Modul Ke – IV, V, VI
Klasifikasi Citra
Disusun oleh :
NIM : 118230016
2020
Daftar Isi
Daftar Isi............................................................................................................................i
BAB 1. Pendahuluan........................................................................................................1
1.1 Latar Belakang.................................................................................................1
1.2 Tujuan...............................................................................................................1
BAB 2. Tinjauan Pustaka................................................................................................2
2.1 Klasifikasi Citra Multi Spektral......................................................................2
2.1.1 Klasifikasi supervised...............................................................................2
2.1.2 Klasifikasi unsupervised..........................................................................4
BAB 3. Metodologi Penelitian.........................................................................................6
3.1 Alat dan Bahan.................................................................................................6
3.2 Waktu dan Tempat Praktikum.......................................................................6
3.3 Langkah Kerja.................................................................................................6
BAB 4. Hasil dan Pembahasan......................................................................................16
4.1 Hasil dan Pembahasan...................................................................................16
BAB 5. Penutup..............................................................................................................18
5.1 Kesimpulan.....................................................................................................18
5.2 Saran...............................................................................................................18
DAFTAR PUSTAKA.....................................................................................................19
i
BAB 1. Pendahuluan
1.1 Latar Belakang
Di bidang keilmuan geomatika memang difokuskan di bidang pemetaan.
berbagai macam teknik digunakan untuk menghasilkan peta suatu daerah yang
dikehendaki. Mulai dari metode yang sederhana sampai teknologi yang sangat
canggih pun digunakan untuk mendapatkan gambaran suatu daerah sesuai
keperluan. Salah satunya yaitu dengan memperoleh peta dengan menggunakan
citra satelit maupun foto udara.
Maka dari itu digunakan beberapa software untuk mengolah peta yang
didapatkan sesuai kebutuhan. Dalam praktikum kali ini, kami melakukan
pengolahan citra hasil satelit agar mudah untuk di analisa dan di
interpretasikan. Maka dari itu dalam pengolahan data kali ini software yang
digunakan adalah adalah ENVI yang merupakan software yang digunakan
untuk pengolahan data citra satelit karena dalam pengoperasiannya cukup
sederhana.
Klasifikasi citra merupakan proses pengelompokan nilai piksel keladam
kelas tertentu., kalsifikasi citra dapat dibedakan dengan melihat perbedaan
pada nilai warna. Semakin banyak gradasi warna maka semakin banyak
klasifikasi citra.Pada umumnya klasivikasi citra dibagi menjadi 2 bagian yaitu
klasifikasi Supervised dan Unsupervised. Klasifikasi supervised dapat
diartikan sebagai pegenelompokan nilai dari warna yang telah terintegrasi oleh
data survei secara primer seperti vegetasi, permukiman, perairan. Dll
1.2 Tujuan
Tujuan dari praktikum ini adalah
1. Praktikan mampu untuk melakukan klasifikasi citra penutup lahan
2. Praktikan mampu untuk melakukan klasifikasi penggunaan lahan
1
BAB 2. Tinjauan Pustaka
2.1 Klasifikasi Citra Multi Spektral
Klasifikasi Citra dapat digunakan untuk mengelompokkan kenampakan
tertentu yang memiliki kesamaan dalam nilai spectral atau feature lain, seperti
berdasarkan ukuran atau lainnya.
2
dibentuk sebagai trainning area pada klasifikasi supervised. klasifikasi
supervised dapat diartikan sebagai teknik klasifikasi yang diawasi.
Klasifikasi supervised ini melibatkan interaksi analis secara intensif, dimana
analis menuntun proses klasifikasi dengan identifikasi objek pada citra
(training area). Sehingga pengambilan sampel perlu dilakukan dengan
mempertimbangkan pola spektral pada setiap panjang gelombang tertentu,
sehingga diperoleh daerah acuan yang baik untuk mewakili suatu objek
tertentu. [ CITATION Pro96 \l 1033 ]
Adapun metode yang digunakan untuk supervised antara lain
2.1.1.1 Parallelepiped
Klasifikasi parallelepiped menggunakan aturan keputusan
sederhana untuk mengklasifikasikan data multispektral. Batas-batas
keputusan merupakan parallelepiped n-dimensi dalam ruang data
gambar. Dimensi ini ditentukan berdasarkan batas deviasi standar
dari rata-rata setiap kelas yang dipilih.
3
ini mirip dengan klasifikasi Maximum Likehood, tetapi menganggap
semua kovarian kelas adalah sama dan karenanya merupakan metode
yang lebih cepat. Semua piksel yang diklasifikasikan ke kelas ROI
terdekat kecuali pengguna menentukan ambang batas jarak, dalam
hal ini beberapa piksel mungkin tidak ditandai jika mereka tidak
memenuhi ambang batas.
4
Mengklasifikasikan kelas secara merata. Piksel-piksel
diklasifikasikan ke kelas terdekat. Setiap iterasi kalkulasi ulang
sarana dan mereklasifikasi piksel sehubungan dengan cara baru.
Iteratif membelah kelas, penggabungan, dan menghapus dilakukan
berdasarkan parameter input threshold. Semua piksel
diklasifikasikan ke kelas terdekat kecuali deviasi standar atau
ambang batas jarak yang ditentukan, dalam hal ini beberapa piksel
mungkin unclassified jika mereka tidak memenuhi kriteria yang
dipilih. Proses ini berlanjut sampai jumlah piksel dalam setiap
perubahan kelas kurang dari ambang perubahan piksel yang dipilih
atau jumlah maksimum iterasi tercapai.
2.1.2.2 K-means
Menggunakan pendekatan analisis kelas yang mengharuskan
analis untuk memilih jumlah kelas yang berlokasi di data, sewenang-
wenang ini menempatkan sejumlah pusat klaster, kemudian iteratif
repositions mereka sampai keterpisahan spektral yang optimal dicapai.
Klasifikasi ini juga menggunaka teknik jarak minimum. Setiap iterasi
kalkulasi ulang berarti kelas dan mereklasifikasi piksel sehubungan
dengan cara baru. Semua piksel diklasifikasikan ke kelas terdekat
kecuali deviasi standar atau ambang batas jarak yang ditentukan, dalam
hal ini beberapa piksel mungkin unclassified jika mereka tidak
memenuhi kriteria yang dipilih. Proses ini berlanjut sampai jumlah
piksel dalam setiap perubahan kelas kurang dari ambang perubahan
piksel yang dipilih atau jumlah maksimum iterasi tercapai
5
BAB 3. Metodologi Penelitian
3.1 Alat dan Bahan
Alat dan bahan yang digunakan pada praktikum ini adalah :
Laptop dan Mouse
Software ENVI 5.1
Citra satelit landsat-8 Bandar Lampung
Modul praktikum IV, V dan VI
Format laporan praktikum
6
Tentukan kelas dari citra yang digunakan dengan carapilih Tools
lalu pilih Region of intereset Lalu pilih ROI Tool
Pada catalog ROI tool pilih zoom lalu lakukan penitikan atau buat
polygon pada gambar citra yang muncul
Lakukan penitikan untuk masing masing objek yaitu objek air,
pemukiman, vegetasi, lahan kosong, sungai dan tutupan awan
7
Lalu pada dialog sctter plot pilih Band 4 menjadi X dan Band 5
menjadi Y
8
Lalu pada menu bar Utama Envi , pilih Basic Tools lalu pilih
Region Of Interset
Pada kotak dialog ROI Separability pilih layer stacking lalu klik
OK
Lalu akan muncul nilai dari ROIs Separability. Untuk Nilai yang
berkisar antara 1800 – 2000 sudah termasuk dalam nilai yang baik
9
c. Untuk mekaukan proses klasifikasi Supervised menggunakan 4
metode
Menggunakan metode Malahanobis yaitu pada menu utama envi
pilih Clasification lalu pilih Supervised lalu pillih Malahanobis
distance
10
Untuk metode Isodata pillih classification pada menu utama
ENVI lalu pilih classification dan pilih Isodata.
Isi Isodata Parameter dengan nilai minimum Number of classes
yaitu 5 dan nilai Max 20 dengan Iterasi 3
11
3. Raster to Vektor
Pada menu utama ENVI pilih classification lalu pilih Post
Classification dan pilih Majority/Minority Analysis
12
Setelah kotak dialog Vektor list mucul klik RTV (Majority) lalu
pilih Pada ROI Tool Pilih menu file lalu pilih Export ROIs to
Shapefile .
Pada kotak dialog Export ROIs pilih semua objek klasifikasi citra
lalu pilih lokasi penyimpan lalu klik Ok dan Shapefile akan
tersimpan pada document
13
Masukkan batas administrasi bandar lampung untuk
mempermudah dalam proses klasifikasi citra yang akan
digunakan
14
Untuk memastikan apakah klasifikasi objek yang sudah dibuat
sama dengan objek kenyataan di lapangan yaitu dengan cara,
zoom pada satu objek di ArcMap lalu klik kanan dan pilif
Identify
15
Masukkan data koordinat yang sudah di Copy kedalam Google
earth Untuk dilakukan pencocokan objek dipermukaan bumi
16
BAB 4. Hasil dan Pembahasan
4.1 Hasil dan Pembahasan
BAB 5. Penutup
5.1 Kesimpulan
Kesimpulan yang dapat diambil dari praktikum ini adalah
17
menggunakan software ENVI 5.1. Dari hasil yang di dapat bahwa terjadi
perbedaan rentang nilai yang sangat jauh antara digital number dan nilai
TOA radiance dan TOA reflectance. Terjadi pengecilan rentang nilai , hal
ini menunjukkan bahwa band 1 samapi dengan band 9 megalami proses
penyerapan bukan penghamburan.
2. Permaslahan utama yang terjadi dari praktikum ini adalah proses Ketika
memasukkan persamaan untuk konversi nilai digital number ke TOA
radiance maupun TOA reflectance. Ketika persamaan yang dimasukkan
salah maka akan terjadi kesalahan nilai konversi. Hal ini dapat diatasi
dengan meningkatkan ketelitian dalam memasukkan persamaan dan
Ketika mengkorelasikan antara persamaan dengan band yang akan di
koreksi
3. Nilai radian dan nilai reflektan pada citra satelit dipengaruhi oleh nilai
hamburan ataupun nilai serapan yang disebabkan oleh bebrapa factor
seperti efek atmosfer, efek topografi, efek posisi matahari Ketika
melakukan pengamatan serta efek atmosfer.
5.2 Saran
Saran untuk praktikum modul 2 ini yaitu memahami konsep dari
judul atau modul praktikum yang akan dilaksanakan agar ketika praktikum
para peserta dapat memahami pengerjaan praktikum
DAFTAR PUSTAKA
18
Ardiansyah. (2015). PENGOLAHAN CITRA PENGINDERAAN JAUH
MENGGUNAKAN ENVI 5.1 dan ENVI Lidar (TEORI DAN PRAKTEK).
Jakarta: Lasbig Inderaja Islim. doi:ISBN : 978-602-71527-0-0
Kustlyo, Ratih, D., & inggit, S. l. (2014). A TWO-STEPS RADIOMETRIC
CORRECTION OF SPOT-4 MULTISPECTRAL AND
MULTITEMPORAL FOR SEAMLESS MOSAIC IN CENTRAL
KALIMANTAN. International Journal of Remote Sensing and Earth
Sciences, 11(2). doi:http://dx.doi.org/10.30536/j.ijreses.2014.v11.a2607
Lilik, K., arwan, W. P., & Abdi, S. (2016). ANALISIS PENGARUH KOREKSI
ATMOSFER TERHADAP ESTIMASI KANDUNGAN KLOROFIL-A
MENGGUNAKAN CITRA LANDSAT 8. Jurnal Geodesi Undip, 5(4).
doi:ISSN : 2337-845X
Projo, D. (2012). Pengantar penginderaan Jauh Digital. Yogykarta: Universitas
Gajah Mada.
Robert, M., & Jan, L. J. (2019). Radiometric and Atmospheric Corrections of
Multispectral µMCA Camera for UAV Spectroscopy. Remote Sensing,
11(20). doi:10.3390/rs11202428
Roger, F. A. (2016). Radiometric correction technuques and accuracy assessment
for Lansat TM data in remote forested regions. Canadian Journal of
Remote Sensing, 32(5). doi: 10.5589/m06-028
19