(JAGAT) Jurnal Geografi Aplikasi Dan Teknologi

ISSN : 2549-9181 | e-ISSN : 2684-6705

| Vol.4 | No.2 | 2020

Optimalisasi Nilai Parameter Segmentasi Untuk

Pemetaan Tutupan Lahan Menggunakan Citra
Sentinel 2-A Di Kabupaten Konawe
Jusmianto1), Laode Muh.Golok Jaya2), Fitra Saleh 3)
1
Jurusan Geografi FITK Universitas Halu Oleo
2
Jurusan Geografi FITK Universitas Halu Oleo
3
Jurusan Geografi FITK Universitas Halu Oleo

Email: Jusmianto22@gmail.com1, laodemgj@uho.ac.id2, upicdecode@yahoo.com3

Abstrak: Teknik klasifikasi berbasis objek sangat baik digunakan dalam mengidentifikasi objek
tutupan lahan. Salah satu teknik klasifikasi yang banyak digunakan adalah Object-Based Image
Analysis (OBIA) dengan menggunakan metode segmentasi. Metode segmentasi memiliki keunggulan
yaitu sangat presisi dan akurat dalam memisahkan objek oleh karena itu metode ini sangat cocok
untuk mengidentifikasi objek tutupan lahan di Kabupaten konawe yang beragam. Pada metode
segmentasi terdapat tiga parameter yang menjadi penentu keakuratan dalam memisahkan objek yaitu
parameter skala, bentuk dan kekompakan. Penelitian ini bertujuan untuk: (1) mengetahui kombinasi
parameter segmentasi yang paling optimal untuk pemetaan penutup lahan di Kabupaten Konawe; (2)
mengetahui sebaran penutup lahan di Kabupaten Konawe. Metode analisis data yang digunakan dalam
penelitian ini: (1) simulasi parameter segmentasi untuk memperoleh kombinasi parameter segmentasi
yang paling optimal; (2) klasifikasi OBIA dengan metode segmentasi untuk memperoleh sebaran
penutup lahan di Kabupaten Konawe. Hasil penelitian ini antaralain: (1) kombinasi nilai parameter
yang paling optimal, yaitu kombinasi nilai skala 20 dan bentuk 0,8 dengan total akurasi tutupan lahan
mencapai 92.20%; (2) tutupan lahan yang ada di Kabupaten Konawe didominasi oleh hutan primer
yang berada di Kecamatan Amonggedo dengan luas 5.552,2 ha, lahan persawahan untuk Kecamatan
Wonggeduku dengan luas 7.142,10 ha dan lahan kebun campuran untuk Kecamatan Pondidaha dengan
luas 3.298,60 ha.

Kata kunci: Tutupan Lahan, OBIA, Segmentasi

Abstract: Object-based classification techniques are very well used in identifying land cover objects.
One classification technique that is widely used is Object-Based Image Analysis (OBIA) using
segmentation methods. The segmentation method has the advantage of being very precise and accurate
in separating objects therefore this method is very suitable for identifying various land cover objects in
Konawe Regency. In the segmentation method, there are three parameters that determine accuracy in
separating objects, namely scale, shape and compactness parameters. This study aims to: (1) find out
the most optimal combination of segmentation parameters for land cover mapping in Konawe
Regency; (2) know the distribution of land cover in Konawe Regency. Data analysis methods used in
this study are: (1) simulation of segmentation parameters to obtain the most optimal combination of
segmentation parameters; (2) OBIA classification by segmentation method to obtain the distribution of
land cover in Konawe Regency. The results of this study are: (1) the most optimal combination of
parameter values are a combination of a scale value 20 and a form 0.8 with a total accuracy of land
cover reaching 92.20%; (2) land cover in Konawe Regency is dominated by primary forests in
Amonggedo District with an area of 5,552.2 acre, paddy fields inWonggeduku District with an area of
7,142.10 acre and mixed garden in Pondidaha District with an area of 3,298.60 acre.

Keywords: Land Cover, OBIA, Segmentation

Oktober --- 61
 (JAGAT) Jurnal Geografi Aplikasi Dan Teknologi
1. PENDAHULUAN
Klasifikasi citra digital telah
mengalami perkembangan mulai dari
klasifikasi citra berbasis pixel menjadi
klasifikasi berbasis objek, dimana teknik
klasifikasi berbasis objek sendiri lebih
unggul dibandingkan teknik klasifikasi
berbasi pixel. Klasifikasi digital bebasis
objek memiliki keunggulan pada
pemisahan antar objek yang akurat dan
klasifikasi berbasis objek sendiri lebih
unggul dibandingkan teknik klasifikasi
berbasi pixel. Klasifikasi digital bebasis
objek memiliki keunggulan pada
pemisahan antar objek yang akurat dan
presisi. Selain itu klasifikasi ini melakukan
klasifikasi berdasarkan segmentasi objek,
bukan berdasarkan piksel, klasifikasi
digital ini juga memiliki kelebihan dalam
efisiensi waktu pengerjaan (Noviar dkk,
2016).
OBIA (Object Based Image Anlysis)
merupakan klasifikasi berbasis objek yang
sekarang banyak digunakan. Teknik
klasifikasi OBIA merupakan pendekatan
yang proses klasifikasinya tidak hanya
mempertimbangkan aspek spektral namun
spasial objek. Klasifikasi berbasis objek ini
harus menggunakan metode segmentasi
yang bertujuan untuk pemisahan antar
objek klasifikasi dengan kondisi dan syarat
tertentu (Marwati dkk, 2018)
Metode segmentasi mempunyai tiga
parameter yang menjadi penentu
optimalnya metode ini dalam memisahkan
objek yaitu parameter skala, bentuk dan
kekompakkan. Parameter skala digunakan
untuk mempengaruhi jumlah segmen yang
dihasilkan, semakian besar nilai skala
semakin sedikit jumlah segmen yang
terbentuk begitu juga sebaliknya semakin
kecil nilai skala semakin detail segmen
yang terbentuk. Parameter bentuk saling
mempengaruhi dengan warna yang ada
pada objek begitu pula parameter
kekompakkan saling mempengaruhi
62 --- Oktober
ISSN : 2549-9181 | e-ISSN : 2684-6705
| Vol.4 | No.2 | 2020
tingkat kehalusan dari suatu objek (Setiani
dkk, 2016).
Kabupaten Konawe merupakan
wilayah yang memiliki beragam jenis
objek tutupan lahan yang tersebar disetiap
wilayahnya. Dengan berbagai macam jenis
objek tutupan lahan maka akan
menyulitkan jika menggunakan teknik
klasifikasi secara visual saja karena akan
membutuhkan waktu yang cukup lama dan
juga interpretasi yang dilakukan kadang
kurang akurat. Oleh karena itu klasifikasi
berbasis objek dengan menggunakan
metode segmentasi merupakan teknik yang
cocok untuk melihat jenis tutupan lahan
yang ada di wilayah tersebut karena
metode segmentasi ini mempunyai
kelebihan efisiensih waktu dan keakuratan
yang baik dalam mengklasifikasikan suatu
objek yang berdasarkan pada kombinasi
nilai parameter yang ada.
Berdasarkan uraian diatas sehingga,
tujuan dari penelitian ini adalah (1)
mengetahui kombinasi parameter
segmentasi yang paling optimal untuk
pemetaan penutup lahan di Kabupaten
Konawe, (2) mengetahui sebaran penutup
lahan di Kabupaten Konawe menggunakan
metode segmentasi.
2. METODE PENELITIAN
2.1. Lokasi Penelitian
Penelitian ini berada ditiga
Kecamatan yang ada di Kabupaten
Konawe yaitu Kecamatan Wonggeduku,
Kecamatan Amonggedo dan Kecamatan
pondidaha Provinsi Sulawesi Tenggara.
Secara geografis Kabupaten Konawe
terletak pada 02˚45’-04˚15’ LS dan
121˚15’-123˚30’ BT. Sebelah Utara
berbatasan dengan Kecamatan Meluhu;
sebelah Timur berbatasan dengan
Kecamatan Morosi dan Kecamatan
Besulutu; sebelah Selatan berbatasan
dengan Kecamatan Puriala dan Kecamatan
Lambuya; sebelah Barat berbatasan
dengan Kecamatan Konawe dan
Kecamatan Wawotobi.
 (JAGAT) Jurnal Geografi Aplikasi Dan Teknologi
Gambar 1. Peta Lokasi Penelitian
2.2 Populasi dan Sampel
Populasi pada penelitian ini yaitu
semua kelas tutupan lahan yang ada di
wilayah kajian. Sampel pada penelitian ini
sebagian kelas tutupan lahan yang terdapat
diwilayah kajian. Pengambilan sampel
dilakukan secara random (acak) yaitu
dalam mengambil sampel bebas lokasinya
dengan masing-masing kelas tutupan lahan
diwakili 3 sampel yang ada dalam wilayah
penelitian, untuk pengambilan sampel
dilakukan dengan mempertimbangkan
akses yang mudah dijangkau.
2.3 Tahapan Penelitian
Pengumpulan Data
Data yang digunakan pada penelitian
ini yaitu data primer dan data sekunder.
Data primer yang dibutuhkan dalam
penelitian ini yaitu citra sentinel 2-A dan
citra Spot untuk data acuan pengambilan
sampel.
Data sekunder pada penelitian ini
yaitu peta administrasi wilayah penelitian
yang diperoleh dari BAPPEDA Kabupaten
Konawe dan peta RBI 1:25.000 wilayah
Kabupaten Konawe.
2.4 Tahapan Pengolahan Data
Koreksi Geometrik
Koreksi geometrik dilakukan untuk
melakukan perbaikan distorsi geometrik
citra terhadap kondisi sebenarnya
dilapangan. Koreksi geometrik yang
dilakukan yaitu dengan transformasi
ISSN : 2549-9181 | e-ISSN : 2684-6705
| Vol.4 | No.2 | 2020
berdasarkan Ground Control Point (GCP)
dengan melakukan rektifikasi citra ke peta,
prinsip rektifikasi citra ke peta bahwa peta
yang digunakan sebagai acuan memiliki
sistem proyeksi dan koordinat yang lebih
dapat dipercaya atau lebih dianggap benar
daripada citra. Peta yang digunakan acuan
untuk koreksi geometrik adalah peta RBI
skala 1: 25.000. Proses koreksi geometrik
dilakukan pada software ENVI dengan cara
registrasi image to map Peta RBI skala 1:
25.000 yang digunakan acuan sudah
dilakukan proses georeference terlebih
dahulu (Wulansari, 2017).
Koreksi geomtrik yang dilakukan
pada penelitian ini menggunakan Ground
Control Point (GCP) sebanyak 30 titik
GCP di Kabupaten Konawe.
Cropping Citra
Pemotongan citra atau cropping
merupakan proses pengolahan citra yang
digunakan untuk memperkecil daerah
pengamatan suatu penelitian. Hal ini
bertujuan untuk memperkecil kapasitas file
yang akan diolah serta mempercepat
proses-proses dalam software pengolahan
yang digunakan bila dibandingkan dengan
mengolah data satu scene penuh.
Simulasi Parameter Segmentasi
Simulasi dilakukan dengan beberapa
nilai parameter skala dan nilai parameter
bentuk yaitu skala 6,8,10,12,14,16,18,20
Oktober --- 63
 (JAGAT) Jurnal Geografi Aplikasi Dan Teknologi
dan bentuk 0.2,0.4,0.6, dan 0.8. Sedangkan
parameter kekompakan menggunakan nilai
default yaitu 0.5 yang kemudian setiap
proses simulasi akan dihitung tingkat
keakuratannya dengan metode matrix
confusi yang harus memenuhi syarat
toleransi atau ketelitian dalam uji akurasi
yaitu 85%.
Interpertasi Citra
Interpertasi pada citra sentinel 2-A
dilakukan pada masing-masing tahapan
simulasi untuk mengklasifikasi kelas objek
tutupan lahan yang ada berdasarkan unsur-
unsur interpertasi citra agar dapat
dilakukan proses uji akurasi untuk melihat
kombinasi nilai parameter yang paling baik
dan memiliki akurasi yang sangat baik.
Klasifikasi Penutup Lahan
Peneliti mengklasifikasikan
penutup lahan dengan 10 tipe kelas
penutup lahan yaitu;
Tabel 1 . Skema Klasifikasi
Penutup/Penggunaan Lahan SNI
7645:2010 pada skala 1:50.000 dengan
Modifikasi
No Kelas Kode
1 Perkebunan KBN
2 Hutan Primer HP
3 Hutan Sekunder HS
4 Sawah SH
5 Lahan Kosong LK
6 Semak Belukar SB
7 Lahan Terbangun LT
8 Tubuh Air TA
9 Tidak TT
Sumber: Terklasifikasi
Standar Nasional Indonesia
7645:2010 dengan modifikasi
Konsep OBIA (Object-Based Image
Analysis)
Secara umum proses klasifikasi
dengan metode klasifikasi berbasis objek
dibagi melalui dua tahapan utama yaitu
segmentasi citra dan klasifikasi tiap
segmen. Klasifikasi berbasis objek ini
harus menggunakan metode segmentasi
yang bertujuan untuk pemisahan antar
objek klasifikasi dengan kondisi dan syarat
tertentu (Marwati dkk, 2018).
64 --- Oktober
ISSN : 2549-9181 | e-ISSN : 2684-6705
| Vol.4 | No.2 | 2020
Uji Akurasi
Pada penelitian ini metode uji
akurasi yang digunakan yaitu confusi
matriks. Rumus yang digunakan untuk
menentukan ketelitian klasifikasi sebagai
berikut.
………………. (1)
Keterangan:
KH : Tingkat ketelitian
JKL : Jumlah sampel
JSL : Jumlah sampel hasil interpretasi
Analisis Data
Analisis data hasil klasifikasi
bertujuan untuk menemukan kombinasi
nilai parameter yang memiliki akurasi
yang baik dan memenuhi syarat toleransi
atau ketelitian dalam uji akurasi. Menurut
Anderson, (1976) dalam Simamora, (2015)
dalam peroses pemetaan klasifikasi /
penutupan lahan nilai akurasi yang dapat
diterima yaitu 85% atau 0,85.
3. HASIL DAN PEMBAHASAN
3.1 Pengaruh Parameter Skala
Terhadap Proses Segmentasi
Parameter yang disimulasikan pada
penelitian ini yaitu parameter skala dan
bentuk, sedangkan parameter kekompakan
menggunakan nilai default dari software.
Parameter skala mempunyai fungsi sebagai
penentu kedetailan proses segmentasi
dalam memisahkan objek, Dengan
memodifikasi parameter skala maka dapat
dibuat ukuran gambar obyek yang beragam
pada citra, Dimana semakin kecil nilai
skala yang digunakan maka semakin detail
proses pemisahan objek. Adapun skala
yang digunakan pada penelitian ini yaitu
skala 6,8,10,12,14,16,18 dan 20.
Berdasarkan hasil simulasi,
parameter skala mempunyai pengaruh
terhadap proses segmentasi dimana
semakin kecil nilai skala yang digunakan
maka jumlah hasil segmentasi akan
semakin banyak dan memerlukan waktu
segmentasi yang lebih lama sedangkan
semakin besar nilai skala yang digunakan
maka jumlah segmentasi semakin sedikit
dan waktu segmentasi yang dibutuhkan
lebih cepat contohnya pada skala 6 yang
merupakan skala paling kecil
 (JAGAT) Jurnal Geografi Aplikasi Dan Teknologi
ISSN : 2549-9181 | e-ISSN : 2684-6705
| Vol.4 | No.2 | 2020
membutuhkan waktu yang lebih lama pada segmentasi yang lebih cepat yaitu 36-38
setiap proses simulasinya yaitu detik. Adapun grafik pengaruh parameter
membutuhkan waktu 52-54 detik skala terhadap waktu segmentasi dapat
sedangkan skala 20 yang merupakan skala dilihat pada Gambar 2.
paling besar membutuhkan waktu

Gambar 2. Pengaruh Parameter Skala Terhadap Waktu Segmentasi

3.2 Pengaruh Parameter Bentuk
Terhadap Proses Segmentasi
Berdasarkan tahap simulasi dengan
menggunakan nilai parameter bentuk yang
ada menunjukan adanya pengaruh
perbedaan waktu yang beragam pada setiap
nilai bentuk contohnya pada skala 6
dengan kombinasi nilai bentuk 0.2 yang
merupakan nilai parameter bentuk terkecil
memerlukan waktu segmentasi yang
relaitif cepat dibandingkan nilai parameter
bentuk yang lainnya yaitu 52 detik
sedangkan kombinasi nilai parameter skala
6 bentuk 0.8 yang merupakan nilai
parameter paling besar memerlukan waktu
segmentasi lebih lama dibandingkan nilai
parameter lainnya yaitu 54 detik sedangkan
pada tahap simulasi lainnya memiliki
waktu yang tidak sama dengan tahap
simulasi kombinasi nilai parameter skala 6
dan kombinasi nilai bentuk yang ada.
Adapun grafik pengaruh parameter skala
terhadap waktu segmentasi dapat dilihat
pada Gambar 3.

Gambar 3. Pengaruh Parameter Bentuk Terhadap Waktu Segmentasi

3.3 Hasil Simulasi Parameter bentuk 0.6 atau simulasi tahapan 3
Segmentasi merupakan kombinasi nilai yang memiliki
Simulas tahap 1 dengan akurasi paling baik dari kombinasi lainnya
menggunakan nilai skala 6 dengan yaitu 86.11 % dari semua simulasi dengan
kombinasi nilai parameter bentuk menggunakan skala 6 dikarenakan
0.2,0.4,0.6 dan 0.8. Hasil uji akurasi kombinasi nilai ini dapat menunjukan
kombinasi nilai parameter skala 6 dan kenampakan objek tutupan lahan pada citra
Oktober --- 65
 (JAGAT) Jurnal Geografi Aplikasi Dan Teknologi
dengan jelas. Sedangkan kombinasi nilai
parameter skala 6 dan bentuk 0.2 atau
simulasi tahapan 1 merupakan kombinasi
nilai yang memiliki akurasi paling rendah
yaitu 77.84% dikarenakan kanampakan
objek tutupan lahan yang dinampakan
kurang jelas
Simulas tahap 2 dengan
menggunakan nilai skala 8. Pada simulasi
ini dengan menggunakan nilai parameter
bentuk yang sama pada tahap 1, dilihat dari
hasil uji akurasi kombinasi nilai parameter
skala 8 dan bentuk 0.6 merupakan
kombinasi nilai yang memiliki akurasi
paling baik dari kombinasi lainnya yaitu
87.32 %. sedangkan kombinasi nilai
parameter skala 8 dan bentuk 0.2
merupakan kombinasi nilai yang memiliki
akurasi paling rendah pada tahap ini yaitu
78.09%.
Simulasi tahap 3 dengan
menggunakan nilai skala 10. Pada simulasi
ini dengan menggunakan nilai parameter
bentuk yang sama pada tahap lainnya.
Hasil uji akurasi kombinasi nilai parameter
skala 10 dan bentuk 0.2 merupakan
kombinasi nilai yang memiliki akurasi
paling baik dari kombinasi lainnya yaitu
87.08 %. Kombinasi nilai parameter skala
10 dan bentuk 0.4 merupakan kombinasi
nilai yang memiliki akurasi paling rendah
pada tahap ini yaitu 85.13%.
Simulas tahap 4 dengan
menggunakan nilai skala 12 dilihat dari
hasil uji akurasi kombinasi nilai parameter
skala 12 dan bentuk 0.4 merupakan
kombinasi nilai yang memiliki akurasi
paling baik dari kombinasi lainnya yaitu
87.08 %. Kombinasi nilai parameter skala
12 dan bentuk 0.8 merupakan kombinasi
nilai yang memiliki akurasi paling rendah
pada tahap ini yaitu 85.48%.
Simulas tahap 5 dengan
menggunakan nilai skala 14 kombinasi
nilai parameter skala 14 dan bentuk 0.8
merupakan kombinasi nilai yang memiliki
akurasi paling rendah pada tahap ini yaitu
84.59%. Hasil uji akurasi kombinasi nilai
parameter skala 14 dan bentuk 0.6
merupakan kombinasi nilai yang memiliki
66 --- Oktober
ISSN : 2549-9181 | e-ISSN : 2684-6705
| Vol.4 | No.2 | 2020
akurasi paling baik dari kombinasi lainnya
yaitu 86.87 %.
Simulas tahap 6 dengan
menggunakan nilai skala 16 hasil uji
akurasi kombinasi nilai parameter skala 16
dan bentuk 0.6 merupakan kombinasi nilai
yang memiliki akurasi paling baik dari
kombinasi lainnya yaitu 89.51 %.
Kombinasi nilai parameter skala 8 dan
bentuk 0.2 merupakan kombinasi nilai
yang memiliki akurasi paling rendah pada
tahap ini yaitu 84.63%
Simulas tahap 7 dengan
menggunakan nilai skala 18 kombinasi
nilai parameter skala 18 dan bentuk 0.8
merupakan kombinasi nilai yang memiliki
akurasi paling rendah pada tahap ini yaitu
85.92%. Hasil uji akurasi kombinasi nilai
parameter skala 18 dan bentuk 0.6
merupakan kombinasi nilai yang memiliki
akurasi paling baik dari kombinasi lainnya
yaitu 88.55%
Simulasi tahap 8 dengan
menggunakan nilai skala 20, hasil uji
akurasi kombinasi nilai parameter skala 20
dan bentuk 0.8 merupakan kombinasi nilai
yang memiliki akurasi paling baik dari
kombinasi lainnya yaitu 92.10 %.
Kombinasi nilai parameter skala 20 dan
bentuk 0.2 merupakan kombinasi nilai
yang memiliki akurasi paling rendah pada
tahap ini yaitu 86.11%.
Berdasarkan hasil simulasi maka
diperoleh kombinasi nilai parameter yang
paling optimal yaitu kombinasi nilai skala
20 dan bentuk 0.8 dengan total akurasi
tutupan lahan mencapai 92.20% (gambar
4) dimana pada tahap ini hasil segmentasi
sudah sangat baik sehingga memudahkan
untuk proses interpretasi citra dan juga
hasil klasifikasi citra sudah bersih dari
poloygon-polygon kecil yang muncul
sehingga akurasinyapun sudah lebih baik.
Kombinasi nilai parameter yang paling
rendah terdapat pada skala 6 dan bentuk
0.2 dengan total akurasi tutupan lahan
yaitu 77.84% (gambar 5) dikarenakan
kanampakan objek tutupan lahan yang
dinampakan kurang jelas. Hasil simulasi
menunjukan semakin besar nilai skala
 (JAGAT) Jurnal Geografi Aplikasi Dan Teknologi
ISSN : 2549-9181 | e-ISSN : 2684-6705
| Vol.4 | No.2 | 2020
yang digunakan maka akurasi yang semakin kecil nilai skala yang digunakan
diperoleh semakin baik sebaliknya maka akurasi yang didapat semakin buruk.

(a) (b)
Gambar 4. Hasil Simulasi (a) Skala 20, Bentuk 0.8, (b) Skala 6, Bentuk 0.2

No Objek Penggunaan Lahan Keterangan Warna

1. Hutan Primer
2. Hutan Sekunder
3. Sawah
4. Lahan Terbangun
5. Kebun Campur
6. Tubuh Air
7. Kebun Sawit
8. Lahan Kosong
9. Tdk Terklasifikasi
10. Semak Belukar
Sumber : Kaidah Pewarnaan Geosiana Desa 2016
Sebaran Penutup Lahan di Kabupaten Pada Kecamatan Pondidaha kebun
Konawe campuran paling mendominasi pada daerah
Sebaran jenis tutupan lahan tersebut dengan luasan yaitu 3.298,60 Ha,
berdasarkan hasil analisis yang diperoleh kemudian tutupan lahan sawah yaitu
dari klasifikasi digital berbasis objek, 2655,96 ha. Sedangkan lahan dengan
dengan kombinasi parameter yang luasan terkecil adalah lahan terbuka yaitu
memiliki nilai akurasi paing baik diperoleh seluas 290,29 ha. Masyarakat Pondidaha
hasil untuk jenis tutupan lahan yang ada di sebagian besar bermata pencaharian
Kecamatan Amonggedo, Kecamatan dengan bertani dan berkebun, oleh sebab
Pondidaha dan Kecamatan Waggeduku itu tutupan lahan pada daerah tersebut
yaitu hutan primer, hutan sekunder, kebun paling mendominasi adalah perkebunan
campur, kebun sawit, tubuh air, semak dan pertanian. Kecamatan Wonggeduku
belukar, lahan terbangun, lahan terbuka tutupan lahan paling mendominasi adalah
dan sawah. Pada kecamatan Amonggedo Persawahan yaitu seluas 7.142,10 Ha dan
masih didominasi jenis tutupan lahan hutan kebun campur yaitu seluas 2108,11 Ha.
primer dengan total luasan yaitu 5.552,2 Sedangkan tutupan lahan dengan luasan
Ha, disusul hutan sekunder seluas 1.059,11 terkecil adalah lahan terbuka 92,03 Ha.
Ha, sedangkan tutupan lahan dengan Sama halnya dengan Kecamatan
luasan terkecil adalah lahan terbuka yaitu Pondidaha, Kemacatan Wonggeduku
seluas 85,99 Ha. sebagian besar masyarakatnya bermata
pencaharian dengan bertani dan berkebun.

Oktober --- 67
 (JAGAT) Jurnal Geografi Aplikasi Dan Teknologi
Gambar 8. Peta Tutupan Lahan Kecamatan Wonggeduku
4. KESIMPULAN
Hasil penelitian ini dapat
disimpulkan beberapa hal yaitu
Kombinasi parameter segmentasi yang
paling optimal pada penelitian ini yaitu
skala 20, bentuk 0.8 dan kekompakan 0.5
dengan total akurasi mencapai 92.10%.
Sebaran tutupan lahan yang ada di
Kecamatan Amonggedo berdasarkan hasil
klasifikasi didominasi oleh hutan primer
dengan total luasan 5.552,2 ha, Untuk
Kecamatan Wonggeduku didominasi oleh
lahan persawahan dengan total luas
7.142,10 ha dan untuk Kecamatan
Pondidaha didominasi oleh tutupan lahan
kebun campuran dengan total luas
3.298,60 ha.
DAFTAR PUSTAKA
Badan Standardisasi Nasional. 2010.
Klasifikasi Penutup Lahan. Juli.
Jakarta: Standar Nasional Indonesia.
Marwati.A., Prasetyo.Y., Suprayogi.A.
2018. Analisis Perbandingan
Klasifikasi Tutupan Lahan
Kombinasi Data Point Cloud Lidar
Dan Foto Udara Berbasis Metode
Segmentasi Dan Supervised (Studi
Kasus : Tanggamus Lampung).
Jurnal Geodesi Undip. Vol.7 No 1.
Noviar. H., Carolita.I., Cahyono.J.S. 2016.
Uji Akurasi Training Sampel
68 --- Oktober
ISSN : 2549-9181 | e-ISSN : 2684-6705
| Vol.4 | No.2 | 2020
Berbasis Objek Citra Landsat Di
Kawasan Hutan Provinsi Kalimantan
Tengah. Jurnal Ilmiah Geomatika,
Peneliti Pusat Pengembangan
Pemanfaatan dan Teknologi
Penginderaan jauh LAPAN. Vol.18
No.2.
Setiani.A., Prasetyo.Y.,Subiyanto.S. 2016.
Optimalisasi Parameter Segmentasi
Berbasis Algoritma Multiresolusi
Untuk Identifikasi Kawasan Industri
Antara Citra Satelit Landsat Dan
Alos Palsar (Studi Kasus :
Kecamatan Tugu Dan Genuk, Kota
Semarang),. Jurnal Geodesi Undip.
Vol.5 No.4.
Simamora. F. B. M., Sasmito. B., Hani’ah.
2015. Kajian Metode Segmentasi
Untuk Identifikasi Tutupan Lahan
Dan Luas Bidang Tanah
Menggunakan Citra Pada Google
Earth (Studi Kasus : Kecamatan
Tembalang, Semarang). Jurnal
Geodesi Undip. Vol. 4 No. 4.
Wulansari. H. 2017. Uji Akurasi
Klasifikasi penggunaan Lahan
Dengan Menggunakan Metode
Defuzzifikasi Maximum
Likelihood Berbasis Citra Alos
Avnir-2, Bhumi. Vol.3 No.1.