Praktikum ke-4 Hari/tanggal : Selasa, 30 September 2014

Mk. Meteorologi Satelit Nama Asisten :

1. Ryan Karida Pratama (G24100023)
2. Teungku Haikal (G24100082)
3. Sulviana Widuri E. (G24110007)
Nama : Aji Permana 4. Muhammad Fahrul (G24110020)
NIM : G24120002 5. Priyo Dwi Utomo (G24110040)
6. Pungky Alim F. (G24110044)
7. Heidei Putra H. (G24110045)

KLASIFIKASI CITRA

Metodologi
a. Alat dan bahan
File *shp hasil dari praktikum 2 , citra satelit lansat 8, Software Er Mapper
7.1 dan Software ArcGIS 10.1.

b. Waktu dan Tempat

Waktu : Selasa, 30 September 2014 Pukul 19.00-22.00 WIB
Tempat : Lab. Komputer, Dept. Geofisika dan Meteorologi, FMIPA, IPB

c. Langkah kerja
Pengklasifikasian dengan metode terbimbing menggunakan software
ArcGIS. Langkah pertama yang harus dipersiapkan untuk membuat
klasfikasi daerah kajian yaitu data citra satelit yang diunduh dari
www.glovis.usgs.gov dengan lansat 8 serta file berekstensi *shp hasil dari
digitasi pada praktikum sebelumnya. Kemudian data citra satelit band 6-5-
3 di masukan ke software arcGIS dan diurutkan layer band tersebut dari
yang terbesar ke band terkecil. Setelah itu, klik windows dan pilih image
analysis, block semua band kemudian klik composite band. Setelah
composite band muncul pada layer, unchecklist layer band 6-5-3.
Selanjutnya masukan file berekstensi *shp dengan men-drag ke dalam
workspace. Setelah itu, klik arc toolbox kemudian pilih data management
tools, pilih raster setelah itu klik raster processing dan terakhir klik clip.
Simpan hasilnya dengan nama file 01_clip ke dalam format berekstensi
*tiff dengan cara klik kanan pada layar kemudian save as.
File yang telah di simpan digunakan sebagai bahan untuk
mendigitasi wilayah kajian berdasarkan kelasnya. Caranya yaitu klik
costumize kemudian checklist image clasification untuk memunculkan
clasification toolbox. Setelah muncul, klik clasification dan pilih file
01_clip (tanpa ekstensi *tiff). Klik training sample manager kemudian
klik draw polygon, setelah itu digitasi sesuai kelasnya. setelah selesai
mendigitasi semua kelas kemudian klik create a signature file dan simpan
dengan nama 02_sample.gsg . Setelah itu klik clasification pilih file
terakhir yang di simpan kemudian klik maksimal . langkah terakhir simpan
dengan cara klik arc toolbox kemudian converstion tool , pilih from raster

1
kemudian raster to polygon setelah itu pilih data terakhir untuk
menyimpan hasil *shp.

Pengkalsifikasian tak terbimbing menggunakan software ER

Mapper. Langkah-langkahnya yaitu menggabungkan data citra satelit band
6-5-3 ke dalam ER Mapper menjadi satu . kemudian hasil penggabungan
tersebut di load dataset pada surface baru. Klik Process kemudian klik
geocoding wizard setelah itu load hasil gabungan dan pilih map to map
kemudian pilih projection setelah itu geodetic. klik tab rectify buka file
yang terkhir disimpan kemudian klik save file and start rec. Buka hasil
yang sudah digabung kemudian duplikasi tiga kali dan ubah namanya
berturut-turut 6-5-3, cocokan bandnya selanjutnya klik edit dan
annotation setelah itu add vector layer. Load file shp kemudian save as
setelah itu klik raster region dan ok. cut anotation setelah itu klik emc2
pilih standard , setelah itu klik inside region polygon text pilih regions
pilih region_0 kemudain klik ps (ulangi hingga tiga pengulangan sampai
keluar peta kecil).
Setelah peta kecil keluar, perbesar dengan cara klik kanan dan pilih
zoom box tool kemudian save as dengan nama 03_warabarat_632.ers.
close display peta yang muncul kemudian load hasil yang terakhir
kemudian klik process,calculate statistics, isikan intervalnya satu (angka),
centang setalah itu klik ok. Process qulification pilih isoclass kemudian
input: file yang ketiga dan output:file yang keempat, max iterations: 100,
max class: sembilan (angka), centang auto resampling, ok. Close layer
display kemudian buka yg keempat, klik kanan class display, edit, edit
class, load, masukin yg keempat, auto-gen. Red band: 6, green: 5, blue: 3,
ceklis, auto gen, close, save. close, add lagi yg keempat, pilih warna
sendiri tergantung kategori, beri nama sesuai keinginan.

Diagram Alir:
Klik add new surface kemudian masukan data citra satelit band 6-5-3 ke
arcGIS dan diurutkan layar band tersebut dari yang terbesar ke band terkecil

klik windows dan pilih image analysis setelah itu block semua band kemudian
klik composite band

unchecklist layer band 6-5-3. Selanjutnya masukan file berekstensi *shp dengan
men-drag ke dalam workspace

klik arc toolbox pilih data management tools, pilih raster setelah itu klik
raster processing, terakhir klik clip.

Simpan hasil 01_clip ke dalam format *tiff, caranya klik kanan pada layar
kemudian save as

costumize kemudian checklist image clasification untuk memunculkan

clasification toolbox

2
 Pilih file 01_clip (tanpa ekstensi *tiff). Klik training sample manager
kemudian klik draw polygon, digitasi sesuai kelasnya

klik create a signature file dan simpan dengan nama 02_sample.gsg. klik
clasification, pilih file terakhir dan klik maksimal

simpan dengan mengklik arc toolbox kemudian converstion tool , pilih

from raster kemudian raster to polygon setelah itu pilih data terakhir untuk
menyimpan hasil berekstensi *shp.

Buka software ER Mapper. Gabungkan data citra satelit band 6-5-3 ke

dalam ER Mapper menjadi satu.

Load dataset hasil terakhir. Klik Process kemudian klik geocoding wizard,
load hasil gabungan dan pilih map to map kemudian pilih projection
setelah itu geodetic.

klik tab rectify buka file yang terkhir disimpan kemudian klik save
file and start rec

Buka hasil yang sudah digabung, duplikasi tiga kali dan ubah namanya
berturut-turut 6-5-3, cocokan bandnya selanjutnya klik edit dan annotation
setelah itu add vector layer.

Load file *shp kemudian save as setelah itu klik raster region dan ok.

cut anotation setelah itu klik E=mc2 pilih standard , klik inside
region polygon text pilih regions pilih region_0 kemudain klik ps
(ulangi hingga tiga pengulangan sampai keluar peta kecil).

save as dengan nama 03_warabarat_632.ers. Load hasil yang

terakhir kemudian klik process,calculate statistics, isikan
intervalnya satu (angka), centang setalah itu klik ok.

Klik Process qulification pilih isoclass kemudian input: file yang

ketiga dan output:file yang keempat, max iterations: 100, max
class: sembilan (angka), centang auto resampling, ok.

Buka file yg keempat, klik kanan class display, klik edit, pilih edit
class, load, masukan file yg keempat, klik auto-gen. Red band: 6,
green: 5, blue: 3, auto gen, close, save. close

add file keempat, pilih warna dan nama tergantung kategori, save
3
Hasil dan Pembahasan

Menurut Chein-I Chang dan Ren (2000) Klasifikasi citra merupakan suatu
proses pengelompokan seluruh pixel pada suatu citra kedalam dalam kelompok
sehingga dapat diinterpretasikan sebagai suatu property yang spesifik. Klasifikasi
citra memiliki tujuan untuk melabel atau mengkategorikan seiap pixel yang ada
dalam sebuah citra digital ke dalam tipe tutupan lahan atau kelas jenis lahan
tertentu.
Klasifikasi citra menurut Lillesand dan Kiefer (1990), dibagi ke dalam dua
klasifikasi yaitu klasifikasi terbimbing (supervised classification) dan klasifikasi
tidak terbimbing (unsupervised classification).
Wilayah kajian yang digunakan adalah kecamatan Bandungan, daerah ini
terletak di daerah Jawa Timur sehingga menggunakan zonal 49 dan karena letak
daerah ini bearada di wilayah selatan khatulistiwa sehingga menggunakan zonal -
49 . kemudian dalam pencitraan satelit, pathrow yang dipilih yaitu P120-R65.
Waktu pencitraan satelit yang digunakan adalah pada bulan Juni 2012 dengan
maksimal keawanannya 20%. Kecamatan Bandungan dalam koordinat UTM
terletak antara 425275 – 435093 mT dan 9197640 – 9205676 mU (Destiana
2012).
Kecamatan Bandungan memiliki luas 48,23 Km2. Kecamatan ini terbagi
menjadi sembilan desa dan satu kelurahan. Desa dan kelurahan di Kecamatan
Bandungan adalah Desa Mlilir, Desa Duren, Desa Jetis, Desa Sidomukti, Desa
Kenteng, Desa Candi, Desa Banyukuning, Desa Jimbaran, Desa Pakopen dan
Kelurahan Bandungan. Wilayah terluas berdasarkan data statistik dari BPS
Kabupaten Semarang adalah Desa Candi sedangkan desa dengan luas wilayah
tersempit adalah Desa Jimbara (Destiana 2012).

Gambar 1 Peta Klasifikasi terbimbing

Menurut Lillesand and Kiefer (1990), analisis citra terbimbing merupakan

proses pemilihan kategori informasi atau kelas yang diinginkan dan kemudian
memilih daerah latihan yang mewakili tiap kategori. klasifikasi terbimbing

4
membutuhkan pengetahuan tentang kelas kelas ( objek-objek ) apa saja yang
terdapat dalam target serta lokasinya.
Dalam klasifikasi terbimbing ini, wilayah kajian terbagi kedalam tiga kelas
yaitu vegetasi, lahan terbangun dan badan air. Berdasarkan pengolahan
menggunakan Software ArcGIS kemudian dilakukan perhitungan menggunakan
Ms. Excel, luas dari wilayah kajian secara keseluruhan yaitu 4.761 ha dengan
rincian vegetasi seluas 2.074 ha , lahan terbangun 1.790 ha dan badan air 901 ha.
Luas wilayah kajian yang didapatkan hampir mendekati dengan penelitian yang
dilakukan oleh Destiana (2012) bahwa luas wilayah Kecamatan Bandungan
adalah 48,32 Km2 atau setara dengan 4,832 Hektar. Perbedaan dari hasil
pengolahan ini dengan perhitungan yang dilakukan Destiana (2012) mungkin
dikarenakan pada saat mendigitasi untuk membuat file *shp (pada saat
pendigitasian) wilayah kajian praktikan kurang cermat.

Gambar 2 teta klasifikasi tak terbimbing

Pada klasifikasi tak terbimbing dihasilkan tiga kelas pengklasifikasian,

diantaranya yaitu vegetasi, lahan terbangun dan badan air. Dengan wilayah kajian
yang sama, namun menggunakan metode pengklasifikasian berbeda terlihat
perbedaan yang sangat jelas pada hasil akhir pengklasifikasian. Pada klasifikasi
tak terbimbing terlihat bahwa banyaknya daerah lahan terbangun lebih luas
dibandingkan dengan pengolahan dengan pengklasifikasian terbimbing . Selain
itu, pada daerah badan air yang diwakilkan dengan daerah yang berwarna biru
terlihat bahwa daerah badan air lebih sedikit dibandingkan dengan hasil klasifikasi
terbimbing yang diolah menggunakan software ArcGIS.

Simpulan
Dalam klasifikasi tidak terbimbing diasumsikan bahwa tidak ada
pengetahuan sebelumnya tentang data dan menggunakan algoritma statistik dalam
memilih kelas sesuai kecocokan atau sifat data atau pun yang inheren terhadap
data sedangkan pada pengklasifikasian terbimbing pengetahuan praktikan

5
mengenai informasi di wilayah kajian lebih diutamakan karena pada klasifikasi
terbimbing praktikan yang menentukan batasan-batasan dalam pengkelasannya
dengan cara digitasi berdasarkan kelas-kelasnya.

DAFTAR PUSTAKA
Chein-I Chang dan H.Ren. 2000. An Experiment-Based Quantitative and
Comparative Analysis of Target Detection and Image Classification
Algorithms for Hyperspectral Imagery. IEEE Trans. on Geoscience and
Remote Sensing
Destiana, Betha JP. 2012. Deskripsi Fisik Wilayah Kecamatan Bandungan,
Kabupaten Semarang. Pendidikan Geografi FPIP: Universitas Negeri
Semarang
Lillesand and Kiefer, 1998. Penginderaan Jauh dan Interpretasi Citra
Penginderaan Jauh. Yogyakarta: Gadjah mada University Press.