Anda di halaman 1dari 30

Modul Pengolahan Citra Landsat

Klasifikasi Mangrove

Oceanography
Universitas Hang Tuah
2014

Modul Klasifikasi Citra Landsat

1.

2014

Komposit Band
Masing masing band dalam citra landast memiliki kemampuan untuk

mendeteksi yang berbeda sesuai kebutuhan, tetapi band tersebut tidak bisa
digunakan secara terpisah. Untuk bisa diasosiasikan menjadi warna supaya bisa
dibaca dan dan diinterpretasikan oleh mata normal kita, kita memerlukan band
untuk dikomposisikan dalam kanal RGB. Proses Penggabungan (komposit) band
ini dapat dilakukan untuk proses klasifikasi. Pemilihan band yang akan
digunakan harus disesuaikan dengan tujuan klasifikasi. Pemilihan kombinasi
band untuk pengamatan daerah vegetasi mangrove menggunakan komposit
False Color dengan kombinasi RGB 453 untuk landsat 7 sedangkan untuk
landsat 8 kombinasi RGB 564, berdasarkan komposit kombinasi ketiga band ini
vegetasi dapat dengan mudah dikenali berdasarkan beda kenampakannya.

Langkah langkah untuk melakukan komposit band yaitu sebagai berikut

Buka sofware er mapper 7 kemudian klik icon Edit Algoritm

Gambar 1 tampilan awal ER Mapper 7

selanjutnya akan muncul tampilan algorithm kemudian duplicate layer


sebanyak band yang akan digunakan, untuk landsat 7 digunakan band 1
sampai band 6 sedangkan untuk landsat 7 digunakan band 1 sampai
band 7.

Modul Klasifikasi Citra Landsat

2014

Gambar 2 tampilan layar Algoritm

Setelah melakukan duplicate, rename masing-masing layer sesuai band


yang digunakan kemudian klik load dataset pada setiap layer sesuai
band.

Gambar 3 tampilan layar Algoritm


Adapun cara melakukan load dataset adalah sebagai berikut
1. Klik pada layer b1
2. Klik icon load dataset
3. Pada tahap ini akan membuka tampilan raster dataset seperti
berikut

Modul Klasifikasi Citra Landsat

2014

Gambar 4 tampilan raster dataset


Pada tampilan raster dataset pilih band yang digunakan sesuai
dengan nama layer kemudian klik ok this layer only.
4. Lakukan langkah langkah tersebut untuk masing-masing layer
sehingga diperoleh hasil seperti berikut

Gambar 5 pengaturan dataset untuk setiap band

Setelah melakukan load dataset kemudian save, caranya


Klik icon save

pada menubar ER Mapper, kemudian akan muncul

tampilan layar save as. Pada kolom Save as isikan dengan nama file
baru, pada kolom files of type ubah menjadi ER Mapper Raster Dataset
(.ers)
Klik OK

Modul Klasifikasi Citra Landsat

2014

Gambar 6 tampilan save as


kemudian akan muncul window baru, centang delete output transform,
klik default
klik OK

Gambar 7 tampilan save as er mapper dataset


Untuk melihat hasil komposit band, pada menubar ER Mapper klik icon
open file

kemudian pilih file yang sudah dikomposit lalu klik ok

Modul Klasifikasi Citra Landsat

2014

Gambar 8 input dataset


Secara default komposisi band pada RGB Algoritm adalah RGB 321,
seperti gambar berikut

Gambar 9 RGB 321 landsat 8

Modul Klasifikasi Citra Landsat

2014

Gambar 10 RGB 321 landsat 7


Untuk menggubah ke komposisi band yang lain caranya
klik icon Edit Algoritm pada layar utama ER Mapper, lalu akan
tampil layar RGB Algoritm
untuk menampilkan RGB vegetasi pada landsat 8 red layer diubah
ke band 5, green layer diubah 6, blue layer diubah ke band 4,
sedangkan landsat 7 red layer diubah ke band 4, green layen
diubah ke band 5, blue layer diubah ke band 3

Gambar 11 window algoritm

Modul Klasifikasi Citra Landsat

Hasilnya akan tampak seperti berikut

Gambar 12 RGB 564 landsat 8

2014

Modul Klasifikasi Citra Landsat

2014

Gambar 12 RGB 453 landasat 7

2.

Croping
Cropping dimaksudkan untuk membatasi daerah analisis sehingga sesuai

dengan kebutuhan yaitu dengan memfokuskan pengamatan pada suatu daerah


dengan data spasial atau spektralnya.
Langkah langkah untuk melakukan cropping yaitu sebagai berikut

klik icon Edit Algoritm

Selanjutnya akan muncul tampilan algorithm kemudian duplicate layer

pada menubar ER Mapper

sebanyak band yang akan digunakan, untuk landsat 7 digunakan band 1


sampai band 6 sedangkan untuk landsat 7 digunakan band 1 sampai
band 7.

Setelah melakukan duplicate, rename masing-masing layer sesuai band


yang digunakan kemudian load dataset pada setiap layer sesuai band.

Kemudian buka file citra yang sudah dikomposit

Ubah kombinasi RGB menjadi 564

Zoom daerah yang akan dikaji

Klik kanan pada tampilan citra RGB 564

Modul Klasifikasi Citra Landsat

Pilih quick zoom

Klik set geolink to window

2014

Gambar 13 tampilan citra RGB 564

Kemudian klik kanan pada tampilan citra pseudo layer

Pilih quick zoom

Klik

set

geolink

to

window,

sehingga

otomatis

menyesuaikan dengan tampilan citra RGB

Gambar 14 quick zoom citra pseudo layer

zooming

akan

Modul Klasifikasi Citra Landsat

2014

Lalu save dengan cara klik kanan pada tampilan peseuodo layer pilih file
save as, kemudian akan muncul tampilan layar save as. Pada kolom
Save as isikan nama baru untuk file hasil cropping, pada kolom files of
type ubah menjadi ER Mapper Raster Dataset (.ers)

Gambar 15 proses save as citra

Klik OK

kemudian akan muncul window baru, klik default

Gambar 16 Save As ER Mapper Dataset

klik OK

Modul Klasifikasi Citra Landsat

3.

2014

Klasifikasi
Kalsifikasi adalah suatu proses dimana semua piksel dari suatu citra yang

mempunyai penampakan spektral yang sama. Dalam proses klasifikasi kita akan
membuat suatu dataset klasifikasi atau suatu algoritma dari tiap tiap baris yang
mempresentasikan

suatu

kelas.

Klasifikasi

biasanya

digunakan

untuk

mengklasifikasikan keseluruhan suatu dataset menjadi beberapa kelas. Kelaskelas tersebut dapat mengidentifikasikan area hutan, pemukiman penduduk,
perairan, lahan perkebunan, mineral dan lain sebagainya. Suatu dataset
klasifikasi biasanya diperlihatkan dengan menggunakan suatu tampilan baris
klasifikasi dalam algoritma. Tampilan baris klasifikasi dapat menampilkan banyak
kelas dengan warna yang berbeda untuk masing-masing kelas. Ada dua cara
melakukan klasifikasi yaitu klasifikasi supervised (terbimbing) dan klasifikasi
unsupervised (tak terbimbing), namun dalam kerja praktek kali ini digunakan
proses klasiafikasi unsupervised.
Klasifikasi unsupervised digunakan ketika hanya mempunyai sedikit
informasi tentang dataset kita. Pada klasifikasi unsupervised (tidak terbimbing),
pengklasifikasian dimulai dengan pemeriksaan seluruh piksel dan membagi
kedalam kelas-kelas berdasarkan pada pengelompokkan nilai-nilai citra seperti
apa adanya.
Prosedur umumnya mengasumsikan bahwa citra dari area geografis
tertentu adalah di kumpulkan pada multiregion dari spektrum elektromagnetik.
Dengan menggunakan metode ini, program klasifikasi mencari pengelompokan
secara natural atau clustering berdasarkan sifat spektral dari setiap pixel.
Klasifikasi unsupervised akan mengkategorikan semua piksel menjadi
kelas-kelas dengan menampakan spektral atau karakteristik spektral yang sama
namun

belum

diketahui

identitasnya,

karena

didasarkan

hanya

pada

pengelompokan secara natural proses klasifikasi unsupervised sebaiknya


diinterpretasikan dengan menggunakan data yang sebenarnya di lapangan.
Dengan demikian kelas-kelas spektral tersebut dapat diberikan identitasnya,
sehingga dapat digunakan untuk mengkombinasikan atau menghapus kelas
yang diinginkan dan juga dapat digunakan untuk memberi nama dan warna pada
masing-masing kelas.
Adapun langkah-langkah untuk melakukan klasifikasi unsupervised
adalah sebagai berikut

Modul Klasifikasi Citra Landsat

2014

Dari menu utama Er Mapper klik process kemudian pilih classification


lalu klik ISOCLASS unsupervised classification.

Gambar 17 proses memulai klasifikasi


Masukan dataset dengan file hasil croping dan output dataset diisi file
dengan nama baru.
Ubah komposisi pada maximum iteration = 200, maximum number of
classes = 250, maximum standar deviation = 2, min distance = 1.

Gambar 18 komposisi unsupervised classification


Klik OK

Modul Klasifikasi Citra Landsat

2014

Gambar 19 proses status unsupervised clasification

Gambar 20 status unsupervised casification


Setelah sukses melakukan unsupervised classification, buka file yang
sudah diklasifikasi dengan cara
klik icon Edit Algoritm

pada tampilan utama ER Maper

kemudian load dataset file yang sudah diklasifikasi


untuk mengubah tampilan pseudo layer menjadi class display
sehingga bisa dilakukan edit kelas, klik kanan pada layer pilih class
display

Gambar 21 window algoritm

Modul Klasifikasi Citra Landsat

2014

Pada tampilan layer akan terlihat citra dengan warna greyscale karena belum
diklasifikasikan, seperti terlihat pada gambar berikut

Gambar 25 citra greysacle landsat 8

Modul Klasifikasi Citra Landsat

2014

Gambar 22 Citra grey scale landsat 7


kemudian kembali ke menu utama Er Mapper, Klik Edit pilih edit class/
region color and name.

Gambar 23 menubar Er Mapper


akan muncul window baru edit class/region detail, dimana jumlah kelas
akan sama dengan Maximum number of classess atau kurang dari nilai
tersebut.
ubah warna tiap kelas yang sebelumnya grey scale menjadi sesuai data
yang sebenarnya di lapangan.

Modul Klasifikasi Citra Landsat

Gambar 24 window Edit Class/Region Details


Kemudian save, sehingga hasilnya akan seperti ini

Gambar 25 citra landasat 8 hasil klasifikasi

2014

Modul Klasifikasi Citra Landsat

2014

Gambar 26 Citra landsat 7 hasil klasifikasi

Reclass
Setelah melakukan Unsupervised Clasification, dilakukan proses reclass
untuk mengubah 200 kelas menjadi 4 kelas, adapun cara untuk melakukan
reclass adalah sebagai berikut
buka file yang sudah diproses unsepervised clasification
klik formula editor

Gambar 27 window algoritm

Modul Klasifikasi Citra Landsat

2014

masukan rumus pada formula editor

Formula untuk landsat 7:

Formula untuk landsat 8:

if i1>=1 and i1<=2 then 1 else


if i1=3 then 3 else
if i1>=4 and i1<=32 then 1 else
if i1>=33 and i1<=40 then 3 else
if i1>=41 and i1<=42 then 1 else
if i1>=43 and i1<=44 then 3 else
if i1=45 then 1 else
if i1=46 then 3 else
if i1>=47 and i1<=48 then 1 else
if i1=49 then 3 else
if i1=50 then 1 else
if i1>=51 and i1<=65 then 3 else
if i1=66then 1 else
if i1>=67 and i1<=72 then 3 else
if i1=73 then 1 else
if i1=74 then 3 else
if i1>=75 and i1<=76 then 1 else
if i1>=77 and i1<=81 then 4 else
if i1>=82 and i1<=84 then 2 else
if i1>=85 and i1<=104 then 4 else
if i1>=105 and i1<=107 then 2 else
if i1=108 then 4 else
if i1>=109 and i1<=110 then 2 else
if i1=111 then 4 else
if i1=112 then 2 else
if i1>=113 and i1<=120 then 4 else
if i1>=121 and i1<=124 then 2 else
if i1>=125 and i1<=128 then 4 else
if i1>=129 and i1<=132 then 2 else
if i1>=133 and i1<=200 then 4 else
null

if i1>=1 and i1<=7 then 3 else


if i1=8 then 1 else
if i1>=9 and i1<=12 then 3 else
if i1>=13 and i1<=14 then 1 else
if i1>=15 and i1<=34 then 3 else
if i1=35 then 2 else
if i1>=36 and i1<=37 then 3 else
if i1=38 then 2 else
if i1>=39 and i1<=43 then 3 else
if i1=44 then 4 else
if i1=45 then 1 else
if i1=46 then 3 else
if i1>=47 and i1<=60 then 1 else
if i1>=61 and i1<=70 then 3 else
if i1>=71 and i1<=72 then 4 else
if i1>=73 and i1<=79 then 3 else
if i1=80 then 4 else
if i1>=81 and i1<=86 then 3 else
if i1>=87 and i1<=93 then 4 else
if i1>=94 and i1<=98 then 2 else
if i1>=99 and i1<=101 then 4 else
if i1>=102 and i1<=106 then 2 else
if i1=107 then 4 else
if i1>=108 and i1<=109 then 2 else
if i1>=110 and i1<=200 then 4 else
null

Modul Klasifikasi Citra Landsat

2014

Gambar 28 formula editor


Klik apply changes dan save as dengan nama file baru
Buka file tersebut menggunakan wordpad kemudian hapus text
Regioninfo Begin sampai Regioninfo End dari ClassNumber 5 sampai
ClassNumber 200 sehingga hanya menyisahkan 4 kelas
Save file tersebut
Buka kembali file tersebut menggunakan Er Mapper, pada menubar Er
Maspper klik edit kemudian pilih Edit Class/Region Color and Name
Ubah warna dan namanya sesuai hasil klasifikasinya

Gambar 29 edit class/region details

Modul Klasifikasi Citra Landsat

4.

2014

Mengitung luas tiap kelas


Setelah dilakukan proses reclass bisa dihitung luas dari tiap tiap kelas.

Tahap awal untuk menghitung luas yaitu file yang sudah terklasifikasikan harus di
Calculate Statistic terlebih dahulu, caranya
Pada menu bar Er Mapper klik process lalu pilih Calculate Statistic.

Gambar 30 menu bar Er Mapper


Kemudian akan muncul window baru calculate statistic, masukan
database yang akan dihitung luasnya, subsampling interval diisi 1,
centang force calculate state
Klik OK
Setelah sukses melakukan calculate statistic akan muncul seperti berikut

Gambar 31 stastus calculate statistic


Kemudian dari menubar klik view pilih statistic lalu klik area sumary report

Modul Klasifikasi Citra Landsat

2014

Gambar 32 Menubar Er Mapper


Masukan file yang akan dihitung luasannya pada input database

Gambar 33 Report Setup


Klik OK
Maka akan muncul luasan pada setiap kelas dalam satuan hectare,
kilometer persegi, acre dan mil persegi. Hasilnya akan tampil seperti
berikut

Gambar 34 hasil perhitungan luas landsat 7

Modul Klasifikasi Citra Landsat

2014

Gambar 39 hasil perhitungan luas landsat 8

5.

Koreksi Radiometrik
Koreksi Radiometrik bertujan untuk memperbaiki nilai piksel supaya

sesuai dengan yang seharusnya yang biasanya mempertimbangkan faktor


gangguan

atmosfer

sebagai

sumber

kesalahan

utama.

Efek

atmosfer

menyebabkan nilai pantulan di permukaan bumi yang terekam sensor menjadi


bukan nilai yang sebenarnya, tetapi menjadi lebih besar karena adanya
hamburan dan menjadi lebih kecil karena adanya proses serapan.
Langkah langkah untuk melakukan koreksi radiometrik adalah
Buka file citra yang sudah di cropping
Duplicate layer sebanyak band yang digunakan
Input masing masing band pada setiap layer
Masukan formula untuk setiap band
Formula untuk landsat 8
Band 1 : ((0,00002*i1)+-0,1)/0,912938785895256
Band 2 : ((0,00002*i1)+-0,1)/0,912938785895256
Band 3 : ((0,00002*i1)+-0,1)/0,912938785895256
Band 4 : ((0,00002*i1)+-0,1)/0,912938785895256
Band 5 : ((0,00002*i1)+-0,1)/0,912938785895256
Band 6 : ((0,00002*i1)+-0,1)/0,912938785895256

Formula untuk landsat 7


Band 1 : (3.14152*((197,8/254)*(I1-1)+-6,2)*1,01340062292327)/(1969*
0,837928695890562)
Band 2 : (3.14152*((202,9/254)*(I1-1)+-6,4)*1,01340062292327)/(1840*
0,837928695890562)
Band 3 : (3.14152*((157,9/254)*(I1-1)+-5)*1,01340062292327)/(1551*
0,837928695890562)

Modul Klasifikasi Citra Landsat

2014

Band 4 : (3.14152*((246,2/254)*(I1-1)+-5,1)*1,01340062292327)/(1044*
0,837928695890562)
Band 5 : (3.14152*((32,06/254)*(I1-1)+-1)*1,01340062292327)/(225,7*
0,837928695890562)
Klik apply changes dan save as dengan nama file baru
kemudian akan muncul window baru save as ER Mapper Dataset, data
type ubah menjadi IEEE4byteReal lalu klik ok

Gambar 40 Save As ER Mapper Dataset

6.

Formulasi NDVI
NDVI (Normalized Difference Vegetation Index) merupakan pengukuran

keseimbangan antara energi yang diterima dengan energi yang dipancarkan oleh
obyek di bumi. Ketika diterapkan pada komunitas tumbuhan, indeks tersebut
menetapkan nilai untuk mengetahui seberapa hijau suatu area yang dapat
mengekspresikan jumlah keberadaan vegetasi dan tingkat kesehatan atau
kekuatan pertumbuhannya.
Nilai perbandingan kecerahan kanal cahaya merah dengan cahaya
inframerah dekat atau NIR/RED, adalah nilai suatu indeks vegetasi (yang sering
disebut simple ratio ) yang sudah tidak dipakai lagi. Hal ini disebabkan karena
nilai dari rasio NIR/RED akan memberikan nilai yang sangat besar untuk
tumbuhan yang sehat. Oleh karena itu, dikembangkanlah suatu algoritma indeks

Modul Klasifikasi Citra Landsat

2014

vegetasi yang baru dengan normalisasi, yaitu NDVI, dengan formula sebagai
berikut:
NDVI=

Langkah langkah formulasi NDVI adalah sebagai berikut


Buka file yang sudah terkoreksi radiometrik

Klik

lalu akan muncul window formula editor.

Pilih Ratios pilih Landsat TM NDVI, otomatis kolom formula editor akan
terisi formula NDVI
Untuk landsat 7 input 1 pilih band 4 input 2 pilih band 3 sedangkan untuk
landsat 8 input 1 pilih band 5 input 2 pilih band 6

Gambar 41 formula editor landsat 7

Gambar 42 formula editor landsat 7


Klik apply changes

Modul Klasifikasi Citra Landsat

2014

Save As file dengan nama baru, setelah muncul window Save As ER


Mapper Dataset klik default lalu klik ok

7.

Overlay
Adapun langkah-langkah untuk melakukan overlay adalah sebagai berikut
Buka dua layer di ER Mapper, pada layer pertama input data hasil dari
reclass dan pada layer kedua input data hasil formulasi NDVI

Gambar 48 logaritm overlay


Kemudian

gabungkan

kedua

layer

tersebeut

seperti

proses

penggabungan band
Save file tersebut dengan nama baru
Kemudian akan muncul window baru save as ER Mapper Dataset, klik
default lalu klik OK
Setelah proses menyimpan selesai, buka kembali file tersebut dan
masukan formula NDVI mangrove (if i1=2 then i2 else null).

Modul Klasifikasi Citra Landsat

2014

Gambar 49 formula editor


Save file tersebut dengan nama baru
Kemudian akan muncul window baru save as ER Mapper Dataset, klik
default lalu klik ok

8.

Klasifikasi kerapatan
Untuk penilaian tingkat keraptan hutan mangrove, digunakan kriteria
sebagai berikut
Tabel 3 krietria kerapatan hutan mangrove berdasrkan NDVI
Nilai NDVI
0,50 < NDVI < 0,75
0,25 < NDVI < 0,50
0,00 < NDVI < 0,25

Tingkat kerapatan
Kerapatan tajuk lebat
Kerapatan tajuk sedang
Kerapatan tajuk jarang

Adapun langkah-langkah untuk melakukan klasifikasi keraptan adalah


sebagai berikut
Buka file yang sudah diformulasi NDVI mangrove
Lihat nilai kerapatan mangrove dengan cara klik kanan pada citra
kemudian klik cell value profile lalu klik daerah mangrove yang ingin
diketahui nilai kerapatannya

Modul Klasifikasi Citra Landsat

Gambar 50 hasil formulasi NDVI

Gambar 51 nilai NDVI

2014

Modul Klasifikasi Citra Landsat

2014

Masukan formula untuk klasifikasi kerapatan hutan mangrove pada


formula editor
if i1>0 and i1<=0.25 then 1 else
if i1>0.25 and i1<=0.5 then 2 else
if i1>0.5 and i1<=0.75 then 3 else null

Gambar 52 formula editor


Save file tersebut dengan nama baru
Kemudian akan muncul window baru save as ER Mapper Dataset, klik
default lalu klik ok
Buka file tersebut menggunakan wordpad kemudian hapus text
Regioninfo Begin sampai Regioninfo End dari ClassNumber 1 sehingga
hanya menyisahkan 3 kelas
Save file tersebut
Buka kembali file tersebut menggunakan ER Mapper, pada menubar ER
Mapper klik edit pilih edit class/region color and name
Ubah warna dan namanya sesuai hasil klasifikasinya

Modul Klasifikasi Citra Landsat

Gambar 53 edit class/region color and name


Sehingga hasilnya akan seperti ini

Gambar 54 kerapatan mangrove tahun 2013

Gambar 55 kerapatan mangrove tahun 2002

2014