Laporan Penginderaan Jarak Jauh Medan, Januari 2020

ANASIS TUTUPAN LAHAN MENGGUNAKAN

METODE KLASIFIKASI TERBIMBING
(SUPERVISED CLASSIFICATION)
Dosen Penanggung Jawab:
Dr. Anita Zaitunah, S.Hut, M.Si

Oleh:
Rahma Dewi Harahap
171201042
MNH7

DEFARTEMEN MANAJEMEN HUTAN

FAKULTAS KEHUTANAN
UNIVERSITAS SUMATERA UTARA
MEDAN
2020
 KATA PENGANTAR

Puji dan syukur kita panjatkan kehadirat Tuhan yang Maha Esa yang telah
memberikan karunia-Nya kepada penulis sehingga dapat menyelesaikan laporan
praktikum Penginderaan Jarak Jauh ini dengan baik dan tepat waktu. Adapun judul
laporan ini adalah “Analisis Tutupan Lahan Menggunakan Metode Klasifikasi
Terbimbing (Supervised Classification)” ini ditulis untuk melengkapitugas akhir
praktikal praktikum mata kuliah Penginderaan Jarak Jauh, Program Studi Kehutanan,
Fakultas Kehutanan, Universitas Sumatera Utara.
Penulis mengucapkan terima kasih kepada semua pihak, kepada dosen
penanggung jawab DR. Anita Zaitunah, S.Hut., M.Sc serta seluruh asisten praktikum.
Penulis menyadari bahwa penulisan makalah ini masih banyak kesalahan yang terjadi
baik dalam penulisan maupun penyajiannya. Oleh karena itu, penulis mengharapkan
kritik dan saran yang bersifat membangun demi kesempurnaan laporan ini.

Medan, Januari 2021

Penulis

i
 DAFTAR ISI

KATA PENGANTAR .............................................................................................i

DAFTAR ISI.............................................................................................................ii
PENDAHULUAN
Latar Belakang...................................................................................................1
Tujuan................................................................................................................2
TINJAUAN PUSTAKA
BAHAN DAN METODE
Waktu dan Tempat..............................................................................................6
Alat dan Bahan....................................................................................................6
Prosedur Praktikum.............................................................................................6
PEMBAHASAN
Hasil.....................................................................................................................8
Pembahasan..........................................................................................................9
KESIMPLAN DAN SARAN
Kesimpulan........................................................................................................10
Saran....................................................................................................................10
DAFTAR PUSTAKA

ii
 1

PENDAHULUAN

Latar Belakang
Suatu wilayah akan mengalami perkembangan yang akan membawa
perubahan penampakan secara fisik. Perkembangan fisik tersebut merupakan
perkembangan lahan yang dipengaruhi oleh faktor alam maupun manusia. Wilayah
yang berkembang memerlukan adanya perencanaan untuk mengarahkan peruntukan
lahan secara tepat. Dibutuhkan suatu metode yang akurat dan efektif untuk
memperoleh informasi tutupan lahan. Salah satu teknologi yang efektif untuk
memetakan tutupan lahan adalah teknologi penginderaan jauh (Li et al, 2014)
Program Landsat dimulai pada tahun 1972 yang merupakan salah satu
program andalan observasi bumi NASA. Program Landsat terus berlanjut dengan
diluncurkannya Landsat 8 pada tanggal 13 Februari 2013. Landsat 8 memiliki 11
saluran dengan panjang gelombang tertentu. Satelit Landsat dirancang untuk
keperluan berbagai bidang seperti kehutanan, pertanian, geologi, perencanaan
penggunaan lahan, dan lain-lain. Citra Landsat memiliki resolusi spasial 30 x 30 m
dan salah satu kelebihannya adalah jadwal berkala akuisisi setiap tempat di bumi
setiap 16 hari, data arsip jangka panjang, dan relatif kaya dengan informasi spectral
(Maksum ZU et al, 2016).
Tutupan lahan adalah kenampakan material fisik permukaan bumi. Tutupan
lahan dapat menggambarkan keterkaitan antara proses alami dan proses sosial.
Tutupan lahan dapat menyediakan informasi yang sangat penting untuk keperluan
pemodelan serta untuk memahami fenomena alam yang terjadi di permukaan bumi
Data tutupan lahan juga digunakan dalam mempelajari perubahan iklim dan
memahami keterkaitan antara aktivitas manusia dan perubahan global (Sampurno dan
Thoriq, 2016)
Informasi tutupan lahan terbaru berupa peta dapat diperoleh melalui teknik
penginderaan jauh. Penginderaan jauh telah lama menjadi sarana yang penting dan
efektif dalam pemantauan tutupan lahan dengan kemampuannya menyediakan
informasi mengenai keragaman spasial di permukaan bumi dengan cepat, luas, tepat,

1
 2

serta mudah. data penginderaan jauh merupakan faktor penting dalam keberhasilan
klasifikasi tutupan lahan. Data satelit Landsat biasanya digunakan dalam
penginderaan jauh untuk klasifikasi tutupan lahan (Jia et al., 2014).
Citra satelit merupakan salah satu media yang dapat digunakan untuk
memperoleh informasi tutupan lahan. Pemanfaatan citra landsat telah banyak
digunakan untuk beberapa kegiatan survey maupun penelitian. Melalui citra satelit
dapat dilakukan proses klasifikasi untuk mendapatkan informasi jenis-jenis tutupan
lahan pada suatu wilayah berikut sebarannya secara spasial atau keruangan. Citra
satelit merupakan data permukaan bumi yang diperoleh melalui perekaman oleh
satelit. Data satelit kemudian ditangkap dan diproses oleh stasiun bumi yang
kemudian dapat digunakan untuk pengolahan data maupun analisa yang terkait
dengan permasalahan kebumian termasuk juga permasalahan perkotaan. Seiring
perkembangan zaman dan teknologi identifikasi suatu wilayah bisa dilakukan dengan
mudah dan cepat. Salah satunya ialah dengan pemanfaatan teknologi penginderaan
jauh dan sistem informasi geografis (Achsan, 2017).
Metode klasifikasi citra yang digunakan sangat menentukan hasil dari
klasifikasi citra, dengan demikian persoalan pemetaan menggunakan data
penginderaan jauh digital adalah pemilihan metode klasifikasi yang akan digunakan
dalam klasifikasi citra. Metode untuk memperoleh informasi dari data penginderaan
jauh yang paling sering digunakan ialah klasifikasi multispektral berdasarkan analisis
terhadap sifat reflektansi. Klasifikasi multispektral merupakan teknik otomatisasi
secara digital yang sudah digunakan secara luas, yang salah satunya untuk
memetakan penutup lahan. Klasifikasi citra multispektral dilakukan menggunakan
dua metode klasifikasi yaitu supervised classification dan unsupervised classification
(Septiani et al, 2019)
Tujuan
Tujuan dari praktikum penginderaan jarak jauh yang berjudul “Klasifikasi
Tutupan Lahan Menggunakan Metode Klasifikasi Terbimbing” menggunakan citra
Landsat 8 OLI untuk menganalisis tutupan lahan di Kecamatan Medan Labuhan,
Kota Medan, Sumatera Utara.

2
 3

TINJAUAN PUSTAKA

Penginderaan jauh dapat diartikan sebagai teknologi untuk mengidentifikasi

suatu obyek di permukaan bumi tanpa melalui kontak langsung dengan obyek
tersebut. Saat ini teknologi penginderaan jauh berbasis satelit menjadi sangat populer
dan digunakan untuk berbagai tujuan kegiatan, salah satunya untuk mengidentifikasi
potensi sumber daya wilayah pesisir dan lautan. Hal ini disebabkan teknologi ini
memiliki beberapa kelebihan, seperti: harganya yang relatif murah dan mudah
didapat, adanya resolusi temporal (perulangan) sehingga dapat digunakan untuk
keperluan monitoring, cakupannya yang luas dan mampu menjangkau daerah yang
terpencil, bentuk datanya digital sehingga dapat digunakan untuk berbagai keperluan
dan ditampilkan sesuai keinginan (Suwargana, 2008)
Penutup lahan dibutuhkan pada suatu wilayah yang sering berkembang
dengan pesat karena semakin banyaknya penduduk yang tinggal dan kebutuhan hidup
yang menuntut untuk kelangsungan hidup, maka informasi geografis di dalamnya
ikut berubah, dan untuk memproduksi kembali peta memerlukan proses yang tidak
singkat. Pemantauan, invetarisasi kondisi dan kualitas lingkungan, apabila
dilaksanakan dengan survey terrestrial (survey lapangan), sering tidak dapat
mengikuti laju perubahan yang sangat cepat dan biaya cukup besar. Maka dari itu
informasi mengenai sumber daya alam, lingkungan, dan cuaca dapat diperoleh dari
data satelit penginderaan jauh atau sering disingkat dengan istilah inderaja, dan
informasinya dapat disajikan dalam Pembuatan Peta Penutup Lahan Menggunakan
Klasifikasi Terbimbing Metode Maximum Likelilhood Pada Citra Landsat 8 (Studi
Kasus: Kabupaten Indramayu, Provinsi Jawa Barat) 226 suatu sistem yang disebut
dengan Sistem Informasi Geografis yang biasa disingkat dengan SIG. Integrasi
penginderaan jauh dan SIG merupakan teknologi yang dapat dimanfaatkan untuk
melakukan pengukuran, pemetaan, dan pemantauan, pembuatan model pengelolaan
suatu wilayah geografis secara cepat, akurat dan efektif, sehingga dapat memberikan
informasi tentang daerah yang di kaji dengan cepat, akurat dan efektif, untuk wilayah

3
 4

yang akan dijadikan objek pada penelitian ini yaitu Kabupaten Indramayu
(Apriyanti, 2017)
Keunggulan supervised classification adalah memiliki kontrol terhadap
informational classes berdasarkan training sampel, dan adanya kontrol terhadap
keakuratan klasifikasi. Kekurangannya adalah interpretasi data dipaksakan, pemilihan
training sampel belum tentu representatif, dan adanya kelas spektral yang tidak
teridentifikasi. Metode supervised classification memiliki beberapa perbedaan dalam
hal kelebihan dan kekurangan diantara masing-masing jenis klasifikasinya, sehingga
untuk menghasilkan tingkat akurasi yang tinggi pada masing-masing jenis metode
klasifikasi terhadap penutup lahan digunakan perbedaan dalam pengambilan jumlah
training sampel. Penelitian ini mengelompokkan kelas penutup lahan vegetasi
menjadi 3 jenis yaitu vegetasi kerapatan tinggi, vegetasi kerapatan sedang, dan
vegetasi kerapatan rendah (Septiani et al, 2019)
Tutupan lahan adalah perwujudan fisik (visual) dari vegetasi, benda
alam dan unsur-unsur budaya yang ada di permukaan Bumi tanpa
memperhatikan kegiatan manusia terhadap objek tersebut. Land cover sendiri
umumnya didapatkan dari hasil klasifikasi citra satelit dan hasil klasifikasi
tersebut banyak digunakan sebagai dasar penelitian untuk analisis penggunaan
lahan atau dinamika perubahan lahan di suatu area. Selain hal tersebut, hasil
klasifikasi citra berupa land cover juga dapat dijadikan sebagai dasar pengamatan
pertumbuhan pembangunan suatu area.bumi. Informasi yang diperoleh dari citra
satelit tersebut dapat digabungkan dengan data-data lain yang mendukung ke
dalam suatu sistem informasi geografis (SIG). hambatan dalam pemantauan
penutupan lahan dapat dikurangi dengan adanya teknologi penginderaan jauh (remote
sensing) (Mukmin at el, 2016).
Penetapan klasifikasi penutupan lahan dalam standar ini bertujuan untuk
mengakomodasikan kelas penutupan lahan yang pendetailan kelasnya bervariasi
antar pihak-pihak yang berkepentingan. Kelas penutupan lahan dalam standar ini
merupakan kelas-kelas umum yang melibatkan banyak sektor. Standar penutupan
lahan ini mengacu pada Land Cover Classification System United Nation –Food

4
 5

and Agriculture Organization (LCCS UNFAO) dan ISO 19144-1 Geographic

information Classification System –part 1 : Classification System Structure, dan
dikembangkan sesuai dengan keadaan tutupan lahan di Indonesia
(Saraswati et al, 2017).
Satelit Landsat memiliki beberapa generasi,diantaranya adalah Landsat-7 dan
Landsat 8. Satelit Landsat-7 ETM diluncurkan pada tanggal 15 April 1999, sama
seperti satelit-satelit pendahulunya yang berada pada ketinggian 705 km dengan
periode edar 99 menit dan orbit polar sun-synchronous yang memotong garis
khatulistiwa ke arah selatan pada waktu tetap yaitu pukul 10.00 waktu setempat
(lokal) serta mempunyai sudut inklinasi 30°. Satelit yang memiliki cakupan sebesar
185 km ini akan melewati lintasan (daerah) yang sama setiap 16 hari (Natsir, 2010).
Karakteristik dari sensor satelit Landsat-7 ETM dilengkapi oleh 8 kanal spektral.
Landsat 8 merupakan satelit generasi terbaru dari program Landsat yang diluncurkan
di pangkalan angkatan udara Vandenberg, California, Amerika Serikat. Landsat 8
diluncurkan pada 11 Februari 2013 dan diprakarsai oleh USGS dan NASA, badan
antariksa Amerika Serikat. Terdapat dua sensor pada Landsat 8 yang merupakan hasil
pengembangan dari sensor yang terdapat pada satelit-satelit pada Program Landsat
sebelumnya. Kedua sensor tersebut yaitu sensor Operational Land Manager (OLI)
yang terdiri dari 9 kanal serta sensor Thermal InfraRed Sensors (TIRS) yang terdiri
dari 2 kanal (Asadullah et al, 2019).
Pada metode supervised ini, analis terlebih dulu menetapkan beberapa
training area (daerah contoh) pada citra sebagai kelas lahan tertentu. Penetapan
ini berdasarkan pengetahuan analis terhadap wilayah dalam citra mengenai
daerah -daerah tutupan lahan. Nilai-nilai piksel dalam daerah contoh
kemudian digunakan oleh komputer sebagai kunci untuk mengenali piksel
lain. Daerah yang memiliki nilai-nilai piksel sejenis akan dimasukkan kedalam
kelas lahan yang telah ditetapkan sebelumnya. Jadi dalam metode supervised ini
analis mengidentifikasi kelas informasi terlebih dulu yang kemudian
digunakan untuk menentukan kelas spektral yang mewakili kelas informasi
tersebut (Utomo et al, 2017)

5
 6

METODE PRAKTIKUM

Waktu dan Tempat

Praktikum Pengindraan Jarak Jauh yang berjudul “Analisis Tutupan Lahan
Menggunakan Metode Klasifikasi Terbimbing” dilaksanakan pada hari Senin, 11
Januari 2021 pukul 11.40 sampai dengan 13.20 WIB. Praktikum ini dilaksanakan
secara daring.
Alat dan Bahan
Alat analisis data yang digunakan adalah Perangkat lunak ArcGis (ArcMap)
10.3, ERDAS Imagine 9.1 untuk analisis spasial, alat tulis dan laptop. Bahan yang
digunakan adalah peta administrasi kecamatan medan belawan dan citra landset 8
Medan Labuhan.
Prosedur Praktikum
1. Dilakukan download citra Landset 8 Kota Medan.
2. Didownload SHP Kecamatan Medan Belawan.
3. Dibuka aplikasi Erdas 9.1.
4. Dilayar stacking melalui aplikasi erdas.
5. Diadd data lalui dicrop atau subset sesui dengan peta nim ganjil mauapun nim
genap.
6. Open file lalui raster leyer masukan layer citr yang suudah di stacking dalam
bentuk IMAGINE.
7. Dibuka kembali open file lalu pilih vector layer pada pencarian file SHP.
8. Masukan file SHP sesuai dengan nim yang sudah ditentukan.
9. Diklik AOI kemudian klik tools dan klik lagi SHP hingga berubah warna menjadi
kuning atau biru.
10. Diklik, lalu pilih data prepotiton setelah itu subset image.
11. Diklik subset lalu klik input file kemudian masukan citra yang sudah di layer
stacking.
12. Diklik lagi SHP diluar lalu klik kotak pada AOI.
13. Kemudian dirastater lalu band diubah menjadi band 6, 5, 4.

6
 7

14. Dibuka viewer baru untuk menampilkan image yang akan diklasifikasi.
15. Diklik tombol Classifer pada panel ikon, lalu pilih Unsupervised Classification
sehingga akan muncul dialog box berikut ini.
16. Dimasukkan input raster file citra Kecamatan Medan Belawan.
17. Diisi jumlah kelas klasifikasi pada Number of Classes sebanyak 7 kelas
klasifikasi dan diklik Color Scheme Opition kemudian isi kombinasi warna
Red / Green / Blue sesuai dengan kombinasi bandnya lalu Close.
18. Diklik tombol OK dan tunggu proses hingga 100%, setelah itu klik tombol Ok.
19. Diklik icon raster pada viewer, lalu pilih Attribute lalu edit.
20. Diisi kolom table dimulai dengan Cass Name dan Color.
21. Buka Argics lalu dimasukan peta yang sudah diklasifikasikan di Erdas 9.1.
22. Setelah itu layout peta yang sudah diklasifikasikan.
23. Dibuka viewer baru untuk menampilkan image yang akan di klasifikasi.
24. Diklik tombol Classifer pada panel ikon, lalu pilih Unsupervised Classification
sehingga akan muncul dialog box.
25. Dimasukkan input raster file citra landset 8 image dan out put cluster layer
unsupervised.
26. Diisi jumlah kelas klasifikasi pada Number of Classes sebanyak 7 kelas
klasifikasi dan diklik Color Scheme Opition kemudian isi kombinasi warna
Red / Green / Blue sesuai dengan kombinasi bandnya lalu Close.
27. Diklik tombol OK dan tunggu proses hingga 100%, setelah itu klik tombol Ok.
28. Diklik icon raster pada viewer, lalu pilih Attribute lalu edit.
29. Diisi kolom table dimulai dengan Cass Name dan Color.
30. Setelah itu layout peta yang sudah di stacking dan diadd data ke dalam ArcGis
10.3.
31. Dilakukan layout peta sesuai dengan keinginan.
32. Analisis tutupan lahan telah selesai.

7
 8

HASIL DAN PEMBAHASAN

Hasil
Hasil yang diperoleh dari Praktikum Penginderaan Jarak Jauh yang berjudul “
Analisis Tutupan Lahan Menggunakan Metode Klasifikasi Terbimbing (Supervised
Classification)” adalah:

Gambar 1. Hasil Klasifikasi Tutupan Lahan Kecamatan Medan Labuhan

Pembahasan
Pada pelaksanaan praktikum penginderaan jarak jauh yang berjudul “Analisis
Tutupan Lahan Menggunakan Metode Klasifikasi Terbimbing (Supervised
Classification)”, dalam proses pembuatan klasifikasi tutupan lahan dilakukan dengan
menggunakan metode terbimbing supervised. Pada klasifikasi ini didapatkan jumlah
kelas, sebanyak lima kelas pada tutupan lahan di Kecamatan Medan Labuhan Kota
Medan Provinsi Sumatera Utara, kelas yang didapatkan tambak yang berwarna biru
langit, sungai berwarna biru tua, sawah berwarna hijau muda, pemukiman berwarna
pink, dan mangrove berwarna hijau lumut.

8
 9

Menurut Apriyanti (2017) Perubahan tutupan lahan tidak terlepas dari

perubahan pola penggunaan lahan Pengertian konversi lahan atau perubahan guna
lahan adalah alih fungsi atau mutasi lahan secara umum menyangkut tranformasi
dalam pengalokasian sumber daya lahan dari satu penggunaan ke penggunaan lain.
Penggunaan lahan sangat dipengaruhi oleh manusia, aktifitas dan lokasi, dimana
hubungan ketiganya sangat berkaitan, sehingga dianggap sebagai siklus perubahan
penggunaan lahan.
Interpretasi citra Landsat 8 OLI/TIRS ter-hadap klasifikasi penutup lahan
dilakukan dengan menggunakan citra composite band yang telah ditentukan yaitu
band 6, band 5, dan band 4. Kelas penutup lahan tersebut teridentifikasi menjadi 5
kelas penutup lahan. Penutup lahan tersebut yaitu tambak yang berwarna biru langit,
sungai berwarna biru tua, sawah berwarna hijau muda, pemukiman berwarna pink,
dan mangrove berwarna hijau lumut.
Berdasarkan hal tersebut, klasifikasi terbimbing merupakan metode yang
diperlukan untuk mentransformasikan data citra multispektral ke dalam kelas-kelas
unsur spasial dalam bentuk informasi tematis. Klasifikasi terbimbing dikatakan
sebagai klasifikasi digital yang dimana pengkelasan polapola penutup penggunaan
lahan pada citra didasarkan masukan dari operator. Analisis terlebih dahulu dilakukan
untuk menetapkan beberapa training area (daerah contoh kelas penutup penggunaan
lahan) pada citra penginderaan jarak jauh. Klasifikasi terbimbing adalah suatu
kegiatan pengklasifikasian yang analisisnya mempunyai sejumlah pixel yang
mewakili masing - masing kelas atau kategori yang diinginkan.
Klasifikasi terbimbing merupakan suatu bentuk klasifikasi menggunakan orientasi
spektral untuk pengklasifikasian tutupan lahan. Pada metode supervised ini, analisis
terlebih dulu menetapkan beberapa training area(daerah contoh) pada citra sebagai
kelas lahan tertentu. Penetapan ini berdasarkan pengetahuan analis terhadap wilayah
dalam citra mengenai daerah - daerah tutupan lahan. Nilai-nilai piksel dalam daerah
contoh kemudian digunakan oleh komputer sebagaikunci untuk mengenali piksel lain.
Analisis mengidentifikasi kelas informasi terlebih dulu yang kemudian digunakan
untuk menentukan kelas spectral yang mewakili kelas informasi tersebut.

9
 10

KESIMPULAN DAN SARAN

Kesimpulan
1. Klasifikasi terbimbing merupakan suatu bentuk klasifikasi menggunakan
orientasi spektral untuk pengklasifikasian tutupan lahan.
2. Kombinasi citra composite band yang telah ditentukan pada klasifikasi
tutupan lahan menggunakan band yaitu band 6, band 5, dan band 4.
3. Pada pengklasifikasian lahan didapatkan jenis tutupan lahan yang ditampilkan
dengan warna yang berbeda-beda sebanyak menjadi 5 kelas penutup lahan.
Penutup lahan tersebut yaitu tambak yang berwarna biru langit, sungai
berwarna biru tua, sawah berwarna hijau muda, pemukiman berwarna pink,
dan mangrove berwarna hijau lumut.
Saran
Sebaiknya pada pelaksanaan Praktikum Penginderaan Jarak Jauh, praktikan
lebih teliti dan lebih meningkatkan pemahaman ilmunya. Supaya dapat memahami
dengan cepat dalam melakukan pengolahan citra.

10
 11

DAFTAR PUSTAKA

Achsan AC. 2017. Pemanfaatan Citra Landsat untuk Klasifikasi Tutupan Lahan
Lanskap Perkotaan Kota Palu. E Jurnal Arsitektur Lansekap. 3(1): 58 – 65

Apriyanti D, Faqih R, dan Purnawan B. 2017. Pembuatan Peta Penutup Lahan

Menggunakan Klasifikasi Terbimbing Metode Maximum Likelilhood Pada
Citra Landsat 8. Seminar Nasional Penginderaan Jauh.

Asadullah MA , Sudarsono B, Bashit N. 2019. Analisis Perbandingan Peningkatan

Sedimentasi Di Waduk Mrica Dengan Perubahan Tutupan Lahan Pada Daerah
Aliran Sungai (Das) Merawu Menggunakan Data Citra Satelit Landsat. Jurnal
Geodesi Undip. 8(1): 388-397.

Jia K, Xiangqin W, Xingfa G, Yunjun Y, Xianhong X, Bin L. 2014. Land cover

classification using Landsat 8 Operational Land Imager data in Beijing, China.
Geocarto International. 29: 941-951.

Li, M., Zang, S., Zhang, B., Li, S., dan Wu, C. 2014. A Review of Remote Sensing
Image Classification Techniques: the Role of Spatiocontextual Information.
European Journal of Remote Sensing - 2014, 47: 389-411.

Maksum ZU, Prasetyo Y, dan Haniah. 2016. Perbandingan Klasifikasi Tutupan Lahan
Menggunakan Metode Klasifikasi Berbasis Objek Dan Klasifikasi Berbasis Piksel
Pada Citra Resolusi Tinggi Dan Menengah. Jurnal Geodesi Undip. 5(2): 97-107.

Mukmin SAA, Wijaya AP, dan Sukmono A. 2016. Analisis Pengaruh Perubahan
Tutupan Lahan Terhadap Distribusi Suhu Permukaan Dan Keterkaitannya
Dengan Fenomena Urban Heat Island. Jurnal Geodesi Undip. 5(1): 224 – 233.

Sampurno RM, Thoriq A. 2016. Klasifikasi Tutupan Lahan Menggunakan Citra

Landsat 8 Operational Land Imager (OLI) Di Kabupaten Sumedang. Jurnal
Teknotan. 10(2): 61 – 70.

Saraswati FG, Suprayogi A, dan Amarrohman FJ. 2017. Analisis Perubahan Tutupan
Lahan Das Blorong Terhadap Peningkatan Debit Maksimum Sungai Blorong Kendal.
Jurnal Geodesi Undip. 6(2): 90-98.

Septian R, Citra PA, dan Nugraha ASA. 2019. Perbandingan Metode Supervised
Classification Dan Unsupervised Classification Terhadap Penutup Lahan Di
Kabupaten Buleleng. Jurnal Geografi. 16(2): 90-96.

11
 12

Suwargana N. 2008. Analisis Perubahan Hutan Mangrove Menggunakan Data

Penginderaan Jauh Di Pantai Bahagia, Muara Gembong, Bekasi. Jurnal
Penginderaan Jarak Jauh. Vol 5. No. 1: 64 – 74.

Utomo AW, Suprayogi A, dan Sasmito B. 2017. Analisis Hubungan Variasi Land
Surface Temperature Dengan Kelas Tutupan Lahan Menggunakan Data Citra
Satelit Landsat (Studi Kasus : Kabupaten Pati). Jurnal Geodesi Undip.
6(2): 71 - 80

12