LAPORAN PRAKTIKUM

PENGOLAHAN DATA INDRAJA MOZAIK, CROPING DAN KLASIFIKASI

Disusun guna memenuhi tugas Mata Kuliah Pilihan Penginderaan Jauh (MKP
Inderaja)
(TPW 21387)

Dosen Pengampu :
Dra. Bitta Pigawati, M.T.
Novia Sari, S.T., M.T.
Grandy Loranesa Wungo, S.T., M.T.

Disusun oleh :
Crismon Alfajri Agus Pratama
21040117130106

DEPARTEMEN PERENCANAAN WILAYAH DAN KOTA

FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO
SEMARANG
2019

1
 BAB 1
PENDAHULUAN
1.1 Latar Belakang
Penginderaan jauh merupakan salah satu model analisis keruangan tanpa harus
berhubungan langsung dengan objek keruangan tersebut. penginderaan jauh banyak
digunakan dalam berbagai ilmu pengetahuan sebagai alat bantu analisis keruangan
seperti dalam ilmu pertanian, kelautan, pertambangan, dan perencanaan wilayah
dan kota. Ilmu Perencanaan Wilayah dan Kota menggunakan penginderaan jauh
dalam berbagai lini analisis bahkan hingga analisis terkecil sekalipun seperti
perancangan kota.Penginderaan jauh akan menjelaskan kondisi lahan atau wilayah
dan dapat juga menjelas proyeksi perubahan lahan dengan menggunakan beberapa
indikator data yang digunakan sehingga menghasilkan sebuah kenampakan muka
bumi sesuai dengan kalkulasi analisis.
Pengolahan data penginderaan jauh memerlukan beberapa aplikasi atau
software seperti Er Mapper, ArcGIS, QGIS dan banyak lainnya. Pengunaan aplikasi
yang beragam tergantung tujuan dan kelengkapan alat analisis di dalam aplikasi
tersebut. untuk analisis kali ini penulis akan menggunakan aplikasi Er Mapper dan
ArcGIS untuk melakukan mozaik, pemotongan citra dan klasifikasi tutupan lahan
pada citra yang digunakan.
Mozaik merupakan penggabungan dua citra atau lebih yang saling tumpang
tindih (overlapping) sehingga menghasilkan satu citra dengan satu kesatuan yang
sudah utuh. Model ini digunakan apabila memerlukan suatu citra yang terpisah
menjadi satu. Pemotongan citra juga menjadi salah satu model pengolahan citra
karena citra yang didapatkan dari beberapa sumber tertentu merupakan gabungan
dari beberapa wilayah sehingga untuk menganalisis suatu daerah dengan focus
perlu adanya pemotongan citra agar wilayah yang dianalisis merupakan satu
kesatuan wilayah. Klasifikasi digunakan untuk menunjukkan tutupan lahan suatu
wilayah melalui pixel warna pada citra. Klasifikasi terdiri atas dua macam yakni
klasifikasi terbimbing dan klasifikasi tidak terbimbing. Adanya klasifikasi karena
akan begitu sulit menginterpretasikan suatu citra yang sangat luas dengan berbagai
macam objek di dalamnya. Karenanya model klasifikasi membantu
menginterpretasikan citra tersebut sehingga membentuk suatu kelas atau fungsi
wilayah tertetu pada citra.

1.2 Tujuan Pembelajaran

Tujuan pembelajaran pada praktikum ini adalah agar mahasiswa dapat
melakukan pengolahan citra melalui metode mozaik untuk penempelan dan
penggabungan dua citra yang overlapping, cropping untuk memotong citra sesuai
dengan wilayah yang dibutuhkan dan klasifikasi citra untuk menunjukkan fungsi
lahan atau tutupan lahan tertentu pada citra yang dianalisis.

2
 BAB 2
KAJIAN LITERATUR
2.1 Penginderaan Jauh.
Penginderaan jauh merupakan salah satu metode untuk mendapatkan informasi
mengenai suatu kondisi kerungan tan harus bersentuhan langsung dengan objek
yang ada di ruang tersebut karena penginderaan jauh melibatkan alat alat
perekaman elektromagneting sehingga cenderung akan mendapatkan data
keruangan melalui citra atau peta yang sudah direkam oleh satelit, drone, pesawat
udara atau semacamnya. penginderaan jauh adalah teknik yang dikembangkan
untuk perolehan dan analisis informasi tentang bumi, informasi tersebut berbentuk
radiasi elektromagnetik yang dipantulkan atau dipancarkan dari permukaan bumi.
(Lindgern dalam Somantri, 2015). Mather mengatakan bahwa penginderaan jauh
terdiri atas pengukuran dan perekaman terhadap energi elektromagnetik yang
dipantulkan atau dipancarkan oleh permukaan bumi dan atmosfer dari suatu tempat
tertentu di permukaan bumi. Adapun menurut Lilesand et al. mengatakan bahwa
penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu
objek, daerah, atau fenomena melalui analisis data yang diperoleh dengan suatu alat
tanpa kontak langsung dengan objek, daerah, atau fenomena yang dikaji (Mather
dan Lilesand dalam Somantri. 2015).
2.2 Mozaik Citra
Mozaik citra merupakan penggabungan dua citra yang saling tumpang tindih
atau saling berkaitan satu dengan yang lainnya. Mozaik citra adalah
menggabungkan beberapa hasil foto dari drone sehingga menghasilkan satu foto
daerah secara keseluruhan. Prinsipnya adalah setiap foto mempunyai koordinat, dan
bertampalan dengan foto lain di sebelahnya. (Uktoro, 2017). Hasilnya dari mozaik
citra berupa satu kesatuan citra yang sudah tergabung.
2.3 Croping Citra
Croping citra merupakan fungsi yang digunakan untuk memotong citra
menjadi lebih kecil sesuai dengan data batas pemotongan yang digunakan.
Cropping merupakan suatu proses untuk memperkecil ukuran citra dengan
memotong citra pada koordinat tertentu pada area citra. Sehingga proses cropping
akan memotong sebagian objek pada bidang gambar untuk mendapatkan bagian
dari gambar tertentu dengan ukuran tertentu. (Saifullah et al, 2016).
2.4 Klasifikasi Citra
Klasifikasi citra merupakan metode untuk mengetahui sebaran tutupan lahan
pada suatu citra tertentu dengan membentuk kelas kelas lahan sesuai dengan pixel
warna yang sama. Untuk klasifikasi pada citra terdapat dua model yakni klasifikasi
terbimbing dan tidak terbimbing. Pada klasifikasi terbimbing pengguna dianggap
sebagai expert yang sudah tahu mengenai wilayah yang akan sedangkan untuk
klasifikasi tidak terbimbing pengguna diangap tidak mengetahui mengenai wilayah
yang dianalisis sehingga hasil klasifikasi hanya sesuai dengan kesamaan pixel
warna pada citra.

3
 BAB 3
DATA DAN METODE
3.1 Data
Berikut ini adalah data yang digunakan untuk melakukan analisis mozaik, cropping,
dan klasifikasi. Yakni :
NO Bentuk Input Data Keterangan

Dua citra yang

1. saling
overlapping.
Sumber (Esri)

Shp kawasan
2
Mangunharjo.

Citra Kota
3 Semarang.
Sumber (Esri)

4
4.1 Metode
Metode yang digunakan dalam analisis ini yakni metode mozaik yang bertujuan
untuk menggabungkan 2 citra, metode cropping untuk memotong kawasan tertentu
sesuai dengan shp batas kawasan dan metode klasifikasi unsupervised untuk
menunjukkan persebaran tutupan lahan pada citra. Metode ini digunakan melalui dua
aplikasi atau software yakni ArcGIS dan Er Mapper.

5
 BAB 4
INTERPRETASI DAN ANALISIS
4.1 Mozaik Citra

Gambar 1. Hasil Mozaik Citra

Sumber : Analisis Penulis

Mozaik citra berusaha untuk menggabungkan citra yang saling tumpang

tindih maupun bersebelahan untuk menghasilkan citra yang lebih besar melalui
penggabungan citra keduanya. Gambar 1 menunjukan hasil pengolahan citra
menggunakan metode mozaik pada aplikasi Er Mapper. Setelah dilakukan mozaik
citra, warna citra cenderung akan menyatu mengasilkam warna yang natural
walaupun warna kedua citra belum salam ada awalnya. Untuk colour balancing
apabila terdapat kesalahan warna dapat dilakukan melalui pengeseran garis
histogram pada Er Mapper atau pengaturan warna pada image analyse di apalikasi
ArcGIS. Penggabungan ini menghasilkan satu citra yang lebih besar dan menyatu
antara 2 citra yang sebelumnya terpisah menjadi satu.
4.2 Croping Citra

Gambar 2. Hasil cropping Citra

Sumber : Analisis Penulis

6
 Gambar 2 menunjukkan hasil cropping citra. Citra yang awalnya
merupakan citra hasil penggabungan lalu ditambahkan layer shp kawasan
Mangunharjo dan dilakukan fungsi clip pada image analyse dalam ArcGIS sehingga
menghasilkan citra baru seperti di atas. Metode cropping digunakan untuk
memperkecil citra sesuai dengan kawasan yang digunakan agar dapat
diinterpretasikan dalam suatau analisis. Pada gambar 2. Sebelum citra dipoting akan
sangat sulit membedakan kawasan Mangunharjo dengan kawasan yang ada di
sekitarnya karena citra tidak menunjukkan batas delineasi di suatu wilayah. Melalui
metode Croping kawasan mangunharjo dapat menjadi citra yang berdiri sendiri
dapat dapat dianalisis secara efektif.
4.3 Klasifikasi Citra (Unsupervised Classification)

Gambar 3. Peta Hasil Klasifikasi Tidak Terbimbing

Sumber : Analisis Penulis

Gambar 3 merupakan peta hasil klasifikasi tidak terbimbing. Klasifikasi

tidak terbimbing berusaha memilah atau menghlasifikasikan citra sesuai dengan
pixel dan karakteristik spectral sehingga secara otomatis, karakteristik yang sama
akna menjadi satu kesatuan. Pada gambar 3 dapat ditarik kesimpulan bahwa pada
bagian timur hingga utara kota Semarang didominasi sebagai permukiman dan
industri sedangkan pada bagian barat dan selatan didominasi sebagai vegetasi.
Klasifikasi unsupervised yang dilakukan bermula dengan membagi kelas warna
menjadi 15 kelas, setelah seluruh hasil klasifikasi keluar maka warna dengan fungsi
yang sama diklasifikasikan kembali pada menu properties sehingga menghasilkan
5 kelas tutupan lahan di akhir yakni sebagai vegetasi, industi, perairan dalam,
perairan dangkal dan permukiman.

7
 BAB 5
KESIMPULAN

Penginderaan Jauh merupakan salah satu alat yang dpaat digunakan untuk
mendapatkan informasi keruangan melalui citra, drone atau pesawat udara tanpa
harus bersentuhan langsung dengan objek yang dianalisis. Model analisis pertama
yakni mozaik yang bertujuan untuk menggabungkan citra yang overlapping atau
bersebelahan.
Model analisis yang kedua yakni cropping yang bertujuan untuk memotong
citra menjadi ukuran yang lebih kecil sesuai dengan batas kawasan atau Shp yang
digunakan. Pada gambar 2 merupakan bentuk cropping citra dari yang awalnya
berbentuk persegi dipotong menjadi lebih kecil yakni menjadi kawasan
Mangunharjo. Model yang terakhir yakni klasifikasi citra yang terdiri dari 2 jenis
yakni klasifikasi terbimbing dan klasifikasi tidak terbimbing. Analisis yang
dilakukan oleh pernulis yakni klasifikasi tidak terbimbing dan menghasilkan peta
pada gambar 3. Pada peta klasifikasi, tutupan lahan yang dihasilkan sesuai dengan
karakteristik spectral dan pixel warna saat dianalisis menggunakan metode
unsupervised classification.

Saifullah, Sunardi dan Yudhana. 2016. Analisis Perbandingan Pengolahan Citra

Asli dan Hasil Croping Untuk Identifikasi Telur. Jurnal Teknik Informatika
dan Sistem Informasi. Vol 2 No 3. 342 – 350.
Soemantri, Lili. 2015. Pemanfaatan Teknik Penginderaan Jauh Untuk
Mengidentifikasi Kerentanan dan Resiko Banjir. Pendidikan Geografi FPIPS
UPI.
Suwargana, Nana. 2008. Analisis Perubahan Hutan Mangrove Menggunakana
Data Penginderaan Jauh di Pantai Bahagia, Muara Gembong, Bekasi. Jurnal
Penginderaan Jauh Vol 5. 64 – 74.
Uktoro, Arif Ika. 2017. Analisis Citra Drone Untuk Monitoring Kesehatan
Tanaman Kelapa Sawit. Jurnal Agroteknose Volume VII No. II. 8 – 15.

8
Lampiran (Langkah Kerja) Er Mapper
Mozaik
1. Buka Er Mapper

2. Buka salah satu citra yang akan digabungkan dengan cara klik logo kertas pada
sudut kiri atas, klik kanan pada layer pilih file -> Open dan masukkan salah satu
citra yang akan digabungkan.

3. Klik kanan pada citra yang sudah ditampilkan pilih algoritm dan klik duplicate
pada RGB.

9
4. Pada RGB kedua masukkan ctra yang akan digabungkan dengan citra pertama.
Klik logo file di salah satu RGB lalu masukkan file Rec 2.

5. Setelah itu, klik kanan pada citra lalu klik save as dan pada output type ubah
multi layer menjadi RGB lalu klik ok.

6. Buka kembali citra tadi dan citra sudah berhasil di gabungkan.

10
Croping Citra.
1. Buka Er Mapper.
2. Klik Utilites pada toolbars >Import data vector dengan windows Utilities >
Import Vector and GIS formats > ESRI Shape File > Import

3. Masukkan file yang akan menjadi batas crop (dalam analisis ini penulis
menggunakan batas mangunharjo.erv) dan ubah map prohection sesuai dengan
sumber citra (Penulis menggunakan SUTM 49 dan WGS 84) dan klik ok.

4. Masuk ke algorithm klik Edit > Add Vector Layer > Annotation/Map
Composition > Map Composition Attribute

11
5. Klik annote vector layer

6. Klik Formula Editor -> Standart -> Inside region polygon test

7. save as menggunakan tool raster dan klik ok.

12
Klasifikasi (Unsupervised Classification)
1. Buka aplikasi Er-Maper
2. Masukkan citra yang akan di klasifikasikan dengan cara klik logo kertas pada
sudut kiri atas menu bar klik kanan pla layer lalu klik file -> open dan masukkan
citra yang akan digunakan.

3. Masuk ke menu bar pilih classification -> ISOCLASS/unsupervised

classification

4. Setelah kotak unsupervised classificarion muncul, masukkan citra yang akan

dikalsifikasikan tadi, tentukan juga tempat penyimanan output. Untuk kotak
maximum number of classes masukkan jumlah kelas yang dibutuhkan dalam hal
ini penulis menggunakan 15 kelas. Pada maximum iteration penulis mebatasi
hanya 100.

13
5. Buka kembali citra hasil klasifikasi lalu klik menu edit -> edit class/region
colour and Name

6. Atur warna sesuai dengan tutupan lahan lalu klik save.

14
Lampiran (Langkah Kerja) ArcGIS
Mozaik
1. Buka ArcGIS
2. Masukkan kedua citra yang akan digabungkan.

3. Buka image analyse pada menu windows. Tandai kedua citra tersebut lalu pada
menu processing klik mozaik dan citra berhasil menyatu.

15
Croping
1. Buka Aplikasi ArcGIS
2. Masukkan citra yang akan dipotong.

3. pada toolbox, pilih spatial analyse -> extraction -> extract by mask, pada input
masukkan citra yang akan dipotong dan pada output masukkan file yang akan
menjadi batas potongan lalu klik ok.

4. Citra berhasil dipotong.

16
Klasifikasi (Unsupervised Classification)
1. Buka Aplikasi ArcGIS.
2. Masukkan citra yang akan diklasifikasikan

3. Klik fungsi classification lalu pilih Iso Cluster/Unsupervised Classification

masukkan jumlah kelas maksimum maka akan keluar hasil klasifikasinya.

4. Ubahlah warna klasifikasi sesuai dengan fungsi lahannya. Untuk memperkecil

kelas apabila terlalu banyak dengan ciri yang sama, masuk ke menu properties
-> Symbology -> classification dan aturlah kelas citra sesuai dengan yang
dibutuhkan.
5. Buatlah ITP untuk peta klasifikasi tersebut.

17