PUSAT PEMANFAATAN
PENGINDERAAN JAUH
LAPAN
Pedoman ini disusun sebagai salah satu tugas Pusat Pemanfaatan Penginderaan
Jauh (Pusfatja) Lembaga Penerbangan dan Antariksa Nasional (LAPAN) untuk
merumuskan Pedoman Pengolahan Data Satelit Multispektral Secara Digital
Supervised Untuk Klasifikasi berbasis penginderaan jauh sebagai amanat Undang-
Undang No. 21 tahun 2013.
Berbagai pihak yang telah memberikan kontribusi baik langsung maupun tidak
langsung dalam membuat buku penyusunan pedoman ini, untuk itu perkenankan
kami mengucapkan terimakasih kepada :
Akhir kata, tak ada gading yang tak retak, kritik dan saran kami harapkan demi
perbaikan buku pedoman ini pada masa yang akan datang. Semoga buku ini dapat
bermanfaat bagi para pengguna.
ii
DAFTAR ISI
iii
Pedoman Pengolahan Data Satelit Multispektral
Secara Digital Supervised Untuk Klasifikasi
Bab I
Pendahuluan
1.2. Tujuan
Memberikan pedoman atau panduan untuk pengolahan klasifikasi penutup
lahan secara digital menggunakan data satelit penginderaan jauh bagi pengguna
baik instansi pemerintah maupun swasta di tingkat Propinsi / Kabupaten /Kota.
1.4. Pengertian
1. Penginderaan jauh yang dimaksud dalam UU adalah penginderaan jauh satelit.
2. Penginderaan Jauh adalah teknologi untuk memperoleh informasi tentang
obyek, wilayah, atau gejala dengan menggunakan sensor yang terletak pada
wahana satelit dengan cara menganalisis data yang diperoleh tanpa kontak
langsung.
1
3. Data Penginderaan Jauh adalah liputan atau rekaman suatu sensor berbentuk
numerik yang merupakan gambaran dari suatu objek berupa citra satelit/foto
dan citra digital.
4. Pengolahan Digital adalah proses pengolahan terhadap data citra digital
penginderaan jauh dengan menggunakan computer.
5. Resolusi adalah ukuran terkecil obyek yang dapat direkam oleh suatu sistem
sensor. Resolusi dalam penginderaan jauh terdapat 4 macam yaitu resolusi
spasial, resolusi temporal, resolusi spectral dan resolusi radiometric.
6. Resolusi spasial ukuran obyek terkecil di lapangan yang diwakili oleh satu nilai
pixel/pixel value yang mampu disajikan oleh citra sebagai ukuran ketelitian data
citra.
7. Resolusi temporal kemampuan satelit untuk kembali merekam daerah yang
sama
8. Resolusi radiometric ukuran bit/binary digit yang mampu disajikan oleh citra.
9. Resolusi spektral kemampuan sensor menangkap panjang gelombang yang
dipantulkan oleh obyek di muka bumi.
10. Sensor merupakan alat perekam obyek, dimana setiap sensor mempunyai
kepekaan terbatas dalam menangkap spektral dan terbatas kemampuannya
untuk mengindera obyek.
11. Klasifikasi adalah pengelompokan objek-objek ke dalam kelas-kelas
berdasarkan persamaan sifatnya, atau kaitan antara objek-objek tersebut
12. Penutup Lahan adalah perwujudan secara fisik (kenampakan), benda alami dan
unsur-unsur budaya yang ada dipermukaan bumi tanpa mempermasalahkan
kegiatan manusia terhadap objek tersebut.
13. Struktur klasifikasi suatu sistematika hirarkis/berjenjang yang dapat memberikan
informasi tentang kemampuan penyajian informasi penutupan lahan untuk
sumber data dan skala yang berbeda.
14. Wahana adalah suatu alat/sistem tempat sensor penginderaan jauh.
2
Bab II
Tahapan Pengolahan
4
b. Sumberdaya Manusia
Kompetensi merupakan seperangkat pengetahuan, keterampilan, dan perilaku
yang harus dimiliki, dihayati, dikuasai, dan diaktualisasikan oleh pengolah dalam
melaksanakan tugas keprofesionalan. Pengolah dalam hal ini personel /
sumberdaya manusia yang berkompeten sangat dibutuhkan dalam bidang
penginderaan jauh sangat penting. Kompetensi sumberdaya manusia yang
dibutuhkan dalam pengolahan data penginderaan jauh minimal memiliki keahlian
bidang penginderaan jauh, memiliki kemampuan dan ketrampilan komputer.
2.3.1.2 Persiapan
Persiapan kerja yang terkait dengan pengolahan klasifikasi penutup lahan
secara digital menggunakan penginderaan jauh disiapkan secara komprehensif,
teratur dan terarah agar pelaksanaan pekerjaan lebih mudah mencapai tujuan.
Persiapan kerja yang perlu dilakukan antara lain : menyiakan data penginderaan
jauh dan data pendukunnya, mempersiapkan alat pengolah baik perangkat keras
maupun perangkat lunak, menyiapkan metode yang efektif dan efisien yang dimiliki
untuk pengolahan dan penyajian hasil.
5
2.3.3 Peralatan
Peralatan yang digunakan berupa perangkat keras dan perangkat lunak yang
memiliki spesifikasi memadai untuk pengolahan data penginderaan jauh dan system
informasi spasial.
6
b. Uji Training Sample
Jumlah luasan training sample kira-kira minimal 10% dari total luas cakupan
data yang akan diklasifikasi. Penetapan training sample dapat dilakukan dengan
menggunakan data acuan berupa peta, survey lapangan, data penginderaan jauh
resolusi lebih tinggi dan pengenalan objek secara visual. Tingkat keterpisahan
training sample digunakan teknik statistik pada perangkat lunak dan hasilnya
(Producer accuracy) harus lebih dari 90%.
c. Klasifikasi
Dalam klasifikasi objek penutup lahan, diperlukan suatu metode yang tepat
untuk menentukan objek yang di maksud. Pemilihan metode klasifikasi pada
dasarnya dilakukan untuk meningkatkan tingkat akurasi dari hasil klasifikasi objek.
Standard metode klasifikasi objek penutup lahan tersebut harus mengikuti standard
klasifikasi yang telah ditetapkan oleh lembaga. Pada pedoman ini menganjurkan
menggunakan metode umum, simpel yang terdapat pada beberapa aplikasi
perangkat lunak dan mudah dijangkau pengguna. Terdapat beberapa metode
klasifikasi yang umum digunakan pengguna antara lain metode Maximum
Likelihood, Mahalanobis Distance, Berbasis Objek dan metode yang lain sesuai
dengan kemampuan perangkat lunak yang dimiliki. Adapun metode klasifikasi yang
disarankan dalam pedoman ini adalah metode klasifikasi terawasi maximum
likelihood.
a. Filtering
Filtering dilakukan untuk mengenaralisasi objek yang terklasifikasi tetapi kurang
dari 9 pixel. Banyak metode dan analisa filtering yang dapat digunakan diantaranya
adalah metode Mayority, Minority, Mean, Median dan lain-lain. Pada pedoman ini
disarankan menggunakan metode filter mayority dengan windows 3 x 3.
b. Editing
Editing dilakukan jika terjadi kesalahan klasifikasi setelah verifikasi maupun
validasi berdasarkan data acuan. Maksud dan tujuan dilakukan editing terhadap
hasil klasifikasi penutup lahan secara digital untuk memperbaiki kualitas dan akurasi
hasil kalasifikasi tersebut.
c. Uji Akurasi
Uji akurasi klasifikasi penutup lahan menggunakan data penginderaan jauh
wajib dilakukan dalam proses klasifikasi untuk mengetahui tingkat keakuratan
metode yang dipilih. Dalam uji akurasi, Training sample yang sudah digunakan untuk
klasifikasi tidak boleh digunakan kembali dalam perhitungan akurasi. Training
sample untuk menguji akurasi klasifikasi diperoleh dari training sampel baru
berdasarkan pada data acuan. Akurasi klasifikasi penutup lahan yang
diperkenankan adalah rata-rata di atas 75%. Penilaian uji akurasi dapat
menggunakan matrik kontingensi yaitu matrik bujur sangkar yang memuat jumlah
7
piksel yang terklasifikasi yaitu overall accuracy, kappa acuuracy, producer accuracy
dan user accuracy. Producer accuracy (omission error) adalah membagi piksel yang
benar dengan jumlah total piksel traning sampel per kelas, sedang user accuracy
(commission error) adalah jumlah piksel yang benar dengan total piksel dalam
kolom. Uji ukarasi setelah divalidasi dengan data lapangan yang diperkenankan
90%.
8
Bab III
Penutup
3.2. Lampiran
Lampiran 1. Diagram tahapan pengolahan klasifikasi penutup lahan
Lampiran 2. Tabel Hirarki dan Sistem Klafikasi Penutup Lahan
Daftar Pustaka
BSN, 2007, PSN 08:2007, Jakarta
BSN, 2010, SNI 7645-2010 Klasifikasi penutup lahan, Jakarta
BSN, 2002, SNI 19-6728.1-2002:Penyusunan Sumberdaya Bagian 1: Sumberdaya
Air Spasial, Jakarta
BSN, 2002, SNI 19-6728.2-2002:Penyusunan Sumberdaya Bagian 2: Sumberdaya
Hutan Spasial, Jakarta
BSN, 2002, SNI 19-6728.3-2002: Penyusunan Sumberdaya Bagian 3: Sumberdaya
Lahan Spasial., Jakarta
Pradhan, Rm, K. Ghose, Jeyaram, 2010, Land Cover Classification of Remotely
Sensed Satellite Data using Bayesian and Hybrid classifier, Department of
Computer Science and Engineering, Sikkim Manipal Institute of Technology,
Rangpo, Sikkim, INDIA.
Vogelmann, J.E, Sohl, P.V Regional, Campbell, Shaw, Land Cover Characterization
Using Landsat Thematic Mapper Data And Ancillary Data Sources , EROS
Data Center, Hughes-STX Corporation, USGS.
9
Lampiran 1
Diagram tahapan pengolahan klasifikasi penutup lahan
Kreteria Data
Jumlah Minimum
Poligon/objek
Jumlah Minimum Training
Pixel/Poligon Sampel
Data acuan Tidak Memenuhi
Uji
Kreteria Trainin
Uji Tingkat
g Memenuhi
Keterpisahan sampel 90 Metode Klasifikasi
%
Sampel
Proses Supervised (Max
Klasifikasi Likelihood)
Unspervised Isodata
Dokumen Berbasis Objek
Klasifikasi dll
Metode Filtering
Mayority, Minority,
Mean, Median Filtering dan Editing
Editing
Data Acuan
Tidak Memenuhi
Uji
Kreteria Akurasi
Matrix Konjungasi
Uji Tingkat Memenuhi
Akurasi 75 % Jumlah Kelas sesuai skala
Penutup Lahan Warna Kelas disesuaikan
standar BIG
10
Lampiran 2
Tabel Hirarki dan Sistem Klafikasi Penutup Lahan
13
PUSAT PEMANFAATAN PENGINDERAAN JAUH - 2015