PENDAHULUAN
1.2 Tujuan
1.3 Manfaat
Adapun manfaat yang dapat di peroleh dari praktikum ini adalah kita dapat
mengetahui bagaimana cara memperoleh citra
1
BAB II
TINJAUN PUSTAKA
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)
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)
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)
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:
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
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
BAB IV
HASIL DAN PEMBAHASAN
1.1 Hasil
15
1.2 Pembahasan
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
17
BAB I
PENDAHULUAN
1.2 Tujuan
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
18
BAB II
TINJAUN PUSTAKA
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.
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. 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.
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.
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
Gambar 3.2.6
24
3. Setelah kotak dialog ENVI 4.5-InstalllShield Wizard muncul, kliktombol
Gambar 3.2.7
Gambar 3.2.8
25
Gambar 3.2.9
6. Pada bagian Select Features centang semua pilihan, kemudian klik Next.
Gambar 3.2.10
26
Gambar 3.2.11
Gambar 3.2.12
27
9. Tunggu hingga proses instalasi selesai.
Gambar 3.2.13
Gambar 3.2.14
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
1.2 Tujuan
1.3 Manfaat
34
BAB II
TINJAUAN PUSTAKA
2.1 Perbandingan Klasifikasi Berbasis Obyek dan Piksel pada Citra Satelit
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)
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)
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
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.
42
9. Klik Basic Tools, kemudian pilih Region Of Interest setelah itu klik lagi ROI
Tool. Kemudian muncul gambar seperti ini.
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.
45
BAB IV
HASIL DAN PEMBAHASAN
1) Supervised
A. Citra asli
B. Citra klasifikasi
46
C. Maximum Likelihood
2) Unsupervised
A. Citra asli
47
4.2 Pembahasan
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
50
11 band. Selain itu kepekaan radiometrik citra Landsat TM dengan laju
pengiriman data yang lebih cepat dan fokus penginderaan informasi.
1.2 Tujuan
1.3 Manfaat
51
BAB II
TINJAUAN PUSTAKA
2.1 U
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
5.4 Saran
Adapun saran yang dapat diberikan yaitu diharapkan untuk praktikan agar
datang tepat waktu.
56
BAB I
PENDAHULUAN
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.
58
BAB II
TINJAUAN PUSTAKA
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.
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)
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)
61
BAB III
DESKRIPSI KERJA
1. Langkah pertama yang dilakukan adalah bukalah aplikasi ENVI 4.5 , klik file
kemudian klik open image file
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.
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
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.
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
76
DAFTAR ISI
Halaman Sampul………………………………………………………………………
Halaman pengesahan…………………………………………………………………..
Riwayat Hidup…………………………………………………………………………
Kata Pengantar…………………………………………………………………………i
Daftar Isi……………………………………………………………………...……….ii
Daftar Tabel………………………………………………………………...………...iii
Daftar Gambar…………………………………………………………...…………..
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
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.
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.
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