaan Lahan
1 Semak / Belukar
2 Danau / Waduk / Sungai
3 Hutan
4 Kebun
5 Permukiman
6 Rawa
5
7 Sawah
8 Tegalan / Ladang

2.2 Citra Satelit Landsat
Citra Landsat merupakan gambaran permukaan bumi yang diambil dari luar angkasadengan
ketinggian kurang lebih 818 km dari permukaan bumi, dengan skala 1 : 250.000.Dalam setiap
perekaman citra landsat mempunyai cakupan area 185 km x 185 km sehinggaaspek dari objek tertentu
yang cukup luas dapat diidentifikasi tanpa menjelajah seluruh daerahyang disurvei atau yang
diteliti.Citra landsat merupakan citra yang dihasilkan dari beberapa spectrum dengan
panjanggelombang yang berbeda, yaitu:
- Saluran 4 dengan panjang gelombang 0,5 0,6 m pada daerah spektrum biru, baik untuk
mendeteksi muatan sedimen ditubuh perairan, gosong, endapan suspensi dan terumbu.
- Saluran 5 dengan panjang gelombang 0,6 0,7 m pada daerah spektrumhijau, baik
untukmendeteksi vegetasi, budaya, dll.
- Saluran 6 dengan panjang gelombang 0,7 0,8 m pada daerah spektrummerah, baik untuk
mendeteksi relief permukaan bumi, batas air dan daratan.
- Saluran 7 dengan panjang gelombang 0,8 1,1, m pada daerah dengan infra merah, yang
lebih kecil untuk mendeteksi relief permukaan bumi bila dibandingkan dengan saluran 6.
Setiap warna dalam citra satelit memberikan makna tertentu ,Warna pada citramerupakan
nilai refleksi dari vegetasi, tubuh perairan dan atau tubuh batuan permukaan bumi.Oleh karena itu,
interpretasi geologi melalui citra landsat lebih didasarkan pada perbedaan nilai refleksi tersebut.

2.2.1 Citra Landsat 7
Landsat 7 merupakan satelit dengan orbit yang selaras dengan matahari dan melintas di
ekuator pada waktu lokal pukul 10:00. Satelit ini memiliki kemampuan meliput wilayah yang
sama setiap 16 hari. Citra landsat ETM (Enhanced Thematic Mapper) merupakan salah satu jenis
citra multispektral. Citra Landsat ETM merupakan citra penginderaan jauh yang sering
digunakan pada saat ini, citra ini mempunyai 7 Saluran yang terdiri dari spektrum tampak pada
saluran 1, 2, dan 3 spektrum infra merah dekat pada saluran 4, 5 dan 7 dan spektrum infra merah
termal pada saluran 6



Tabel Karakteristik Spektral
No. Saluran Nama Gelombang
Range Panjang Gelombang (um)
1 Biru 0 ,45 - 0, 52
6
2 Hijau 0 ,53 - 0, 61
3 Merah 0 ,63 - 0, 69
4 Inframerah dekat 0 ,78 - 0, 90
5 Inframerah gelombang pendek 1 ,55 - 1, 75
6 Inframerah tengah 10 ,4 - 12, 5
7 Inframerah gelombang pendek 2 ,09 - 2, 35
8 Pankromatik 0 ,52 - 0, 9
Citra landsat ETM ini juga memiliki karakteristik spasial yang ditandai dengan resolusi
spasial yang digunakan sensor untuk mendeteksi obyek. Resolusi spasial sendiri adalah daya
pilah sensor yang diperlukan untuk bisa membedakan obyek-obyek yang ada dipermukaan bumi.
(Lillesand/Kiefer, 1996)
Tabel Resolusi Spasial
No Saluran IFOV
1 - 5, 7 30 m x 30 m
6 60 m x 60 m
8 15 x 15 m

2.2.2 Citra Landsat 8
Landsat 8 merupakan kelanjutan dari misi Landsat yang untuk pertama kali menjadi
satelit pengamat bumi sejak 1972 (Landsat 1). Landsat 1 yang awalnya bernama Earth Resources
Technology Satellite 1 diluncurkan 23 Juli 1972 dan mulai beroperasi sampai 6 Januari 1978.
Generasi penerusnya, Landsat 2 diluncurkan 22 Januari 1975 yang beroperasi sampai 22 Januari
1981. Landsat 3 diluncurkan 5 Maret 1978 berakhir 31 Maret 1983; Landsat 4 diluncurkan 16
Juli 1982, dihentikan 1993. Landsat 5 diluncurkan 1 Maret 1984 masih berfungsi sampai dengan
saat ini namun mengalami gangguan berat sejak November 2011, akibat gangguan ini, pada
tanggal 26 Desember 2012, USGS mengumumkan bahwa Landsat 5 akan dinonaktifkan. Berbeda
dengan 5 generasi pendahulunya, Landsat 6 yang telah diluncurkan 5 Oktober 1993 gagal
mencapai orbit. Sementara Landsat 7 yang diluncurkan April 15 Desember 1999, masih
berfungsi walau mengalami kerusakan sejak Mei 2003. (http://geomatika.its.ac.id, 2013)
Sebenarnya landsat 8 lebih cocok disebut sebagai satelit dengan misi melanjutkan landsat
7 dari pada disebut sebagai satelit baru dengan spesifikasi yang baru pula. Ini terlihat dari
karakteristiknya yang mirip dengan landsat 7, baik resolusinya (spasial, temporal, spektral),
metode koreksi, ketinggian terbang maupun karakteristik sensor yang dibawa. Hanya saja ada
beberapa tambahan yang menjadi titik penyempurnaan dari landsat 7 seperti jumlah band,
rentang spektrum gelombang elektromagnetik terendah yang dapat ditangkap sensor serta nilai
bit (rentang nilai Digital Number) dari tiap piksel citra. Seperti dipublikasikan oleh USGS, satelit
7
landsat 8 terbang dengan ketinggian 705 km dari permukaan bumi dan memiliki area scan seluas
170 km x 183 km (mirip dengan landsat versi sebelumnya). NASA sendiri menargetkan satelit
landsat versi terbarunya ini mengemban misi selama 5 tahun beroperasi (sensor OLI dirancang 5
tahun dan sensor TIRS 3 tahun). Tidak menutup kemungkinan umur produktif landsat 8 dapat
lebih panjang dari umur yang dicanangkan sebagaimana terjadi pada landsat 5 (TM) yang
awalnya ditargetkan hanya beroperasi 3 tahun namun ternyata sampai tahun 2012 masih bisa
berfungsi.
Satelit landsat 8 memiliki sensor Onboard Operational Land Imager (OLI) dan Thermal
Infrared Sensor (TIRS) dengan jumlah kanal sebanyak 11 buah. Diantara kanal-kanal tersebut, 9
kanal (band 1-9) berada pada OLI dan 2 lainnya (band 10 dan 11) pada TIRS. Sebagian besar
kanal memiliki spesifikasi mirip dengan landsat 7. Jenis kanal, panjang gelombang dan resolusi
spasial setiap band pada landsat 8 dibandingkan dengan landsat 7 seperti tertera pada tabel di
bawah ini :

SPESIFIKASI KANAL-KANAL SPEKTRAL SENSOR PENCITRA LDCM (LANDSAT-8)
(YANG DIPERLUKAN OLEH NASA/USGS)
Kanal
No
Kanal
Kisaran
spektral
(nm)
Penggunaan Data
GSD
(resolusi
spasial)
Radiance
(W/m
2
srm),
typical
SNR
(typical)
1 Biru 433-453 Aerosol/coastal
zone
30 m 40 130
2 Biru 450-515 Pigments/scatter
/coastal




30 m
(Kanalkana
l wari- san
TM)

40 130
3 Hijau 525-600 Pigments/coastal 30 100
4 Merah 630-680 Pigments/coastal 22 90
5 Infra merah
dekat (NIR)
845-885 Foliage/coastal 14 90
6 SWIR 2 1560-1660 Foliage 4.0 100
7

SWIR 3 2100-2300 Minerals/litter/no
scatter
1.7 100
8 PAN 500-680 Image sharpening 15 m 23 80
9 SWIR 1360-1390 Cirruscloud
detection
30 m 6.0 130

PERBANDINGAN PARAMETER-PARAMETER SPEKTRAL SENSOR PENCITRA
OLI/LDCM (LANDSAT-8) DAN ETM+/LANDSAT-7
OLI (LDCM) ETM+ (Landsat-7)
No. Kanal
spectral
Panjang gelombang
(m)
GSD (m)
No. Kanal
spectral
Panjang Gel
(m)
GSD
(m)
8
OLI (LDCM) ETM+ (Landsat-7)
No. Kanal
spectral
Panjang gelombang
(m)
GSD (m)
No. Kanal
spectral
Panjang Gel
(m)
GSD
(m)
8 (PAN) 0.500 - 0.680 15 8 (PAN) 0.52 - 0.90 15
1 0.433 - 0.453 30
2 0.450 - 0.515 30 1 0.45 - 0.52 30
3 0.525 - 0.600 30 2 0.53 - 0.61 30
4 0.630 - 0.680 30 3 0.63 - 0.69 30
4 0.78 - 0.90 30
5 0.845 - 0.885 30
9 1.360 - 1.390 30
6 1.560 - 1.660 30 5 1.55 - 1.75 30
7 2.100 - 2.300 30 7 2.09 - 2.35 30
Kemampuan pencitraan OLI tidak termasuk
thermal
6 (TIR)
10.40 - 12.50
60

2.3 Klasifikasi Citra
Klasifikasi adalah teknik yang digunakan untuk menghilangkan informasi rinci dari data input
untuk menampilkan pola-pola penting atau distribusi spasial untuk mempermudah interpretasi dan
analisis citra sehingga dari citra tersebut diperoleh informasi yang bermanfaat. Untuk pemetaan
tutupan lahan, hasilnya bisa diperoleh dari proses klasifikasi multispektral citra satelit. Klasifikasi
multispektral sendiri adalah algoritma yang dirancang untuk menyajikan informasi tematik dengan
cara mengelompokkan fenomena berdasarkan satu kriteria yaitu nilai spektral. (Sekretariat FWI
Simpul Bogor, 2003)
Klasifikasi multispektral diawali dengan menentukan nilai piksel tiap objek sebagai sampel.
Selanjutnya nilai piksel dari tiap sampel tersebut digunakan sebagai masukkan dalam proses
klasifikasi. Perolehan informasi tutupan lahan diperoleh berdasarkan warna pada citra, analisis statik
dan analisis grafis. Analisis statik digunakan untuk memperhatikan nilai rata-rata, standar deviasi dan
varian dari tiap kelas sampel yang diambil guna menentukan perbedaan sampel. Analisis grafis
digunakan untuk melihat sebaran-sebaran piksel dalam suatu kelas.
2.3.1 Metode Klasifikasi Terbimbing (Supervised)
Pada metode supervised ini, analis terlebih dulu menetapkan beberapa training area
(daerah contoh) pada citra sebagai kelas lahan tertentu. Penetapan ini berdasarkan pengetahuan
analis terhadap wilayah dalam citra mengenai daerah-daerah tutupan lahan. Nilai-nilai piksel
dalam daerah contoh kemudian digunakan oleh komputer sebagai kunci untuk mengenali piksel
lain. Daerah yang memiliki nilai-nilai piksel sejenis akan dimasukan kedalam kelas lahan yang
telah ditetapkan sebelumnya. Jadi dalam metode supervised ini analis mengidentifikasi kelas
9
informasi terlebih dulu yang kemudian digunakan untuk menentukan kelas spectral yang
mewakili kelas informasi tersebut. (Indriasari, 2009)


Gambar 2.1 Cara Kerja Metode Supervised
Algoritma yang bisa digunakan untuk menyelesaikan metode supervised ini
diantaranya adalah minimun distance dan parallelepiped.
2.3.2 Metode Klasifikasi Tak Terbimbing (Unsupervised)
Cara kerja metode unsupervised ini merupakan kebalikkan dari metode supervised, dimana
nilai-nilai piksel dikelompokkan terlebih dahulu oleh komputer kedalam kelas-kelas spektral
menggunakan algoritma klusterisasi (Indriasari, 2009). Dalam metode ini, diawal proses biasanya
analis akan menentukan jumlah kelas (cluster) yang akan dibuat. Kemudian setelah mendapatkan
hasil, analis menetapkan kelas-kelas lahan terhadap kelas-kelas spektral yang telah
dikelompokkan oleh komputer. Dari kelas-kelas (cluster) yang dihasilkan, analis bisa
menggabungkan beberapa kelas yang dianggap memiliki informasi yang sama menjadi satu
kelas. Misal class 1, class 2 dan class 3 masing-masing adalah sawah, perkebunan dan hutan
maka analis bisa mengelompokkan kelas-kelas tersebut menjadi satu kelas, yaitu kelas vegetasi.
Jadi pada metode unsupervised tidak sepenuhnya tanpa campur tangan manusia.
Beberapa algoritma yang bisa digunakan untuk menyelesaikan metode unsupervised ini
diantaranya adalah K-Means dan ISODATA.

Gambar 2.2 Cara Kerja Metode Unsupervised
10
BAB III
METODOLOGI

3.1 Alat dan Bahan
Alat dan bahan yang dibutuhkan dalam praktikum penginderaan jauh terapan tentang
klasifikasi unsupervised dan supervised ini antara lain :
1. Alat
- 1 PC Acer Aspire 4732
- 1 PC Lenovo
- Printer
2. Bahan
- Citra Landsat 7 +ETM tahun 1999 daerah Sulawesi Selatan
- Citra Landsat 8 tahun 2013 daerah Sulawesi Selatan
- Software Er Mapper 7
- Software Envi 4.6.1

3.2 Waktu dan Lokasi
Waktu dan Lokasi data praktikum adalah :
Waktu : Tahun 1999 (Landsat 7+ ETM) dan Tahun 2013 (Landsat 8)
Lokasi : Sulawesi Selatan
11

3.3 Diagram Alir
1. Diagram Alir Praktikum Klasifikasi




















Citra Landsat
7 & 8 Sulsel
Komposit Band
(Layer Stacking)
Klasifikasi
Unsupervised
Klasifikasi
Supervised
Perhitungan
Luas Tutupan Lahan
Tutupan Lahan
Sulawesi Selatan
12

2. Diagram Alir Klasifikasi Unsupervised















Citra Landsat
7 & 8
Calculate Statistics
Citra
Klasifikasi ISOCLASS
Unsupervised
Edit Nama dan Warna
Kelas
Reclass
Input Formula Reclass
Citra Terklasifikasi
Unsupervised
Ya
Tidak
13

3. Diagram Alir Klasifikasi Supervised
















Pembuatan Training
Area (Poligon)
Calculate Statistics

Klasifikasi Supervised
Penyimpanan
Area Baru
Edit Nama dan Warna
Kelas

Citra Landsat
7 & 8
Citra Terklasifikasi
Supervised
Ya
Tidak
14

3.4 Langkah Pelaksanaan
3.4.1 Layer Stacking
Tahapan dalam proses penggabungan band atau layer stacking dengan
menggunakan software Envi 4.6.1 adalah sebagai berikut :
1. Pada Menu Envi 4.6.1 memilih File Open Image File, lalu memilih citra landsat
sejumlah bandnya. Sehingga akan muncul kotak dialog

2. Setelah itu pada menu Basic Tools Layer Stacking, akan muncul kotak dialog
Layer Stacking Parameter. Pilih Input File untuk memasukkan semua data citra.

15
Setelah itu memilih Reorder Files untuk mengurutkan file sesuai bandnya. Akan
muncul juga sistem proyeksi peta yang digunakan serta resolusi spasial citra. Lalu
memasukkan nama file untuk data citra yang baru.

3. Setelah dipilih ok, maka program akan memproses penggabungan citra atau create
layer file

4. Setelah berhasil load data citra dengan band yang sesuai Landsat 7 (321) dan Landsat
8 (654), dan simpan dengan format .ers untuk diproses di Er Mapper


16
3.4.2 Klasifikasi Unsupervised
Tahapan dalam klasifikasi tak terbimbing ini adalah sebagai berikut :
1. Menentukan jumlah kelas, ulangan, dan jumlah band yang digunakan. Pada menu
Proccess pilih Classification kemudian pilih ISOClass Unsupervised Classification.
Kemudian muncul dialog box berikut :

2. Menentukan warna dan nama kelas yang dinginkan
- Pada menu Edit pilih Edit Class/Region Color and Name. Kemudian muncul dialog
box berikut :

- Mengisi nama kelas dan pilih warna kelas yang dinginkan.
- Klik Save pada dialog box setelah kita menentukan warna dan nama kelas.
3. Membagi Kelas (Reclass)
- Untuk membagi kelas dari 20 menjadi 5, dengan cara memasukkan rumus pada
menu edit formula lalu pilih apply changes
17

- Langkah selanjutnya adalah menyimpan citra hasil dari pembagian kelas (reclass)
dengan cara File Save As
- Setelah itu adalah menghapus data yang tidak diperlukan pada file .ers citra yang
telah terklasifikasi menjadi 5 kelas. Dengan cara membuka file .ers citra pada
wordpad atau notepad, lalu menghapus data dari kelas 6 sampai 20, lalu Save

- Menampilkan kembali Edit Class/ Region Details untuk merubah nama serta
warna kelas berdasarkan citra landsat asli

18
4. Menampilkan warna pada citra terklasifikasi di Image Window
- Menampilkan Algorithm dialog box
- Kemudian klik Edit pada Algorithm Dialog Box lalu pilih Add Raster Layer
- Klik Class Display.
- Sorot Class Display pada layer kemudian klik tombol Load Dataset untuk
memilih file citra terklasifikasi unsupervised dan klik OK.
- Setelah itu klik GO untuk mendisplay citra terklasifikasi unsupervised sesuai
dengan warna yang dinginkan.


3.4.3 Klasifikasi Supervised
Prosedur yang perlu dilakukan pada metode ini adalah sebagai berikut:
1. Pembuatan Training Area.
- Membuka file yang akan dibuat training area. Training area dibuat dengan
memilih Edit/Create Region pada menu Edit. Kemudian akan muncul dialog
box berikut :













19




- Klik OK pada dialog box tersebut. Lalu akan muncul Annotation Tool seperti
pada gambar berikut :









Pilih Tombol Polygon untuk menggambar dalam
bentuk poligon.

Pilih Tombol Display/Edit Object Attribute untuk memberi nama region.
( setelah membuat region pastikan region telah diberi nama.)
20

Kemudian tekan Tombol Save akan muncul kotak dialog seperti berikut :

.Tombol Save adalah untuk menyimpan region yang kita buat dalam file
yang aktif.
Tombol Save As adalah untuk menyimpan region yang kita buat dalam
file baru.
2. Memulai proses klasifikasi terbimbing
- Setelah training area dibuat dan disimpan, dapat dimulai proses klasifikasi.
Tahap selanjutnya masuk pada menu Procces > Calculate Statistics, masukan
citra yang telah detraining areanya.

21

- Setelah proses Calculate selesai, selanjutnya pilih Classification pada menu
Process. Lalu pilih Supervised Classification. Setelah itu akan muncul dialog
box berikut :

- Klik Setup untuk menampilkan region yang kita buat. Disini dapat memilh
kelas yang akan dihilangkan atau ditambahkan seperti pada gambar berikut :
- Klik Close untuk kembali ke dialog box awal.
- Pilih Classification Type
- Klik OK untuk memulai proses klasifikasi.

3. Memberi nama dan warna region. (Tahapan ini sama halnya dengan metode
Unsupervised Classification)
Pada menu Edit pilih Edit Class/Region Color and Name. Kemudian muncul
dialog box berikut :
22


- Mengisi nama kelas dan pilih warna kelas yang dinginkan.
- Klik Save pada dialog box setelah kita menentukan warna dan nama kelas.
4. Menampilkan warna pada citra terklasifikasi di Image Window. (Tahapan ini
sama dengan metode Unsupervised Classification)
- Menampilkan Algorithm dialog box
- Kemudian klik Edit pada Algorithm Dialog Box lalu pilih Add Raster Layer
- Klik Class Display.
- Sorot Class Display pada layer kemudian klik tombol Load Dataset
untuk memilih file citra terklasifikasi unsupervised dan klik OK.
- Setelah itu klik GO untuk mendisplay citra terklasifikasi unsupervised sesuai
dengan warna yang

3.4.4 Perhitungan Luas Area
Perhitungan luas area per kelas dapat dilakukan dengan metode sebagai berikut :
1. Melakukan kalkulasi statistik dengan cara Process Calculate Statistic, lalu load
data citra yang terklasifikasi sebagai 5 kelas
23

2. Setelah proses kalkulasi statistik selesai, pilih View StatisticsArea Summary
Report, lalu load citra yang terklasifikasi sebagai 5 kelas

3. Maka akan muncul luas dari kelima kelas serta luas daerah keseluruhan










24
BAB IV
HASIL DAN PEMBAHASAN

4.1 Klasifikasi Unsupervised
4.1.1 Landsat 7
Tampilan citra yang diperoleh dari proses klasifikasi citra Landsat 7 adalah
sebagai berikut :

Gambar 4.1. Hasil Klasifikasi Unsupervised Landsat 7
Berdasarkan proses klasifikasi yang telah dilakukan, didapatkan lima kelas
yaitu hutan, vegetasi (berupa semak belukar dan kebun), perairan (diantaranya
teridentifikasi laut, danau, dan sungai), lahan kosong, dan permukiman. Awan pada
citra Landsat 7 ini mendominasi wilayah bagian utara dan timur namun kuantitasnya
tidak tinggi. Pada praktikum ini, awan memiliki kelas tersendiri, namun tidak
diklasifikasikan pada output citra unsupervised sebagai tutupan lahan.
4.1.2 Landsat 8
Setelah melakukan proses klasifikasi unsupervised untuk citra landsat 8,
diperoleh hasil klasifikasi sebagai berikut :
25

Gambar 4.2 Hasil Klasifikasi Unsupervised Landsat 8
Pada klasifikasi ini dibagi menjadi 5 kelas yaitu Perairan (laut, danau, sungai, dan
tubuh air), Lahan Terbuka (lahan habis pakai panen), Pemukiman, Hutan, dan
Mangrove. Pada proses klasifikasi ini, awan diklasifikasikan sendiri dikarenakan
kenampakannya yang cukup signifikan, akan tetapi awan diklasifikan seminimal
mungkin dan tidak termasuk tutupan lahan. Hal tersebut dikarenakan keterbatasan
dalam proses cloud masking.

4.2 Klasifikasi Supervised
4.2.1 Landsat 7
Setelah melakukan proses klasifikasi supervised untuk citra landsat 7,
diperoleh hasil klasifikasi sebagai berikut :

Gambar 4.3 Hasil Klasifikasi Supervised Landsat 7
26
Pada klasifikasi ini dibagi menjadi 6 kelas yaitu Perairan (laut, danau, sungai, dan
tubuh air), Lahan (lahan habis pakai panen), Pemukiman, Hutan, Tambak dan
Mangrove. Pada proses klasifikasi ini, awan termasuk dalam klasifikasi permukiman,
dikarenakan awan tidak bisa diklasifikasikan sendiri.Warna merah yang berada di laut
merupakan awan yang terdefinisikan sebagai permukiman. Hal tersebut dikarenakan
keterbatasan dalam proses cloud masking.
4.2.2 Landsat 8
Setelah melakukan proses klasifikasi supervised untuk citra landsat 8,
diperoleh hasil klasifikasi sebagai berikut :

Gambar 4.4 Hasil Klasifikasi Supervised Landsat 8
Dari klasifikasi supervised dihasilkan beberapa kelas yaitu hutan, lahan, jalan,
pemukiman, laut dangkal, laut, sungai, awan, dan danau.

4.3 Pertimbangan Pemilihan Kelas
Secara umum pertimbangan dalam pemilihan kelas untuk klasifikasi unsupervised dan
supervised berdasarkan hasil kenampakan tutupan lahan citra landsat dengan komposit
band tertentu yang mendekati sebenarnya. Selain itu untuk citra landsat 8, pemilihan kelas
juga berdasarkan kenampakan tutupan lahan di google earth. Pertimbangan pemilihan
kelas di tiap klasifikasi yaitu :
4.3.1 Klasifikasi Unsupervised
1. Landsat 7
Adapun pertimbangan dalam penentuan jumlah kelas pada klasifikasi
unsupervised Landsat 7 adalah untuk mendapatkan klasifikasi yang teliti. Sehingga
kelas dibuat sebanyak 30 kelas untuk mendapatkan klasifikasi yang sesuai.
Berdasarkan dari hasil interpretasi dan perbandingan dengan citra Landsat 7
27
sebelum diklasifikasi, kelas diminimalkan menjadi 5 kelas karena terdapat
kemiripan antara lahan yang satu dengan lahan yang lain. Kelas tutupan lahan pada
Landsat 7 di daerah Sulawesi Selatan adalah sebagai berikut.

Gambar 4.5 Pembagian Kelas Klasifikasi Unsupervised Landsat 7
Komposit band yang digunakan adalah 321, berikut ini adalah perbandingan
antara citra sebelum dan sesudah terklasifikasi.

Gambar 4.6. Citra sebelum terklasifikasi (kiri) dan sesudah terklasifikasi
(kanan)
Dari citra dengan komposit band 321 ditentukan kelas kelas tutupan lahan.
Berikut pertimbangan pemilihan kelas :
No Nama Kelas Warna Pertimbangan Pemilihan Kelas
1. Hutan

Pada daerah Sulawesi Selatan ini, masih
terdapat area hutan, meskipun tidak
mendominasi
2. Vegetasi

Vegetasi merupakan area terluas yang
didominasi oleh semak belukar, lahan
pertanian, dan perkebunan. Dimana kelas
ini terdapat disekitar hutan dan
permukiman.
28
3. Perairan

Pada kelas perairan ini yang termasuk di
dalamnya adalah laut, danau, sungai,
serta tubuh air lainnya. Hal ini
dikarenakan kenampakan objek objek
tersebut sama sehingga diklasifikasikan
dalam satu kelas.
4. Lahan Kosong

Meskipun area lahan kosong tidak
banyak, namun kenampakannya sangat
jelas. Sehingga mudah diinterpretasi dan
masuk dalam kelas klasifikasi.
5. Permukiman

Kelas pemukiman mayoritas terdapat di
pinggir laut dan beberapa di tengah,
sehingga kelas permukiman ini
dipertimbangkan untuk menjadi satu
kelas.

2. Landsat 8
Pada klasfikasi unsupervised menggunakan landsat 8, pertama kali proses
klasifikasi membagi menjadi 20 kelas. Setelah itu dibagi lagi (reclass) menjadi 5
kelas yaitu Perairan (laut, danau, sungai, dan tubuh air), Lahan Terbuka (lahan
habis pakai panen), Pemukiman, Hutan, dan Mangrove. Seperti yang telah
dijelaskan tadi, awan diklasifikan tersendiri seminimal mungkin tapi tidak
dianggap sebagai tutupan lahan.

Gambar 4.7 Pembagian Kelas Klasifikasi Unsupervised Landsat 8
Pertimbangan dari 20 menjadi 5 kelas berdasarkan pada citra landsat 8 yang
telah dikomposit dengan band 654 (mendekati sebenarnya) dan berdasarkan
google earth.
29

Gambar 4.8 Citra Landsat 8 Komposit Band 654
Dari citra dengan komposit band 654 ditentukan kelas kelas tutupan lahan.
Berikut pertimbangan pemilihan kelas :
No Nama Kelas Warna Pertimbangan Pemilihan Kelas
1. Perairan Pada kelas perairan ini yang termasuk di
dalamnya adalah laut, danau, sungai,
serta tubuh air lainnya. Hal ini
dikarenakan kenampakan objek objek
tersebut sama sehingga diklasifikasikan
dalam satu kelas
2. Lahan Terbuka
(lahan habis
pakai panen)

Pada kelas lahan terbuka ini merupakan
objek yang menyerupai sawah namun
sudah tidak ada tanaman lagi. Alasan
pemilihan kelas ini karena banyak
kenampakan objek ini pada citra.
3. Pemukiman

Kelas pemukiman dipilih dikarenakan
adanya kenampakan objek ini yang
siginifikan yaitu berada di tengah dengan
dikelilingi oleh hutan dan lahan terbuka.
4. Hutan

Kelas hutan dipilih dikarenakan masih
cukup banyak dijumpai objek hutan pada
daerah citra ini.
5. Mangrove Alasan pemilihan kelas ini dikarenakan
objek yang selalu berada di kawasan
pesisir atau pinggir pantai, tetapi tidak
menutup kemugkinan berada di dekat
30
objek perairan lain.
Berikut ini perbandingan antara citra landsat 8 asli (komposit band 654) dengan
hasil klasifikasi unsupervised :

Gambar 4.9 Perbandingan Citra Landsat 8 dan Hasil Klasifikasi Unsupervised

4.3.2 Klasifikasi Supervised
1. Landsat 7
Pada klasfikasi Supervised menggunakan landsat7, pertama kali proses
klasifikasi membagi menjadi 15 kelas. Setelah itu dibagi lagi (reclass) 6 kelas
yaitu Perairan (laut, danau, sungai, dan tubuh air), Lahan (lahan kosong),
Pemukiman, Hutan, Tambak dan Mangrove, agar lebih mudah
mengklasifikasikannya. Seperti yang telah dijelaskan tadi, awan diklasifikan
tersendiri seminimal mungkin tapi tidak dianggap sebagai tutupan lahan.

Gambar 4.10 Pembagian Kelas Klasifikasi Unsupervised Landsat 7
31
Pertimbangan dari 15 menjadi 6 kelas berdasarkan pada citra landsat 7 yang telah
dikomposit dengan band 543 (mendekati sebenarnya) dan berdasarkan google
earth.

Gambar 4.11 Citra Landsat 7 Komposit Band 543
Dari citra dengan komposit band 543 ditentukan kelas kelas tutupan lahan.
Berikut pertimbangan pemilihan kelas :
No Nama Kelas Warna Pertimbangan Pemilihan Kelas
1. Perairan



Pada kelas perairan ini yang termasuk di
dalamnya adalah laut, danau, sungai,
serta tubuh air lainnya. Hal ini
dikarenakan kenampakan objek objek
tersebut sama sehingga diklasifikasikan
dalam satu kelas.
Untuk biru tua didefinisikan sebagai laut
dalam.
2. Lahan Terbuka
(lahan kosong)



Pada kelas lahan terbuka ini merupakan
objek yang menyerupai tanah tandus.
Alasan pemilihan kelas ini karena banyak
kenampakan objek ini pada citra.
3. Pemukiman Kelas pemukiman dipilih dikarenakan
adanya kenampakan objek ini yang
siginifikan yaitu berada di tengah dengan
dikelilingi oleh hutan dan lahan terbuka.
4. Hutan Kelas hutan dipilih dikarenakan masih
cukup banyak dijumpai objek hutan pada
32
No Nama Kelas Warna Pertimbangan Pemilihan Kelas


daerah citra ini.
5. Mangrove





Alasan pemilihan kelas ini dikarenakan
objek yang selalu berada di kawasan
pesisir atau pinggir pantai, tetapi tidak
menutup kemugkinan berada di dekat
objek perairan lain.
6. Tambak


Alasan pemilihan kelas ini dikarenakan
objek yang selalu berada di kawasan
pesisir dan bentuknya berpetak-petak
seperti sawah, tetapi tidak menutup
kemugkinan berada di dekat objek
perairan lain.

Berikut ini perbandingan antara citra landsat 7 asli (komposit band 543 dengan
hasil klasifikasi Supervised :

Gambar 4.12 Perbandingan Citra Landsat 7 dan Hasil Klasifikasi Supervised
2. Landsat 8
Pada klasifikasi supervised landsat 8, dihasilkan 9 kelas yaitu hutan, lahan,
jalan, pemukiman, laut dangkal, laut, sungai, awan, dan danau
33

Gambar 4.13 Pembagian Kelas Klasifikasi Unsupervised Landsat 8
9 kelas didapat dari perbandingan citra landsat 8 dengan komposit band 654, dan
juga dengan menggunakan referensi dari google earth

Gambar 4.13 Perbandingan Citra Landsat 8 dan Hasil Klasifikasi Supervised
Pertimbangan pemilihan 9 kelas tersebut adalah berikut :
No Nama Kelas Warna Pertimbangan Pemilihan Kelas
1. LAHAN Daerah ini berada di sekitar hutan, dan
tersebar dibeberapa lokasi, terutama di
dekat permukiman
2. HUTAN Kelas ini memiliki luasan paling besar, dan
hamper menutup semua wilayah pada citra
3. JALAN Kelas ini memiliki bentuk memanjang tapi
tidak terlalu memiliki kelokan yang tajam
4. PEMUKIMAN Kelas ini terdapat di dekat daerah lahan
terbuka, dan tersebar pada citra
5. LAUT
DANGKAL
Kawasan ini terletak di sepanjang parairan
garis pantai
6. LAUT Laut atau laut dalam terletak pada lepas
pantai, dan memiliki warna biru tua
34
No Nama Kelas Warna Pertimbangan Pemilihan Kelas
7. SUNGAI Sungai memiliki bentuk memanjang dan
memiliki kelok tajam, ini yang
membedakannya dengan jalan
8. AWAN Awan banyak menutup wilayah di citra,
sehingga dipilih warna putih sesuai warna
sebenarnya
9. DANAU Danau memiliki bentuk bulat, salah satu
pertimbangan adalah dengan
membandingkan bentuk ini dengan yang
adadi google earth

4.4 Perbandingan Luas Tutupan Lahan
Dari hasil perhitungan luas tutupan lahan citra Landsat 7 dan 8 dari klasifikasi
unsupervised dan supervised didapatakan :
Landsat 7 Landsat 8
Klasfikasi Unsupervised Perairan = 145446,480 ha
Lahan kosong =210603,780
ha
Pemukiman = 856369,080
ha
Hutan = 1431645,390 ha
Vegetasi =119573.550 ha
Total Luas = 4920138.990
ha

Perairan = 1570385,700 ha
Lahan terbuka =948151,230
ha
Pemukiman = 984273,120 ha
Hutan = 1224849,410 ha
Mangrove=203571,180 ha
Total Luas = 4931230,64 ha

Klasifikasi Supervised Perairan = 3069579.42 ha
Lahan Terbuka/kosong
=369136.8 ha
Pemukiman = 477628.83 ha
Hutan = 752393.52 ha
Mangrove =131826.87 ha
Tambak=119573.550 ha
Total Luas = 4920138.990
ha

Perairan = 1792633,590 ha
Lahan Terbuka/kosong
=362762,370 ha
Pemukiman = 1869919,740
ha
Hutan = 747011,390 ha
Jalan = 158903,550 ha
Total Luas = 4931230,64 ha


Dari tabel di atas dapat diketahui bahwa untuk klasifikasi unsupervised, luas tutupan lahan
dari landsat 7 (tahun 1999) ke landsat 8 (tahun 2013) mengalami perubahan. Perubahan
luas secara keseluruhan yaitu sebesar 11091, 65 ha. Perubahan yang terjadi antara lain :
- Tidak ada lagi tutupan lahan vegetasi
- Bertambahnya luas tutupan lahan perairan, lahan terbuka, dan pemukiman
- Berkurangnya luas tutupan lahan hutan
35
- Adanya tutupan lahan mangrove
Dari perubahan yang terjadi dapat dianalisis bahwa dari tahun 1999 sampai 2013
daerah Sulawesi Selatan mengalami pengurangan hutan yang cukup banyak yaitu seluas
206795,981 ha. Berkurangnya luas hutan ini dikarenakan perubahan lahan dari hutan
menjadi pemukiman dan lahan terbuka (lahan habis pakai panen). Seiring perubahan
jaman tentu rencana tata ruang dan wilayah akan beradaptasi dengan keadaan yang terjadi.
Untuk luas perairan yang bertambah disinyalir akibat dari naiknya permukaan air laut, hal
itu sejalan dengan munculnya area mangrove yang dibuat di sekitar pesisir atau pantai
Sulawesi Selatan.
Sedangkan untuk klasifikasi supervised, luas tutupan lahan dari landsat 7 (tahun
1999) ke landsat 8 (tahun 2013) juga mengalami perubahan. Besar perubahan luas sama
dengan klasisfikasi unsupervised yaitu secara keseluruhan sebesar 11091, 65 ha.
Perubahan yang terjadi antara lain :
- Tidak ada lagi mangrove dan tambak
- Bertambahnya luas tutupan lahan pemukiman
- Berkurangnya luas tutupan lahan hutan, perairan, dan lahan terbuka
- Adanya tutupan lahan jalan
Dari perubahan yang terjadi dapat dianalisis bahwa dari tahun 1999 sampai 2013
daerah Sulawesi Selatan mengalami penambahan lahan pemukiman yang cukup banyak
yaitu seluas 1392290,910 ha. Berkurangnya luas hutan ini dikarenakan perubahan lahan
dari hutan dan lahan terbuka menjadi pemukiman. Seiring perubahan jaman tentu rencana
tata ruang dan wilayah akan beradaptasi dengan keadaan yang terjadi. Untuk luas perairan
berbeda dengan klasifikasi unsupervised, luas perairan mengalami pengurangan. Perairan
di sini mencakup laut, danau, dan sungai.
Perbedaan hasil klasifikasi dapat disebabkan beberapa hal diantaranya perbedaan
interpretasi dalam mengklasifikasikan objek tutupan lahan, cukup banyaknya awan, dan
kurangnya informasi yang tepat tentang tutupan lahan daerah Sulawesi Selatan.





36
BAB V
PENUTUP


5.1 Kesimpulan
Dari praktikum yang telah dilakukan dapat ditarik kesimpulan :
1. Proses klasifikasi unsupervised dan supervised dapat digunakan untuk mengetahui
jenis tutupan lahan. Perbedaannya terletak pada proses mendapatkan kelas tutupan
lahan. Yaitu klasifikasi supervised harus membuat batasan area tutupan lahan
sedangkan klasifikasi unsupervised dipilihkan oleh program.
2. Perubahan luas tutupan lahan daerah Sulawesi Selatan dari tahun 1999 2013
dengan menggunakan klasifikasi unsupervised sebesar 6393003 ha. Dengan
perubahan yang terjadi :
- Tidak ada lagi tutupan lahan vegetasi
- Bertambahnya luas tutupan lahan perairan, lahan terbuka, dan pemukiman
- Berkurangnya luas tutupan lahan hutan
- Adanya tutupan lahan mangrove
3. Perubahan luas tutupan lahan daerah Sulawesi Selatan dari tahun 1999 2013
dengan menggunakan klasifikasi supervised sebesar 6393003 ha. Dengan perubahan
yang terjadi :
- Tidak ada lagi mangrove dan tambak
- Bertambahnya luas tutupan lahan pemukiman
- Berkurangnya luas tutupan lahan hutan, peraiaran, dan lahan terbuka
- Adanya tutupan lahan jalan


5.2 Saran
Dari praktikum yang telah dilakukan saran yang diberikan antara lain :
1. Dalam proses mendownload citra harap lebih diperhatikan tentang informasi
informasi citra tersebut
2. Dalam proses klasifikasi diharapkan mempunyai referensi lain tentang tutupan lahan
daerah tersebut
3. Lebih teliti saat melakukan proses klasifikasi supervised