Abstrak: Indonesia adalah negara kepulauan yang sangat luas dengan jumlah pulau mencapai
17.508 pulau. Luasnya wilayah darat dan laut memerlukan startegi yang baik dalam pembangunan
dan pengelolaan sumber-sumber daya yang dimiliki. Pengelolaan wilayah Indonesia yang sangat
luas tentu membutuhkan teknologi seperti penginderaan jauh (Inderaja) untuk mempermudah
pekerjaan. Pada pembangunan diperlukan pula Inderaja untuk mengklasifikasi lahan untuk agar
dalam pendayagunaan lahan yang digunakan sesuai dengan kemampuannya dan bagaimana
menerapkan teknik konservasi tanah dan air yang sesuai dengan kemampuan lahan tersebut.
Praktikum bertujuan mengolah data Landsat 8, mengetahui sensor pada Landsat 8, membedakan
fungsi setiap band, mengklasifikasikan lahan berdasarkan kombinasi band dan perbandingan band,
dan mengubah data K-Means dan MERIS. Praktikum dilakukan pukul 13.00 – 16.00 yang bertempat
di ZOOM Meeting. Alat dan bahan yang digunakan pada praktikum ini adalah laptop/komputer,
aplikasi SNAP, dan data optik Landsat dan MERIS. Praktikum diawali dengan mengolah gambar
RGB Landsat 8, dilanjutkan dengan subset gambar dan K-Means Analysis, lalu dilanjutkan dengan
pengoperasian band math, dan diakhiri dengan pengolahan data MERIS. Hasil yang didapatkan
menunjukkan bahwa klasifikasi lahan daratan dapat dilakukan dengan K-Means dan band math. K-
Means membutuhkan waktu yang lebih lama daripada band maths sehingga gambar perlu di-subset
sebelum dianalisis dengan K-Means. Klasifikasi wilayah perairan dapat dilakukan dengan MERIS.
Kata Kunci: band math, K-Means, Landsat, MERIS
Abstract: Indonesia is a very large archipelago with 17,508 islands. The extent of land and sea
areas requires a good strategy in the development and management of its resources. Management
of Indonesia's vast territory certainly requires technology such as remote sensing to facilitate work.
In development, it is also necessary for Sensors to classify land so that the utilization of land is used
according to its capabilities and how to apply soil and water conservation techniques that are in
accordance with the capabilities of the land. The practicum aims to process Landsat 8 data, identify
sensors on Landsat 8, distinguish the function of each band, classify land based on band
combinations and band comparisons, and change K-Means and MERIS data. The practicum was
held at 13.00 - 16.00 at the ZOOM Meeting. The tools and materials used in this practicum were
laptops / computers, SNAP applications, and Landsat and MERIS optical data. The practicum
begins with processing Landsat 8 RGB images, followed by a subset of images and K-Means
Analysis, then continues with band math operations, and ends with MERIS data processing. The
results obtained indicate that the land classification can be done with K-Means and band math. K-
Means take longer than the band maths so the image needs to be subset before analysis with K-
Means. Classification of water areas can be done by MERIS.
Keywords: band maths, K-Means, Landsat, MERIS
1
243P_SEN03_ZNK44190081
Pendahuluan
Indonesia adalah negara kepulauan yang sangat luas dengan jumlah pulau
mencapai 17.508 pulau. Luasnya wilayah darat dan laut memerlukan startegi yang
baik dalam pembangunan dan pengelolaan sumber-sumber daya yang dimiliki.
Pembangunan dan pengelolaan itu sendiri ditujukan untuk meningkatkan
kesejahteraan masyarakat sebagai tujuan berdirinya negara dapat terwujud sesegera
mungkin dan merubah kualitas hidup masyarakatnya (Saksono 2013).
Pengelolaan wilayah Indonesia yang sangat luas tentu membutuhkan teknologi
seperti penginderaan jauh (Inderaja) untuk mempermudah pekerjaan. Ada 10 aspek
untuk mendeteksi perubahan obyek (Sutanto 1994), yaitu (1) tutupan dan
penggunaan lahan, (2) perubahan hutan atau vegetasi, (3) penilaian kerusakan hutan
dan defoliasi, (5) perubahan lahan basah atau wetland, (6) kebakaran hutan, (7)
perubahan lanskap, (8) perubahan daerah Kota, (9) perubahan lingkungan, (10)
perubahan lainnya seperti monitoring tanaman, monitoring perladangan perpindah
dan segmentasi jalan. Pada pembangunan diperlukan pula Inderaja untuk
mengklasifikasi lahan untuk agar dalam pendayagunaan lahan yang digunakan
sesuai dengan kemampuannya dan bagaimana menerapkan teknik konservasi tanah
dan air yang sesuai dengan kemampuan lahan tersebut (Sefle et al. 2013)
Klasifikasi lahan dilakukan menggunakan aplikas SNAP. Fitur yang digunakan
adalah K-Means dan band math. Praktikum bertujuan mengolah data Landsat 8,
mengetahui sensor pada Landsat 8, membedakan fungsi setiap band,
mengklasifikasikan lahan berdasarkan kombinasi band dan perbandingan band, dan
mengubah data K-Means dan MERIS.
Metodologi
Praktikum kali ini berjudul “Pengklasifikasian Lahan Berdasarkan Susunan
Kombinasi dan Perbandingan Bands, serta K-Means Cluster Analysis” yang
dilakukan pada hari Senin, 22 Februari 2021. Praktikum dilakukan pukul 13.00 –
16.00 yang bertempat di ZOOM Meeting. Alat dan bahan yang digunakan pada
praktikum ini adalah laptop/komputer, aplikasi SNAP, dan data optik Landsat dan
MERIS. Praktikum diawali dengan penjelasan dari dosen, lalu dilanjutkan dengan
pembukaan data Landsat melalui menu File – Import – Optical Sensors – Landsat
– Landsat in 30m (Gambar 1a). Pilih file dengan nama
“LC81240622015033LGN00_MTL.txt”, lalu klik Import Product (Gambar 1b).
2
243P_SEN03_ZNK44190081
dan “blue” untuk band blue (Gambar 2b). Lalu klik OK, tunggu sampai hasil RGB
muncul (Gambar 3).
Gambar 4 (a) Spatial Subset from View (b) Specify Product Subset
Pengklasifikasian lahan dimulai dengan mengeklik nama file subset dari
pengambilan gambar sebelumnya, lali pilih menu Raster – Classification –
Unsupervised Classification – K-Means Cluster Analysis (Gambar 5a). Pada kotak
dialog K-Means Cluster Analysis yang muncul pilih bagian processing parameters,
lalu pilih blue, green, dan red pada source band names (Gambar 5b). Tunggu proses
pengklasifikasian sekitar 5 – 10 menit (Gambar 6a). Lalu untuk melihat hasil
pengklasifikasian data, klik tanda (+) pada file subset kmeans, lalu klik tanda (+)
pada Bands, lalu klik dua kali class indices (Gambar 6b).
3
243P_SEN03_ZNK44190081
Gambar 8 (a) Band Maths Expression Editor (b) Hasil Band Maths
4
243P_SEN03_ZNK44190081
5
243P_SEN03_ZNK44190081
6
243P_SEN03_ZNK44190081
Simpulan
Klasifikasi lahan dapat dilakukan dengan dua cara yaitu K-Means dan band
maths. Kedua cara ini dapat digunakan untuk mendeteksi vegetasi yang ada di suatu
lahan. Namun, K-Means membutuhkan waktu yang lebih lama daripada band
maths sehingga gambar perlu di-subset sebelum dianalisis. Klasifikasi wilayah
perairan dapat dilakukan dengan MERIS.
Saran
Pemahaman dan kemampuan untuk menggunakan aplikasi SNAP untuk
mengklasifikasikan lahan tetap ditingkatkan meskipun praktikum dilaksanakan
secara daring. Kedepannya SNAP bisa dimanfaatkan secara maksimal untuk
membantu dalam pengolahan data citra satelit yang digunakan untuk riset ataupun
penelitian yang dilakukan oleh mahasiswa Teknik Sipil dan Lingkungan mengingat
SNAP memiliki banyak fitur yang sangat berguna seperti K-Means dan band maths.
7
243P_SEN03_ZNK44190081
Daftar Pustaka
Bargen KV, Meyer GE, Mortensen DA, Merritt SJ, Woebbecke DM. 1993.
Red/near-infrared reflectance sensor system for detecting plants: Di dalam
Optics in Agriculture and Forestry. Proceedings SPIE 1992; 1993 Mei 12;
Lincoln, Nebraska: Na
Budhiman S. 2012. Perbandingan karakteristik spektral (spectral signature)
parameter kualitas perairan pada kanal Landsat ETM+ dan ENVISAT MERIS.
Jurnal Penginderaan Jauh. 9(2): 76 – 89.
Patissier DB, Schroeder T, Brando V, Maier S, Dekker A, Phinn S. 2014. ESA-
MERIS 10 years mission reveals contrasting phytoplankton bloom dynamics in
two tropical regions of northern australia. Remote Sensing. 6(4): 2963 – 2988.
Saksono H. 2013. Ekonomi biru: solusi pembangunan daerah berciri kepulauan
studi kasus Kabupaten Kepulauan Anambas. Jurnal Bina Praja. 5(1): 1 – 12.
Sefle L, Pakasi SE, Kamagi YEB, Kawulusan R. 2013. Klasifikasi kemampuan
lahan dengan menggunakan sistem informasi geografis di Kecamatan Lolak
Kabupaten Bolaang Mongondow. Jurnal COCOS. 2(4): 1 – 14.
Sitanggang G. 2010. Kajian pemanfaatan satelit masa depan: sistem penginderaan
jauh satelit LDCM (Landsat-8). Berita Dirgantara. 11(2): 47 – 58.
Sutanto. 1994. Penginderaan Jauh Jilid 1. Yogyakarta (ID): Gajah Mada
University Press.
Utomo AW. 2017. Analisis Hubungan Variasi Land Surface Temperature Dengan
Kelas Tutupan Lahan Menggunakan Data Citra Satelit Landsat [skripsi].
Surabaya (ID): Institut Teknologi Sepuluh November.
Xia D, Ning F, He W. 2019. Research on parallel adaptive canopy-K-Means
clustering algorithm for big data mining based on cloud platform. Journal of
Grid Computing. 18(1): 263 – 273.
8
243P_SEN03_ZNK44190081
Lampiran