Kerangka Kontrol Kualitas Informasi Geospasial

1. Metodologi Pelaksanaan pekerjaan penginderaan jauh (Tema :

Pemanfaatan data penginderaan jauh untuk penggunaan tanah land
cover
1. Citra
Dalam pengindraan jauh didapat masukan data atau hasil observasi yang
disebut dengan citra. Citra dapat diartikan sebagai gambaran yang tampak
dari suatu objek yang diamati sebagai hasil liputan atau rekaman suatu alat
pemantau.
Citra digital meruapakan susunan (array) dari angka – angka, yang
dipresentasikan sebagai sebuah matrix baris dan kolom (cell). Susunan data
citra seperti ini termasuk dalam kelas umum “data raster”, yang berarti bahwa
cell atau piksel (yang berisi nilai data individu) tidak secara jelas
berhubungan dengan lokasi di permukaan bumi. Lokasi dari setiap nilai data
pada picture element (pixel) diimplikasikan oleh oleh posisinya pada susunan
piksel pada citra (array) seperti pada gambar di bawah ini

Konsep data raster, cell pada grid yang terletak pada kiri atas
merupakan awal atau titik pangkal dari sistem koordinat ( baris dan kolom).
Ukuran piksel atau grid cell biasanya menggunakan satuan jarak seperti
meter. Posisi piksel dimanapun dalam citra dapat dikalkulasikan jika jarak
antar piksel horizontal dan vertikal diketahui, dan koordinat citra dapat
diketahui jika koordinat citra dari piksel (1,1) diketahui. Jadi, jika kita
mengetahui koordinat UTM piksel pada pojok kiri atas pada susunan citra
(arrays) atau raster dan jarak antar piksel dalam meter maka kita dapat
mengkalkulasikan posisi piksel dimanapun dalam raster. Seperti dijelaskan
sebelumnya setiap piksel memiliki nilai. Nilai yang disimpan dalam data
raster terletak pada rentang yang spesifik, biasanya 0 – 255, yang berasosiasi

Maria Regina So’o (23-2014-099)

 Kerangka Kontrol Kualitas Informasi Geospasial

kepada rentang kecerahan warna. Nilai 0 mengindikasikan tidak adanya

warna (merah, hijau, atau biru), dan nilai kecerahan 255 mengindikasikan
intensitas ditampilkannya warna.
Dalam menentukan skala peta pada suatu citra sangat bergantung pada tinggi
rendahnya resolusi spasial. Resolusi spasial merupakan ukuran terkecil
obyek di lapangan yang dapat direkam pada data digital
maupun pada citra. Pada data digital resolusi dilapangan dinyatakandengan
pixel. Semakin kecil ukuran terkecil yang dapat direkam oleh suatu sistem
sensor, berarti sensor itu semakin baik karena dapat menyajikan data dan
informasi yang semakin rinci. Resolusi spasial yang baik dikatakan resolusi
tinggi atau halus, sedang yang kurang baik berupa resolusi kasar atau rendah.
Dalam menentukan range resolusi, ada tingkat ukuran resolusi yang perlu di
ketahui yaitu :
 Resolusi spasial tinggi, berkisar : 0.6-4 m.
 Resolusi spasial menengah, berkisar : 4-30 m
 Resolusi spasial rendah, berkisar : 30 - > 1000 m
Contoh resolusi spasial pada citra landsat 8 memiliki resolusinya 30 x 30 m
1 mm (di peta) : 3σ (dilapangan)
1 mm : 3.30m
1mm : 90 m
1mm : 90.000 mm
Maka skala yang baik untuk citra landsat yang beresolusi 30 m yaitu : 1
:90.000 merupkan skala rendah.
Kesimpulan :resolusi spasial berpengaruh terhadap skala yang digunakan jika
kita memakai 1:1000, maka obyek sebesar 1 m di bumi setara dengan 1mm
di peta.

2. Rektifikasi
Rektifikasi adalah suatu proses melakukan transformasi data dari satu
sistem grid menggunakan suatu transformasi geometric Kesalahan geometrik
dipengaruhi oleh distorsi (kesalahan) yang timbul pada saat perekaman. Hal
ini dipengaruhi oleh perputaran bumi ataupun bentuk dari permukaan bumi.

Maria Regina So’o (23-2014-099)

 Kerangka Kontrol Kualitas Informasi Geospasial

Beberapa kesalahan ini kadang sudah dikoreksi oleh supplier citra atau dapat
dikoreksi secara geometris oleh pengguna. Koreksi geometrik dapat
dilakukan dengan:
 Menggunakan titik kontrol (Ground Control Point) yang dicari pada
citra lain yang sudah memiliki georeferensi
 Menggunakan titik (Ground Control Point) yang dapat dicari pada
peta yang sudah memiliki georeferensi
 Memakai titik pengukuran yang diambil menggunakan GPS (Global
Positioning System) pada lokasi-lokasi tertentu yang mudah dikenali
pada citra. Hal yang perlu dipertimbangkan dalam melakukan
koreksi geometris antara lain adalah tingkat resolusi dan proyeksi
yang digunakan data itu
3. Ketelitian
Berikut perhitungan hasil koreksi geometric menggunakan GCP hasil
pengukuran GPS :
Root Mean square eror merupakan parameter yang digunakan untuk
mengevaluasi nilai hasil dari pengamatan/pengukuran terhadap nilai
sebenarnya atau nilai yang dianggap benar. RMSE ini dihitung pada
saat transformasi koordinat dilakukan. Caranya dengan mengkaji
beberapa titik pada citra hasil koreksi geometrik terhadap titik kontol
tanah yang sudah terefrensi dengan sistem proyeksi tertentu secara
umum, persamaan untuk menghitung menghitung besarnya RMSE
dalam bidang dua dimensional adalah sebagai brikut:

Dimana :
(X’Y) : Merupakan koordinat citra hasil koreksi geometric
(X,Y)orig: Merupakan koordinat titik kontrol tanah pada bidang refrensi
n :jumlah GCP

Maria Regina So’o (23-2014-099)

 Kerangka Kontrol Kualitas Informasi Geospasial

Besarnya nilai RMSE yang dapat diterima adalah sebesar 0,5 piksel.
Biasanya nilai ketelitian adalah 0,5 satuan terkecil dan satuan terkecil
pada citra adalah piksel. Dengan demikian dapat ditentukan nilai
ketelitian yang dapat diterima pada citra ini berkisar sekitar 0,5 piksel.
Setelah dilakukan koreksi geometrik, selanjutnya dilakukan koreksi
radiomertik. Koreksi radiometrik ditujukan untuk memperbaiki nilai
piksel supaya sesuai dengan yang seharusnya yang biasanya
mempertimbangkan faktor gangguan atmosfer sebagai sumber kesalahan
utama. Efek atmosfer menyebabkan nilai pantulan objek dipermukaan
bumi yang terekam oleh sensor menjadi bukan merupakan nilai aslinya,
tetapi menjadi lebih besar oleh karena adanya hamburan atau lebih kecil
karena proses serapan.
4. Klasifikasi
Klasifikasi citra yaitu proses mengelompokkan seluruh pixel pada suatu
citra kedalam sejumlah kelas. Dalam citra terdapat 2 metode klasifikasi :
 Klasifikasi terbimbimbing
Klasifikasi terbimbing (supervised classification) merupakan
proses klasifikasi dengan pemilihan kategori informasi yang
diinginkan dalam memilih training area untuk tiap kategori
penutup lahan yang mewakili sebagi kunci interpretasi dengan
klasifikasi terbimbing. Klasifikasi terbimbing menggunakan data
penginderaan jauh multispektral yang berbasis numerik, sehingga
pengenalannya polanya otomatis dengan bantuan komputer.
Konsep penyajian data dalam bentuk numeris/grafik atau diagram
klasifikasi terbimbing yang didasarkan pada pengenalan pola
spektral (spectral pattern recognition) terdiri atas tiga tahap yaitu:
 Tahap training sampel :menyusun interpretasi dan
mengembangkan secara numerik spektral untuk setiap
tampilan yang mengguanakan training area.
 Tahap klasifiaksi :setiap pixel pada serangkain data citra
dibandingkan dengan setiap kategori pada kunci
interpretasi numerik dengan menentukan nilai pixel yang

Maria Regina So’o (23-2014-099)

 Kerangka Kontrol Kualitas Informasi Geospasial

tak dikenal dan paling mirip dengan kategori yang sama.

Perbandingan tiap pixel citra dengan kategori pada kunci
interpretasi dikerjakan secara numerik menggunakan
berbagai strategi klasifikasi (dapat dipilih salah satu dari
jarak minimum rata-rata kelas, parallelepiped, kemiripan
maksimum). Setiap pixel kemudian diberi nama sehingga
diperoleh matrik multidimensi untuk menentukan jenis
kategori tutupan lahan
 Klasifikasi tak terbimbing ((unsupervised classification) adalah
salah satu alternatif bagi pendekatan klasifikasi data penginderaan
jauh dengan cara klasifikasi tak terbimbing. Klasifikasi tak
terbimbing menggunakan algoritma untuk mengkaji atau
menganalisis sejumlah besar pixel yang tidak dikenal dan
membaginya dalam sejumlah kelas berdasarkan pengelompokkan
nilai citra digital. Kelas yang dihasilkan dari klasifikasi tak
terbimbing adalah kelas spektral.
Contoh obyek pada tutupan lahan
 Hutan
 Kebun
 Pemukiman Kawasan pemukiman

sungai
 Badan air
danau

5. Kontrol kualitas
Setelah citra tersebut diklasifikasikan, selanjutnya melakukan kontro
kualitas batas obyek atau melakukan uji validasi Assement atau penafsiran
ketelitian hasil interpretasi citra secara visual dengan melakukan cek
lapangan dan menerapakan matriks konfusi. v
6. Peta tutupan lahan
Setelah semua tahapan dilakukan selanjutnya penyajian peta tutupan
lahan yang sesuai atura atau kaidah pembuatan peta.

Maria Regina So’o (23-2014-099)

 Kerangka Kontrol Kualitas Informasi Geospasial

2. Metodologi Pelaksanaan pekerjaan penginderaan jauh

3. Menentukan Letak timbulnya kesalahan dalam proses pengolahan

data penginderaan jauh
Pra-pengolahan data penginderaan jauh digital mencakup rektifikasi
(pembetulan) dan restorasi (pemugaran atau pemulihan) citra. Rektifikasi
(pembetulan) dan restorasi (pemulihan /pemugaran). Citra merupakan
prosedur operasi agar diperoleh data yang sesuai dengan aslinya. Citra hasil
rekaman sensor penginderaan jauh mengalami berbagai distorsi (kesalahan)
yang disebabkan oleh gerakan sensor saat perekaman data factor media antara
digital dengan bantuan peralatan komputer sebagai perangkat keras dan juga
perangkat lunaknya. Pelaksaan pengolahan data penginderaan jauh satelit
melalui prosedur operasi. Pengolahan ini biasa disebut operasi pengolahan
data awal atau pra pengoalahan (preprocessing operations) citra
penginderaan jauh meliputi koreksi radiometrik dan koreksi geomertik

Maria Regina So’o (23-2014-099)

 Kerangka Kontrol Kualitas Informasi Geospasial

 Koreksi geometrik
Timbulnya kesalahan berupa pergeseran nilai atau derajat keabuan
elemen gambar (pixel) pada citra yang disebabkan oleh kesalahan
sistem optik akibat gangguan energy radiasi elektromagnetik pada
atmosfer dan kesalahan karena pengaruh sudut elevasi matahari
 Koreksi geomertik
Kesalahan gaeometrik bersifat internal disebabkan konfigurasi
sensornya, dan kesalahan eksternal diakibatkan perubahan
ketinggian posisi, dan kecepatan wahana gerak rotasi dan
kelengkungan bumi
4. Tentukan bagaimana cara melakukan klasifikasi data citra untuk
klasifikasi tutupan lahan
Klasifikasi adalah teknik yang digunakan untuk menghilangkan
informasi rinci dari data inputuntuk menampilkan pola-pola penting atau
distribusi spasial untuk mempermudah interpretasi dananalisis citra sehingga
dari citra tersebut diperoleh informasi yang bermanfaat. Untuk
pemetaantutupan lahan, hasilnya bisa diperoleh dari proses klasifikasi
multispektral citra satelit. Klasifikasimultispektral sendiri adalah algoritma
yang dirancang untuk menyajikan informasi tematik dengan cara
mengelompokkan fenomena berdasarkan satu kriteria yaitu nilai spektral.
Klasifikasi multispektral diawali dengan menentukan nilai piksel tiap
objek sebagai sampel. Selanjutnya nilai piksel dari tiap sampel tersebut
digunakan sebagai masukkan dalam prosesklasifikasi. Perolehan informasi tutupan
lahan diperoleh berdasarkan warna pada citra, analisis statikdan analisis grafis.
Analisis statik digunakan untuk memperhatikan nilai rata-rata, standar
deviasi danvarian dari tiap kelas sampel yang diambil guna menentukan perbedaan
sampel. Analisis grafis digunakan untuk melihat sebaran-sebaran piksel dalam
suatu kelas
Didalam klasifikasi ini terdapat dua metode klasifikasi yaitu :
 Metode Klasifikasi Terbimbing (Supervised)
Pada metode supervised ini, analis terlebih dulu menetapkan
beberapa training area (daerah contoh) pada citra sebagai kelas lahan

Maria Regina So’o (23-2014-099)

 Kerangka Kontrol Kualitas Informasi Geospasial

tertentu. Penetapan ini berdasarkan pengetahuananalis terhadap

wilayah dalam citra mengenai daerah-daerah tutupan lahan. Nilai-
nilai pikseldalam daerah contoh kemudian digunakan oleh komputer
sebagai kunci untuk mengenali piksellain. Daerah yang memiliki
nilai-nilai piksel sejenis akan dimasukan kedalam kelas lahan
yangtelah ditetapkan sebelumnya. Jadi dalam metode supervised ini
analis mengidentifikasi kelas informasi terlebih dulu yang kemudian
digunakan untuk menentukan kelas spectral yangmewakili kelas
informasi tersebut.

Cara Kerja Metode Supervised

Algoritma yang bisa digunakan untuk menyelesaikan metode

supervised inidiantaranya adalah minimun distance dan parallelepiped.
 Metode Klasifikasi Tak Terbimbing (Unsupervised)
Cara kerja metode unsupervised ini merupakan kebalikkan dari ised,
dimana nilai-nilai piksel dikelompokkan terlebih dahulu oleh
komputer kedalam kelas-kelas spektralmenggunakan algoritma
klusterisasi (Indriasari, 2009). Dalam metode ini, diawal proses
biasanyaanalis akan menentukan jumlah kelas (cluster) yang
akan dibuat. Kemudian setelah mendapatkanhasil, analis menetapkan
kelas-kelas lahan terhadap kelas-kelas spektral yang
telahdikelompokkan oleh komputer. Dari kelas-kelas (cluster ) yang
dihasilkan, analis bisamenggabungkan beberapa kelas yang dianggap
memiliki informasi yang sama menjadi satukelas. Misal
class 1,class 2 dan class 3 masing-masing adalah sawah, perkebunan

Maria Regina So’o (23-2014-099)

 Kerangka Kontrol Kualitas Informasi Geospasial

dan hutanmaka analis bisa mengelompokkan kelas-kelas tersebut

menjadi satu kelas, yaitu kelas vegetasi.Jadi pada metode
unsupervised tidak sepenuhnya tanpa campur tangan
manusia.Beberapa algoritma yang bisa digunakan untuk
menyelesaikan metode unsupervise inidiantaranya adalah K-Means
dan ISODATA

Cara Kerja Metode Unsupervised

5. Tentukan besaran maksimum kesalahan geometrik untuk setiap

tahapan pekerjaan
Besaran maksimum kesalahan geometrik pada setiap tahapan
pekerjaan adalah <0,5 data citranya yang di dapat dari nilai RMS erornya .
6 Tentukan bagaimana menentukan kesalahan dalam klasifikasi
Dilakukan cek lapangan dengan menentukan matriks konfusi Matriks
konfusi merupakan suatu matriks yang mengindikasikan tingkat akurasi.
Citra yang telah terklasifikasi terhadap data refrensi,semakin besar nilai
kappa maka semakin baik tingkat akurasinya , kesalahan terjadi karena
terdapat piksel-piksel citra, klasifiaskasi tidak sesuai dengan data refrensi
yang digunakan.
7. Kesimpulan
Dari makalah ini dapat disimpulkan bahwaPenggunaan lahan
mencerminkan sejauh mana usaha atau campur tangan manusia dalam
memanfaatkan dan mengelola lingkungannya. Data penggunaan/tutupan
lahan ini dapat disadap dari foto udara secara relatif mudah, dan
perubahannya dapat diketahui dari foto udara multitemporal. Teknik
interpretasi foto udara termasuk di dalam sistem penginderaan jauh.

Maria Regina So’o (23-2014-099)

 Kerangka Kontrol Kualitas Informasi Geospasial

Penginderaan jauh merupakan ilmu dan seni untuk memperoleh informasi

tentang objek, daerah atau gejala dengan cara menganalisis data yang
diperoleh dengan menggunakan alat tanpa kontak langsung dengan objek,
daerah, atau gejala yang dikaji.

Maria Regina So’o (23-2014-099)

 Kerangka Kontrol Kualitas Informasi Geospasial

DAFTAR PUSTAKA
Danoedoro, P. 2012 . Pengantar Penginderaan Jauh Digital,
Yogyakarta:Andi Offset
Dita Rizki Amliana,2016. Analisis Perbandingan Nilai NDVI Landsat 7 dan
Landsat 8 pada Kelas Tutupan Lahan.Semarang:Universitas
Diponegoro.
Kiefer T.M. dan Lillesand R. W., 1990.Pengindraan Jauh dan Interpretasi
Citra.Yogyakarta:Universitas Gaja Mada.
Purwadhi, dan Sanjoto TB. 2008. Pengantar Interpretari Citra Penginderaan
Jauh. Jakarta: LAPAN

Maria Regina So’o (23-2014-099)