LAPORAN

LAPORAN PRAKTIKUM
INDERAJA TERAPAN
“KLASIFIKASI PENUTUPAN LAHAN DARI LANDSAT 8 WILAYAH SEBAGIAN
PULAU JAWA DENGAN SOFTWARE ENVI 4.8”
PRAKTIKUM 13

Disusun oleh
Nama : RIMA DHARMASTUTI
NIM : 14/368278/SV/06782

PROGRAM STUDI DIPLOMA III TEKNIK GEOMATIKA

DEPARTEMEN TEKNOLOGI KEBUMIAN
SEKOLAH VOKASI
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2016
LAPORAN PRAKTIKUM INDERAJA TERAPAN

A. JUDUL : Klasifikasi Penutupan Lahan dari Landsat 8 Wilayah Sebagian Pulau

Jawa dengan Software Envi 4.8

B. TUJUAN :
a. Mahasiswa dapat mengoperasikan Software ENVI 4.8 dalam pengolahan citra untuk
Klasifikasi Penutupan Lahan
b. Mahasiswa dapat melakukan Klasifikasi Penutupan Lahan sesuai dengan skala dan SNI
Penutupan Lahan
C. PELAKSANAAN :
a. Hari, Tanggal : Kamis, 17 November 2016
b. Waktu : 07.00 – 11.10 WIB
c. Tempat : Laboratorium Fotogrametri dan Penginderaan Jauh
D. ALAT DAN BAHAN :
a. Software ENVI 4.8
b. Personal Komputer/Laptop
c. Citra Landsat 8 Wilayah Jawa tahun 2013
d. Modul Supervised Classification Klasifikasi Penutupan Lahan
e. SNI 7645-2010 mengenai Klasifikasi Penutupan Lahan

RIMA DHARMASTUTI [ 14/368278/SV/06782] Page 1

LAPORAN PRAKTIKUM INDERAJA TERAPAN

E. LANGKAH KERJA :
1. Menyiapkan peta RBI yang sesuai dengan lokasi citra satelit landsat 8 ( Sebagian Pulau
Jawa ). Peta RBI di download melalui website http://portal.ina-sdi.or.id/home/.
2. Citra Landsat 8 memiliki resolusi spasial 30 meter, sehingga peta penutup lahan yang di
gunakan adalah peta penutup lahan skala 1 : 250.000. Hal ini dikarenakan skala peta terbaik
yang dapat diperoleh dari Citra Satelite Landsat 8 adalah 1 : 60.000, sehingga skala peta
penutup lahan yang cocok digunakan sebagai pebuatan ROI tidak boleh lebih besar dari 1 :
60.000 (semakin besar skala peta, informasi yang ada di dalam peta semakin detil).
Map Scale : Raster Resolution x 2 x 1000
: 30 x 2 x 1000
: 60000 ( 1: 60000)
3. Peta RBI digunakan sebagai acuan dalam pembuatan ROI.
 Peta RBI

 Citra Landsat 8

RIMA DHARMASTUTI [ 14/368278/SV/06782] Page 2

LAPORAN PRAKTIKUM INDERAJA TERAPAN

4. Melakukan layer stacking, cropping citra serta koreksi radiometrik citra sebesar 1000 x
1000 sehingga hasilnya menjadi seperti berikut :

Citra di atas adalah citra hasil layer stacking yang telah dilakukan cropping dan
koreksi radiometrik
- Hasil koreksi radiometrik citra hasil cropping :

RIMA DHARMASTUTI [ 14/368278/SV/06782] Page 3

LAPORAN PRAKTIKUM INDERAJA TERAPAN

5. Melakukan cropping peta RBI sesuai dengan area cropping di atas untuk mempermudah
saat pengambilan sampel ROI, sehingga hasilnya menjadi seperti berikut :

6. Melakukan klasifikasi penutup lahan dengan cara menyamakan antara SNI dengan peta
RBI sehingga didapatkan penutup lahan berupa : tambak, hutan lahan kering,
perkebunan, lahan terbangun, sawah, serta ladang, serta anjir / pelayaran sebagai
klasifikasi dari laut
- Membuat ROI berdasarkan hasil klasifikasi tersebut dengan cara pada menu
utama Envi klik Basic Tools  Region Of Interest  ROI Tool seperti berikut :

- Kemudian akan muncul jendela ROI Tool, isikan klasifikasi – klasifikasi penutup
lahan di atas, meliputi nama dan warna klasifikasi, serta pilih jendela yang akan
digunakan untuk mengambil sampel ROI Tool, yaitu image, scroll, atau zoom,
sehingga hasilnya menjadi seperti berikut :

RIMA DHARMASTUTI [ 14/368278/SV/06782] Page 4

LAPORAN PRAKTIKUM INDERAJA TERAPAN

- Mengambil sampel dari masing – masing ROI di atas sesuai dengan klasifikasi
pada RBI, sehingga hasil sampel seperti berikut :

- Menyimpan ROI dengan cara klik file  save ROIs seperti berikut :

- Melihat nilai covariance statistik tiap ROI untuk mengetahui band yang paling
berpengaruh dengan cara klik options  calculate covariance with stats pada
jendela ROI Tool seperti berikut :

- Kemudian pilih salah satu jenis klasifikasi dan klik stats pada jendela ROI Tool

RIMA DHARMASTUTI [ 14/368278/SV/06782] Page 5

LAPORAN PRAKTIKUM INDERAJA TERAPAN

a. Hasil nilai covariance statistiks untuk klasifikasi lahan terbangun

b. Hasil nilai covariance statistiks untuk klasifikasi tambak

RIMA DHARMASTUTI [ 14/368278/SV/06782] Page 6

LAPORAN PRAKTIKUM INDERAJA TERAPAN

c. Hasil nilai covariance statistiks untuk klasifikasi hutan lahan kering

d. Hasil nilai covariance statistiks untuk klasifikasi perkebunan

e. Hasil nilai covariance statistiks untuk klasifikasi lahan sawah

RIMA DHARMASTUTI [ 14/368278/SV/06782] Page 7

LAPORAN PRAKTIKUM INDERAJA TERAPAN

f. Hasil nilai covariance statistiks untuk klasifikasi ladang

g. Hasil nilai covariance statistiks untuk klasifikasi Anjir pelayaran

- Band yang berpengaruh pada tiap ROI disajikan pada tabel beriktu :
JENIS KLASIFIKASI BAND YANG BERPENGARUH
TAMBAK 9,6,4
HUTAN LAHAN KERING 9,6,5
SAWAH 9,5,4
LAHAN TERBANGUN 9,5,4
LADANG 9,6,5
PERKEBUNAN 9,6,5

- Dari hasil di atas, band yang paling berpengaruh adalah band 9,6,5

RIMA DHARMASTUTI [ 14/368278/SV/06782] Page 8

LAPORAN PRAKTIKUM INDERAJA TERAPAN

7. Melakukan klasifikasi maximum likelihood dengan cara klik classification 

supervised  maximum likelihood seperti berikut :

8. Kemudian input band yang paling berpengaruh yaitu band 9, band 6 dan band 5pada
spectral subset berikut :

9. Kemudian pada jendela berikut sellect all items dari classes of region kemudian pilih
tempat penyimpanan dan beri nama file pada jendela enter output classes filename

10. Melakukan klasifikasi dengan metode lain, dengan cara yang sama seperti di atas

RIMA DHARMASTUTI [ 14/368278/SV/06782] Page 9

 LAPORAN PRAKTIKUM INDERAJA TERAPAN

F. HASIL dan PEMBAHASAN KLASIFIKASI

1. Klasifikasi Penutup Lahan Metode Maximum likelihood

Tambak terdefinisi
sebagai laut

Perkebunan
terdefinisi sebagai
tambak

Maxlike3
 Pembahasan :
Pada klasifikasi penutupan lahan dengan metode Maximum Likelihood di
atas, dapat dilihat bahwa hasil klasifikasi masih mengandung kesalahan, dalam
arti lain, hasil klasifikasi masih belum sesuai dengan penutup lahan yang
sebenarnya, masih terdapat permukiman yang terdefinisi sebagai ladang,
kemudian terdapat perkebunan yang terdefinisi sebagai hutan lahan kering dan
sebagainya. Hal ini dikarenakan pada citra yang digunakan untuk pengambilan
sampel ROI sulit untuk didefinisikan atau tidak terlalu jelas perbedaannya
antar jenis tutupan lahan. Kemudian ketika mencoba untuk mendefinisikan
jarak tresshold saat klasifikasi, hasil yang didapatkan adalah hitam. Berikut
adalah citra yang digunakan dalam pengambilan sampel ROI serta hasil
klasifikasi ketika dilakukan input jarak tresshold :
- Citra yang digunakan untuk klasifikasi penutupan lahan / pengambilan
sampel ROI

RIMA DHARMASTUTI [ 14/368278/SV/06782] Page 10

LAPORAN PRAKTIKUM INDERAJA TERAPAN

- Citra yang diklasifikasikan dengan metode Maximum Likelihood dan

dengan input jarak tresshold sebesar 1

RIMA DHARMASTUTI [ 14/368278/SV/06782] Page 11

LAPORAN PRAKTIKUM INDERAJA TERAPAN

2. Klasifikasi Penutup Lahan Metode Parallelepiped

Parallelpiped3
 Pembahasan :
Pada klasifikasi penutupan lahan dengan metode Parallelpiped di atas, dapat
dilihat bahwa hasil klasifikasi masih sangat mengandung kesalahan, dikarenakan
tidak mendefinisikan klasifikasi penutupan lahan dengan tepat. Kemudian ketika
dilakukan input maksimal standar deviasi rata – rata, hasil klasifikasi tidak
terdefinisi sesuai penutup lahan seperti berikut :

RIMA DHARMASTUTI [ 14/368278/SV/06782] Page 12

LAPORAN PRAKTIKUM INDERAJA TERAPAN

3. Klasifikasi Penutup Lahan Metode Minimum Distance

Tambak terdefinisi
sebagai laut

Perkebunan
terdefinisi sebagai
tambak

Minimum distance3
 Pembahasan :

Pada klasifikasi penutupan lahan dengan metode Minimum distance di atas, dapat
dilihat bahwa hasil klasifikasi juga masih mengandung kesalahan, dikarenakan belum
mendefinisikan klasifikasi penutupan lahan dengan tepat. Hal ini dapat dilihat bahwa
area lahan tambak terdefinisi sebagai laut / anjir pelayaran, kemudian masih terdapat
juga ladang yang terdefinisi tambak dan sebagainya. Kemudian ketika dilakukan input
standar deviasi minimal dan maksimal, hasil klasifikasi menjadi hitam seperti berikut :

RIMA DHARMASTUTI [ 14/368278/SV/06782] Page 13

LAPORAN PRAKTIKUM INDERAJA TERAPAN

4. Klasifikasi Penutup Lahan Metode Mahalanobis Distance

Laut / anjir pelayaran

terdefinisi sebagai
tambak

Permukiman
terdefinisi sebagai
hutan lahan kritis
dan perkebunan

Mahalanois Distance3
 Pembahasan :
Pada klasifikasi penutupan lahan dengan metode Mahalanois distance di atas,
dapat dilihat bahwa hasil klasifikasi juga masih mengandung kesalahan, dikarenakan
belum mendefinisikan klasifikasi penutupan lahan dengan tepat. Hal ini dapat dilihat
bahwa area laut terdefinisi sebagai tambak, kemudian masih terdapat juga
permukiman yang terdefinisi hutan lahan kritis dan perkebunan dan sebagainya.
Kemudian ketika dilakukan input jarak kesalahan maksimal, hasil klasifikasi juga
belum sesuai dengan penutupan lahan seperti berikut :

RIMA DHARMASTUTI [ 14/368278/SV/06782] Page 14

LAPORAN PRAKTIKUM INDERAJA TERAPAN

G. KESIMPULAN

1. Terdapat 4 metode klasifikasi, yaitu metode Maximum Likelihood, Metode

Minimum Distance, Metode Parallelpiped, serta Metode Mahalanobis Distance :
a. Metode Parallelepiped
Klasifikasi parallelepiped menggunakan aturan keputusan sederhana
untuk mengklasifikasikan data multispektral. Batas-batas keputusan
merupakan parallelepiped n-dimensi dalam ruang data gambar. Dimensi ini
ditentukan berdasarkan batas deviasi standar dari rata-rata setiap kelas yang
dipilih.
b. Minimum Distance
Teknik jarak minimal menggunakan vektor rata-rata endmember
masing-masing dan menghitung jarak Euclidean dari setiap piksel yang
diketahui oleh vektor rata-rata untuk masing-masing kelas. Beberapa piksel
memiliki kemungkinan tidak terklasifikasi jika tidak memenuhi kriteria yang
dipilih.
c. Maximum Likelihood
Klasifikasi supervised maximum likelihood merupakan klasifikasi
yang berpedoman pada nilai piksel yang sudah dikategorikan obyeknya atau
dibuat dalam training sampel untuk masing-masing obyek penutup lahan.
Pemilihan training sampel yang kurang baik dapat menghasilkan klasifikasi
yang kurang optimal sehingga akurasi yang diperoleh rendah. Dengan
demikian diperlukan analisis secara statistik atau uji akurasi dari training
sampel tersebut.
2. Dari ke empat metode di atas, metode yang paling mendekati dengan tutupan
lahan yang sebenarnya adalah dengan menggunakan metode Maximum
Likelihood. Hal ini dikarenakan klasifikasi ini yang berpedoman dengan nilai
piksel yang didefinisikan dengan mengambil sampel training area.

RIMA DHARMASTUTI [ 14/368278/SV/06782] Page 15