JUDUL :

INTERPRETASI CITRA SATELIT

A. Tujuan
Tujuan dari kegiatan pembelajaran ini adalah :
1. Memahami konsep interpretasi citra
2. Memahami kunci-kunci interpretasi citra
3. Memahami teknik interpretasi citra

B. Indikator Pencapaian Kompetensi

Indikator pencapaian kompetensi pada kegiatan pembelajaran ini adalah
pembaca modul mampu membuat dan menggunakan :
1. Mengetahui perangkat lunak yang dapat digunakan untuk interpretasi citra
2. Mampu melakukan interpretasi citra secara visual
3. Mampu mengidentifikasi obyek berdasarkan kunci interpretasi
 INTERPRETASI CITRA SATELIT
Armaiki Yusmur S.Si.1
1)Information System Development and Services Supervisor - SEAMEO BIOTROP

Citra penginderaan jauh dapat berupa analog dan digital. Dalam melakukan analisis dan
klasifikasi terdapat 2 cara, yaitu dengan melakukan interpretasi citra secara manual yaitu secara
visual dan melakukan proses klasifikasi secara digital. Pengenalan obyek dalam interpretasi
manual adalah merupakan kunci interpretasi dan perolehan informasi. Pengamatan perbedaan
obyek dan latar belakang dari analisis tersebut berkaitan dengan perbandingan perbedaan
obyek dengan yang lain. Dalam interpretasi secara visual atau manual, manusia mempunyai
pengaruh besar terhadap pengelompokan suatu obyek dengan mempertimbangkan beberapa
parameter sebagai berikut : tone, bentuk, bayangan, tekstur, pola, lokasi, asosiasi dan
ukuran. Dalam klasifikasi secara digital, operator memerintahkan komputer untuk melakukan
interpretasi citra secara digital secara otomatis. Teknik lain termasuk pengenalan obyek secara
otomatis (sebagai contoh, pendeteksian jalan, sungai, dan sebagainya) dan melakukan
rekonstruksi pandangan, seperti pembuatan pandangan 3 Dimensi, Digital Terrain Model dsb.
Antara teknik interpretasi secara digital dan manual keduanya mempunyai keuntungan dan
kelemahan.yang akan dijelaskan sebagai berikut :
a. Interpretasi secara manual/visual :
Keuntungan : Membutuhkan peralatan yang sederhana dan lebih mudah untuk dipelajari.
Kelemahan : Dalam melakukan analisis ada keterbatasan, karena hanya dapat melakukan
interpretasi 1 chanel atau 1 data citra, oleh karena itu sulit untuk membentuk
interpretasi dengan menggunakan beberapa citra secara bersamaan.
(multiple images).
b. Interpretasi/klasifikasi digital :
Keuntungan : Analisa digital lebih bermanfaat untuk analisis secara simultan dengan
menggunakan beberapa beberapa channel ataupun data citra yang berbeda
waktu (multi dates). Disamping itu, analisis citra secara digital dapat dilakukan
dengan lebih cepat, walaupun dengan data citra yang cukup besar, hal ini
tergantung dari kemampuan komputer yang akan digunakan. Analisis digital
berdasarkan manipulasi nilai digital pada komputer dan selanjutnya lebih
obyektif, sehingga secara umum hasilnya lebih konsisten.
Kelemahan : Membutuhkan peralatan yang harus dipelajari secara khusus dan relative
mahal
Sebelum melakukan klasifikasi atau interpretasi harus dilakukan pemrosesan awal, agar supaya
memperoleh informasi yang bermanfaat. Terdapat beberapa teknik analisis dan metode yang
digunakan dalam klasifikasi. Penggunaan teknik dan metode tersebut tergantung dari aplikasi
yang akan diterapkan. Segmentasi citra dan algoritma klasifikasi digunakan dengan cara
mendeliniasi area yang berbeda menjadi beberapa kelas tematik dan hasilnya berupa peta
tematik. Dari hasil klasifikasi dapat dikombinasikan dengan basisdata lainnya untuk melakukan
analisis lebih lanjut.

Konsep Klasifikasi/Interpretasi Citra

Klasifikasi citra dilakukan dengan tujuan untuk mengelompokan nilai spektral citra yang
homogen sesuai dengan variasi fenomena kenampakan sumberdaya alam yang kita perlukan.
Pengelompokan tersebut dilakukan dengan suatu teknik spesifik sesuai dengan kebutuhan
analisa, Sebagai contoh gambar., pengelompokan obyek secara visual berdasarkan
kenampakan yang ada.

Gambar 1. Pengelompokan kelas atau tema berdasarkan kenampakan yang ada

Berdasarkan metode yang digunakan, secara umum klasifikasi citra terbagi menjadi 2, yaitu :
klasifikasi supervised dan klasifikasi unsupervised (lihat gambar) sesuai dengan parameter

Proses interpretasi citra secara digital

Gambar 2. Konsep klasifikasi secara digital

Klasifikasi citra secara digital (gambar menggunakan informasi spektral yang diwakili dalam
nilai digital dari 1 atau beberapa channel/band dan mencoba untuk membuat klasifikasi tiap pixel
secara individu berdasarkan pada informasi spektral. Klasifikasi tipe ini dikenal sebagai
pengenalan pola spektral. Dalam kasus lain, sasarannya adalah menetapkan seluruh pixel
dalam citra menjadi beberapa kelas atau tema ( sebagai contoh : sungai, hutan, perkebunan,
persawahan, dsb). Hasil dari klasifikasi ini terdiri dari mosaik pixel, yang mana masuk dalam
bagian tema dan dan merupakan peta tematik dari citra asli.
Ketika kita berbicara tentang kelas maupun tema, kita perlu membedakan antara kelas
berdasarkan informasi dengan kelas berdasarkan spektral. Kelas berdasarkan informasi adalah
meng-katagorikan informasi dengan tujuan untuk membedakan obyek, sebagai contoh
membedakan tipe hutan atau tanaman, membedakan batuan berdasarkan unit geologi,
membedakan berbagai macam kebun. Kelas berdasarkan spektral adalah menge-lompokan
pixel berdasarkan nilai spektral yang seragam yang berkenaan dengan nilai kecerahannya pada
spektral channel yang berbeda. Tujuannya adalah mencocokkan kelas berdasarkan data
spektral ke dalam kelas berdasarkan informasi dalam kepentingan tertentu. Hal tersebut agak
sulit dilakukan, karena adanya variasi nilai spectral. Pada umumnya, untuk mengatasinya, kita
membuat sub kelas. Dan selanjutnya kita dapat menentukan kelas sesuai dengan tujuan
analisis.

1. Klasifikasi supervised
Dalam Klasifikasi supervised, operator mengidentifikasi obyek citra berdasarkan sample
dari perbedaan kenampakan permukaan. Sample tersebut ditunjukkan pada training area.
Pemilihan training area ditentukan oleh operator berdasarkan pengalaman dan pengetahuan
terhadap lokasi dilapangan untuk diterapkan ke dalam citra. Selanjutnya operator melakukan
pengecekan atau supervisi kebenaran sample tersebut. Berdasarkan nilai spektral yang sama,
dengan menggunakan program khusus atau algoritma, komputer akan menentukan kelas
berdasarkan pada sampel yang telah kita tentukan sebelumnya. Gambaran tentang porsedur
klasifikasi supervised dapat dilihat pada gambar.

Gambar 3. Ilustrasi klasifikasi supervised

2. Klasifikasi unsupervised
Kita menggunakan klasifikasi unsupervised ketika kita mempunyai sedikit infpormasi
tentang dataset kita. Klasifikasi data unsupervised memulai mengklasifikasi dari kelas-kelas atau
wilayah-wilayah yang kita spesifikasikan atau dari jumlah nominal kelas. Klasifikasi
unsupersived secara sendiri akan mengatagorikan semua pixel menjadi kelas-kelas dengan
menampakan spektral atau karakteristik spektal yang sama. Hasil kalsifikasi dipengaruhi oleh
parameter-parameter yang kita tentukan dalam kotak doalog klasifikasi unsupervised. Klasifikasi
unsupersived akan menghitung secara statistik untuk membagi dataset menjadi kelas-kelas
sesuai dengan jumlah kelas yang kita inginkan.
Biasanya hasil-hasil klasifikasi unsupervised harus diinterpretasi dengan menggunakan
data yang sebenarnya di lapangan untuk menentukan kelas-kelas yang mempresentasikan area
atau wilayah sebenarnya di lapangan. Dari informasi ini mungkin kita bisa memutuskan untuk
mengkombinasikan atau menghapus kelas-kelas yang diinginkan./ kita perlu juga untuk
memberi warna dan nama untuk masing-masing kelas.
 Gambar 4. Ilustrasi klasifikasi unsupervised

Proses interpretasi citra secara manual (interpretasi visual)

Estes dan Simonett mengatakan bahwa interpretasi citra merupakan perbuatan mengkaji
foto udara dan atau citra dengan maksud untuk mengidentifikasi objek dan menilai arti
pentingnya objek tersebut. Pengalaman sangat menentukan hasil interpretasi, karena persepsi
pengenalan objek bagi orang-orang yang berpenglaman biasanya. Misalkan pada citra A
dianggap sebuah permukiman, maka pada citra B atau citra C pun tetap bisa dikenal sebagai
pemukiman walaupun agak sedikit berbeda dengan penampakannya. Ada tiga hal penting yang
diperlukan dalam proses interpretasi yaitu deteksi, interpretasi dan analisis. Deteksi citra
merupakan pengamatan tentang adanya suatu objek, misalkan pendeteksian objek disebuah
daerah dekat perairan. Identifikasi atau pengenalan merupakan upaya untuk mencirikan objek
yang telah di deteksi dengan menggunakan keterangan yang cukup, misalnya mengidentifikasi
suatu objek berkotak-kotak sebagai tambak di sekitar perairan karena objek tersebut dekat
dengan laut.
Interpretasi adalah kegiatan untuk mengenali obyek yang tergambar pada citra yang dapat
dikenali berdasarkan ciri yang terekam oleh sensor. Ada tiga ciri utama yang dapat dikenali yaitu:
1. Ciri spektral yaitu ciri yang dihasilkan oleh interaksi antara tenaga elektromagnetik
dengan obyek. Ciri spektral dinyatakan dengan rona dan warna. Rona atau tone adalah
tingkat kegelapan atau kecerahan obyek pada citra. Adapun faktor yang mempengaruhi
rona adalah:
a. Karakteristik objek (permukaan kasar atau halus)
b. Bahan yang digunakan (jenis film yang digunakan)
c. Pemrosesan emulsi (diproses dengan hasil redup, setengah redup dan gelap)
a. Keadaan cuaca (cerah/mendung)
b. Letak objek (pada lintang rendah atau tinggi)
c. Waktu pemotretan (penyinaran pada bulan Juni atau Desember)

2. Ciri Spasial
Untuk mengenali objek di muka bumi maka diperlukan pengetahuan berbagai unsur yang
membantu dalam pengenalan tersebut. Ciri spasial adalah ciri yang terkait dengan ruang
yang meliputi:
 o Tekstur adalah frekwensi perubahan rona pada citra. Biasa dinyatakan; kasar,
sedang dan halus. Misalnya hutan bertekstur kasar, belukar bertekstur sedang dan
semak bertekstur halus.
o Bentuk adalah gambar yang mudah dikenali. Contoh; Gedung sekolah pada
umumnya berbentuk huruf I, L dan U atau persegi panjang, Gunung api misalnya
berbentuk kerucut.
o Ukuran adalah ciri obyek berupa jarak, luas, tinggi lereng dan volume. Ukuran obyek
pada citra berupa skala. Contoh; Lapangan olah raga sepak bola d icirikan oleh
bentuk (segi empat) dan ukuran yang tetap, yakni sekitar (80 – 100 m).
o Pola atau susunan keruangan merupakan ciri yang menandai banyak obyek
bentukkan manusia dan beberapa obyek alamiah. Contoh; pola aliran sungai
menandai struktur biologis. Pola aliran trellis menandai struktur lipatan. Permukiman
transmigrasi dikenali dengan pola yang teratur, yaitu ukuran rumah yang jaraknya
seragam, dan selalu menghadap ke jalan. Kebun karet, kebun kelapa, kebun kopi
mudah dibedakan dengan hutan atau vegetasi lainnya dengan polanya yang teratur,
yaitu dari pola serta jarak tanamnya.
o Situs adalah letak suatu obyek terhadap obyek lain di sekitarnya. Contoh;
Permukiman pada umumnya memanjang pada pinggir beting pantai, tanggul alam
atau sepanjang tepi jalan. Juga persawahan, banyak terdapat di daerah dataran
rendah, dan sebagainya.
o Bayangan bersifat menyembunyikan detail atau obyek yang berada di daerah gelap.
Bayangan juga dapat merupakan kunci pengenalan yang penting dari beberapa
obyek yang justru dengan adanya bayangan menjadi lebih jelas. Contoh; lereng terjal
tampak lebih jelas dengan adanya bayangan, begitu juga cerobong asap dan
menara, tampak lebih jelas dengan adanya bayangan. Foto-foto yang sangat
condong biasanya memperlihatkan bayangan obyek yang tergambar dengan jelas.
o Asosiasi adalah keterkaitan antara obyek yang satu dengan obyek lainnya. Contoh;
Stasiun kereta api berasosiasi dengan jalan kereta api yang jumlahnya lebih dari satu
(bercabang).

3. Ciri temporal adalah ciri yang terkait dengan benda pada saat perekaman, misalnya;
rekaman sungai musim hujan tampak cerah, sedang pada musim kemarau tampak
gelap.Penilaian atas fungsi obyek dan kaitan antar obyek dengan cara menginterpretasi
dan menganalisis citra yang hasilnya berupa klasifikasi yang menuju ke arah teorisasi
dan akhirnya dapat ditarik kesimpulan dari penilaian tersebut. Pada tahapan ini
interpretasi dilakukan oleh seorang yang sangat ahli pada bidangnya, karena hasilnya
sangat tergantung pada kemampuan menafsir citra.

Menurut Prof. Dr. Sutanto, pada dasarnya interpretasi citra terdiri dari dua kegiatan utama,
yaitu identifikasi data dari citra dan penggunaan data tersebut untuk tujuan tertentu. Perekaman
data dari citra berupa pengenalan obyek dan unsur yang tergambar pada citra serta
penyajiannya ke dalam bentuk tabel, grafik atau peta tematik. Urutan kegiatan dimulai dari:
a. Menguraikan atau memisahkan obyek yang rona atau warnanya berbeda;
b. Ditarik garis batas/delineasi bagi obyek yang rona dan warnanya sama;
c. Obyek yang sudah dikenali, diklasifikasi sesuai dengan tujuan interpretasinya
 d. Setiap obyek dikenali berdasarkan karakteristik spasial dan unsur temporalnya;
e. Digambarkan ke dalam peta kerja atau peta sementara;
f. Untuk menjaga ketelitian dan kebenarannya dilakukan pengecekan medan (lapangan);
g. Interpretasi akhir adalah pengkajian atas pola atau susunan keruangan (obyek); dan
h. Dipergunakan sesuai tujuannya

Sedangkan analisis merupakan pengklasifikasian berdasarkan proses induksi dan deduksi,

sebagai penambahan informasi bahwa tambak tersebut adalah tambak udang dan di
klasifikasikan sebagai daerah pertambakan udang.

Contoh interpretasi secara visual menggunakan foto udara hitam putih dan infra red (IR)

Gambar 5. Foto Udara Hitam Putih dan infra red Cirebon

Dari hasil interpretasi rona foto udara hitam putih Kota Cirebon pada Gambar 5, maka
didapatkan hasil pada tabel 1 dibawah ini.

Tabel 1. Hasil Interpretasi Rona Foto Udara Hitam Putih Kota Cirebon
Rona No. Polygon Objek
Hitam 5,6,10,11 Hutan, Pemukiman
Abu - Abu Gelap 7,8,12 Pemukiman, Ladang
Abu – Abu cerah 1,2,4,13,14,15 Hutan, Sawah,
Putih 3,9 Sawah

Sedangkan hasil interpretasi foto udara berwarna kota Cirebon pada Gambar 5,
didapatkan hasil pada tabel 2 dibawah ini.
Tabel 1. Hasil Interpretasi Foto Udara Infra Merah Semu Kota Cirebon
Rona Polygon Objek
Merah tua 5,7, 11 Vegetasi,
Merah agak tua 3,11 Pemukiman
Abu-Abu Terang 1,13 Ladang
Merah Bata 2,8,14 Pemukiman, Vegetasi
Merah Muda 10,15,16 Sawah
Putih 4,9,12 Sawah
 Dari tabel diatas, dapat diketahui perbedaan masing-masing obyek pada foto udara.
Kenampakan-kenampakan oyek tersebut berupa :
1. Sawah
Pada foto udara pankromatik, sawah memiliki rona abu-abu terang, sebab sawah yang
terdapat pada foto udara tersebut merupakan sawah yang sedikit digenangi air (bukan
sawah basah). Hal itu menghasilkan rona abu-abu terang. Sedangkan pada foto udara IR
berwarna abu-abu kecoklatan. Dari kedua foto udara dapat diketahui beberapa
persamaan yaitu bentuk sawah yang berbentuk persegi panjang dengan pola teratur dan
berasosiasi dengan sungai serta saluran irigasi. Selain itu, keduanya juga menghasilkan
kenampakan berupa tekstur sawah yang halus. Keempat hal tersebut diakibatkan oleh
adanya sistem pengelolaan lahan sawah yang pada umumnya berbentuk persegi
panjang. Tanaman padi juga cenderung homogen dan ditanam dalam waktu hampir
bersamaan, sehingga menghasilkan pola teratur dan tekstur halus, sebab ketinggian
tanaman padi hampir sama. Pada kedua foto udara tersebut juga dapat diinterpretasikan
bahwa sawah tidak memiliki bayangan karena ketinggian tanaman padi tidak
menimbulkan bayangan yang dapat ditangkap oleh foto udara.

2. Hutan
Dari hasil perbandingan kedua foto udara, pepohonan memiliki perbedaan pada rona dan
warna. Pada foto udara pankromatik, pepohonan memiliki rona gelap dan berwarna
hitam, sedangkan pada foto udara IR memiliki berwarna merah tua. Hal ini disebabkan
oleh adanya perbedaan fungsi dan karakteristik tiap foto udara. Pada foto udara
pankromatik terlihat lebih gelap dan berwarna hitam sebab pantulan pepohonan tidak
begitu besar. Sedangkan pada foto udara IR, ia memiliki karakteristik warna yang
berbeda-beda, sehingga pepohonan memiliki rona cerah dan berwarna merah.

3. Jalan
Kenampakan jalan pada kedua foto udara memiliki kesamaan jika dilihat dari unsur
interpretasi berupa :
a. Bentuk memanjang. Jalan merupakan pengubung antara daerah satu dengan yang
lain, sehingga bentuknya memanjang.
b. Bayangan. Jalan tidak memiliki bayangan karena letaknya hampir sejajar dengan
permukaan tanah dan tidak memiliki ketinggian yang berarti.
c. Jalan memiliki ukuran lebar. Jalan memiliki lebar sebagai penampang kendaraan yang
melewatinya.
d. Tekstur halus, sebab jalan cenderung homogen, misalnya : jalan dekat sawah hampir
keseluruhan masih berupa tanah. Sedangkan, jalan raya umumnya beraspal.
e. Pola teratur. Jalan memiliki pola teratur, umumnya memisahkan antara daerah satu
dengan yang lain. Sehingga, dapat dilihat pada citra bahwa jalan berpola teratur.
f. Situs. Jalan berada di dekat sawah dan di sepanjang permukiman.
g. Jalan berasosiasi dengan sawah dan permukiman.

4. Sungai
Sungai pada foto udara pankromatik maupun foto udara IR memiliki rona terang dan
warna hitam atau abu-abu gelap. Hal ini disebabkan oleh air sungai yang menyerap
 banyak cahaya. Sehingga, cahaya yang dipantulkan dan yang tertangkap satelit hanya
sedikit dan menimbulkan warna gelap pada foto udara yang dihasilkan. Sungai memiliki
bentuk dan ukuran seperti jalan, yaitu memanjang dan memiliki lebar sebagai penampang
aliran air. Tekstur sungai juga cenderung halus, sebab aliran air tidak menimbulkan
bentukan kasar.

5. Sawah basah
Sawah basah memiliki ciri-ciri yang hampir sama dengan sawah biasa. Unsur interpretasi
yang membedakan adalah rona dan warnanya. Sawah basah memiliki rona gelap dan
warna abu-abu pada foto udara pankromatik maupun IR. Sebab, sawah basah memiliki
genangan air yang lebih banyak daripada sawah biasa. Hal ini menimbulkan pantulan
yang sedikit. Sehingga, rona dan warna yang dihasilkan pada foto udara cenderung gelap
dan berwarna abu-abu.

6. Pemukiman
Obyek pemukiman/pemukiman hanya dapat teramati pada foto udara pankromatik, sebab
pada foto udara IR, obyek sangat sulit dibedakan dengan permukiman. Pemukiman pada
foto udara pankromatik memiliki rona berwarna abu-abu terang. Hal ini dapat dilihat dari
atap pemukiman yang umumnya terbuat dari seng atau asbes, sehingga pantulan warna
berupa abu-abu dan berona terang. Bentuknya persegi, seperti permukiman lainnya,
namun memiliki ukuran yang lebih besar. Selain itu, tekstur yang dimiliki kasar dan
mempunyai pola teratur. Pemukiman umumnya berada di pinggir jalan.

7. Tanah terbuka
Tanah terbuka memiliki rona abu-abu terang, sebab lapangan cenderung memiliki kondisi
kering (tidak digenangi air), sehingga memiliki pantulan yang cukup besar.

DAFTAR PUSTAKA
Danoedoro, P. 2012. Pengantar Penginderaan Jauh Digital. Penerbit Andy Yogyakarta. 2012.
Jansenn. 2000. Principles of Remote Sensing. ITC Belanda.2000.
LANGKAH KERJA
A. Interpretasi visual citra satelit secara manual
1. Deliniasi obyek yang memiliki warna dan tekstur yang sama
2. Duga jenis obyek yang dikenali
3. Berikan nomor pada polygon yang memiliki obyek yang sama
Lakukan interpretasi visual pada citra berikut berikut:

Gambar 6. Citra Landsat 8 Kota Bogor

DAFTAR LATIHAN

1. Sebutkan minimum 2 perangkat lunak yang dapat digunakan untuk interpretasi citra?
2. Sebutkan kunci interpretasi citra?
3. Sebutkan 2 metode interpretasi citra?
4. Sebutkan 2 teknik interpretasi citra secara digital?