Originality Assessment
v 8.0.6 - WML 3
FILE - JURNAL HUTAN _TEMPLATE FIX.DOCX
11 Jurnal Geocelebes Vol. X No. X, Oktober 20XX, xxx - xxx
1Jurusan Teknik Geodesi dan Geomatika, Fakultas Teknik, Universitas Lampung, Bandar
2 Jurusan Teknik Geodesi dan Geomatika, Fakultas Teknik, Universitas Lampung, Bandar
Abstrak
Hutan adalah ekosistem yang luas banyak ditemukan dibeberapa wilayah Indonesia,
Pemetaan dan pemantauan hutan perlu dilakukan mengetahui sejauh mana persebaran
kawasan hutan, saat ini teknologi penginderaan jauh menjadi solusi untuk mengahasilkan
data kawasan hutan dan non hutan umumnya dilakukan menggunakan pendekatan
penginderaan jauh satelit optik dan satelit radar. Metode yang digunakan untuk pemetaan
hutan menggunakan metode NDVI untuk sensor pasif dan metode klasifikasi wishart untuk
sensor aktif. Hasil dari penelitian ini menunjukan bahwa perbandingan luas citra dengan
metode NDVI mempunyai selisih -38587,526 Ha pada kelas hutan dan 14403,160 Ha
kelas non hutan, sedangkan untuk selisih luasan dari hasil klasifikasi wishart yaitu
-35619,920 Ha 9 kelas hutan, dan 171.142 Ha pada kelas non hutan. Hasil perubahan
luasan dari kedua metode tersebut menunjukan bahwa penggunaan citra hasil klasifikasi
wishart lebih signifikan mendekati nilai luasan lahan dengan Peta Tutupan Lahan dari
Abstract
Forests are extensive ecosystems found in many parts of Indonesia. Mapping and
monitoring of forests needs to be done to find out the extent of the distribution of forest
areas, currently remote sensing technology is a solution to produce data on forest and non-
forest areas. Generally, this is done using optical satellite remote sensing and radar
satellite approaches. . The method used for forest mapping uses 1 the NDVI method for
passive sensors and the wishart classification method for active sensors. The results of
this study indicate that the comparison of the area of the image with the NDVI method has
a difference of -38587,526 Ha in the forest class and 14403,160 Ha in the non-forest class,
while the difference in area from the wishart classification results is -35619.920 Ha in the
forest class, and 171,142. Ha in the non-forest class. 1 The results of the changes in the
area of the two methods show that the use of the wishart classification image is
significantly approaching land area values with Land Cover Maps from BPKH South
Keywords:Forest,NDVI,WishartClassification
Pendahuluan
Hutan adalah ekosistem yang luas banyak ditemukan dibeberapa wilayah Indonesia,
Hutan menjadi media hubungan timbal balik antara manusia dan makhluk hidup lainnya
dengan faktor-faktor alam yang terdiri dari proses ekologi dan merupakan suatu kesatuan
Hutan memegang peranan penting dalam kehidupan masyarakat. Salah satunya adalah
ekonomi masyarakat direalisasikan dalam bentuk antara lain hutan kemasyarakatan, hutan
yang paling dibutuhkan oleh masyarakat artinya segala sesuatu yang berkaitan dengan
bagian dari pengusahaan hutan untuk proses pemanfataan fungsi lahan misalanya
teknologi penginderaan jauh menjadi solusi untuk mengahasilkan data kawasan hutan dan
non hutan umumnya dilakukan menggunakan pendekatan penginderaan jauh satelit optik
dan satelit radar. Teknologi penginderaan jauh merupakan suatu pengukuran dan
Disisi lain Lilesand et al (2004) berpendapat bahwa penginderaan jauh suatu ilmu yang
bersentuhan langsung dengan objek yang direkam atau feonemena yang dikaji. sumber
energi penginderaan 24 jauh terbagi menjadi 2 yaitu sistem perekaman pasif dan aktif.
Penginderaan jauh dengan perekaman pasif didasarkan pada energi 21 yang berasal dari
objek ada intervensi dari sumber lain yaitu matahari untuk sumber pantulan sedangkan
penginderaan jauh dengan perekaman aktif didasarkan energi yang berasal dari sensor
ada intervensi sumber seperti sensor, pada sistem aktif tidak tergantung pada 1 sinar
matahari dan perekaman data dapat dilakukan tanpa ketergantungan waktu (Avery, 1985).
Pemetaan hutan dan non hutan dapat menggunakan sumber data dari teknologi
penginderaan jauh sistem aktif dan sistem pasif, dengan menggunakan rumus perhitungan
indeks vegetasi dan klasifikasi tutupan lahan menggunakan metode polarimetrik klasifikasi
wishart untuk mengetahui perbedaan antara kelas hutan dan non hutan. Sehingga dapat
mengetahui sejauh mana performa teknologi penginderaan jauh sistem aktif dan pasif
dalam pemetaan hutan. Sebagai salah satu solusi untuk pemantauan berkelanjutan terkait
hutan.
Tinjauan Pustaka
1. Penginderaan Jauh
Peginderaan jauh ialah suatu teknologi untuk menganalisis permukaan bumi dari jarak
jauh, dengan perekaman yang dilakukan di udara ataupun di angkasa dengan memakai
alat (sensor) dan wahana (Yusuf dan Rijal, 2011). Penginderaan jauh berasal dari kata
“remote sensing” yang artinya teknik atau cara 15 untuk mendapatkan informasi,
adanya kontak langsung dengan obyek-obyek tersebut, di mana informasi yang diperoleh
berupa radiasi gelombang elektromagnetik yang datang dari suatu obyek yang diterima
oleh sensor (Lillesand and Kiefer, 1990). Sensor dapat berupa kamera atau peralatan lain
radiometer yang ditempatkan pada suatu wahana angkasa, seperti kapal, pelampung,
balon, pesawat udara atau satelit. 5 Secara umum penginderaan jauh menunjukkan
aktivitas perekaman, pengamatan, dan penangkapan fenomena obyek atau peristiwa dari
jarak tertentu. Dalam penginderaan jauh, sensor tidak langsung kontak dengan obyek
yang diamati. Informasi tersebut membutuhkan alat penghantar secara fisik untuk
perjalanan dari obyek ke sensor melalui medium (satelit dan pesawat ruang angkasa).
2. Landsat 8
Landsat 8 merupakan kelanjutan dari misi Landsat yang untuk pertama kali menjadi
satelit pengamat bumi sejak 1972 (Landsat 1). 2 Landsat 1 yang awalnya bernama Earth
Resources Technology Satellite 1 diluncurkan 23 Juli 1972 dan mulai beroperasi sampai 6
beroperasi sampai 22 Januari 1981. Landsat 3 diluncurkan 5 Maret 1978 berakhir 31 Maret
Maret 1984 masih berfungsi sampai dengan saat ini namun mengalami gangguan berat
sejak November 2011, akibat gangguan ini, pada tanggal 26 Desember 2012, USGS
pendahulunya, Landsat 6 yang telah diluncurkan 5 Oktober 1993 gagal mencapai orbit.
Sementara Landsat 7 yang diluncurkan April 15 Desember 1999, masih berfungsi walau
Pada dasarnya citra merupakan suatu gambaran objek 5 dari permukaan bumi sebagai
bentuk hasil rekaman dari sensor seperti optik sampai elektromagnetik. Proses interpretasi
citra diperlukan dalam pemanfaatan karena hasil interpretasi itu dapat digunakan untuk
proses 1 analisis lebih lanjut pada masalah tertentu. Bentuk representasi objek
dengan bermacam-macam jenis panjang gelombang dipasang pada wahana satelit ruang
angkasa merupakan definisi citra satelit (Iskandar dkk., 2016). Satelit Sentinel 1 bekerja
pada frekuensi C-Band pada panjang gelombang 5.4 cm, Right Sight yang memiliki
kemampuan polarisasi tunggal dan polarisasi ganda dan juga memiliki empat mode
observasi yaitu: Wave Mode: resolusi 5 meter, area cakupan 20 6 x 20 km, Extra Width
Swath: resolusi 20 meter, area cakupan 400 x 400 km, Interferometric Wide Swath:
resolusi 20 meter, area cakupan 250 x 250 km. Sentinel-1 merupakan misi pencitraan
radar menyediakan kontinyu semua cuaca. Sentinel-1 mendistribusi keandalan yang tinggi,
meningkatkan waktu kunjungan ulang, 19 cakupan geografis dan penyebaran data yang
cepat untuk memberikan aplikasi operasional dalam bidang prioritas pemantauan laut,
pemantauan tanah dan layanan darurat. Citra Sentinel-1A digunakan 29 pada penelitian
4. Hutan
Hutan merupakan suatu kumpulan yang berisi lahan yang didominasi kumpulan dalam
persekutuan alam lingkungannya, yang satu dengan yang lainnya tidak dapat dipisahkan
(UU 41/1999). Definisi 14 lain Hutan merupakan suatu wilayah yang luasnya minimal 0,5
ha dan ditumbuhi oleh pepohonan dengan persentasi penutupan tajuk minimal 10% (FAO,
2000 di dalam Pungky Widiaryanto, 2020). Menurut Permenhut, (88/2003) 25 Hutan
adalah suatu kumpulan bidang-bidang lahan yang ditumbuhi vegetasi. 16 Hutan rakyat
adalah hutan yang dibuat oleh rakyat dan dijaga serta dikelola oleh rakyat dengan luas
wilayah atau lahan paling sedikit 0,25 ha, tutupan vegetasi tanaman kayu dan tutupan
5. NDVI
Kerapatan vegetasi adalah satu aspek yang mempengaruhi karakteristik vegetasi dalam
Difference Vegetation Index (NDVI) merupakan indeks rasio yang paling umum digunakan
untuk vegetasi. Prinsip perhitungan NDVI didasarkan pada tanaman hijau karena tanaman
hijau dalam menyerap radiasi di daerah spectrum cahaya tampak sangat efektif. tanaman
hijau memantulkan radiasi inframerah dekat NDVI dapat dihitung untuk setiap citra yang
memiliki band merah dan band inframerah dekat.Hasil hasil kombinasi antara band merah
dan infa-merah menghasilkan perbedaan yang maksimum antara vegetasi dan tanah. 22
Nilai NDVI mempunyai rentang antara -1 (minus) hingga 1 (positif). Rentang nilai antara -1
hingga +1 hasil dari transformasi NDVI ini mempunyai presentasi yang berbeda pada
penggunaan lahannya. 12 Semakin besar nilai NDVI maka kerapatannya semakin tinggi,
dan sebaliknya semakin rendah nilainya maka diasumsikan bahwa areal tersebut
merupakan tubuh air. 10 Konsep pola spektral didasarkan oleh prinsip ini menggunakan
NDVI = ................................(1)
Dimana :
6. Klasifikasi Wishart
Klasifikasi polarimetrik adalah suatu bagian proses klasifikasi objek dibumi 24 yang
didasarkan pada suatu karakteristik sifat fisik objek atau mekanisme hamburan. 4
Pemahaman tentang suatu aplikasi berawal dari adanya klasifikasi supervised dan
Klasifikasi Wishart tak terbimbing ini nantinya akan dihasilkan berdasarkan dari nilai
7. Uji Klasifikasi
Uji ketelitian 27 klasifikasi merupakan salah satu teknik yang digunakan untuk melakukan
menggunakan beberapa tes sampel data dari masing-masing kelas yang menjadi sasaran
klasifikasi. Ada beberapa teknik yang 28 dapat digunakan untuk melakukan pengujian
antara lain digitasi, survei lapangan atau berdasarkan interpretasi citra satelit yang
Metode Penelitian
Adapun 1 alat dan bahan yang digunakan pada penelitian ini untuk perangkat keras
(hardware) yaitu laptop Asus Core i7, Perangkat lunak (software) yaitu Envi 5.3, ArcGis 9.3
1. Pengumpulan Data
Adapun sumber data yang digunakan dalam kegiatan penelitian ini yaitu berupa Data
spasial batas administrasi provinsi Sumatera Selatan yang diperoleh dari inageoportal,
Provinsi Sumatera Selatan Tahun 2015 dari BPKH Provinsi Sumatera Selatan.
2. Pengolahan Data
b. Proses klasifikasi pada 1 citra landsat 8 dan sentinel 1A menggunakan metode yang
berbeda dimana untuk citra landsat 8 menggunakan metode NDVI dimana band merah
dan band NIR (Near-Infrared Radiation) yang digunakan untuk deteksi kehijauan (vegetasi)
yang digunakan :
a) Classification : metode klasifikasi, dipilih klasifikasi H Alpha Wishart Dual Pol untuk
b) Window Size: dimensi jendela geser untuk menghitung kovariansi rata-rata atau matriks
koherensi.
3. Uji Klasifikasi
menggunakan beberapa tes sampel data dari masing-masing kelas yang menjadi sasaran
landsat 8 OLI/TIRS Tahun 2015. Citra tersebut dilakukan proses 7 klasifikasi hutan dan
non hutan, serta didapatkan hasil 5 kelas berdasarkan rentang nilai NDVI. Untuk kelas 1
nilai yang diperoleh sebesar -0,19 – 0,09 merupakan permukiman, kelas 2 sebesar
0,09-0,18 merupakan lahan terbuka, kelas 3 sebesar 0,18 – 0,27 merupakan lahan
perkebunan, kelas 4 merupakan hutan sekunder dengan nilai sebesar 0,27 – 0,36 dan
kelas 5 14 yaitu hutan primer dengan nilai 0,36 – 0,59 nilai yang besar mengindikasikan
vegetasi yang lebat. masing-masing kelas menunjukan hasil yang berbeda lalu
dibandingkan hasil luasannya dengan peta tutupan lahan dari BPKH Provinsi Sumatera
Selatan.
Hasil dari pengolahan dengan metode klasifikasi wishart yaitu diperoleh beberapa kelas
yaitu 9 zona yang mana klasifikasi ini dilakukan dengan mengulang pixel berdasarkan
jarak parameter entrophy dan alpha angle. Berikut hasil klasifikasi wishart untuk kawasan
Adapun kategori pembagian zona yang dihasilkan dari klasifikasi unsupervised wishart
classification sebagai berikut:
a. Zona 1 nilai H sebesar 0,9 – 1 dan nilai Alpha Angle sebesar 55-90 dikategorikan
masuk ke dalam Entropy tinggi multiple scattering didefinisikan sebagai hutan lebat.
b. Zona 2 H sebesar 0,9-1 dan nilai Alpha Angle sebesar 40-45 dikategorikan sebagai
Entropy tinggi vegetation scattering terdapat hamburan acak yang beragam didefinisikan
c. Zona 3 nilai H sebesar 0,9 – 1 dan nilai Alpha Angle sebesar 0 – 45 tergolong Entropy
tinggi Surface scattering. Zona ini dikategorikan sebagai zona yang memiliki tingkat
kesulitan untuk identifikasi scatternya pada zona ini merupakan zona yang tidak terdefinisi.
d. Zona 4 nilai H sebesar 0,5 – 0,9 dan nilai alpha angle sebesar 50 – 90 dikategorikan
Entropy menengah multiple scattering. 23 Pada zona ini terdapat hamburan acak
menengah tidak tinggi dan tidak juga rendah dan memiliki mekanisme dihedral scattering
e. Zona 5 H sebesar 0,5 – 0,9 dan nilai alpha angle sebesar 40-50 mekanisme hamburan
pada zona ini bersifat dipole scaterring dikategorikan sebagai Entropy menengah volume
scattering. Zona ini diidentifikasikan sebagai zona vegetasi rendah yang sangat rapat dan
f. Zona 6 nilai H 0,5 – 0,9 dan nilai alpha angle sebesar 0-40 terdapat mekanisme surface
scattering. Zona ini di identifikasikan sebagai zona vegetasi rendah namun tidak culup
rapat dan 6 dalam penelitian ini didefinisikan sebagai kawasan perkebunan jarang.
g. Zona 7 nilai H sebesar 0-0,5 dan nilai alpha angle sebesar 47,5-90 dikategorikan
sebagai Entropy rendah multiple scattering, zona ini diidentifikasi sebagai vegetasi rendah
h. Zona 8 nilai H sebesar 0-0,5 dan nilai alpha angle 42.5 – 47.5 dikategorikan sebagai
entropy rendah volume scattering yang menunjukan terjadinya hamburan dari vegetasi
yang kuat dan rendah saling berkolaborasi, 23 pada zona ini didefiniskan sebagai sawah .
i. Zona 9 nilai H sebesar 0-0,5 dan nilai alpha angle 0 – 42,5. Dikategorikan sebagai
7 Hasil klasifikasi hutan dan non hutan dari kedua citra satelit yaitu citra Landsat 8
OLI/TIRS dan citra sentinel 1A, selanjutnya akan dibandingkan luasannya dari kedua hasil
klasifikasi citra tersebut dengan data peta tutupan lahan dari BPKH Provinsi Sumatera
sentinel
No
Kelas
Hutan
455.147,488
493.906,156
493.735,014
Non- Hutan
4.054.581,177
4.004.558,097
4.040.178,017
Jumlah Total
4.509.728,665
4.498.464,253
4.533.913,031
Dari hasil tabel diatas diketahui perbandingan dari luas hasil klasifikasi citra landsat 8
OLI/TIRS dengan menggunakan metode NDVI diperoleh luas hutan sebesar 455.147,488
klasifikasi dari citra sentinel 1A metode polarimetrik untuk luas hutan sebesar 493.906,156
Ha, dan non hutan sebesar 4.004.558,097 Ha. dari kedua hasil luasan diatas jika
dibandingkan dengan luas hutan dan non hutan pada peta tutupan lahan , untuk hasil
klasifikasi citra dari citra landsat 8 OLI/TIRS metode NDVI terdapat selisih yang cukup
signifikan hutan dan non-hutan sebesar 24184,366 Ha dibandingkan dengan peta tutupan
lahan dari BPKH Provinsi Sumatera Selatan dikarenakan beberapa faktor yang
menyebabkan luasannya mempunyai selisih yang besar yaitu adanya tutupan awan di
beberapa bagian 1 citra satelit landsat 8 OLI/TIRS. Pada hasil luasan citra sentinel 1A
metode polarietrik terdapat perbedaan luas 7 hutan dan non hutan dengan peta tutupan
lahan yaitu untuk kelas hutan sebesar 35448,778 Ha. hal ini dikarenakan kesalahan pada
dilakukan menggunakan training sample beberapa kelas yaitu 9 kelas, kesalahan terjadi
pada saat pengelompokan kelas oleh perangkat lunak yaitu nilai piksel yang digunakan
Kesimpulan
1. Kesimpulan
Kesimpulan dari penelitian ini bahwa hasil luasan kelas hutan dari klasifikasi 1 citra
Ha dan hasil luasan dari klasifikasi citra sentinel 1A untuk kelas hutan sebesar
493.906,156 Ha dan non-hutan sebesar 4.004.558,097 Ha dan untuk luasan dari peta
tutupan lahan yang diperoleh dari BPKH Provinsi Sumatera Selatan diperoleh hasil
sebesar 21 pada kelas hutan 493.735,014 Ha dan 4.040.178,017 Ha kelas non hutan.
Hasil perbandingan luas dari 9 citra Landsat 8 OLI/TIRS dengan metode NDVI
mempunyai selisih -38587,526 Ha pada kelas hutan dan 14403,160 Ha kelas non hutan,
sedangkan untuk selisih luasan dari hasil klasifikasi citra sentinel 1A yaitu 171.142 Ha
pada kelas non hutan, dan -35619,920 Ha kelas non hutan. Hasil perubahan luasan dari
kedua citra tersebut menunjukan hasilnya lebih signifikan mendekati dengan peta tutupan
lahan dari BPKH yaitu hasil citra klasifikasi wishart sentinel 1A.
2. Saran
Sebaiknya 1 data yang digunakan untuk pemetaan hutan menggunakan citra yang
beresolusi tinggi dan tidak adanya tutupan awan sehingga proses klasifikasi citra tidak
Daftar Pustaka
Avery, T., Berlin, G., 1985. 26 Fundamentals of Remote Sensing and Air – photo
Avery, T.E. 1985. Interpretation of Aerial Photographs. Graydon Lennis Berlin, Germany
Campbell, J.B. 2013. Landsat 8 Set to Extend Long Run of Observing Earth. Diakses pada
FAO. 1996. Survey of Tropical Forest Cover and Study of Change Procesess. 17
Huete, A., Didan, K., Leeuwen, W., Miura, T. & Glenn, E. 2011. MODIS Vegetation Indices
Land Remote Sensing and Global Environmental Change. In: Ramachandran, B., Justice,
C. O.
Iskandar, F., Awaluddin, M., & Yuwono, B. 2016. 20 Analisis Kesesuaian Penggunaan
Lillesand dan Kiefer. 1990. 6 Penginderaan Jauh dan Interpretasi Citra. Yogyakarta:
Lillesand, T.M., Kiefer, R.W. and Chipman, J.W. 2004. Remote Sensing and Image
Yusuf, Daud., Rijal, Ahmad Syamsu., 2011. Penginderaan Jauh. Buku Ajar Program Studi
Batas Minimal Kawasan Hutan 30 Persen. Gema Publica; Jurnal Manajemen dan
DOI: 10.20956/geocelebes.vxix.xxxx
DOI: 10.20956/geocelebes.vxix.xxxx
DOI: 10.20956/geocelebes.vxix.xxxx
© 20xx Dept. of Geophysics Hasanuddin University
DOI: 10.20956/geocelebes.vxix.xxxx
DOI: 10.20956/geocelebes.vxix.xxxx
DOI: 10.20956/geocelebes.vxix.xxxx
3
Sources
https://www.researchgate.net/publication/359505295_Pemanfaatan_Citra_Landsat_Menggunakan_Teknik_NDVI_
1 untuk_Analisis_Kerapatan_Vegetasi_di_Kota_Kediri_Jawa_Timur
INTERNET
4%
http://www.guntara.com/2016/10/sejarah-satelit-penginderaan-jauh.html
2 INTERNET
2%
http://repository.lppm.unila.ac.id/22373/1/ArnasHardianto_AnnisaYuliaElvarani_PegitaUrmalaDewi_Penentuan
3 Posisi Hiposenter Gempa Padang Tahun 2009_Jurnal Geocelebes - Arnas Hardianto.pdf
INTERNET
2%
http://download.garuda.kemdikbud.go.id/article.php?article=1036140&val=12729&title=EKSTRAKSI CITRA
4 SENTINEL 1A DENGAN METODE POLARIMETRIK UNTUK PEMETAAN HUTAN DI PROVINSI SUMATERA SELATAN
INTERNET
2%
https://petadigital.blogspot.com/2011/06/penginderaan-jauh-satelit.html
5 INTERNET
1%
https://www.researchgate.net/publication/351311560_DETEKSI_PERUBAHAN_GARIS_PANTAI_MENGGUNAKAN_
6 CITRA_SATELIT_SENTINEL-1_Studi_Kasus_Pesisir_Kabupaten_Lampung_Selatan
INTERNET
1%
http://etd.repository.ugm.ac.id/penelitian/detail/100186
7 INTERNET
1%
https://www.academia.edu/5683069/Analisa_Tutupan_Lahan_menggunakan_Klasifikasi_Supervised_dan_Unsuper
8 vised
INTERNET
1%
https://core.ac.uk/download/pdf/198110905.pdf
9 INTERNET
1%
http://eprints.itenas.ac.id/1383/5/05 Bab 2 232018074.pdf
10 INTERNET
1%
http://repository.lppm.unila.ac.id/32100/1/Jurnal_UNHAS_Geocelebes.pdf
11 INTERNET
1%
https://text-id.123dok.com/document/myjo9gnmz-uji-akurasi-hasil-klasifikasi-pembuatan-peta-ndvi-
12 normalized-difference-vegetation-index.html
INTERNET
1%
https://blog.unnes.ac.id/masriki/2015/11/09/penebangan-liar-dan-akibatnya-serta-dampak-terhadap-
perubahan-perilaku-masyarakat/#:~:text=Peranan hutan dalam rangka peningkatan ekonomi masyarakat
13 direalisasikan,dengan fungsinya dan menitik beratkan kepentingan mensejahterakan masyarakat.
INTERNET
1%
https://rimbakita.com/hutan/
14 INTERNET
1%
https://artikelsiana.com/Pengertian-penginderaan-jauh-komponen-jenis-fungsi-manfaatnya/
15 INTERNET
<1%
https://haloedukasi.com/hutan-rakyat
16 INTERNET
<1%
https://www.fao.org/3/w0015e/W0015E00.htm
17 INTERNET
<1%
https://text-id.123dok.com/document/8ydjmo8ly-interpretasi-citra-penginderaan-jauh-kerapatan-vegetasi.html
18 INTERNET
<1%
http://eprints.itenas.ac.id/1380/5/05 Bab 2 232016056.pdf
19 INTERNET
<1%
http://download.garuda.kemdikbud.go.id/article.php?article=1414086&val=4685&title=ANALISIS KESESUAIAN
PENGGUNAAN LAHAN TERHADAP RENCANA TATA RUANGWILAYAH DI KECAMATAN KUTOARJO
20 MENGGUNAKAN SISTEM INFORMASI GEOGRAFIS
INTERNET
<1%
https://text-id.123dok.com/document/oz1g5m7vz-kelas-perusahaan-klasifikasi-kelas-hutan.html
21 INTERNET
<1%
http://e-journals.unmul.ac.id/index.php/UJHT/article/download/1363/KLASIFIKASI PENUTUPAN LAHAN PADA
22 CITRA SATELIT SENTINEL-2A DENGAN METODE TREE ALGORITHM
INTERNET
<1%
https://www.gvpangandaran.com/laut/pertanyaan-laut-yang-kedalamannya-kurang-dari-200-meter-disebut-
23 zona.html
INTERNET
<1%
https://geo-media.blogspot.com/2013/12/penginderaan-jauh.html
24 INTERNET
<1%
https://ejournal.forda-mof.org/ejournal-litbang/index.php/JAKK/article/view/295/282
25 INTERNET
<1%
https://books.google.com/books/about/Fundamentals_of_Remote_Sensing_and_Airph.html?id=5WYZAQAAIAAJ
26 INTERNET
<1%
http://download.garuda.kemdikbud.go.id/article.php?article=777616&val=12729&title=UJI KETELITIAN
27 KLASIFIKASI BERBASIS OBJEK PADA CITRA QUICKBIRD
INTERNET
<1%
https://toptenid.com/bagaimana-interaksi-antara-tenaga-dan-objek-di-permukaan-bumi-dalam-komponen-
28 sistem-pengindraan-jauh
INTERNET
<1%
http://download.garuda.kemdikbud.go.id/article.php?article=1414213&val=4685&title=ANALISIS KOMBINASI
CITRA SENTINEL-1A DAN CITRA SENTINEL-2A UNTUK KLASIFIKASI TUTUPAN LAHAN STUDI KASUS
29 KABUPATEN DEMAK JAWA TENGAH
INTERNET
<1%