I.1.

Sementasi

I.1.1.1

Penentuan Jenis Pengolahan

Tahap awal proses segmentasi pada perangkat lunak eCognition

Developer 8.9 terlebih dahulu menentukan model pengolahan segmentasi dan

klasifikasi. Terdapat dua jenis model pengolahan yaitu dengan Quick Map Mode
dan Rule Set Mode. Untuk menjalankan fungsi analisis citra secara sederhana
dapat dilakukan pada Quick Map Mode, sedangkan Rule Set Mode merupakan
standar analisis citra secara terstruktur dan kompleks. Penelitian menggunakan
Rule Set Mode agar proses segmentasi dan klasifikasi diproses dengan
maksimal.

Tampilan Awal eCognition Developer 8.9

I.1.1.2
1)

Membuat Project Baru pada eCognition Developer 8.9

Pada menu File, pilih New Project, kemudian muncul jendela Create
Project dan Import Image Layer. Pada jendela Import Image Layer
memilih data citra Lalu OK.

Menu File

2)

Pada Project Name diisi dengan nama project yang akan dibuat.
Kemudian pada kotak daftar layer, nama Layer 1 diubah menjadi Red,
Layer 2 menjadi Green, Layer 3 menjadi Blue, dan Layer 4 menjadi
NIR, setelah itu klik OK.

3)

Setelah pembuatan project maka akan muncul peta seperti berikut :

I.1.1.3

Kombinasi Kanal (Band)

Kombinasi kanal ALOS AVNIR-2 dapat dilakukan pada eCognition

dengan menjalankan fungsi Edit Image Layer Mixing dari menu View.
Kombinasi kanal dilakukan untuk mempermudah dalam mengidentifikasi objek
yang masuk dalam region tertentu setelah dilakukan proses segmentasi.

Tampilan Edit Image Layer Mixing

Sebagai contoh kombinasi kanal 321 yang akan menampilkan

penampakkan sebenarnya dari muka bumi, atau kombinasi kanal 432 yang dapat

mempertajam perbedaan antara vegetasi, lahan terbangun, lahan kosong, dan

badan air. Tampak pada gambar di bawah ini dengan kombinasi kanal 432 untuk
vegetasi ditunjukkan dengan warna merah, badan air dengan warna gelap, lahan
terbuka berwarna kehijauan, dan kawasan terbangun berwarna putih keabuan.

(i)

(ii)

Gambar Kombinasi kanal (i) RGB 321 dan (ii) 432

I.1.1.4
Segmentasi dengan Algoritma Multiresolution Segmentation
Pada pembahasan ini proses segmentasi menggunakan algoritma
multiresolution segmentation. Algoritma ini dapat membagi citra ke dalam
region-region berdasarkan prinsip homogenitas. Region yang dibentuk menjadi
satu kelas yang sama. Tahapan-tahapan pengelompokannya sebagai berikut:

1.

Klik Process > Process Tree.

2.

Maka akan mucul tab baru, kemudian Klik kanan pilih Append New.

3.

Setelah muncul jendela Edit Process, pada kotak Name dapat ditulis
nama tahapan Segmentasi. Pada Algorithm pilih Multiresolution
Segmentation maka secara otomatis pada Image Object Domain
terpilih pixel level. Pada bagian Scale Parameter (skala) nilai diubah
menjadi 50, shape (bentuk) 0,3, dan compactness (kekompakan) 0,5.
Kemudian tekan tombol Execute untuk memulai proses segmentasi.

Algoritma multiresolution segmentation ini memiliki tiga

parameter segmentasi yang harus ditentukan nilainya. Tiga parameter
tersebut diantaranya skala, bentuk, dan kekompakan. Besaran skala
segmentasi ditentukan nilainya berdasarkan kesesuaian region
terhadap luas area yang akan disegmentasi. Sedangkan nilai bentuk
dan kekompakan ditentukan dari jumlah nilai kedua parameter tidak
lebih dari 0,9. Nilai parameter segmentasi penelitian ini diantaranya
skala 50, bentuk 0,3, dan kekompakan 0,5. Waktu yang dibutuhkan
proses segmentasi berkisar antara 2-4 menit tergantung pada spec
computer yang di pakai.
4.

Maka setelah di Execute hasil peta akan Nampak seperti pada bawah.

I.1.1.5

Proses Klasifikasi Citra dengan Metode Nearest Neighbor

Pembuatan kelas berdasarkan objek yang tampak pada citra

diantaranya vegetasi, lahan terbangun, lahan terbuka, badan air, dan objek yang
tidak teridentifikasi akibat awan dan bayangan. Masing-masing kelas
disimbolkan dalam warna yang berbeda-beda agar mudah dipahami. Langkah
pembuatan kelas adalah sebagai berikut.
1.

Klik kanan pada kotak dialog Class Hierarchy pilih Insert Class,
kemudian muncul jendela Class Description. Pada kotak isian Name
isikan nama kelas misalnya badan air, berikutnya menentukan warna
kelas. Kemudian klik tombol OK.

2.

Mengulangi proses di atas untuk kelas vegetasi, dan awan, serta

pemberian warna yang berbeda sesuai karakteristik objek yang akan
diidentifikasi.

3.

Kemudian pada kotak dialog Image Object Information, klik kanan

lalu pilih Select Feature to Display maka akan muncul kotak dialog
Select Displayed Features.

4.

Pada kotak Available sisi kiri, pilih tab Object Feature kemudian pilih
dengan cara double-click pada Layer Value maka tab Layer Value akan
muncul pada kotak Selected di sisi kanan. Berikutnya tekan tombol
OK.

5.

Kemudian pengambilan sampel (training area) dengan cara pilih

Classification pada menu utama, pilih Samples dan pilih Select
Samples

6.

Kemudian pilih kembali satu region untuk diberikan warna sesuai

dengan kelasnya. Pada kotak Image Object Information pilih tab
Classification dan pilih nama kelas sesuai dengan objek pada citra,
kemudian klik dua kali pada region maka region akan sesuai dengan
kelas dan warnanya.

7.

Membuat training area untuk region lainnya sesuai dengan

kenampakkan pada citra. Hingga semua class sudah di masukkan.

Setelah dilakukan pengambilan sampel (training area) kemudian

dilakukan proses klasifikasi atau pengelompokkan objek dengan metode Nearest
Neighbor, artinya setiap piksel dihitung jaraknya terhadap nilai rata-rata (mean)
dari training area, kemudian pengelompokkan piksel ke dalam kelas tertentu
ditentukan apabila jaraknya paling minimum.

8.

Pada menu utama Classification pilih submenu Nearest Neighbor,

kemudian pilih Edit Standard NN Feature Space.

9.

Pada kotak Available di sebelah kiri klik tab Object features kemudian
pilih Layer Value dengan cara klik dua kali maka tab Layer Value akan
muncul pada kotak Selected di sebelah kanan. Kemudian tekan tombol
OK.

10. Kemudian dari menu utama Classification pilih submenu Nearest

Neighbor, kemudian pilih Apply Standard NN To Classes

11. Kemudian muncul jendela Apply Standard NN To Classes. Klik

tombol All ke kanan untuk memilih kelas, selanjutnya tekan tombol
OK.

12. Pada kotak dialog Process Tree klik kanan pilih Append New,
kemudian muncul jendela Edit Process. Pada kotak Algorithm pilih
Classification, kemudian pada kotak Algorithm Parameters masukkan
kelas pada Active Class. Selanjutnya tekan tombol Execute maka
proses klasifikasi akan diproses dalam beberapa menit.

13. Jika proses klasifikasi telah selesai maka model klasifikasinya dapat
disimpan dalam format shapefile dengan cara pilih menu utama
Export kemudian pilih submenu Export Result.

14. Pada jendela Export Results, Export Type berupa Shape file, Content
Type berupa Polygon raster, dan Format dalam bentuk Shapefile. Pada
kotak Classes berisi kelas-kelas yang akan disimpan dalam format
shapefile. Kemudian tekan tombol Export untuk memulai proses
Exporting.

I.1.1.6

Hasil Klasifikasi dalam Format Shapefile

Setelah dilakukan klasifikasi Nearest Neighbor, hasil klasifikasi

dapat disimpan dalam format shapefile. Perangkat lunak yang digunakan adalah
ArcMAP 10 untuk perhitungan luas dan pembuatan layout peta. Untuk
menampilkan kategori tutupan lahan pada jendela Data View adalah sebagai
berikut.
1.

Klik dua kali pada layer yang ada di Table of Contens, kemudian
pilih tab Symbology.

2.

Pada kotak Show, pilih Categories. Pada Value Field pilih Class
Name dan klik tombol Add All Values untuk menampilkan kelaskelas tutupan lahannya. Kemudian tekan tombol OK.

3.

Maka Hasil tutupan lahan akan jadi seperti berikut

I.1.1.7

Perhitungan Luasan Tutupan Lahan

Berdasarkan klasifikasi tutupan lahan maka cara untuk mengetahui

luasan tutupan lahan adalah sebagai berikut.

1.

Dari menu utama ArcMAP 10 pilih Georeferencing, kemudian pilih

submenu Dissolve.

2.

Pada Input feature masukkan layer yang akan dihitung luasnya dan
pada Output Feature Class tentukan lokasi penyimpanannya.
Kemudian pilih OK untuk mengeksekusi proses Dissolve.

3.

Klik kanan pada layer baru hasil Dissolve, pilih Open Attribute Table
kemudian muncul jendela Table. Pilih Table Options pilih Add Field.
Pada Name isikan nama field dan pada type pilih Double, lalu pilih
OK.

4.

Klik kanan pada nama field baru kemudian pilih Calculate Geometry
maka akan muncul kotak dialog Calculate Geometry. Tentukan unit
satuan luas misalnya dalam Meter, kemudian tekan tombol OK.

5.

Maka akan muncul secara otomatis Hasil Luasan tiap tutupan lahan
yang ada

I.1.1.8
Penilaian Akurasi Klasifikasi dan Validasi Objek
Metode penilaian akurasi (accuracy assessment) pada perangkat lunak
eCognition Developer 8.9 dapat menghasilkan informasi statistik untuk
memeriksa kualitas dari hasil klasifikasi. Tabel dari penilaian statistik dapat
disimpan dalam format file *.txt pada saat hasil grafis telah dikonversi kedalam
format raster. Tahapan penilaian akurasi adalah sebagai berikut.
1.

Pada menu utama Tools pilih submenu Accuracy Assessment untuk

membuka kotak dialog Accuracy Assessment.

2.

Kemudian pada Statistic type list pilih Error Matrix based on Samples.
Untuk menampilkan jendela Error Matrix based on Samples klik
tombol Show Statistics.