LAPORAN PRAKTIKUM

PENGINDERAAN JAUH
Klasifikasi Tutupan Lahan Citra Landsat Surabaya menggunakan ENVI
(Citra Landsat Surabaya Band 2, 3, 4)
Oleh:
Nama
NRP

: Lilik Widiastuti
: 3513100009
Dosen Pembimbing:

Nama
NIP

: Prof. DR. Ir. Bangun Muljo Sukojo, DEA., DESS

: 195305271 983031 001

LABORATORIUM GEOSPASIAL-JURUSAN TEKNIK GEOMATIKA

FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2015
i

DAFTAR ISI

DAFTAR ISI .............................................................................................................................................................. ii

KATA PENGANTAR.............................................................................................................................................. iii
I. PENDAHULUAN ................................................................................................................................................. 1
II. METODE .............................................................................................................................................................. 2
2.1. ALAT DAN BAHAN ................................................................................................................................... 2
2.2 PROSEDUR PRAKTIKUM ........................................................................................................................ 2
IV. HASIL ................................................................................................................................................................ 15
IV. KESIMPULAN ................................................................................................................................................ 18
DAFTAR PUSTAKA............................................................................................................................................. 19

ii

KATA PENGANTAR
Puji syukur saya panjatkan kepada Tuhan Yang Maha Esa yang senantiasa melimpahkan
segala rahmat dan karunia-Nya sehingga saya dapat menyelesaikan Laporan Praktikum
Penginderaan Jauh Klasifikasi Tutupan Lahan Citra Landsat Surabaya menggunakan ENVI
dengan lancar dan tepat waktu. Laporan ini disusun dengan berdasarkan praktikum secara
langsung dan studi pustaka baik bersumber media cetak maupun media elektronik. Laporan ini
dibuat berdasarkan untuk memenuhi nilai tugas Mata Kuliah Penginderaan Jauh. Oleh sebab itu
saya mengucapkan terima kasih kepada:
1. Bapak Prof. Dr. Ir. Bangun Mulyo S, DEA, DESS selaku dosen yang membimbing Mata
Kuliah Penginderaan Jauh.
2. Bapak Husnul Hidayat ST, MT dan Cherie Bhekti Pribadi ST, MT selaku asisten dosen
Mata Kuliah Penginderaan Jauh.
Saya berharap, dengan membaca Laporan ini dapat memberi manfaat bagi kita semua,
dalam hal ini dapat menambah wawasan kita mengenai Klasifikasi Tutupan Lahan Citra Landsat
Surabaya menggunakan ENVI. Dapat dikatakan, Laporan ini masih jauh dari sempurna, maka
saya mengharapkan kritik dan saran dari pembaca demi perbaikan menuju arah yang lebih baik.

Surabaya, 12 Desember 2015

Aji Kusumaning A.

iii

I. PENDAHULUAN
Pengindraan jauh atau yang biasanya dikenal dengan Remote Sensing merupakan
suatu ilmu, seni, dan teknik dalam untuk mengetahui benda, dan gejala dengan cara
menganalisis dan melakukan interpretasi objek dan arah tanpa adanya kontak langsung
dengan benda, gejala, dan objek yang sedang diinterpretasi tersebut. Pengambilan data
dalam pengindraan jauh menggunakan sensor yang menghasilkan gelombang elektro
magnetic yang memungkinkan pengguna tidak bersentuhan langsung dengan obyek. Sensor
yang digunakan ada yang bersifat pasif dan ada juga yang bersifat aktif.
Klasifikasi tutupan lahan merupakan suatu proses untuk menggelompokkan obyekobyek di lapangan agar mudah dikenali sesuai dengan jenisnya. Dalam proses klasifikasi
tutupan lahan, ketepatan proses interpretasi obyek sangat dibutuhkan. Semakin tinggi
tingkat ketepatan identifikasi maka tingkat klasifikasi obyek akan semakin baik dan nilai
akurasinya tinggi. Untuk mempermudah proses klasifkasi obyek, pemilihan tanda yang
berbeda untuk masing-masing obyek merupakan salah satu cara untuk membedakan antara
obyek yang satu dengan obyek yang lain.
Sehingga tujuan dari praktikum mengenai Spatial Subsetting menggunakan ENVI ini
adalah:
a. Melakukan proses pengklasifikasian tutupan lahan di Surabaya menggunakan Citra
Landsat area Surabaya dan terdapat lima obyek yang diklasifikasikan
b. Menentukan nilai akurasi pada proses pengklasifikasian obyek tutupan lahan
Surabaya

II. METODE
2.1. ALAT DAN BAHAN
Alat:
1. Laptop
2. Mouse
3. ENVI 5.0 (ENVI Classic)
Bahan:
1. Citra Landsat Surabaya (band 4, band 3 dan band 2)
2. Peta vektor kabupaten

2.2 PROSEDUR PRAKTIKUM

1.

Membuka aplikasi ENVI Classic, kemudian pilih menu File Open Image File,
kemudian pilih file Citra Landsat Surabaya band 4, 3 dan2, kemudian Open

Akan muncul kotak dialog Available Bands List. Kemudian pilih RGB dengan
mengkombinasikan Band 4, 3 dan 2 (Red = Band 4, Green = Band 3 dan Blue = Band 2).
Pilih Load. Berikut ini adalah tampilan file yang telah dibuka

2.

Buka peta vektor, pada menu bar pilih menu File Open Vector File. Setelah muncul
kotak dialog Select Vector Filenames pilih Indonesia_kabupaten.evf dan Open

Akan muncul kotak dialog Available Vectors List, pilih layer_indonesia_kab.shp

kemudian Load Selected. Dan setelah uncul kotak dialog Load Vector pilih new Vector
Window - OK

Akan muncul tampilan peta vektor seluruh kabupaten di Indonesia seperti di bawah ini

3. Pada tampilan peta vektor, pilih menu Edit View/Edit/Query/Attributes.. kemudian

akan muncul tampilan tabel nama-nama kabupaten pada kotak dialog Layer Attributes:
Indonesia_kab.dbf. Selanjutnya pilih Surabaya dengan no. urut 218.

kemudian akan muncul tampilan tabel nama-nama kabupaten pada kotak dialog Layer
Attributes: Indonesia_kab.dbf. Selanjutnya pilih Surabaya dengan no. urut 218.

Simpan data yang telah ditentukan yaitu Surabaya, dengan memilih menu File Save
Selected records to New Layer

4.

Lakukan penyimpanan lanjutan, setelah muncul kotak dialog Save Selected records to
New Layer pilih ikon Choose Beri nama file yang disimpan Open dan selanjutnya OK.

Pada kotak dialog Available Vectors List pilih Subset (Layer_indonesia_kab.shp)

Selanjutnya Load Selected. Dan setelah muncul kotak dialog Load Vector pilih New
Vector Windows OK untuk membuka data dalam layer yang baru.

Berikut ini adalah tampilan dari proses subseting peta vektor Surabaya.

5.

Pilih menu Basic Tools Subset Data Via ROIs. Setelah muncul kotak dialog Select Input
File to Subset via ROI pilih salah satu band kemudian OK. Lakukan proses ini sebanyak
band yang awalnya dikombinasikan.

6.

Pada kotak dialog Spatial Subset Via ROI Parameters, pilih EVF:
subset(Layer_indonesia_kab.shp). lakukan penyimpanan dengan memilih ikon
Choose - OK.

Berikut ini merupakan hasil dari proses subseting peta Surabaya, dimana ditandai
dengan format file ROI Mask (Band 1 kombinasikan Band hasil
subset ROI kemudian Load RGB.

7.

Simpan gambar, pilih menu File Save Image As Image File

8.

Setelah muncul kotak dialog Output Display to Image File piih Output Image Size
dalam bentuk Tiff/Geo Tiff , selanjutnya simpan dengan memilih menu Choose dan
setelah memberi nama pilih Open, kemudian OK.

p
9. Pada menu bar pilih Basic Tools - Region of Interest selanjutnya ROI Tool.

Berikut ini adalah tampilan peta yang siap di digit untuk memilih lokasi ruang yang
akan diklasifikasikan. Dimana digitasi warna merah = bangunan. Hasil digitasi akan
uncul pada tabel #1ROI Tool. Lakukan penambahan jenis klasifikasi dengan memilih
ikon New Region untuk emulai digitasi obyek yang baru.

Hasil digitasi tutupan vegetasi, ditandai dengan warna hijau dan hasil digitasi area
tambak warna biru tua

Hasil digitasi lahan kosong, ditandai dengan warna kuning dan hasil digitasi area sungai
/ batas air warna biru muda.

10. Pada kotak dialog #1 ROI Tool pastikan telah di pilih 5 obyek yang telah diklasifikasikan.
Kemudian simpan data dengan memilih menu File-Save ROIs

11. Setelah muncul kotak dialog Save ROIs to File, pilih semua file yang ada kemudian
simpan dengan memilih menu Choose dan selanjutnya OK

10

12. Pada menu bar, pilih Clasification Supervised Maximum Likehold.

13. Pada kotak dialog Cofiguration Input File pilih jenis file yang telah disimpan dengan
format .tiff atau .img selanjutnya OK

14. Selanjutnya akan muncul kotak dialog Maximum Likeholod Parameters, pilih semua ROI
kemudian simpan dengan memilih ikon Choose kemudian OK.

11

15. Akan muncul kotak dialog Save ROIs to File, pilih semua obyek yanga akan
diklasifikasikan. Pilih ikon Choose untuk memilih tempat penyimpanan selanjutnya OK

16. Hasil dari proses yang telah dilakukan ditunjukkan pada kotak dialog Available Bands
List, dimana muncul jenis file Max Like (1.img). Kombinasikan band yang ada kemudian
Load Selected untuk menampilkan tampilan klasifikasi lahan dalam bentuk peta vector
yang telah ditampalkan degan peta image.

17. Lakukan pengecekan akurasi pada saat pengklasifikasian, dengan memilih menu
Clasificatios Post Clasification Confusion Matrix Using Ground Touch ROIs.

12

18. Setelah muncul kotak dialog Clasification Input File, pilih file hasil dari pengklasifikasian
sebelumnya kemudian OK.

19. Pada Kotak dialog Match Classes Parameters. Lakukan pencocokan dengan memilih file
yang sama pada kolom Select Ground Truth ROI dengan kolom Select Clasifications
image, selanjutnya Add Combination. Setelah semua terkombinasikan pilih OK

13

20. Pada kotak dialog Confusion Matrix Parameters klik OK

21. Hasil dari proses tersebut diketahui nilai dari akurasi obyek yang telah diklasifikasikan.
Dan ditunjukkan pada nilai-nilai dari hasil yang telah olah pada kotak dialog Class
Confusion Matrix.

22. Lakukan langkah-langkah diatas untuk Supervised- Minimum Distance, UnsupervisedISO Data dan Unsupervised K-Means.
23. Selesai

14

IV. HASIL
Pada praktikum mengenai Klasifikasi Tutupan Lahan Citra Landsat Surabaya
menggunakan ENVI didapatkan tampilan peta Surabaya yang telah diklasifikasikan dalam 5
bentuk obyek. Selain itu juga dihasilkan nilai akurasi data dari- obyek-obyek yang telah
diklasifikasikan. Berikut ini hasil dari beberapa proses yang telah dilakukan:
A. SUBSETTING PETA VEKTOR SURABAYA

Gambar diatas menunjukkan hasil dari proses export dan subsetting peta vektor
Surabaya dengan nomor urut 218
B. SUPERVISED - MAXIMUM LIKELIHOOD

(a)
(b)
Gambar (a) menunjukkan hasil dari proses klasifikasi tutupan lahan Citra Landsat
Surabaya berdasarkan Supervised Maximum Likelihood. Selain itu hasil proses ini juga
ditunjukkan oleh gambar (b), yang menunjukkan peta tutupan lahan di Surabaya yang
telah diklasifikasikan kedalam 5 bentuk obyek. Dari tampilan peta tersebut diketahui
bahwa nilai akurasi pada saat proses klasifikasi citra mencapai 81,3198%.

15

C. SUPERVISED - MINIMUM DISTANCE

(c)
(d)
Gambar (c) menunjukkan hasil dari proses klasifikasi tutupan lahan Citra Landsat
Surabaya berdasarkan Supervised Minimum Distance. Selain itu hasil proses ini juga
ditunjukkan oleh gambar (d), yang menunjukkan peta tutupan lahan di Surabaya yang
telah diklasifikasikan kedalam 5 bentuk obyek. Dari tampilan peta tersebut diketahui
bahwa nilai akurasi pada saat proses klasifikasi citra mencapai 73,8071%.
D. UNSUPERVISED - ISO DATA

(e)
(f)
Gambar (e) menunjukkan hasil dari proses klasifikasi tutupan lahan Citra Landsat
Surabaya berdasarkan Unsupervised ISO Data. Selain itu hasil proses ini juga
ditunjukkan oleh gambar (f), yang menunjukkan peta tutupan lahan di Surabaya yang
telah diklasifikasikan kedalam 5 bentuk obyek. Dari tampilan peta tersebut diketahui
bahwa nilai akurasi pada saat proses klasifikasi citra mencapai 28,4168%.

16

E. UNSUPERVISED - K-MEANS

(g)
(h)
Gambar (g) menunjukkan hasil dari proses klasifikasi tutupan lahan Citra Landsat
Surabaya berdasarkan Unsupervised K-Means. Selain itu hasil proses ini juga
ditunjukkan oleh gambar (h), yang menunjukkan peta tutupan lahan di Surabaya yang
telah diklasifikasikan kedalam 5 bentuk obyek. Dari tampilan peta tersebut diketahui
bahwa nilai akurasi pada saat proses klasifikasi citra mencapai 3,5533%.
.

17

IV. KESIMPULAN
Dalam praktikum mengenai Klasifikasi Tutupan Lahan Citra Landsat Surabaya
menggunakan ENVI didapatkan beberapa kesimpulan, diantaranya:
1.

Jumlah atau jenis obyek yang akan diklasifikasikan sangat berpengaruh pada nilai
akurasi dari yang nantinya akan didapatkan, dimana semakin banyak obyek yang akan
diklasifikasikan maka tingkat keakuratan data akan menurun.

2.

Semakin tinggi nilai akurasi maka tingkat keakuratan dan ketepatan pada saat proses
pengklasifikasian semakin tinggi atau semakin baik

3.

Tujuan dari proses klasifikasi obyek dalam sebuah citra adalah untuk mempermudah
pembuatan peta tematik.

18

DAFTAR PUSTAKA
Eka, L., Andrean. 2014. Langkah-langkah Koreksi geometric dan radiometric serta klasifikasi
citra. (http://zonegeologi.blogspot .co.id/2014/09/ koreksi-geometrik -dankoreksi.html). Diakses tanggal 1Desember 2015
Nurtasiani, Rurin. 2012. Pengindraan jauh, Klasifikasi citra. http:// rurinnurtasiani.
blogspot.co.id/2012_10_01_archive.html. Diakses tanggal 1 Desember 2015

19