LAPORAN PRAKTIKUM SISTEM INFORMASI GEOGRAFIS

Modul Ke-9

KLASIFIKASI CITRA

Disusun Oleh :

Nama : DesvitaFitriaNingsih

NIM : 119420005

PROGRAM STUDI REKAYASA KEHUTANAN

JURUSAN TEKNIK PROSES DAN HAYATI
INSTITUT TEKNOLOGI SUMATERA
2021

I
 DAFTAR ISI

DAFTAR ISI ........................................................................................................... I

DAFTAR GAMBAR .............................................................................................. II
BAB I ....................................................................................................................... 1
PENDAHULUAN ................................................................................................... 1
1.1 Latar Belakang .......................................................................................... 1
1.2 Tujuan Praktikum ..................................................................................... 2
1.3 Waktu Praktikum ...................................................................................... 2
1.4 Alat dan bahan........................................................................................... 2
BAB II ...................................................................................................................... 3
LANGKAH KERJA ............................................................................................... 3
BAB III ................................................................................................................... 13
3.1 Hasil ...................................................................................................... 13
3.2 Pembahasan ......................................................................................... 13
BAB IV ................................................................................................................... 15
PENUTUP .............................................................................................................. 15
4.1 Kesimpulan .......................................................................................... 16
4.2 Saran ..................................................................................................... 16
DAFTAR PUSTAKA ............................................................................................ 17

I
 DAFTAR GAMBAR

Gambar 1 ................................................................................................................ 3
Gambar2 ................................................................................................................. 3
Gambar 3 ................................................................................................................ 4
Gambar 4 ................................................................................................................ 4
Gambar 5 ................................................................................................................ 5
Gambar 6 ................................................................................................................ 5
Gambar 7 ................................................................................................................ 6
Gambar 8 ................................................................................................................ 6
Gambar 9 ................................................................................................................ 7
Gambar 10 .............................................................................................................. 7
Gambar 11 .............................................................................................................. 8
Gambar 12 .............................................................................................................. 8
Gambar 13 .............................................................................................................. 9
Gambar 14 .............................................................................................................. 9
Gambar 15 ............................................................................................................ 10
Gambar 16 ............................................................................................................ 10
Gambar 17 ............................................................................................................ 11
Gambar 18 ............................................................................................................ 11
Gambar 19 ............................................................................................................ 12
Gambar 20 .......................................................................................................... 12
Gambar 21 ............................................................................................................ 13
Gambar 22 ............................................................................................................ 13

I
 BAB 1
PENDAHULUAN

1.1 Latar Belakang

Klasifikasi data adalah suatu proses dimana semua pixel dari suatu citra yang
mempunyai penampakan spektral yang sama akan diidentifikasikan. Penafsiran citra
visual dapat didefiniskan sebagai aktivitas visual untuk mengkaji citra yang
menunjukkan gambaran muka bumi yang tergambar di dalam citra tersebut untuk
tujuan identifikasi obyek dan menilai maknanya ( Howard, 1991 ). Penafsiran citra
merupakan kegiatan yang didasarkan pada deteksi dan identifikasi obyek dipermukaan
bumi pada citra satelit Landsat 8. Dengan mengenali obyek-obyek tersebut melalui
unsur-unsur utama spektral dan spasial serta kondisi temporalnya. Teknik penafsiran
citra penginderaan jauh diciptakan agar penafsir dapat melakukan pekerjaan penafsiran
citra secara mudah dengan mendapatkan hasil penafsiran pada tingkat keakuratan dan
kelengkapan yang baik. Menurut Sutanto, teknik penafsiran citra penginderaan jauh
dilakukan menggunakan komponen penafsiran yang meliputi: data acuan, kunci
interpretasi citra atau unsur diagnostic citra, metode pengkajian dan penerapan konsep
multi spektral.
Aktifitas klasifikasi dan analisa citra dilakukan untuk mengidentifikasikasi
secara digital dan mengklasifikasikan piksel dalam data. Klasifikasi biasanya dilakukan
pada dataset multi-saluran dan proses ini menandai masing-masing piksel dalam citra
menjadi kelas-kelas didasarkan pada karakteristik statistic dari nilai kecerahan piksel
(Lillesand dan Kiefer 1986). Klasifikasi secara digital merupakan proses
pengelompokan piksel-piksel ke dalam kelas-kelas atau kategori-kategori yang telah
ditentukan berdasarkan nilai kecerahan (digital number/DN) piksel yang bersangkutan.
Klasifikasi bisa dilakukan secara kuantitatif maupun dengan menggunakan metode
klasifikasi tidak terbimbing dan klasifikasi terbimbing (Jaya,2002).

I
1.2 Tujuan Praktikum
Mahasiswa memahami konsep dan metode dalam klasifikasi citra dan penilaian
akurasi.

1.3 Waktu Praktikum

Praktikum ini dilaksanakan secara online pada 1 November 2021.
1.4 Alat dan Bahan
Alat dan bahan yang digunakan pada praktikum kali ini yaitu :
 Laptop
 Aplikasi ArcGIS 10.8
 Aplikasi Google Earth

I
 BAB II
LANGKAH KERJA
Langkah – langkah dalam melakukan pengenalan citra dan preprocessing
sederhana kali ini sebagai berikut:

Gambar 1.Aktifkan tools Image classification

I
 Gambar 2. Buka customize kemudian klik extensions

Gambar 3.Ceklis semua yang ada di extensions tersebut

Gambar 4. Pada praktikum kali ini menggunakan kawasan perairan, lahan

terbangun, dan vegetasi. Mentukan kawasan tersebut menyesuaikna dengan band yang
sudah ditentukan

I
 Gambar 5.Untuk kawasan perairan menggunakan band 564

Gambar 6. Selanjutnya dilakukan klasifikasi terbimbing dan tidak terbimbing.

Untuk klasifikaasi terbimbing menentukan suatu kawasan tidak automatis sedangkan
untuk tidak terbimbing melakukan klasifikasinya secara automatis.seperti gambar
diatas

I
Gambar 7.Klik Training Sample Manager, Maka tampilan akan seperti diatas

Gambar 8.Selanjutnya Klik Draw Polygon,lalu lakukan Digitasi Perairan

I
 Gambar 9.Mulailah lakukan digitasi daerah perairan

Gambar 10.Pilih semua hasil digitasi perairan kemudian pilih merge training sample

I
 Gambar 11.Ganti class name menjadi “Perairan”

Gambar 12.Selanjutnya melakukan digitasi untuk kawasan terbangun dengan

menggunakan band 764

Gambar 13.Pilih semua yang sudah dilakukan digitasi kemudian lakukan merge untuk
kawasan Terbangun

I
 Gambar 14 .Pilih semua hasil digitasi kawasan lahan vegetasi

Gambar 15.Kemudian lakukan merge training samples Kembali

I
 Gambar 16. Jika Sudah Melakukan Merge Training Sample Pada ketiganya yaitu
Perairan,Lahan Terbangun,Vegetasi,maka didapatkan hasil seperti diatas

Gambar 17.Selanjutnya klik create signature file, kemudian save pada file yang sudah

disiapakan

I
 Gambar 18.Klik Maximum Likelihood Classfication

Gambar 19.Input Data Signature FIle yang sudah di save ,lalu klik ok,maka tampilan akan
seperti diatas

I
Gambar 20.Ganti nama dan warna menyesuaikan klasifikasinya dengan cara klik pada
band MLclass_afr1

Gambar 21.Maka didapatkan Hasil Klasifikasi terbimbing diatas

I
 BAB III

HASIL DAN PEMBAHASAN

3.1 Hasil
Hasil yang diperoleh dari kelompok kami sebagai berikut :

Gambar 32 .Hasil klasifikasi citra

3.2 Pembahasan
Dalam praktikum kali ini praktikan melakukan proses klasifikasi citra.
Klasifikasi citra biasanya dilakukan menggunakan dua metode yaitu klasifikasi
termbimbing dan klasifikasi tidak terbimbing. Klasifikasi tak terbimbing memiliki
kelemahan yaitu pencirian spectral selalu berubah sepanjang waktu,yang menyebabkan
hubungan antar respon spektral dengan kelas informasi menjadi tidak konstan,oleh
karena itu pengetahuan tentang spectral permukaan harus lebih dipahami. Berbeda
dengan klasifikasi terbimbing yang pencirian spektralnya tidak akan berubah karena
adanya pemberian sampel dalam menghasilkan kelas informasi yang mana sampel
tersebut ditentukan terlebih dahulu oleh produsen. Klasifikasi terbimbing sendiri
terbagi menjadi beraneka ragam. Salah satu pendekatan yang paling sering digunakan

I
adalah klasifikasi maximum likeliholid classification, meskipun ada beberapa
kelemahan dari pendekatan ini salah satunya yaitu banyaknya kesalahan klasifikasi
yang ditimbulkan oleh salt dan paper, terutama jika piksel berada diluar area spesifik
atau diantara area yang tumpang tindih, yang dipaksakan untuk diklasifikasikan (Rusdi,
2005).
Citra Landsat 8 diketahui memiliki 11 band. Diantaranya band Visible, Near
Infrared (NIR), Short Wave Infrared (SWIR), Panchromatic dan Thermal. Band
1,2,3,4,5,6,7 dan 9 mempunyai resolusi spasial 30 meter, band 8 mempunyai resolusi
spasial 15 meter, sementara band 10 dan 11 resolusi spasialnya 100 meter.
Dari masing-masing band memiliki kegunaan tersendiri. Untuk melakukan analisis dari
Citra Landsat tersebut, diperlukan kombinasi band untuk mendapatkan tampilan Citra
sesuai dengan tema atau tujuan dari analisis. Detail kegunaan masing-masing band
adalah sebagai berikut:

Gambar 22. Kegunaan band landsat 8

I
 BAB IV
PENUTUP
4.1 Kesimpulan
Dari praktikum kali ini dapat disimpulkan bahwa pada Penafsiran citra
merupakan kegiatan yang didasarkan pada deteksi dan identifikasi obyek dipermukaan
bumi pada citra satelit Landsat 8. Dengan mengenali obyek-obyek tersebut melalui
unsur-unsur utama spektral dan spasial serta kondisi temporalnya. Teknik penafsiran
citra penginderaan jauh diciptakan agar penafsir dapat melakukan pekerjaan penafsiran
citra secara mudah dengan mendapatkan hasil penafsiran pada tingkat keakuratan dan
kelengkapan yang baik. Klasifikasi citra biasanya dilakukan menggunakan dua metode
yaitu klasifikasi termbimbing dan klasifikasi tidak terbimbing.
1.2 Saran
Dalam praktikum ini seluruh praktikan diharapkan dapat focus dan teliti dalam
memasukkan data pada saat proses klasifikasi citra karena jika terdapat kesalahan
sedikit dapat mempengaruhi seluruh data.

I
 DAFTAR PUSTAKA

Jaya INS. 2002. Penginderaan Jauh Satelit untuk Kehutanan. Laboratorium

Inventarisasi Hutan, Jurusan Manajemen Hutan, Fakultas Kehutanan IPB.

Lillesand and Kiefer. 1986. Remote Sensing And Image Interpretation. New York(US)
: John Wiley & Son.

Rusdi M. 2005. Perbandingan Klasifikasi Maximum Likehood dan Object Oriented

pada Pemetaan Penutupan Lahan (studi kasus kabupaten Gayo Lucs NAD, HTI PT.
Wirakarya Sakti Jambi dan Taman Nasional Lore Lindu Sulawesi Tengah). Bogor (ID)
: Sekolah Pascasarjana, Institut Pertanian Bogor.