Anda di halaman 1dari 14

LAPORAN PRAKTIKUM

PENGINDERAAN JAUH
Klasifikasi Tutupan Lahan dengan Citra Landsat 8 Kota Surabaya

Oleh:
Nama : Deasy Rosyida Rahmayunita
NRP : 3513100016
Dosen Pembimbing:
Nama : Prof.Dr.Ir. Bangun Muljo Sukojo, DEA, DESS
NIP : 19530527 198303 1 001

LABORATORIUM GEOSPASIAL-JURUSAN TEKNIK GEOMATIKA


FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2015

DAFTAR ISI

DAFTAR ISI....................................................................................................................... ii
KATA PENGANTAR ........................................................................................................ iii
I. PENDAHULUAN ........................................................................................................... 1
II. METODE .......................................................................................................................
2.1. ALAT DAN BAHAN .............................................................................................. 2
2.2. PROSEDUR PRAKTIKUM .................................................................................... 2
III. HASIL ...........................................................................................................................
3.1 HASIL ...................................................................................................................... 8
3.2 ANALISA ................................................................................................................ 8
IV. KESIMPULAN............................................................................................................. 9
DAFTAR PUSTAKA ......................................................................................................... 10

ii

KATA PENGANTAR

Puji syukur penulis penjatkan kehadirat Tuhan Yang Maha Esa, yang atas rahmat- Nya
maka penulis dapat menyelesaikan penyusunan laporan praktikum tugas mata kuliah
Penginderaan Jauh.
Penyusunan laporan praktikum Klasifikasi Tutupan Lahan dengan Citra Landsat 8 Kota
Surabaya ini merupakan salah satu prasyarat dalam memenuhi tugas Penginderaan Jauh.
Dalam penulisan laporan praktikum Penginderaan Jauh ini penulis menyampaikan ucapan
terima kasih yang tak terhingga kepada pihak-pihak yang membantu dalam
menyelesaikan penelitian ini, khususnya kepada :
1. Tuhan Yang Maha Esa yang memberikan kesehatan serta kesempatan untuk
membuat makalah ini.
2. Prof.Dr.Ir. Bangun Muljo Sukojo, DEA, DESS selaku dosen mata kuliah
Penginderaan Jauh A
3. Husnul Hidayat S.T, M.T dan Cherie Bekti Pribadi S.T, M.T selaku asisten dosen
Penginderaan Jauh
4. Orang tua yang selalu memberikan motivasi dan doa.
5. Semua pihak yang telah membantu dan memberi dukungan sehingga dapat
terselesainya laporan ini.
Akhirnya kata penulis berharap semoga laporan ini dapat bermanfaat bagi
seluruh pembaca. Dalam Penulisan laporan praktikum Penginderaan Jauh ini penulis merasa
masih banyak kekurangan-kekurangan baik pada teknis penulisan maupun materi, mengingat
akan kemampuan yang dimiliki penulis. Untuk itu kritik dan saran dari semua pihak sangat
penulis harapkan demi penyempurnaan pembuatan laporan ini.

Surabaya, 12 Desember 2015

Penulis

iii

I. PENDAHULUAN
Dalam bidang ilmu Penginderaan Jauh terdapat berbagai proses pengolahan citra digital,
sedangkan penginderaan jauh merupakan suatu ilmu yang digunakan untuk mendapat informasi dari
suatu objek atau fenomena tanpa kontak langsung dengan objek.Dalam penginderaan jauh
menggunakan citra satelit dalam melakukan pengolahan data. Klasifikasi dikelompokkan menjadi
Supervised dan Unsupervised classification. Supervised classification membutuhkan interaksi dengan
analis, sedangkan unsupervised classification bekerja hamper secara otomatis.
Dalam praktikum ini dilakukan klasifikasi citra digital yang untuk memudahkan
pengelompokan kelas kelas dari komponen alam sehingga lebih mudah dalam melihat.
Praktikum ini menggunakan peta citra Landsat 8 wilayah Kota Surabaya dengan
menggunakan Envi Classic yang kemudian dilakukan dengan metode Supervised classification
minimum distance, supervised classification maximum likelihood, unsupervised classification
IsoData, dan unsupervised classification K-Means.

II. METODE
2.1 ALAT DAN BAHAN
Alat dan bahan yang digunakan pada praktikum Penginderaan Jauh Klasifikasi Tutupan
Lahan dengan Citra Landsat 8 Kota Surabaya ini antara lain :
1.
2.
3.
4.

Citra Landsat 8 Kota Surabaya


Software ENVI 5.0 Classic
Laptop HP Pavilion g4
Mouse

2.2 PROSEDUR PRAKTIKUM


Langkah kerja dalam proses Klasifikasi Tutupan Lahan dengan Citra Landsat 8 Kota
Surabaya menggunakan software ENVI adalah sebagai berikut:
1. Buka Envi Classic, lalu pilih File Open Image File Pilih citra Landsat 8 Surabaya band
4,3,2. Lalu Load RGB. Pilih Basic Tools Layer Stacking pilih semua citra Ganti datum
menjadi WGS 84 Zona 49S serta nama file yang akan disimpan OK. Setelah itu, tutup
window yang pertama, lalu load RGB hasil layer stacking.

2. Buka peta vektor kabupaten se Indonesia dengan pilih File - Open Vector File
Indonesia_kab_shp Open. Pada window vector parameter, masukkan nama file vektor yang
akan disimpan, lalu OK.

3. Jika peta vektor sudah terbuka, pilih Edit View/Edit/Query/Attribute klik pada nomor
Kota surabaya. Lalu pilih File Save selected to New Layer. Masukkan nama file yang
diinginkan lalu OK. Setelah itu, load hasil subset peta vektor.

4. Pilih Basic Tools Region of Interest ROI Tools. Pada tabel Vektor Windows klik File Export Layer to ROI. Pilih Convert All Records of an EFV layer to one ROI , kemudian OK.
3

5. Pada layer ROI Tools klik File Subset Data via ROI. Pilih EVF:subset(kab). Pilih Mask
pixels outside of ROI Yes. Kemudian choose enter uotput filename. Lalu OK. Load RGB
maka akan didapatkan potongan Kota Surabaya

6. Lakukan digitasi dengan cara pilih Basic Tools Region of Interest ROI Tools. Yang
didigit antara lain vegetasi, bangunan, lahan kosong, tambak, dan badan air. Jika sudah di

digit semua, pada window ROI Tools pilih File Export ROI to EVF pilih semua bagian
yang sudah didigit Input nama file yang akan disimpan OK.

CLASSIFICATION SUPERVISED
1. Minimun Distance
Pilih Classification Supervised Minimun Distance pilih file yang di subset pertama kali.
Pada window Minimun Distance Parameters pilih file yang ROI yang sudah didigit, lalu input
nama file penyimpanan dan OK. Setelah itu Load Image.

2. Maximum Likelihood
Pilih Classification Supervised Maximum Likelihood pilih file yang di subset pertama
kali. Pada window Maximum Likelihood Parameters pilih file yang ROI yang sudah didigit,
lalu input nama file penyimpanan dan OK. Setelah itu Load Image.

UNSUPERVISED CLASSIFICATION
1. ISO Data
Pilih Classification Unsupervised Iso Data pilih file yang di subset pertama kali. Pada
window ISO DATA Parameters input nama file penyimpanan dan OK. Setelah itu Load
Image.

2. K-Means
Pilih Classification Unsupervised K-Means pilih file yang di subset pertama kali. Pada
window K-Means Parameters input nama file penyimpanan dan OK. Setelah itu Load Image.

III. HASIL dan ANALISA


3.1 HASIL
Hasil dari praktikum penginderaan jauh ini adalah klasifikasi pada citra Landsat Kota
Surabaya dengan kombinasi band warna asli.
3.2 ANALISA
Klasifikasi
Minimum
Distance

Maximun
Likelihood

Hasil Klasifikasi

Keterangan

Gambar disamping adalah hasil


classification supervised minimum
distance. Warna merah adalah warna
bangunan, warna hijau adalah
vegetasi, warna biru adalah warna
badan air, warna kuning adalah
lahan kosong, dan warna cyan
adalah warna tambak .
Gambar disamping adalah hasil
classification supervised maximum
likelihood. Warna merah adalah warna
bangunan, warna hijau adalah
vegetasi, warna biru adalah warna
badan air, warna kuning adalah lahan
kosong, dan warna cyan adalah warna
tambak .

IsoData

Gambar disamping adalah hasil


classification unsupervised IsoData.

K-Means

Gambar disamping adalah hasil


classification unsupervised K-Means.

IV. KESIMPULAN
Dari penjelasan-penjelasan yang telah di jabarkan di atas, maka dapat diambil kesimpulan
klasifikasi citra digital menghasilkan peta tutupan lahan kota Surabaya, dengan kelas bangunan
bewarna merah, kelas tambak bewarna cyan, kelas vegetasi bewarna hijau, kelas badan air bewarna
biru dan kelas lahan kosong bewarna kuning.

DAFTAR PUSTAKA
Prahasta, 2002. Remote Sensing. Penerbit Informasi. Bandung. 406 halaman
Totok Gunawan, dkk, 2008. Buku Petunjuk Praktikum Penginderaan Jauh Terapan untuk Hidrologi.
Program Studi Kartografi dan Penginderaan Jauh. Fakultas Geografi UGM. Yogyakarta.

10

11

Beri Nilai