BAB I

PENDAHULUAN

1.1 Latar Belakang

Ilmu pengetahuan dan teknologi selalu berkembang dan mengalami

kemajuan, sesuai dengan perkembangan zaman dan perkembangan cara berfikir
manusia. Bangsa indonesia sebagai salah satu negara berkembang tidak akan bisa
maju selama belum memperbaiki kualitas sumberdaya manusia bangsa kita.
Kualitas hidup bangsa dapat meningkat jika di tunjang dengan sistem pendidikan
yang mapan. Dengan sikap berpikir kritis, kreatif dan produktif.

1.2 Tujuan

Adapun tujuan dari pelaksanaan praktikum penginderaan jauh ini yaitu

untuk memperoleh citra

1.3 Manfaat

Adapun manfaat yang dapat di peroleh dari praktikum ini adalah kita dapat
mengetahui bagaimana cara memperoleh citra

1.4 Alat dan Bahan

1. Laptop dengan kapasitas kurang lebih 2 RM atau giga bytes

2. Softwer envi 4.5
3. Data citra satelit landsat 8 lokasi Bomba dan Kolaka

1
 BAB II
TINJAUN PUSTAKA

2.1 Pengolahan Citra

Citra merupakan istilah lain untuk gambar sebagai salah satu komponen
multimedia yang memegang peranan yang sangat penting sebagai bentuk informasi
visual. Citra mempunyai karakteristik yang tidak dimiliki oleh data teks, yaitu citra
kaya dengan informasi. Secara harfiah, citra (image) adalah gambar pada bidang
dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan
fungsi menerus (continue) dari intensitas cahaya pada bidang dwimatra. Sumber cahaya
menerangi objek, objek memantulkan kembali sebagai dari berkas cahaya
tersebut.Pantulan cahaya ini ditangkap oleh alat-alat optik, misalnya mata pada
manusia, kamera, pemindai (scanner), dan sebagainya.Sehingga bayangan objek yang
disebut citra tersebut terakam.
Tekstur dicirikan sebagai distribusi spasial dari derajat keabuan didalam
sekumpulan pixel-pixel yang bertetangga. Jadi, tekstur tidak dapat diidentifikasikan
untuk sebuah pixel, melaikan suatu citra dianggap sebagai suatu kesatuan. Dapat pula
dikatakan bahwa tekstur (texture) adalah sifat sifat atau karakteristik yang dimiliki oleh
suatu daerah yang cukup besar sehingga secara alami sifat tersebut dapat berulang
dalam daerah tersebut. Pengertian dari tekstur dalam hal ini adalah keteraturan pola-
pola tertentu yang terbentuk dari susunan pixel-pixel dalam citra. Suatu permukaan
dikatakan mempunyai informasi tekstur, jika luasannya diperbesar tanpa mengubah
skala, maka sifat-sifat permukaan hasil perluasan mempunyai sifat kemiripan dengan
permukaan asalnya.
Pola-pola yang teratur muncul secara berulang-ulang dengan interval jarak dan
arah yang tertentu. Suatu permukaan tak berwarna dalam suatu citra dapat mengandung
informasi tekstur bila permukaan itu mempunyai pola-pola tertentu seperti permukaan
kayu bekas di gergaji, permukaan batu, hamparan pasir, kumpulan biji-bijian, dan
sebagainya. Informasi tekstur dapat digunakan untuk membedakan sifat permukaan
suatu benda dalam citra yang berhubungan dengan kasar dan halus, sifat-sifat spesifik
dari kekasaran dan kehalusan permukaan tersebut, yang sama sekali lepas dari warna
permukaan tersebut. Analisis tekstur lazim dimanfaatkan sebagai proses antara untuk

2
melakukan klasifikasi dan interpretasi citra. Suatu proses klasifikasi citra berbasis
analisis tekstur pada umumnya membutuhkan tahapan ekstraksi ciri, yang dapat terbagi
dalam tiga macam metode yaitu metode statistik, metode spektral dan metode
struktural.(Permadi, 2015)

2.2 Pembuatan Aplikasi Pengolahan Citra

Pengolahan citra adalah suatu disiplin ilmu yang dapat diimplementasikan ke

dalam suatu program aplikasi, sehingga suatu citra atau gambar dapat ditingkatkan
kualitasnya dengan cara merubah bentuk resolusi, ketajaman gambar, pencahayaan
serta efek-efek lainnya. Konteks penelitan ini adalah untuk meningkatan kualitas citra
yang merupakan salah satu proses awal dalam peningkatan mutu citra. Peningkatan
mutu citra diperlukan karena seringkali citra yang dijadikan objek pembahasan
mempunyai kualitas yang buruk, misalnya citra mengalami derau, kabur, dan
sebagainya.
Hasil kajian pustaka yang berkaitan dengan penelitian ini dapat dilihat pada
penjelasan di bawah ini: Citra adalah gambar pada bidang dua dimensi. Ditinjau dari
sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada
bidang dua dimensi. Pengolahan citra adalah pemrosesan citra, khususnya dengan
menggunakan komputer, menjadi citra yang kualitasnya lebih baik. Pengolahan citra
bertujuan memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau
mesin (dalam hal ini komputer). Teknik-teknik pengolahan citra mentransformasikan
citra menjadi citra lain.(Setiawan, 2014)

2.3 Pemanfaatan Teknik Penginderaan Jauh

Penginderaan jauh adalah teknik yang dikembangkan untukperolehan dan

analisis informasi tentang bumi, informasi tersebut berbentuk radiasi
elektromagnetik yang dipantulkan atau dipancarkan dari permukaan bumi.
Penginderaan jauh terdiri atas pengukuran dan perekaman terhadap energy
elektromagnetik yang dipantulakan atau dipancarkan oleh permukaan bumi dan
atmosfer dari suatu tempat tertentu dipermukaan bumi. Berdasarkan pengertian
tersebut dapat disimpulkan bahwa penginderaan jauh adalah teknik yang digunakan

3
untuk memperoleh data tentang permukaan bumi yang menggunakan media satelit
ataupun pesawat terbang.
Ada beberapa alasan yang melandasi peningkatan penggunaan citra
penginderaan jauh, yaitu sebagai berikut :
1. Citra menggambarkan Objek, Daerah,dan gejalah di permukaan bumi
dengan wujud dan letaknya yang mirip dengan di permukaan bumi.
2. Citra menggambarkan Objek, Daerah dan gejalah yang relative lengkap,
meliputi daerah yang luas dan permanen.
3. Dari jenis Citra tertentu dapat di timbulkan gambaran tiga dimensi apabila
pengamatannya dilakukan dengan stereoskop.
4. Citra dapat dibuat secara cepat meskipun untukdaerah yang sulit dijelajahi
secara teresterial.(Somantri, 2008)

2.4 Resolusi Spasial, Temporal dan Spektral pada Citra Satelit

Interaksi gelombang elektromagnetik yang bekerja pada daerah spektrum

optik (tanpak, infra merah dekatdan infra merah menengah atau infra merah
pantulan) diukur/dideteksi oleh sensor, di antaranya mengalami peristiwa sebagai
berikut:
1. Dalam daerah ini dapat sekaligus terjadi peristiwa pemantulan, penyerapan
dan penerusan dengan mengikuti hukum Kirkchoff dan hukum Snellius.
2. Energi yang jatuh pada suatu objek akan diabsorpsikan, dipantulkan, dan
ditransmisikan.
3. Pada daerah spektrum optik, energi yang diukur oleh sensor adalah energi
yang direfleksikan oleh objek permukaan bumi, sehubungan dengan
sensitifitas sensor dioperasikan pada daerah spektrum tampak, infra merah
pantulan (infra merah dekat dan infra-merah menengah).
4. Besarnya radiasi yang dipantulkan oleh objek yang diterima oleh sensor
pengamat, berbeda-beda untuk setiap objek. Dengan kata lain, objek-objek
dapat diidentifikasi atau dibedakan tergantung pada karakteristik reflektal
objek-objek tersebut.

4
5. Karakteristik reflektansi spektral dari berbagai objek yang umum pada
permukaan bumi seperti tumbuhan, tanah, air. Hubungan interaksi pantulan
gelombang elektromagnetik yang diterima oleh sensor dan kemudian pada
setiap band panjang gelombang.(Suwargana, 2013)

2.5 Analisis Ketersediaan Ruang Terbuka Hijau

Ruang terbuka hijau merupakan area memanjang jalur dan atau

mengelompok yang penggunaannya lebih bersifat terbuka,tempat tumbuh
tanaman,baik yang tumbuh secara alamiah maupunyang sengaja ditanam.
Peraturan menteri pekerjaan umum tahun 2008 menyatakan bahwa kuantitas
dan kualitas ruang terbuka publik terutama ruang terbuka hijau (RTH) saat
ini mengalami penurunan yang sangat signifikan dan mengakibatkan
penurunan kualitas lingkungan hidup perkotaan yang berdampak
keberbagai sendi kehidupan perkotaan antara lain sering terjadinya banjir,
peningkatan pencemaran udara, dan menurunnya produktivitas masyarakat
akibat terbatasnya ruang yang tersedia untuk interaksi sosial. Kabupaten
Demak merupakan salah satu Kabupaten yang terus berkembang di
Indonesia, yang mana hampir setiap tahunnya pembangunan terus
meningkat seiring bertambahnya jumlah penduduk yang memadati kawasan
tersebut. Banyaknya pembangunan dapat mempengaruhi ketersediaan ruang
terbuka hijau yang ada, pembangunan yang terus meningkat dan kegiatan
pembukaan lahan yang terus bergulir mempengaruhi jumlah produksi
oksigen didaerah tersebut menjadi semakin berkurang, kurangnya control
dari pihak pemerintahan dan minimnya kesadaran pengembang dalam hal
pembangunan yang dilakukan saat ini. Kawasan perkotaan seharusnya
memiliki minimal 30% ruang terbuka hijau dari luas keseluruhan Kota
tersebut. Yakni 30% tersebut meliputi 20% untuk ruang terbuka hijau publik
dan 10% ruang terbuka hijau privat.
Pemahaman terhadap hubungan antara penyelenggaraan
pemukiman dengan perencanaan kawasan wilayah yang fungsional dan
responsive terhadap perkembangan dan permasalahan yang dihadapi saat ini

5
diharapkan dapat menciptakan keseimbangan antara pembangunan di
kawasan perkotaan dan kawasan sekitarnya, sehingga kawasan perkotaan
dapat lebih terjaga. Penurunan luasan lahan pertanian dari 2.136 ha menjadi
1.417 Ha turun dengan laju rata-rata 12,4% per tahun yang disebabkan oleh
alih fungsi lahan. Alih fungsi kawasan bervegetasi menjadi kawasan
terbangun mengakibatkan keseimbangan ekologi kota berkurang.Vegetasi
pada area perkotaan sangat mempengaruhi udara sekitarnya secara langsung
maupun tidak langsung dengan berubahnya kondisi atmosfer lingkungan.
(Sinaga, 2018)

6
 BAB III
DESKRIPSI KERJA

Pada praktikum kali ini kita melakukan percoban untuk memperoleh citra
satelit, berikut adalah langkah kerja yang dilakukan oleh praktikan:

1. Langkah pertama yang harus dilakukan adalah membuka web USGS

dengan mengklik HTTPS://EARTHEXPLORER.USGS.GOVI

2. Setelah muncul gambar seperti dibawah ini, langkah selanjutnya klik

login pada kolom bagian atas halaman

7
3. Setelah muncul halaman username dan password, silahkan menulis
nama dan password anda dalam kolom yang telah disediakan.
Kemudian klik Sing In seperti pada gambar di bawah ini

4. Setelah memasukan username dan pasword, kemudian klik login .

Maka pada bagian atas layar akan tercantum nama anda seperti pada
gambar berikut :

5. Langkah sekanjutnya bawa kursor kebagian kiri layar, klik menu Peth
dan Row, silahkan masukan peth dan row daerah yang anda inginkan
kemudian Klik Ok

8
6. Bawa kursornya pada menu kemudian pilih tahun, bulan dan tanggal
yang anda inginkan serta citra daerah yang anda ingin download setelah
itu Klik Ok.

7. Setelah itu kita lihat di data seed dan di cari data landsat

9
8. Kemudian kita klik data landsad keloksi 1 8 1 setelah kita aktifkan lalu
klik

10
9. Setelah kita klik resultsdan melihat gambar atau memilik, gambarnya
terlihat buram karena masih dalam proses mendowload citranya

10. Dan setelah itu kilik results seperti pada gambar berikut

11
11. Muncullah seperti ini pada layar dan di usahakan pada saat
mendonwlod citra tidak berawan.

12
12. Pada saat mendownload di butuhkan waktu beberapa lama sampai
proses mendownloadnya selesai. Selanjutnya

13
13. Ketika pendownloatan selesai maka anda dapat melakukan langkah
selanjutnya dengan

14. Extract file landsat 8 yg sudah terdowload seperti pada gambar

14
 BAB IV
HASIL DAN PEMBAHASAN

1.1 Hasil

Gambar 1.2 Citra kolaka

Gambar 1.2 Citra Bombana

15
1.2 Pembahasan

Pratikum kali ini menjelaskan tentang memperoleh citra satelit yang

digunakan dalam penginderan jauh. Dalam melakukan kegiatan memperoleh citra
kita perlu mengenal apa itu citra dan cara memperoleh citra sebagai. Langkah
pertama yang harus dilakukan adalah membuka web usgs dengan mengklik
https://earthexplorer.usgs.govI, lalu klik Login setelah muncul gambar, langkah
selanjutnya klik login pada kolom bagian atas halaman, setelah itu muncul halaman
username dan password, silahkan menulis nama dan password anda dalam kolom
yang telah di sediakan. Kemudian klik Sing In lalu memasukan username dan
pasword, kemudian klik login. Maka pada bagian atas layar sudah terdapat nama
anda, setelah itu dengan langkah selanjutnya bawa kursor kebagian kiri layar, klik
menu Peth dan Row, silahkan masukan peth dan row daerah yang anda inginkan
kemudian Klik Ok, kemudian klik menu bawa kursornya pada menu pilih tahun,
bulan dan tanggal yang anda inginkan serta citra daerah yang ingin anda download
setelah itu Klik Ok, kita lihat di data seed dan di cari data landsat dan kemudian
kita klik data landsat koloksi 1 8 1 setelah itu kita aktifkan lalu klik dan results,
selanjutnya gambarnya terlihat buram karena masih dalam proses mendowload
citranya sambil tunggu citranya terbuka dan setelah terbuka kilik results dan muncul
citra yang tadi kita login atau yang kita inginkan dan di usahakan pada saat
mendonwlod citra pilih yang tidak berawan, supaya kita tidak susah untuk
melihatnya lalu klik mendonwloud dan klik star download kemudian extract file
landsat 8 yg sudah terdowload.

16
 BAB V
PENUTUP

5.1 Kesimpulan

Dari apa yang telah dilakukan oleh praktikan dalam praktikum kali ini,
maka praktikan dapat menyimpulkan bahwa langkah pertama yang harus dilakukan
dalam memrperoleh citra adalah membuka web USGS dengan mengklik
https://earthexplorer.usgs.govI, lalu itu kita klik Login setelah muncul gambar
seperti dibawah ini, langkah selanjutnya klik login pada kolom bagian atas
halaman, setelah muncul halaman username dan password, silahkan menulis nama
dan password anda dalam kolom yang telah disediakan. Kemudian klik Sing In dan
memasukan username dan pasword, kemudian klik login. dan masih ada
selanjutnya sambil menunggu.

5.2 Saran

Sebaiknya saat pertemuan praktikum materi yang dibahas sebaiknya harus

lebih mendalam agar mahasiswa mendapatkan pengetahuan yang lebih serta dapat
memahami dengan baik materi yang di bawakan oleh pemateri.

17
 BAB I
PENDAHULUAN

1.2 Latar Belakang

Ilmu pengetahuan dan teknologi selalu berkembang dan mengalami

kemajuan, sesuai dengan perkembangan zaman dan perkembangan cara berfikir
manusia. Bangsa indonesia sebagai salah satu negara berkembang tidak akan bisa
maju selama belum memperbaiki kualitas sumberdaya manusia bangsa kita.
Kualitas hidup bangsa dapat meningkat jika di tunjang dengan sistem pendidikan
yang mapan. Dengan sikap berpikir kritis, kreatif dan produktif.

1.2 Tujuan

Adapun tujuan dari pelaksanaan praktikum penginderaan jauh ini yaitu :

1. Pengenalan softwer Envi
2. Mengetahui kegunaan softwer Envi

1.3 Manfaat

Adapun manfaat yang dapat di peroleh dari praktikum ini adalah kita dapat
mengetahui softwer envi dan dapat mengetahui kegunaan softwer envi tersebut
.
1.4 Alat dan Bahan

1. Laptop dengan kapasitas kurang lebih 2 RM atau giga bytes

2. Softwer envi 4.5

18
 BAB II
TINJAUN PUSTAKA

2.1 Pengenalan Software ENVI

The Environment For Visualizing Images (ENVI) merupakan salah satu
perangkat lunak (software) pengolah citra. ENVI dapat mengolah citra dari hasil
olahan perangkat lunak pengolah citra yang lain seperti ERDAS dan ER Mapper.
ENVI dapat mengolah citra yang berasal dari format JPEG, TIFF, GEO TIFF, dan
lain sebagainya.

ENVI ( The Environment For Visualizing Images) merupakan suatu image

processing system yang revolusioner yang dibuat oleh Research System, Inc(RSI).
Dari permulaannya ENVI dirancang untuk kebutuhan yang banyak danspesifik
untuk mereka yang secara teratur menggunakan data penginderaan jauhdari satelit
dan pesawat terbang. ENVI menyediakan data visualisasi dan analisis
komprehensif yang menyuluruh dan analisis untuk citra dalam berbagai ukurandan
tipe, semuanya dalam suatu lingkungan yang mudah dioperasikan daninovatif
untuk digunakan (Farda Nur Mohammad. 2007).

Satu dari kekuatan ENVI adalah pendekataan yang unik dalam pengolahan
citra, mengkombinasikan teknik file-based dan band-based dengan fungsi yang
interaktif. Ketika file data input dibuka, band (saluran) dari citra disimpan dalam
sebuah daftar, dimana semua saluran bisa diakses oleh semua fungsi system. Jika
multiple files dibuka, saluran dalam tipe data yang terpisah dapat diproses sebagai
sebuah grup. ENVI menampilkan saluran tersebut dalam 8 atau 24 bit. Grup
tampilan ENVI terdiri dari Image window, Zoom window, dan Scroll window,
semuanya bisa diubah ukurannya.

ENVI menyediakan penggunanya dengan banyak kemampuan analisis yang

interaktif dan unik, diakses dalam window tersebut. Kemampuan multiple dynamic
overlay ENVI memberikan kemudahan yaitu dapat membandingkan citra dalam
multiple displays. Ekstraksi realtime dan spatial atau spectral profiling dari

19
multiband dan data hyperspectral memberikan penggunaan cara baru dalam melihat
data dengan dimensi yang tinggi. ENVI memasukan semua fungsi dasar pengolahan
citra dalam antar muka pengguna grafis yang mudah. Beberapa dari fungsi tersebut
antar lain transformasi data, filtering, klasifikasi, registrasi dan koreksi geometri,
analisis spektral, dan radar.

2.2 Software Envi

ENVI (The Environment For Visualizing Images) merupakan suatu image

processing system yang revolusioner yang dibuat oleh Research System, Inc (RSI).
ENVI merupakan salah satu perangkat lunak yang digunakan untuk pemrosesan
citra (image processing). ENVI menyediakan visualisasi dan analisis untuk
pemrosesan citra dalam berbagai ukuran dan format yang mudah dioperasikan serta
inovatif.
Fungsi-fungsi pada menu envi :
1. File Management
Menu File pada menu utama ENVI digunakan untuk membaca file ke dalam
ENVI, menetapkan pilihan, untuk keluar dari ENVI, dan fungsi manajemen
program & file lain.

2. Display Management
Window menu untuk mengendalikan display dan plot window ENVI,
termasuk memulai window (jendela) baru, memaksimalkan ukuran jendela,
menghubungkan display window, dan menutup jendela. Available Bands List dan
Available Vectors List untuk menampilkan bands dan layer vectors. Window menu
juga digunakan untuk menampilan informasi lokasi kursor dan nilai piksel pada
citra yang ditampilkan.

3. Interactive Display Functions

Lima menu nampak secara keseluruhan pada Main Image window: File,
Overlay, Enhance, Tools dan Window. Menu ini secara bersama bernama Display

20
menu bar. Display menu bar digunakan untuk mengakses operasi umum dan fungsi-
fungsi interaktif.

4. Basic Tools
Menggunakan menu Basic Tools untuk mengakses berbagai fungsi dasar
ENVI. Fungsi ini biasanya bermanfaat mengetahui tipe spesifik dari citra yang akan
dianalisa. Fungsi seperti Region of Interest dapat digunakan pada multiple displays,
sedangkan fungsi seperti Band Math menawarkan kemampuan proses umum citra.
Fungsi Stretch Data adalah suatu contoh dari suatu fungsi yang menawarkan file-
to-file contrast stretching.

5. Classification
Menggunakan menu Classification untuk mengakses fungsi klasifikasi
ENVI. Fungsi ini meliputi supervised dan unsupervised classification, collecting
endmembers, classifying previous rule images, menghitung class statistics dan
confusion matrices, penerapan mayoritas dan analisa minoritas ke klasifikasi citra,
clumping dan sieving classes, mengkombinasikan kelas, overlay kelas pada citra
gray scale, menghitung daerah penyangga/buffer, menghitung segmentasi, dan
pengeksporan kelas ke layer vektor.

6. Transform
Menggunakan menu Transforms untuk mengakses fungsi transformasi.
Transforms adalah operasi pengolahan citra yang mengubah data ke data space
yang lain, pada umumnya dengan menerapkan sebuah fungsi linear. Tujuan umum
perubahan bentuk akan meningkatkan presentasi informasi. Citra yang telah diubah
biasanya lebih mudah ditafsirkan (mudah diinterpretasi) dibanding data asli.

7. Filters
Menggunakan menu Filter untuk melaksanakan Convulation,
Morphological, Texture, Adaptive, dan FFT Filtering. Filtering secara khas
digunakan untuk meningkatkan gambaran citra dengan pemindahan spatial
frequencies tertentu. Spatial frequency menguraikan variasi terang, atau DN,
dengan jarak, dan citra berisi banyak spatial frequency berbeda. Sebagai contoh,

21
memindahkan variasi frekwensi tinggi di dalam suatu citra menghasilkan suatu
keluaran citra yang lebih lembut.

8. Spectral Tools
Menggunakan menu Spectral untuk mengakses tool khusus untuk meneliti
citra multispectral dan hyperspectral dan tipe data spektral lain. Tool meliputi
building, resampling, dan viewing spectral libraries; mengekstraksi irisan/slices
spektral; melakukan/menyelenggarakan spectral math; menentukan spectral
endmembers; visualisasi data spektral di (dalam) ndimensions; penggolongan
spektral; spektral linier yang tidak mencampur; matched filtering; continuum
removal; dan Spectral Feature Fitting.

9. Map Tools
Menggunakan menu Map untuk mengakses registrasi citra,
orthorectification, koreksi geometris, dan mosaicking. Juga menggunakan menu
Map untuk mengakses tool untuk mengkonversi koordinat peta dan memetakan
proyeksi, untuk membangun proyeksi, untuk mengkonversi ASCII koordinat, dan
untuk mengakses suatu utiliti GPS-LINK.

10. Vector Tools

Menggunakan menu Vector untuk membuka file vektor, menciptakan file
vektor, mengatur file vektor, mengkonversi citra raster layer vektor, mengkonversi
grid irregular points, dan mengkonversi ENVI Vector File ( EVF), annotation file (
ANN), dan region of interest ( ROI) ke format DXF.

11. Topographic Tools

Menggunakan menu Topographic untuk mebuka, menganalisis, dan hasil
keluaran dari data ketinggian topografis digital. Menggunakanlah Modeling
Topografis untuk mengkalkulasi suatu gambaran relief, slope, aspek/arah, dan
berbagai lengkungan/curvature dari data topografis.

22
 12. Radar Tools
Menggunakan menu Radar untuk mengakses tool standard dan advanced
untuk analisa deteksi citra radar dan advance SAR system seperti JPL fully
polarimetric AIRSAR dan SIR-C sistem. ENVI dapat memproses ERS-1, JERS-1,
RADARSAT, SIR-C, XSAR, dan AIRSAR data dan SAR dataset. Sebagai
tambahan, ENVI dirancang untuk menangani data radar yang didistribusikan dalam
CEOS format, dan bisa menangani data dari sistem radar lain

23
 BAB III
DESKRIPSI KERJA

Pada praktikum kali ini kita melakukan percoban untuk menginstal softwer
envi, berikut adalah langkah kerja yang dilakukan oleh praktikan:
1. Buka folder ENVI 4.5 pada komputer Anda.

Gambar 3.2.5

2. Dobel klik setup Envi45winx86_32.exe

Gambar 3.2.6

24
3. Setelah kotak dialog ENVI 4.5-InstalllShield Wizard muncul, kliktombol

Gambar 3.2.7

4. Pada jendela License Agreement, klik Yes.

Gambar 3.2.8

5. Selanjutnya, pilih direktori penyimpanan software pada kolom Destination

Folder dengan menekan tombol Browse. Jika sudah klik tombol Next.

25
 Gambar 3.2.9

6. Pada bagian Select Features centang semua pilihan, kemudian klik Next.

Gambar 3.2.10

7. Di bagian File Type Association langsung klik Next.

26
 Gambar 3.2.11

8. Pada jendela Start Copying Files langsung klik Next.

Gambar 3.2.12

27
9. Tunggu hingga proses instalasi selesai.

Gambar 3.2.13

10. Ketika muncul pilihan untuk proses lisensi, klik No.

Gambar 3.2.14

11. Klik Finish untuk menyelesaikan proses instalasi.

28
 Gambar 3.2.15

12. Selanjutnya copy file “license.dat” kedirektori ITT > License pada drive C.

Gambar 3.2.16

29
13. Jika sudah buka software ENVI 4.5.

Gambar 3.2.17

14. Identifikasi dan jelaskan fungsi beberapa tools yang terdapat pada software
ENVI 4.5.

Gambar 3.2.1

30
 BAB IV
HASIL DAN PEMBAHASAN

1.1 Hasil

31
1.2 Pembahasan

Pratikum kali ini menjelaskan tentang cara menginstal aplikasi envi yang
digunakan dalam penginderaan jauh dan segala kegiatan darat maupun di laut yang di
peroleh dari citra statelit dan di lukiskan atau di gambarkan dalam sistem envi. Envi
merupakan salah satu perangkat lunak yang digunakan untuk pemrosesan citra
(image processing). envi menyediakan visualisasi dan analisis untuk pemrosesan citra
dalam berbagai ukuran dan format yang mudah dioperasikan serta inovatif. Dalam
melakukan kegiatan menginstal envi kita perlu mengenal apa itu envi. Langkah
pertama yang dilakukan adalah membuka dokumen atau sorfwere envi yang belum di
instal, dan setelah membuka sorfwere envi 4.5 dan sambil menunggu dalam
pengensitalan kurang lebih 15 menit, setelah itu ada pemberitahuan informasi tentang
envi dan klik next, setelah klik next ada pemberitahuan envi program files, idl program,
dan fils dan idl tools saveklik tiga macam itu dan klik next setelah itu lagi logingnya
kurang lebih 15 menit dan setelah itu klik no, dan klik finsid dan setelah finsid sorfwer
envi sudah terlihat di desktop. ENVI menampilkan saluran tersebut dalam 8 atau 24
bit. Grup tampilan ENVI terdiri dari Image window, Zoom window, dan Scroll
window, semuanya bisa diubah ukurannya. ENVI menyediakan penggunanya dengan
banyak kemampuan analisis yang interaktif dan unik, diakses dalam window tersebut.

32
 BAB V
PENUTUP

5.1 Kesimpulan
Langkah pertama yang dilakukan dalam menginstal Envi 4.5 adalah membuka
dokumen atau sorfwere envi yang belum di instal, dan setelah membuka sorfwere envi
4.5 dan sambil menunggu dalam pengensitalan kurang lebih 15 menit, setelah itu ada
pemberitahuan informasi tentang envi dan klik next, setelah klik next ada
pemberitahuan envi program files, idl program, dan fils dan idl tools saveklik tiga
macam itu dan klik next setelah itu lagi lodingnya kurang lebih 15 menit dan setelah
itu klik no, dan klik finsid dan setelah finsid sorfrewe envi suda terlihat di desktop.
ENVI menampilkan saluran tersebut dalam 8 atau 24 bit. dan suda tertampil di desktop.

5.2 Saran

Sebaiknya saat pertemuan praktikum materi yang dibahas sebaiknya harus lebih
mendalam agar mahasiswa mendapatkan pengetahuan yang lebih serta dapat
memahami dengan baik materi yang di bawakan oleh pemateri.

33
 BAB I
PENDAHULUAN

1.3 Latar Belakang

Ilmu pengetahuan dan teknologi selalu berkembang dan mengalami kemajuan,

sesuai dengan perkembangan zaman dan perkembangan cara berfikir manusia. Bangsa
indonesia sebagai salah satu negara berkembang tidak akan bisa maju selama belum
memperbaiki kualitas sumberdaya manusia bangsa kita. Kualitas hidup bangsa dapat
meningkat jika di tunjang dengan sistem pendidikan yang mapan. Dengan sikap
berpikir kritis, kreatif dan produktif.

1.2 Tujuan

Adapun pratikum klasifikasi citra kali ini bertujuan untuk mengetahui

klasifikasi citra supervised dan unsupervised yang ada pada objek vegetasi sedang,
perairan dangkal, perairan dalam, pemukiman, vegetasi rapat, permukaan jalan, kebun
comour, lahan kosong dan lahan terbuka. Serta praktkum uji akurasi ini untuk
mengetahui seberapa besar tingkat kebenaran atau tingkat ketelitian dua model
klasifikasi yang telah dibuat.

1.3 Manfaat

Adapun manfaat dalam mengikuti pratikum ini adalah kita mengatahui

bagaimana cara mengklasifikasi citra.

1.4 Alat Dan Bahan

Adapun alat dan bahan yang digunakan pada acara 2 yaitu :

1. laptop dengan kapasitas kurang lebih 2 RM atau giga bytes
2. softwere envi 4.5 yang suda terinstaldi laptop
3. Citra satelit landsat 8 ETM +

34
 BAB II
TINJAUAN PUSTAKA

2.1 Perbandingan Klasifikasi Berbasis Obyek dan Piksel pada Citra Satelit

Proses segmentasi yang dilakukan pada penelitian ini memakai algortima

Statistical Region Merging (SRM). Implementasi SRM dilakukan dengan
menggunakan MATLAB source code yang diperoleh dari internet dengan beberapa
modifikasi. Proses segmentasi dilakukan dengan menggunakan metode Statistical
Region Merging (SRM). Input data dalam proses segmentasi adalah citra dekom-posisi
Freeman-Durden. Parameter segmentasi dengan algoritma SRM ini adalah parameter
Q level dan Region Pixel Minimum Parameter Q level berkaitan dengan kompleksitas
segmentasi dan menentu-kan banyak sedikitnya region segmen yang akan terbentuk.
Nilai Q level yang lebih tinggi menghasilkan region segmen yang lebih banyak
sehingga kompleksitas segmentasi lebih tinggi. Parameter Region Pixel Minimum
menentukan jumlah piksel minimum yang dapat digabungkan dalam suatu region
segmen. Makin tinggi nilai Region Pixel Minimum maka makin sedikit region segmen
yang akan terbentuk.
Algoritma SRM didasarkan pada analisis statistik dari piksel-piksel yang
berdekatan lalu melakukan penggabungan piksel-piksel yang mirip/homogen dalam
suatu batasan/region. Proses peng-gabungan piksel dilakukan dengan memperhatikan
fungsi pengurutan (sort function) dan predikat penggabungan (merging predicate) yang
akan menentukan apakah dua piksel yang berdekatan akan digabung atau
tidak.(Sutanto, 2014)

2.2 Klasifikasi Tutupan Lahan

Suatu wilayah akan mengalami perkembangan yang akan membawa perubahan

penampakan secara fisik. Perkembangan fisik tersebut merupakan perkembangan lahan
yang dipengaruhi oleh faktor alam maupun manusia. Wilayah yang berkembang
memerlukan adanya perencanaan untuk mengarahkan peruntukan lahan secara tepat.

35
Dibutuhkan suatu metode yang akurat dan efektif untuk memperoleh informasi tutupan
lahan. Salah satu teknologi yang efektif untuk memetakan tutupan lahan adalah
teknologi penginderaan jauh. Terdapat berbagai macam teknik pengolahan data dalam
penginderaan jauh untuk memperoleh informasi tutupan lahan. teknik klasifikasi citra
dalam penginderaan jauh dibagi menjadi tiga bagian teknik klasifikasi yaitu teknik
berbasis piksel, teknik berbasis sub-piksel, dan teknik berbasis objek.
Teknik klasifikasi berbasis piksel dan klasifikasi berbasis objek akan
dibandingkan dalam mengklasifikasi tutupan lahan. Teknik klasifikasi berbasis piksel
merupakan teknik klasifikasi yang telah lama digunakan dalam penginderaan jauh di
mana klasifikasi dilakukan dengan menentukan training area pada citra yang
kemudian mengkategorikan secara otomatis semua piksel di citra ke dalam kelas
tutupan lahan. Teknik klasifikasi lainnya adalah teknik klasifikasi berbasis objek atau
nama lainnya Object-based Image Analysis (OBIA) yang merupakan suatu teknik yang
digunakan untuk mengklasifikasi segmen-segmen objek berupa poligon dari hasil
proses segmentasi di mana objek tersebut berupa kelompok piksel yang mirip satu
sama lain berdasarkan karakteristik spektral yaitu warna, ukuran, bentuk, dan tekstur
serta hubungannya dari tetangga sekitar piksel.
Pendekatan klasifikasi berbasis objek memiliki potensi besar dalam
mengekstraksi tutupan lahan dari citra satelit dan mengatasi kekurangan klasifikasi
berbasis piksel yang seringkali memberikan hasil yang masih mengandung efek salt
and papper klasifikasi berbasis piksel berhasil diterapkan untuk deteksi perubahan
tutupan lahan pada citra resolusi menengah. Namun, studi yang dilakukan untuk
menguji klasifikasi berbasis piksel pada citra resolusi tinggi masih sedikit. Sementara
itu, klasifikasi citra berbasis objek telah memperlihatkan potensi besar dalam
mengklasifikasi tutupan lahan pada area perkotaan dan banyak digunakan pada citra
resolusi tinggi. Oleh karena itu, penelitian ini bertujuan untuk membandingkan
klasifikasi berbasis objek dan klasifikasi berbasis piksel dengan menggunakan citra
resolusi tinggi dan citra resolusi menengah agar didapat perbandingan secara
menyeluruh. Citra resolusi tinggi yang digunakan adalah citra Quickbird multispektral

36
sedangkan citra resolusi menengah yang digunakan adalah citra Landsat 8
multispektral. Hasil dari kedua metode tersebut akan dibandingkan dalam
mengklasifikasi tutupan lahan. (Maksum, 2016)

2.3 Klasifikasi Penutupan Lahan Menggunakan Citra Satelit

Penggunaan Lahan/Tata Guna Lahan merupakan pengaturan/penataan

penggunaan lahan sebagai sumber daya alam (tanah, air, iklim, hewan, vegetasi,
mineral, dan sebagainya) melalui pemberdayaan sumber daya manusia, dengan
berdasar pada data geografis maupun data biofisik yang ada. Penggunaan lahan dapat
terjadi setiap saat baik secara alamiah maupun oleh kegiatan manusia. Adanya tekanan
untuk penyediaan kebutuhan pokok (lahan pertanian dan industri) dan pemukiman bagi
penduduk yang selalu bertambah, telah menyebabkan perubahan kondisi lahan secara
signifikan. Kondisi ini akan berdampak pada kelestarian ekosistem alami, misalnya
hutan yang mengalami degradasi, terjadi erosi tanah, terjadi banjir pada musim hujan
karena daerah tangkapan air yang kritis, rawa dikonversi menjadi pemukiman dan atau
jalan.
Proses perubahan penggunaan lahan merupakan suatu rentetan peristiwa yang
dialami oleh bentuk penggunaan lahan tertentu sehingga menghasilkan bentuk
penggunaan lahan yang berbeda. Apabila dalam kurun waktu tertentu suatu bentuk
penggunaan lahan menjadi bentuk penggunaan lahan yang berbeda dapat dikatakan
bahwa bentuk penggunaan lahan tersebut mengalami proses perubahan, dan sebaliknya
bila pada kurun waktu tertentu suatu bentuk penggunaan lahan tetap sama, maka dapat
dikatakan bahwa bentuk penggunaan lahan tersebut tidak mengalami perubahan
Proses-proses perubahan tersebut pada akhirnya akan turut mempengaruhi kondisi
DAS dimana bentuk-bentuk tata guna lahan tersebut dibuat. (Kastanya, 2006)

2.4 Implementasi Pengolahan Citra dan Klasifikasi

Ekstraksi ciri tekstur merupakan proses untuk mendapatkan nilai tekstur. Pada
penelitian ini, ekstrkasi ciri tekstur dilakukan dengan menggunakan metode statistik

37
orde dua. Pada awalnya proses yang dilakukan adalah konversi RGB ke Grayscale
yakni merupakan proses merubah citra RGB menjadi abu-abu atau Grayscale bertujuan
untuk menyederhanakan pemrosesan terhadap objek gambar, karena pada gambar
berwarna pada tiap pixel terdapat tiga lapisan warna yaitu Red, Green dan Blue
sedangkan pada gambar keabuabuan setiap pixel hanya diwakili oleh satu tingkatan
keabuan. Proses grayscale dapat dilakukan dengan mengambil nilai rata-rata R, G dan
B. Proses selanjutnya adalah Pembuatan Matrik kookurensi yakni matrik bujur sangkar
berukuran 256 x 256. 256 berasal dari nilai setiap pixel pada citra grayscale yang
memiliki rentan nilai 0-255. Pembuatan matrik kookurensi dilakukan berdasarkan
sudut 00, 450, 900 dan 1350. Setelah dihasilkan matrik kookurensi maka nilai ciri
tekstur dapat dihitung dengan menggunakan metode statistik orde dua, dimana pada
metode statistik orde dua ini terdapat enam ciri yang akan dihasilkan diantaranya
adalah Angular Second Moment, Contrast, Correlation, Variance, Inverse Difference
Moment, dan Entropy.
Sedangkan metode ekstraksi ciri warna yang digunakan dalam penelitian ini
adalah metode HSV yang dapat dilihat pada gambar 4 yaitu flowchart ekstraksi ciri
warna menggunakan metode HSV. Sebelum dilakukan perhitungan nilai H, S, V
terlebih dahulu dilakukan konversi citra RGB ke HSV. Konversi RGB ke HSV pada
matlab bisa dilakukan dengan menggunakan fungsi ‘rgb2hsv’. Pada proses pembuatan
histogram HSV, setiap komponen H, S, V (Hue, Saturation dan Value) dinyatakan
dengan histogram. Dengan demikian citra HSV dinyatakan dengan tiga buah histogram
yang terdiri dari histogram H, S, dan V. Pembuatan histogram dilakukan pada citra
RGB yang sudah di konversi ke model HSV. (Budianita, 2015)

2.5 Pengaruh Fitur Warna pada Klasifikasi Impresi Citra

Impresi dapat diartikan sebagai perasaan psikologis terhadap suatu produk.

Untuk membuat sebuah hubungan antara fitur citra dan impresi, perlu dibangun ruang
fitur citra dan ruang impresi. Satu citra memiliki sebuah titik yang memiliki
korespondensi minimal satu titik di dalam ruang impresi. Hubungan antara fitur citra

38
dan impresi dapat dideskripsikan menggunakan fungsi pemetaan dari ruang fitur citra
kedalam ruang impresi. Pada bagian input fungsi pemetaan adalah fitur citra dan di
bagian output-nya adalah impresi. Fungsi pemetaan dapat aplikasikan menggunakan
algoritma machine learning dengan menemukan titik yang berkorespondensi antara
ruang fitur citradan ruang impresi. Sedangkan pada citra batik, istilah batik itu sendiri
berasal dari kata dalam Bahasa Jawa yaitu “amba”, yang artinya menulis dan “nitik”
yang berarti memberi titik Selembar batik tidak sekedar menyimpan nilai-nilai estetis
dari jalinan ragam hias dan paduan tata warnanya saja. Tetapi, lebih dari itu juga
menyimpan sistem nilai, simbol, makna filosofis, dan strategi adaptasi masyarakat
pendukungnya. Karena terdapat perbedaan sistem nilai, simbol, makna filosofis dan
strategi adaptasi, maka ungkapan karya batik yang dibuat masyarakat yang satu akan
berbeda dengan masyarakat lainnya. (Nilogiri, 2016).

39
 BAB III
DESKRIPSI KERJA

Adapun praktikum penginderan jauh acara 2 klasifikasi citra Berikut adalah langkah
kerja yang dilakukan oleh praktikan:

1. Langkah pertama yang dilakukan adalah membuka file landsat 8 yang telah di
download sebelumnya.

2. Setelah itu, klik kanan lalu pilih extrac here, untuk mengextract data yang ada file
landsat 8 yang di download

40
3. Setelah muncul semua datanya seperti ini. Terhitung 15 data yang telah terextract

4. Kemudian bukalah aplikasi envi 4.5 , klik file kemudian klik open image file

5. Langkah selanjutnya masukkan file image, kemudian klik open image file, untuk
membuka filenya

6. Maka data akan mucul seperti ini.

41
7. Setelah itu kita klik band dasar dari citra satelit yaitu B4,B3 dan B2, kemudian
klik RBG color untuk memilih warna asli citra. Kemudian klik Load Band seperti
dibawah ini.

8. Kemudian muncul gambar seperti ini.

42
9. Klik Basic Tools, kemudian pilih Region Of Interest setelah itu klik lagi ROI
Tool. Kemudian muncul gambar seperti ini.

10. Klik New Region sampai Region #9

11. Arahkan krusor pada kotak zoom lalu mulai menandai objek yang ingin ditandai,
usahakan pixel yang di tandai minimal 100 pixel.

43
12. Dalam menggunakan metode Unsupervised Classification Klik classification
kemudian klik unsupervised classification kemudian klik ISODATA. Setelah
itu muncul gambar seperti ini.

13. Klik salah satu dari semua file kemudian klik OK, hingga muncul gambar seperti
ini.

14. Setelah itu isi maximum literation sesuai yang diinginkan, kemudian klik choose
untuk memilih tempat isodata yang ingin di simpan datanya. Kemudian klik
OK.sehingga muncul gambar seperti ini. Kemudian anda bisa menunggu sampai
file isodata dari band yang dipilih selesai sesuai berapa literasi yang diinginkan.

44
15. Kemudian munculah isodata seperti ini.

16 buatlah poligon dan urutkan di region-region kelas untuk membagi gelas di citra
landsat 8.

17. Sampai semuanya terisi secara otomatis seperti ini

45
 BAB IV
HASIL DAN PEMBAHASAN

4.1 Hasil klasifikasi

1) Supervised

A. Citra asli

B. Citra klasifikasi

46
C. Maximum Likelihood

2) Unsupervised

A. Citra asli

B. Citra klasifikasi C. ISODATA

47
4.2 Pembahasan

Klasifikasi citra merupakan proses yang berusaha mengelompokkan

seluruh pixel pada suatu citra kedalam sejumlah class (kelas) sedemikian
hingga tiap class merepresentasikan suatu entitas dengan properti yang spesifik.
Praktikum kali ini kita akan membahas tentang klasifikasi citra dan uji akurasi.
Dimana pada klasifikasi citra terbagi atas 2 yaitu supervised dan unsupervised.
Dalam pengelolahan data citra satelit sangat perlu dilakukannya uji akurasi
data. Akurasi yang dimaksud disini adalah kecocokan antara suatu informasi
standar yang dianggap benar, dengan citra terklasifikasi yang belum diketahui
kualitas informasinya.
Praktikum klasifikasi citra yaitu langkah yang dilakukan pertama yaitu
membuka aplikasi Envi 4.5 lalu pilih open image untuk membuka file, cari citra
landsat yang telah disimpan pada folder leptop anda, kemudian pilih warna asli
citra dengan mengklik RGB lalu pilih band 4,3,2 lalu klik RGB. Hingga muncul
gambar di layar leptop yang ada pada gambar pada deskripsi kerja, langkah
berikutnya yaitu membuat ROI (region of insert). Langkah selanjutnya arahkan
kursor pada kotak zoom lalu mulai menandai objek yang ingin di tandai,
usahakan pixel yang ditandai minimal 100 pixel, langkah selanjutnya yang bisa
anda lakukan pilih tool bar clasification lalu pilih supervised dan pilih
maximum likehood. Dalam menggunakan metode Unsupervised Classification
Klik classification kemudian klik unsupervised classification kemudian klik
ISODATA.

48
 BAB V
PENUTUP

5.1 Kesimpulan

Adapun yang dapat di simpulkan bahwa dalam klasifikasi citra terbagi menjadi
2 metode yaitu supervised dan unsupervised. Setelah mengklasifikasi data satelit untuk
menguji kebenarannya harus melakukan uji akurasi.

5.2 Saran

Adapun saran yang dapat diberikan yaitu diharapkan untuk praktikan agar datang
tepat waktu.

49
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Seiring dengan kemajuan teknologi informasi spasial suatu wilayah

dapat dilakukan dengan mudah. Penggunaan data penginderaan jauh dan SIG
(sistem informasi geografis) dalam ekstraksi informasi mengenai keruangan
dan kewilayahan dapat digunakan untuk pengkajian wilayah secara menyeluruh
dalam hubungannya dengan sumber daya air. Keterbatasan-keterbatasan data
permukaan yang memerlukan suatu pengkaitan obyek dengan mudah, cepat dan
akurat dapat dianalisis dengan menggunakan data penginderaan jauh. SIG
memiliki kemampuan yang sangat baik dalam memvisualisasikan data spasial
berikut atribut-atributnya. Unsur-unsur yang terdapat dipermukaan bumi dapat
diuraikan ke dalam bentuk beberapa layer atau coverage data spasial. Dengan
layers ini permukaan bumi dapat direkonstruksi kembali atau dimodelkan
dalam bentuk nyata (real world tiga dimensi) dengan menggunakan data
ketinggian berikut layers tematik yang diperlukan.
Satelit Landsat TM merupakan perbaikan dari generasi Landsat
sebelumnya, yaitu Landsat MSS (Multi Spectral Scanner). Satelit ini sangat
baik untuk digunakan dalam studi vegetasi, karena selain memiliki resolusi
spasial yang cukup bagus, juga memiliki saluran spektral yang lengkap mulai
dari saluran sinar tampak sampai saluran inframerah thermal. Citra Landsat
merupakan citra hasil penyiaman permukaan bumi oleh sensor yang dibawa
oleh satelit Landsat. Satelit ini menggunakan informasi penyiaman
multispectral, yaitu suatu informasi yang menggunakan beberapa panjang
gelombang (spektral) untuk merekam bentuk, objek dan fenomena-fenomena
yang ada di permukaan bumi. Jika dibandingkan dengan generasi sebelumnya,
citra Landsat TM mempunyai kelebihan baik dari segi resolusi spasial maupun
resolusi spektral, resolusi spasial 30×30 meter dan resolusi spektral sebanyak

50
11 band. Selain itu kepekaan radiometrik citra Landsat TM dengan laju
pengiriman data yang lebih cepat dan fokus penginderaan informasi.

1.2 Tujuan

Adapun pratikum klasifikasi citra kali ini bertujuan untuk mengetahui

klasifikasi citra supervised dan unsupervised yang ada pada objek vegetasi
sedang, perairan dangkal, perairan dalam, pemukiman, vegetasi rapat,
permukaan jalan, kebun comour, lahan kosong dan lahan terbuka. Serta
praktkum uji akurasi ini untuk mengetahui seberapa besar tingkat kebenaran
atau tingkat ketelitian dua model klasifikasi yang telah dibuat.

1.3 Manfaat

Adapun manfaat dalam mengikuti pratikum ini adalah kita mengatahui

bagaimana cara mengklasifikasi citra dan kita juga bisa mengetahui bagaimana
cara menguji akurasikan dari model suatu klasifikasi.

1.4 Alat Dan Bahan

Adapun alat dan bahan yang digunakan pada acara 2 yaitu :

4. laptop dengan kapasitas kurang lebih 2 RM atau giga bytes
5. softwere envi 4.5 yang suda terinstaldi laptop
6. Citra satelit landsat 8 ETM +

51
 BAB II
TINJAUAN PUSTAKA

2.1 U

Dari fakta dilapangan citra hasil klasifikasi penurupan lahan dilakukan

untuk melihat besarnya kesalahan klasifikasi sehingga dapat ditentukan
besarnya presentase keakuratan hasil identifikasi. Keakuratan tersebut meliputi
jumlah titik verifikasi sebagai perwakilan wilayah identifikasi total. Akurasi
hasil identifikasi di uji menggunakan matriks kesalahan (confuntion matrix).
Dalam suatu penelitian yang menggunakan data dan metode tertentu perlu
dilakukan uji ketelitian kembali karena hasil uji ketelitian tersebut sangat
mempengaruhi besarnya kepercayaan pengguna terhadap setiap jenis data
maupun metode analisisnya. Untuk mengetahui tingkat akurasi dari hasil
klasifikasi digunakan metode uji ketelitian klasifikasi confusion matrix yang
mengacu pada Short (1982) dalam Purwadi (2001) dengan formula sebagai
berikut :

= (MA ) / ( Xcr + X + Xco ) ∗ X % (2-3)

Dimana MA adalah ketelitian pemetaan sebaran mangrove (mapping
accuracy), Xcr adalah jumlah kelas X yang terkoreksi, Xo adalah jumlah kelas
X yang masuk ke kelas lain (omisi) dan Xco adalah jumlah kelas X tambahan
dari kelas lain (komisi) (purwanto, 2014).

52
 BAB III
DESKRIPSI KERJA

Adapun praktikum pengindran jauh acara 3 uji akurasi. Berikut adalah langkah
kerja yang dilakukan oleh praktikan:

1. Langkah pertama yang dilakukan adalah membuka aplikasi ENVI, lalu pilih
classification

Mengconfision matriks

53
 BAB IV
HASIL DAN PEMBAHASAN

4.1 Hasil

4.3 Pembahasan

Praktikum uji akurasi yaitu perolehan citra landsat yang telah terkoreksi
geometri, radiometri dan telah tercloud masking dan termosaik. Kemudian cropping
area kajian dengan kanal landsat yang digunakan band 4,3,2 proses segmentasi dengan
software definien dengan pemilihan segmentasi berdasarkan scale, yang terbaik.

54
Kemudian pengambilan training sampel pada poligon hasil segmentasi, pada
pengambilan training sampel secara manual pada objek segmentasi yang dibuat
sehomogen mungkin untuk klasifikasi dengan metode maximum likehood (berbasis
pixel).langkah berikutnya klasifikasi citra berdasarkan training sampel yang dibuat
berdasarkan poligon hasil segmentasi dan poligon yang dibuat manual. Berikutnya
pencampuran kelas yang dibuat dengan metode scattergram dan langkah terakhir uji
keterpisahan antar kelas dengan metode confusion matrix untuk melihat overall
accuracy dan nilai kappa.

55
 BAB V
PENUTUP

5.3 Kesimpulan

Adapun yang dapat di simpulkan bahwa dalam klasifikasi citra terbagi

menjadi 2 metode yaitu supervised dan unsupervised. Setelah mengklasifikasi
data satelit untuk menguji kebenarannya harus melakukan uji akurasi.

5.4 Saran

Adapun saran yang dapat diberikan yaitu diharapkan untuk praktikan agar
datang tepat waktu.

56
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Ilmu penginderaan jauh telah berkembang sangat pesat dari masa ke masa.
Teknologi satelit berperan besar dalam perkembangan aplikasi ilmu penginderaan jauh,
terutama dalam menganalisa keadaan vegetasi bumi. Teknologi sistem sensor satelit
dan algoritma pemrosesan sinyal digital memudahkan pengambilan informasi keadaan
bumi secara lebih cepat, detail dan akurat. Sejak diluncurkannya berbagai instrumen
pada satelit observasi Bumi ERTS milik NASA dan AVHRR milik NOAA, algoritma
pemrosesan sinyal yang digunakan untuk mengamati keadaan vegetasi adalah
algoritma NDVI (Normalized Difference Vegetation Index). Algoritma ini
memanfaatkan fenomena fisik pantulan gelombang cahaya yang berasal dari dedaunan.
Saat ini berbagai macam sensor satelit dimanfaatkan untuk memantau kondisi
kehijauan vegetasi bumi, antara lain: MODIS, MISR, ASTER, IKONOS, Quickbird,
VEGETATION, AVHRR, dan lain-lain. Masing-masing satelit melalui berbagai
sensornya mempunyai fungsi yang spesifik dalam mengolah informasi vegetasi.

Di dalam penelitian ini akan digunakan dua jenis sensor untuk mengamati
lahan kehijauan, yakni sistem sensor TERRA/AQUAMODIS dan NOAA/AVHRR
karena dua satelit tersebut digunakan sangat luas dan melalui instansi di dalam negeri
seperti Lembaga Penerbangan dan Antariksa Nasional (LAPAN), datanya dapat
diperoleh dengan mudah. Indeks vegetasi akan diukur menggunakan algoritma NDVI
dan EVI. Kedua indeks vegetasi ini dipilih karena walaupun banyak faktor yang
membatasinya, NDVI masih menjadi kuantitas monitoring vegetasi yang penting untuk
mengkaji kapasitas fotosintesis permukaan daratan pada skala spasial yang tepat dalam
berbagai keadaan. Perbedaan hasil olah dan interpretasi kedua algoritma tersebut akan
menjadi fokus penelitian ini. Data sensor satelit yang akan dibandingkan adalah data

57
 MODIS dan AVHRR yang dipilih antara tahun 2005 hingga 2007 di daerah sekitar
Pulau Kalimantan, Indonesia.

Indeks vegetasi adalah salah satu parameter yang digunakan untuk menganalisa
keadaan vegetasi dari suatu wilayah. Indeks tersebut mempunyai berbagai macam
variasi algoritma. Algoritma pemrosesan sinyal digital untuk menghitung indeks
vegetasi diperoleh dengan memanfaatkan karakteristik panjang gelombang pantul
daun. Saat ini berbagai macam sensor satelit dimanfaatkan untuk memantau kondisi
kehijauan vegetasi bumi, antara lain: MODIS, MISR, ASTER, IKONOS, Quickbird,
VEGETATION, AVHRR, dan lain-lain. Masing-masing satelit melalui berbagai
sensornya mempunyai fungsi yang spesifik dalam mengolah informasi vegetasi. Dalam
aplikasi penginderaan jauh, indeks vegetasi merupakan cerminan tingkat kehijauan
vegetasi yang juga dapat digunakan sebagai parameter kondisi kekeringan.

1.2 Tujuan
Mahasiswa dapat melakukan transformasi indeks vegetasi serta dapat
menentukan tingkat kerapatan vegetasi.
1.3 Manfaat
Adapun manfaat dalam praktikum ini adalah :
Agar mahasiswa dapat mengetahui transformasi indeks vegetasi serta mengetahui
tingkat kerapatan vegetasi.

1.4 Alat dan Bahan

No. Alat dan Bahan Kegunaan
1. Laptop Perangkat keras yang di gunakan untuk
mengolah data
2. Software Envi 4.5 Sebagai sumber Data mentah yang akan di olah
3. Citra satelit landsat

58
 BAB II
TINJAUAN PUSTAKA

2.1 Indeks NDVI

Perkembangan teknologi penginderaan jauh telah dimanfaatkan dalam berbagai

bidang, termaksud diantaranya pertanian pangan. Namun demikian, fokus utama
pemanfaatan masih terbatas pada penggunaan data akuisisi tunggal. Apliikasi
pemantauan tanaman pangan, terutama padi, yang memiliki siklus pertumbuhan sangat
cepat sangat membutuhkan konfigurasi deret waktu. Telaah literatur menujukan bahwa
analisis deret waktu sangat terbatas disajkan . Makalah ini menyajkan analisis data
serial untuk pemantau berbagai fase pertumbuhan padi di kabupaten subang,
pemanfaatan data MODIS yang tersedia secara gratis. Dua indeks kehijauan yaitu
Normalized difference vegetation indekx (NDVI) dan /NHANCED VEGETATION
INDEKS (EVI) Dibandikan dalam kajian ini makalah ini menunjukan indikai bahwa
citra komposit multi temporal 8 hari belum mampu menyediakan data untuk tujuan
pemantauan pertumbuhan padi. Dengan demikian, analisis data hanya dapat
dimungkinkan pada musim kemarau (Panuju, 2009).

2.2 Vegetasi Citra Satelit NDVI

Berdasarkan Undang-Undang Nomor 26 Tahun 2007 tentang Tata Ruang,

proporsi ruang terbuka hijau pada wilayah kota paling sedikit adalah 30% persen dari
luas wilayah kota. Ruang Terbuka Hijau atau dapat disebut dengan vegetasi dapat
mempengaruhi udara di sekitar secara langsung maupun tidak langsung. Vegetasi
memiliki beberapa manfaat untuk lingkungan seperti : mereduksi polutan dan
memproduksi oksigen, memperbaiki kualitas iklim lokal dan sebagai pengontrol
radiasi sinar matahari. Kehadiran vegetasi pada suatu wilayah akan memberikan
dampak positif bagi keseimbangan ekosistem dalam skala yang lebih luas. Secara
umum peranan vegetasi dalam suatu ekosistem terkait dengan pengaturan

59
keseimbangan karbon dioksida dan oksigen dalam udara, perbaikan sifat fisik, kimia
dan biologis tanah, pengaturan tata air tanah dan lain-lain. Saat ini teknologi
pengindraan jauh sudah semakin canggih, sehingga dapat mendeteksi sebaran vegetasi
pada suatu wilayah, pola sebaran vegetasi, kerapatan vegetasi serta luas vegetasi.

Teknik NDVI (Normalized Difference Vegetation Index) merupakan sebuah

transformasi citra penajaman spektral untuk menganalisis hal-hal yang berkaitan
dengan vegetasi. Selain teknik NDVI, ada sebuah metode yaitu segmentasi yang dapat
digunakan untuk mendeteksi kerapatan suatu wilayah dengan cara membedakan
bentuk, warna, tekstur dan batasan area.Dari hasil algoritma segmentasi didapatkan
nilai optimal untuk citra Sentinel-2A sebesar 150 untuk parameter skala, 0,3 untuk
parameter bentuk dan 0,5 untuk parameter compactness. Hasil uji akurasi dengan
menggunakan validasi lapangan dari segmentasi menghasilkan nilai akurasi
keseluruhan sebesar 46,7% sedangkan untuk NDVI nilai akurasi keseluruhannya
adalah 88,9%. Penelitian ini menunjukkan bahwa pola sebaran vegetasi pada
Kabupaten Demak dengan NDVI dan Segmentasi hampir sama yaitu merata ke seluruh
wilayah dengan luasan yang berbeda-beda tiap wilayahnya. Kerapatan vegetasinya
juga bervariasi, hasil kerapatan dengan dua metode memiliki sedikit perbedaan.
Perbedaan yang signifikan terjadi apabila dalam satu wilayah hanya terdapat sedikit
tumbuhan, karena perhitungan menggunakan uji densitas sangat memperhatikan
jumlah tumbuhan dalam satu wilayah tersebut. Sedangkan apabila menggunakan
kamera yang kemudian dilanjutkan dengan band threshold tidak memperhatikan
jumlah tumbuhan melainkan besarnya kanopi. (Andini,2006)

2.3 Analisis Vegetasi

Teknologi satelit berperan besar dalam perkembangan aplikasi ilmu

penginderaan jarak jauh terutama dalam menganalisa keadaan vegetasi Bumi. Indeks
vegetasi adalah salh satu parameter yang digunakan untuk menganalisa keadaan

60
vegetasi dari suatu wilayah.. Indeks tersebut mempunyai berbagai macam variasi
alogaritma. Alogaritma yang akan dibahas pada penelitianini adalah alogaritma NDVI
dan ENVI. Alogaritma EVI merupakan hasil turunan. (Sudiana,2008)

2.4 Transformasi NDVI

Informasi suhu sangat penting bagi para perencana wilayah dalam menganalisis
potensi ketersediaan air, perencanaan kalender tanam, kekeringan dan sebagainya.
Informasi suhu permukaan sering kali masih berupa data titik, artinya informasi
tersebut diperoleh pada suatu stasiun (satu lokasi) yang mewakili suatu wilayah.
Informasi suhu secara spasial sering kali juga diturunkan dari informasi titik (data
stasiun) dengan model interpolasi menjadi kontur suhu. Padahal informasi suhu adalah
informasi spasial yang secara dinamik setiap lokasi mempunyai nilai yang
mencerminkan nilai temparetur lokasi tersebut. Namun jika pemetaan secara langsung
itu dilakukan akan membutuhkan waktu dan biaya yang sangat besar. Oleh sebab itu
perlu kiranya dicari suatu metode yang memungkinkan dapat menggambarkan
distribusi suhu yang handal dengan efisien. Penginderaan jauh sebagai suatu ilmu yang
dapat menggambarkan informasi kebumian secara baik memungkinkan digunakan
sebagai suatu metode pemetaan distribusi suhu permukaan.(Jubaidah, 2012)

2.5 Algoritma Indeks Vegetasi

Penginderaan jauh merupakan ilmu ang memperoleh informasi tentang objek,

daerah, atau gejala dengan cara analisis data yang diperoleh dengan menggunakan alat
tanpa konta langsung terhadap objek, daerah, atau gejala tersebut. Pada penginderaan
jauh menggunakan satelit akan menghasilkan data citra dan salah satu data citra satelit
yang digunakan untuk memantau area pertanian adalah data citra satelit Landsat-8.
Sebagai dataset, data citra tersebut dapat diolah menggunakan metode yang disebut
indeks vegetasi.(Andana, 2013)

61
 BAB III
DESKRIPSI KERJA

Adapun deskripsi kerja praktikum pengindran jauh acara 3 yaitu Transformasi

Indeks Vegetasi yang dilakukan oleh praktikan adalah sebagai berikut:

1. Langkah pertama yang dilakukan adalah bukalah aplikasi ENVI 4.5 , klik file
kemudian klik open image file

2. Langkah selanjutnya masukkan file yang telah terkoreksi radiometrik, kemudian

klik Open, untuk membuka filenya Maka data akan mucul seperti ini.

3. Kemudian data yang di pilih akan mucullah seperti ini. Lalu klik Load Band New
Display.

62
4. Kemudian arahkan krusor ke Basic Tools kemudian klik Band Math, lalu masukan
rumus yang akan digunakan untuk transformasi NDVI. Seperti gambar di bawah
ini.

5. Setelah di isi rumus, kemudian add list dan lihat apakah rumus itu di terima atau
tidak, dengan hanya melihat apakah rumus yang di masukkan sudah masuk dalam
previous band math expressionnya atau belum. Setelah masuk klik OK, lalu
munculah gambar seperti ini.

63
 p
p

6. Setelah muncul variabels to band pairing, sesuaikanlah band yang ada dalam
variable used dengan available bands list, yakni B4 = B4 koreksi radiometrik dan
B5 = B5 koreksi radiometrik. Kemudiaan klik Choose untuk memilih lokasi
penyimpanan filenya. Kemudian klik OK. Seperti gambar di bawah ini.

7. Setelah terproses akan muncul gambar pemrosesan seperti ini.s

64
8. Kemudian tampilan bands akan berubah menjadi seperti ini.

9. Setelah itu klik koreksi radiometrik L8 2017 lalu klik Load Band setelah itumucul
gambar seperti ini.

65
10. Selanjutnya klik kanan pada display, kemudian klik cursor location/value untuk
mencek datanya sudah benar sesuai band math yang digunakan. Seperti dilingkar
merahkan pada gambar ini

11. klik overlay/ kemudian klik density slice untuk nilai range yang telah dihitung
untuk mementukan NDVInya

66
12. Setelah itu munculah kotakDensity slice band choice, kemudian klik OK

13. Setelah muncul kotak Density slice, pertama hitung data range yang akan di
kelaskan dengan rumus
𝑛𝑖𝑙𝑎𝑖 𝑡𝑒𝑟𝑡𝑖𝑛𝑔𝑔𝑖 − 𝑛𝑖𝑙𝑎𝑖 𝑡𝑒𝑟𝑒𝑛𝑑𝑎ℎ
𝐼𝑛𝑡𝑒𝑟𝑣𝑎𝑙 𝑘𝑒𝑙𝑎𝑠 =
4

67
 Dengan keterangan sangat jarang, jarang, rapat dan sangat rapat. Setelah itu klik
Delete Range sampai menyisakan 4 range. Setelah itu klik Edit Range untuk
mengubah ineterval untuk setiap kelasnya.

14. Sebelum mengklik Edit Range, pilih salah satu range kemudian klikEdit
Rangedan isi sesuai hasil yang telah di hitung interval kelasnya. Seperti gambar
ini.

68
15. Dan seterusnya sampai keempat tingkat interval kelas sesuai yang di perhitungkan
sebelumya, seperti gambar di bawah ini.

69
 Warna Density Slice Range
kelas
merah 0.160371 - 0.320741

kuning 0.320741 - 0.481112

hijau 0.481112 - 0.641482

Sea green 0.641482 - 0.801852

16. Setelah itu, klik Apply, kemudian muncul hasilnya seperti ini.

17. warna-warna yang mucul pada Display ini menandakan perbedaan antarkelas
interval yakni kelas sangat jarang, kelas jarang, kelas rapat dan kelas yang sangat
rapat.

70
 BAB IV
HASIL DAN PEMBAHASAN

4.4 Hasil

a. Scroll (0,03307)

b. band math

71
c. zoom (4x)

d. density slice

72
4.2 Pembahasan
Landsat 8 merupakan misi kelanjutan dari satelit Landsat yang telah
menyediakan lebih dari 40 tahun citra untuk penelitian jangka panjang. Namun, sangat
penting untuk diketahui bahwa fitur spektral dari Landsat 8 sendiri hampir sama dengan
citra Landsat sebelumnya yaitu citra Landsat 7 karena citra Landsat 8 memiliki kanal-
kanal yang sempit terutama kanal-kanal yang digunakan pada perhitungan NDVI
(Normalized Difference Vegetation Index) yang mana merupakan metode perhitungan
indeks vegetasi yang paling sering digunakan. Pada penelitian ini nilai NDVI
digunakan untuk mengetahui indeks vegetasi guna menghitung perbandingan spektral
antara nilai NDVI Landsat 7 dan nilai NDVI Landsat 8, dan bisa juga untuk
menghitung perubahan tutupan lahan berdasarkan nilai NDVI.

Pratikum kali ini menjelaskan tentang transformasi indeksi vegetasi yang

digunakan dalam penginderan jauh. Dalam melakukan kegiatan memperoleh citra
dengan metode transformasi indeksi vegetasi ndvi kita perlu mengenal apa itu
transformasi vegetasi, transformasi ndvi adalah salah satu metode yang menggunakan
perhitungan rasio dengan perbandingan dari tingkatan kehijauan vegetasi suatu
tanaman. Dan selanjutnya kita memperoleh transformasi indeksi vegetasi ndvi dengan
cara yait pertama yang harus di lakukan buka aplikasi ENVI melalui menu start > All
programs > ENVI 4.5 dan membuka citra dengan memilih menu file >open image file
di mana yang akan di pilih yaitu file lendsat 8 dan koreksi radiometrik L8 2017
kemudian klik tombol ok, setelah itu muncul jendela available list. Dan klik di basic
tools envi dan klik band math. Kemudian memasukan rumus basic tools (B5-
B4)/(B5+B4) dan klik ok. Setelah itu klik band yang sama atau berpasangan lalu klik
ok. Tunggu beberapa menit untuk loading bandnya, setelah itu muncul citranya dan
klik kanan pada overlay, kemudian klik density slice. Selanjutnya hitung data itu data
range maksimal – mininal dan delete range untuk mengurangi defined density slice
ranges sedangkan edit ranges itu untuk mengedit angka yang di kurangi dan mewarnai
citra tersebut dan klik apply.

73
 Gambar diatas merupakan hasil dari citra band 4 dan 5 dari file lendsat 8, hasil
citra yang ditampilkan sebelumnya berwarna hitam putih karena praktikan memilih
gray sacle pada jendela available bands namun setelah di masukan rumus terjadi
perubahan warna. Gambar diatas terdiri dari 3 jendela, yaitu jendela scroll, jendela
image, dan jendela zoom. Jendela Scroll merupakan display keseluruhan citra sekaligus
navigator. Jendela image merupakan perbesaran dari jendela scoll, sekaligus memuat
beberapa menu informasi citra dan pengolahan sederhana, dll. Jendela zoom
merupakan perbesaran dari jendela image, dimana kenampakan per piksel dapat
dengan mudah diamati.

74
 BAB V
PENUTUP

5.1 Kesimpulan

Kesimpulan yang dapat di peroleh dari praktikum kali ini yaitu praktikan dapat
mengetahui nilai hasil transformasi ndvi yang menggunakan data dari citra landsed 8
yang sudah terkoreksi radiometriknya serta praktikan dapat mengetahui transformasi
ndvi.

5.2 Saran

Sebaiknya saat pertemuan praktikum materi yang dibahas sebaiknya harus lebih
mendalam agar mahasiswa mendapatkan pengetahuan yang lebih disamping
pengetahuan dasar dari materi tersebut. Melakukan modifikasi materi modul
praktikum.

75
 DAFTAR TABEL

Tabel 1.4.1 Alat dan Bahan Transformasi Indeks Vegetasi…………………………..59

Tabel 1.4.2 Hasil Uji Akurasi………………………………………………………...55
Tabel 1.4.3 Hasil Density Slice………………………………………………………71

76
 DAFTAR ISI

Halaman Sampul………………………………………………………………………
Halaman pengesahan…………………………………………………………………..
Riwayat Hidup…………………………………………………………………………
Kata Pengantar…………………………………………………………………………i
Daftar Isi……………………………………………………………………...……….ii
Daftar Tabel………………………………………………………………...………...iii
Daftar Gambar…………………………………………………………...…………..

ACARA I MEMPEROLEH CITRA…………………………………………………..1

BAB I Pendahuluan……………………………………………………………1
1.1 Latar Belakang……………………………………………………...……1
1.2 Tujuan……………………………………………………………………1
1.3 Manfaat…………………………………………………………………..1
1.4 Alat dan Bahan…………………………………………………………...1
BAB II TINJAUN PUSTAKA……………………………………….………..2
2.1 Pengolahan Citra ………………………………………………………...2
2.2 Pembuatan Aplikasi Pengolahan Citra……………………………………3
2.3 Pemanfaatan Teknik Penginderaan Jauh ………………………………...3
2.4 Resolusi Spasial, Temporal dan Spektral pada Citra Satelit......................4
2.5 Analisis Ketersediaan Ruang Terbuka Hijau..............................................5
BAB III Deskripsi Kerja…………………………………………….…………7
BAB IV Hasil dan Pembahasan………………………………………………15
4.1 Hasil…………………………………………………………………….15
4.2 Pembahasan……………………………………………………………..15
BAB V Penutup………………………………………………………………17
5.1 Kesimpulan……………………………………………………………..17

77
 5.2 Saran……………………..……………………………………………..17
ACARA II PENGENALAN ENVI……..…………………………………………...18
BAB I Pendahuluan…..………………...……………………………………18
1.1 Latar Belakang………..………………………………………………..18
1.2 Tujuan……………..…………………………………………...………18
1.3 Manfaat………………..……………………………………………….18
1.4 Alat dan Bahan……………...………………………………………….18
BAB II TINJAUN PUSTAKA…….…………..………………….....……….19
2.1 Pengenalan Software ENVI…………..……………….………………..19
2.2 Software Envi……...……………………..…………….……….………20
BAB III Deskripsi Kerja…..………..……….………………….…………….24
BAB IV Pembahasan……..….…………………………………….…………31
4.1 Hasil…………………..………………………………………….…….31
4.2 Pembahasan……………...……………………………………………..31
BAB V Penutup……..…….……………………………………………....….33
5.1 Kesimpulan…………………………..………………………………..33
5.2 Saran……………………………...……………………………………33
ACARA III KLASIFIKASI CITRA……………...………………………………….34
BAB I Pendahuluan…………………………...………………….……...…...34
1.1 Latar Belakang…………………………………...……....………...…..34
1.2 Tujuan……..…………………………………………………...………34
1.3 Manfaat………………………………………………………………...34
1.4 Alat dan Bahan………………………………………………………....34
BAB II TINJAUN PUSTAKA……....……………………….....……..….….35
2.1 Perbandingan Klasifikasi Berbasis Obyek dan Piksel pada Citra
Satelit……..….....…………….…………………………………………….35
2.2 Klasifikasi Tutupan Lahan ……...…….……………………..…………35
2.3 Klasifikasi Penutupan Lahan Menggunakan Citra Satelit…..….……….37
2.4 Implementasi Pengolahan Citra dan Klasifikasi………….....….………38

78
 2.5 Pengaruh Fitur Warna pada Klasifikasi Impresi Citra……..…………..38
BAB III Deskripsi Kerja…..………………….…….………….…………….40
BAB IV Pembahasan……………………………..……………….…………46
4.1 Hasil…………………………………..………………………….…….46
4.2 Pembahasan…………………………..………………………………..46
BAB V Penutup…………………..……………………………………....….50
5.1 Kesimpulan………………..…………………………………………..50
5.2 Saran……………………..……………………………………………50
ACARA IV UJII AKURASI………………..……………………………………….51
BAB I Pendahuluan…………………..………………………….……...…...51
1.1 Latar Belakang………….………….…………………....………...…...52
1.2 Tujuan…………………………………..……………………...………52
1.3 Manfaat……………………..………………………………………….52
1.4 Alat dan Bahan…………………..…….……………………………….52
BAB II TINJAUN PUSTAKA…….….....……………………….....……….53
2.1 Uji akurasi………………………..……..………………………………53
BAB III Deskripsi Kerja…..………………...……………..….…….……….54
BAB IV Pembahasan………………………...…………………….…………55
4.1 Hasil……………………………………………….…………..……….55
4.2 Pembahasan………………………………………………………...…..56
BAB V Penutup……………………………………………………....………57
5.1 Kesimpulan……………………………………………………………57
5.2 Saran………….……………………………………………………..…57

ACARA V NDVI………………………..…………………………………………..58
BAB I Pendahuluan…………………..………………………….……...…...59
1.5 Latar Belakang………….………….…………………....………...…...59
1.6 Tujuan…………………………………..……………………...………59

79
 1.7 Manfaat……………………..………………………………………….59
1.8 Alat dan Bahan…………………..…….……………………………….59
BAB II TINJAUN PUSTAKA…….….....……………………….....……….60
2.1 Indeks NDVI……………………..……..………………………………60
2.2 Vegetasi Citra Satelit NDVI…..........…………….…………….………60
2.3 Analisis Vegetasi………………………..………….…………………..61
2.4 Transformasi NDVI ………………………..….….…….……...………62
2.5 Algoritma Indeks Vegetasi ……………………..………….…………..62
BAB III Deskripsi Kerja…..………………...……………..….…….……….63
BAB IV Pembahasan………………………...…………………….…………72
4.1 Hasil……………………………………………….…………..……….72
4.2 Pembahasan………………………………………………………...…..73
BAB V Penutup……………………………………………………....………74
5.1 Kesimpulan……………………………………………………………70
5.2 Saran………….……………………………………………………..…76

DAFTAR PUSTAKA……………………………………………………………….
LAMPIRAN…………………………………………………………………………

80
 DAFTAR GAMBAR

Gambar 4.1.1 Citra kolaka..........................................................................................15

Gambar 4.1.2 Citra Bombana.....................................................................................15
Gambar 4.1.3 Envi…………………………………………………………………..31
Gambar 4.1.4 supervised Citra asli.............................................................................46
Gambar 4.1.5 Supervised Citra Klasifikasi………………………………………….46
Gambar 4.1.6 Maximum Likelihood...........................................................................46
Gambar 4.1.7 Unsupervised Citra asli……………………………………………….47
Gambar 4.1.8 Unsupervised Citra Klasifikasi……………………………………….47
Gambar 4.1.9 Isodata………………………………………………………………...47
Gambar 4.1.10 Scroll (0,03307)...................................................................................72
Gambar 4.1.11 Band math...........................................................................................72
Gambar 4.1.12 Zoom (4x)…………………………………………………………...73
Gambar 4.1.13 Density Slice…………………....………………………………..73

81
LAMPIRAN

82
 DAFTAR PUSTAKA

Andana. 2013. Ekstrasi Data Indeks Vegetasi untuk Evaluasi Ruang Terbuka Hijau
Berdasarkan Citra alos. Fakultas Geografi. UGM. Yogyakarta.
Andini. 2006. Analisis Sebaran Vegetasi dengan Citra Satelit Sentinel menggunakan
metode ndvi dan Segmentasi. Jakarta.

Ayuindra, Meylia. 2014. Transformasi NDVI.

https://www.academia.edu/6230372/Transformasi NDVI. Diakses pada jumat
08 Januari 2016 pukul 14:03
Farda, Nur Mohammad. 2007. Modul Tutorial ENVI. Yogyakarta: Fakultas Geografi
Universitas Gadjah Mada.

Budianita Elvia, dkk. 2015. Implementasi Pengolahan Citra dan Klasifikasi K-Nearest
Neighbour Untuk Membangun Aplikasi Pembeda Daging Sapid an Babi.
Jurnal Sains, Teknologi dan Industri. Volume. 12 No. 2 ISSN:1693-2390.

Kastanya Agustinus, dkk. 2006. Klasifikasi Penutupan atau Penggunaan Lahan

Menggunakan Data Citra Satelit Di Kabupaten Halmahera Utara. Jurnal
Agroforesti. Voleme. 1 No. 2.
Maksum, Ui Zia, dkk. 2016. Perbandingan Klasifikasi Tutupan Lahan Menggunakan
Metode Klasifikasi Berbasis Objek Dan Klasifikasi Berbasis Piksel Pada
Citra Resulosi Tinggi Dan Menengah. Jurnal Geodesi Undip. Volume. 5 No.
2 (ISSN : 2337-845X).

Nigolori Agung. 2016. Pengaruh Fitur Warna pada Klasifikasi Impresi Citra Batik
Indonesia Menggunakan Probabilistic Neural Network. Jurnal Justindo.
Volume. 1 No. 1. ISSN:2505-5724.
Panuju. 2009. Variasi nilai indeks vegetasi modis pada siklus pertumbutuhan. Jurnal
ilmiah Geomatika Vol. 15 Nomor 2. Bogor.
Permadi Yuda, dkk. 2015. Aplikasi Pengolahan Citra Untuk Identifikasi Kematangan
Mentimun Berdasarkan Tekstur Kulit Buah Menggunakan Metode Ekstraksi
Ciri Statistik. Jurnal Informatika. Volume. 9 No. 1.

Purwanto, Anang Dwi. Dkk. 2014. Analisis Sebarar Dan Kerapatan Msngrove
Menggunakan Citra Landsat 8 Di Segara Anakan. Pusat Pemanfaatan
Penginderaan Jauh: Cilacap

83
Setiawan Santoso, dkk. 2014. Pembuatan Aplikasi Penajaman Gambar Untuk
Pengolahan Citra Digital. Jurnal Techno Nusa Mandiri. Volume. 11 No.1.

Sinaga, Hakim Sulaiman, dkk 2018. Analisis Ketersediaan Ruang Terbuka Hijau
Dengan Metode Normalized Difference Vegetacion Indexdan Soil
Adjusted Vegetation Index Menggunakan Citra Satelit Sentil-2A. Jurnal
Geodesi.Volume 7 No. 1 ISSN: 2337:854X
Somantri Lili. 2008. Pemanfaatan Teknik Penginderaan Jauh Untuk Mengidentifikasi
Kerentanan Dan Resiko Banjir. Jurnal Gea.Volume. 8 No. 2.

Sutanto Ahmad, dkk. 2014. Perbandingan Klasifikasi Berbasis Obyek Dan Klasifikasi
Berbasis Piksel Pada Data Citra Satelit Synthetic Aperature Radar Untuk
Pemetaan Lahan (Comparison Of Object Based And Pixel Based Classifikasi
On Syinthetic Aperature Radar Satellite Image Data For Land Mapping).
Jurnal Penginderaan Jauh. Volume. 11 No. 1.
Sudiana Dodi dan Elfa Diasmara. 2008. Analisis Indeks Vegetasi menggunakan Data
Satelit NOAA/AVHRR dan TERRA/AQUA-MODIS. Jawa Barat: Fakultas
Teknik. Universitas Indonesia. Jawa Barat.
Suwargana Nana. 2013. Resolusi Spasial, Temporal dan Spektral pada Citra Satelit
Landsat, Spot Dan Ikonis. Jurnal Ilmiah. Volume. 1 No. 2

Zubaidah Any . 2012. Kapasitas Indeks Lahan Terbakar Normalized Burn Ration
(NBR) dan Normalized Difference Vegetation Indeks (NDVI) Dalam
Mengidentifikasi Bekas Lahan Terbakar Berdasarkan Data Spot-4. Jurnal
ilmiah Geomatiaka Vol. 18 Nomor 1. Jakarta Timur.

84