INTERPRETASI PETA
Disusun Oleh:
Marya Tisnandya 21040116140072
B. Kajian Teori
Interpretasi citra merupakan perbuatan mengkaji foto udara atau citra dengan maksud
untuk mengidentifikasi objek dan menilai arti pentingnya objek tersebut. Jadi di dalam
interpretasi citra, penafsir mengkaji citra dan berupaya mengenali objek melalui tahapan
kegiatan, yaitu (Mutowo & Chikodzi, 2014): Deteksi, Identifikasi, Analisis. Setelah melalui
tahapan tersebut, citra dapat diterjemahkan dan digunakan ke dalam berbagai kepentingan
seperti dalam: geografi, geologi, lingkungan hidup, dan sebagainya.
Klasifikasi penggunaan lahan merupakan pedoman atau acuan dalam proses interpretasi
apabila data pemetaan penggunaan lahan menggunakan citra penginderaan jauh. Tujuan
klasifikasi supaya data yang dibuat informasi yang sederhana dan mudah dipahami
(Malingreau, 1978). Pengelompokan objek-objek ke dalam kelas-kelas berdasarkan persamaan
dalam sifatnya, atau kaitan antara objek-objek tersebut disebut dengan klasifikasi.
Menurut Malingreau (1978), klasifikasi adalah penetapan objek-objek kenampakan atau
unit-unit menjadi kumpulan-kumpulan di dalam suatu sistem pengelompokan yang dibedakan
berdasarkan sifat-sifat yang khusus berdasarkan kandungan isinya. Klasifikasi penggunaan
lahan merupakan pedoman atau acuan dalam proses interpretasi apabila data pemetaan
penggunaan lahan menggunakan citra penginderaan jauh. Tujuan klasifikasi supaya data yang
dibuat informasi yang sederhana dan mudah dipahami. Pada peta citra, klasifikasi dilakukan
dengan melihat rona, bentuk, ukuran, tekstur, pola, bayangan, dan asosiasi dari objek yang
terdapat pada citra.
C. Tahapan Menggunakan ER Mapper
1. Buka aplikasi ER Mapper dan klik File 4. Untuk dapat membuka citra pada dua
dan pilih New untuk membuka lembar lembar yang berbeda, dapat dengan
kerja baru. mengulangi langkah pertama dengan
klik File dan New.
Jalan Indentifikasi
Rona : Gelap
Warna : Abu-Abu
Ukuran : Kecil
Tekstur : Halus
Bentuk : Linier
Pola : Teratur
Tinggi : Tidak tinggi
Bayangan : Tidak ada
Situs : Blok industri dan
berbentuk grid
Asosiasi : Bangunan
Lapangan Indentifikasi
Rona : Gelap
Warna : Hijau
Ukuran : Sedang
Tekstur : Halus
Bentuk : Persegi
Pola : Tidak teratur
Tinggi : Tidak tinggi
Bayangan : Tidak ada
Situs : Sepanjang tepi jalan
Asosiasi : Permukiman
Pendidikan Indentifikasi
Rona : Gelap
Warna : Putih
Ukuran : Kecil
Tekstur : Halus
Bentuk : Bentuk U
Pola : Tidak teratur
Tinggi : Tinggi
Bayangan : Ada
Situs : Tepi jalan
Asosiasi : Jalan Besar
Perdagangan Indentifikasi
Rona : Gelap
Warna : Coklat
Ukuran : Sedang
Tekstur : Kasar
Bentuk : Persegi
Pola : Tidak teratur
Tinggi : Tinggi
Bayangan : Ada
Situs : Sepanjang tepi jalan
Asosiasi : Jalan Besar
Perhotelan Indentifikasi
Rona : Gelap
Warna : Putih
Ukuran : Sedang
Tekstur : Kasar
Bentuk : Persegi
Pola : Tidak teratur
Tinggi : Tinggi
Bayangan : Ada
Situs : Sepanjang tepi jalan
Asosiasi : Jalan Besar
Perkantoran Indentifikasi
Rona : Gelap
Warna : Coklat
Ukuran : Sedang
Tekstur : Kasar
Bentuk : Persegi
Pola : Tidak teratur
Tinggi : Tinggi
Bayangan : Ada
Situs : Sepanjang tepi jalan
Asosiasi : Jalan Besar
Sungai Indentifikasi
Rona : Gelap
Warna : Abu-Abu
Ukuran : Kecil
Tekstur : Halus
Bentuk : Linier
Pola : Teratur
Tinggi : Tidak tinggi
Bayangan : Tidak ada
Situs : Kawasan
Asosiasi : Vegetasi
2. Peta Hasil Digitasi
3. Peta Citra
Sungai
Permukiman Teratur
Permukiman Tidak Teratur
Industri
Perdagangan
Perhotelan
Perkantoran
Lapangan
RTH
Sarana Ibadah
Sarana Pendidikan
Jalan
4. Hasil Atributisasi
5. Hasil Perhitungan Pada Tabel Atribut
No Jenis Klasifikasi Luas
(Hektar)
1 Industri 4.51
2 Jalan 5.84
3 Lapangan 0.36
4 Perdagangan 3.11
5 Perhotelan 3.02
6 Perkantoran 11.08
9 RTH 4.72
12 Sungai 3.06
6. Persentase Penggunaan Lahan
Daftar Pustaka
Malingreau, J.P. Rosalia Christiani, 1981 dalam Suharyadi (2001)
Mutowo, G., & Chikodzi, D. (2014). Remote sensing based drought monitoring in
Zimbabwe. Disaster Prevention and Management, 23(5), 649–659.
https://doi.org/10.1108/DPM-10-2013-0181