UNIVERSITAS GADJAH MADA

FAKULTAS TEKNIK
TEKNIK GEODESI

TUGAS AKHIR
PENGOLAHAN CITRA DIGITAL

Nama

: Eka Pertiwi

Kelas

:A

NIM

: 13/352875/TK/41311

YOGYAKARTA

I.

Tujuan
1. Mahasiswa dapat memahami cara klasifikasi citra yang benar
menggunakan software ENVI.
2. Mahasiswa dapat memahami perbedaan antara klasifikasi
supervised dengan unsupervised.
3. Mahasiswa dapat memahami hubungan antara penggunaan citra
landsat dengan updating peta RBI.

II.

Alat dan Bahan

1.
2.
3.
4.

III.

Seperangkat alat komputer / laptop

Software ENVI
Citra Landsat
Peta RBI

Dasar Teori
Pada smester ini, mahasiswa diajarkan untuk menggunakan
software ENVI. ENVI merupakan salah satu jenis software yang
digunakan dalam pengolahan citra. Envi m erupakan suatu sistem
pengolahan citra digital penginderaan jauh yang revolusioner dibuat
oleh Research System, Inc (RSI). Pada software ini banyak fasilitas
yang dapat digunakan untuk mengolah citra, salah satunya
menggunakan fasilitas klasifikasi citra.
Klasifikasi citra terbagi kedalam dua teknik yaitu teknik
supervised classification dan teknik unsupervised classification.
Klasifikasi supervised dan unsupervised biasanya digunakan untuk
mengklasifikasi keseluruhan suatu dataset menjadi kelas-kelas.
Kelas-kelas dapat mengidentifikasi area hutan, perkebunan,
mineral, urban.
Teknik klasifikasi supervised dapat diartikan sebagai teknik
klasifikasi yang diawasi. Menurut Projo Danoedoro (1996) klasifikasi
supervised ini melibatkan interaksi analis secara intensif, dimana
analis menuntun proses klasifikasi dengan identifikasi objek pada
citra (training area). Sehingga pengambilan sampel perlu dilakukan
dengan mempertimbangkan pola spektral pada setiap panjang
gelombang tertentu, sehingga diperoleh daerah acuan yang baik
untuk mewakili suatu objek tertentu.
Sedangkan Klasifikasi unsupervised yang berarti klasifikasi tak
terawasi
merupakan
pengklasifikasian
hasil
akhirnya
(pengelompokkan
pixel-pixel
dengan
karakteristik
umum)
didasarkan pada analisis perangkat lunak (software analysis) suatu

IV.

V.

citra tanpa pengguna menyediakan contoh-contoh kelas-kelas

terlebih dahulu.

Skema Pengerjaan

Langkah Pengerjaan

1. Melakukan penggabungan ke sebelas band menggunakan software

ENVI atau ER mapper.
2. Buka software ENVI, lalu membuka hasil gabungan band tersebut.

3. Membuka citra dengan kombinasi warna natural color ( 4 3 2 )

4. Langkah selanjutnya adalah melakukan cropping pada citra. Zoom

daerah yang ingin di crop, lalu klik save image as image file.
Selanjutnya klik spatial subset, sehingga muncul kotak dialog. Klik
image, lalu masukkan luas daerah yang akan dicropping. Setelah itu
pilih tempat penyimpanan citra hasil cropping.

5. Buka citra yang telah dicropping pada new display.

6. Lakukan koreksi radiometric pada citra tersebut, caranya adalah

dengan klik enhance interactive stretching.
7. Setelah melakukan koreksi radiometric, langkah selanjutnya adalah
membuat ROI, caranya adalah klik basic tools region of interest ROI
tool. Klasifikasi objek apa saja yang terdapat pada citra tersebut.

8. Melakukan klasifikasi pada citra yang telah dicrop. Klasifikasi yang

dapat dilakukakan ada 2 metode, yaitu klasifikasi supervised dan
unsupervised. Berikut ini adalah penjelasan dari masing-masing
metode :
-

Klasifikasi Supervised
Pilih menu classification supervised pilih metode yang
diinginkan, pada kali ini saya memilih metode maximum likelihood.

Klasifikasi Unsupervised

Pilih menu classification unsupervised lalu memilih metode

klasifikasi yang diinginkan, kali ini saya menggunakan metode
IsoData

9. Langkah selanjutnya adalah membandingkan hasil supervised dengan

peta RBI menggunakan software gobal mapper.

VI.

Pertanyaan dan Jawaban

1. Apakah terdapat perbedaan hasil antara supervised dan unsupervised?

Iya, terdapat perbedaan antar hasil supervised dengan unsupervised.

HASIL KLASIFIKASI
SUPERVISED

HASIL KLASIFIKASI
UNSUPERVISED

Perbedaan pada kedua klasifikasi di atas adalah :

-

Pada klasfikasi supervised sawah diberi warna hijau dan kelihatan

banyak pada citra, namun pada klasifikasi unsupervised, daerah
sawahnya sedikit dan bercampur dengan objek yang lain.
Pada klasifikasi supervised perkebunan berwarna merah dan
jumlahnya sedikit, namun pada klasifikasi unsupervised jumlahnya
banyak.

Pada klasifikasi supervised pemukiman berwarna biru dan

jumlahnya cukup banyak, namun pada klasifikasi unsupervised
jumlahnya sedikit dan bercampur dengan objek yang lainnya.
Pada klasifikasi supervised lading berwarna kuning, jumlahnya
sedikit. Namun pada klasifikasi unsupervised jumlahnya sangat
banyak.

2. Apakah citra landsat dpt menampilkan objek yg ada di legenda RBI

(RBI jadi acuan) ?
Bisa, namun dapat saja terjadi kesalahan dalam klasifikasi objek pada
citra landsat karena citra landsat menampilkan gambar yang tidak
terlalu jelas sehingga manusia yang mengolahnya bisa saja salah
dalam menentukan suatu objek objek.
3. Bisakah citra landsat digunakan utk update RBI?
Tidak bisa, karena informasi yang ditampilkan pada citra landsat
kurang mendetil. Sedangkan data yang dibutuhkan untuk melakukan
update RBI adalah data yang memiliki detil yang jelas untuk setiap
objeknya.
4. Apakah klasifikasi yg baik untuk citra landsat yg digunakan?
Klasifikasi yang baik digunakan adalah klasifikasi supervised, karena
sebelum melakukan klasifikasi, kita terlebih dahulu membuat ROI
(Region Of Interest) yaitu membuat training area yang mewakili tiaptiap objeknya, sehingga klasifikasinya menjadi lebih terarah.
Sedangkan pada klasifikasi unsupervised, computer menentukan
sendiri objek yang akan diklasifikasinya, kita hanya menentukan
jumlah minimal dan maksimal objek yang akan terklasifikasi.

VII. Kesimpulan
Kesimpulan dari pengerjan tugas di atas adalah, sesuai dengan
pernyataan dan jawaban yang diatas. Citra landsat tidak dapat
digunakan untuk melakukan updating peta RBI karena informasi dan
gambar yang terdapat pada citra Landsat tidak terlalu jelas dan
mendetil, sedangkan untuk melakukan updating peta dibutuh data
yang jelas dan informasi detil yang jelas.

Untuk melakukan klasifikasi pada citra landsat, digunakan

metode klasifikasi supervised karena metode klasifikasi inilah yang
dianggap mendekati kebenaran, karena sebelumnya kita membuat
training area untuk mewakili tiap objek yang terdapat pada citra.
Sedangkan pada klasifikasi unsupervised hanya komputer yang
menentukan objek apa saja yang ada pada citra tersebut.