A. Pendahuluan
Penginderaan Jauh adalah metode untuk memperoleh informasi
tentang suatu objek atau area dari jarak jauh biasanya dari pesawat
terbang atau satelit (HADI 2019). Data penginderaan jauh dapat digunakan
untuk memetakan tutupan lahan, yaitu tutupan fisik permukaan bumi,
termasuk vegetasi , perairan dan kawasan terbangun.
Metode pemetaan tutupan lahan tradisional, seperti interpretasi visual
memakan waktu dan tidak selalu akurat. Pada tahun 1970-an,
penginderaan jauh muncul sebagai alat baru yang menjanjikan untuk
pemetaan tutupan lahan. Penginderaan jauh menggunakan sensor untuk
mengumpulkan data tentang permukaan bumi dari luar angkasa. Data ini
dapat digunakan untuk membuat gambar permukaan bumi, yang kemudian
dapat digunakan untuk memetakan tutupan lahan
Salah satu metode pemetaan tutupan lahan yang paling umum
menggunakan penginderaan jauh adalah Metode Unsupervised. Metode
Unsupervised adalah metode klasifikasi tutupann lahan yang tidak
memerlukan pengetahuan sebelumnya tentang tutupan tanah di wilauah
studi. Alih-alih, algoritme yang digunakan untuk klasifikasi tanpa
pengawasan mengidentifikasi kelompok piksel dengan tanda tangan
spektral yang serupa. Cluster-cluster ini kemudian dimasukkan ke dalam
kelas tutupan lahan, Algoritma Isodata adalah algoritma klasifikan tanpa
pengawasan yang populer. Ini bekerja dengan mengelompokkan piksel
secara iteratif berdasarkan kesamaan spektralnya. Jumlah cluser secara
bertahap ditingkatkan hingga tingkat akurasi klasifikasi yang diinginkan
tercapai. Data yang telah diberi label dapat berupa data citra, data numerik,
atau data teks (Agarwal, Arora, and Mittal 2019).
Analisis Peta Tutupan Lahan Menggunakan Metode Unsupervised
dibangun di atas latar belakang awal dengan menyelidiki penggunaan
algoritma Isodata untuk klasifikasi tutupan lahan di wilayah studi tertentu.
Algoritma Isodata mampu menghasilkan peta tutupan lahan yang akurat
untuk wilayah studi. Karena menunjukkan potensi klasifikasi tanpa
pengawasan untuk pemetaan tutupan lahan di daerah terpencil. Studi ini
juga memberikan wawasan tentang faktor-faktor yang dapat
mempengaruhi akurasi klasifikasi Unsupervised, seperti pilihan pita
spektral dan jumlah klaster.
Dari penelitian kami ini kami dapat mengkaji seperti akurasi keakuratam
peta tutupan lahan yang dihasilkan menggunakan klasifikasi Unsupervised
yang dapat dipengaruhi oleh beberapa faktor, seperti pilihan pita spektral,
jumlah cluster dan keberadaan piksel campuran, yang juga mengkaji
keakuratan peta tutupan lahan yang dihasilkan menggunakan algoritma
Isodatadan mengidentifikasi faktor-faktor yang mempengaruhi keakuratan
tersebut. Sensivitas terhadap pita spektral dapat mempengaruhi
keakuratan peta tutupan lahan yang dihasilkan menggunakan klasifikasi
Unsupervised, yang akan memeriksa sensivitas algoritma Isodata
terhadap pita spektral yang berbeda dan mengidentifikasi pita yang paling
penting untuk klasifikasi tutupan lahan. Kemudian, penanganan piksel
campuran yang mengandung campuran dari dua atau lebih kelas tutupan
lahan. Algoritme Isodata dapat menangani piksel campuran dengan
menetapkannya ke kluster dengan tanda tangan spektral terdekat. Studi ini
akan mengkaji bagaimana algoritma Isodata menangani piksel campuran
dan mengidentifikasi faktor-faktor yang mempengaruhi penanganan piksel
campuran.
Tujuan dari penelitian kami dengan metode Unsupervised ini adalah
untuk menyelidiki penggunaan klasifikasi Unsupervised untuk pemetaan
tutupan lahan. Klasifikasi Unsupervised adalah metode klasifikasi tutupan
lahan yang tidak memerlukan pengetahuan sebelumnya tentang tutupan
lahan di wilayah studi. Alih-alih, algoritme yang digunakan untuk klasifikasi
Unsupervised mengidentifikasi kelompok piksel dengan tanda tangan
spektral yang serupa. Cluster-cluster ini kemudian dimasukkan ke dalam
kelas tutupan lahan. Yang nanti nya memiliki tujuann memerikasa
keakuratan peta tutupan lahan yang dihasilkan menggunnakan klasifikasi
Unsupervised, mengidentifikasi faktor-faktor yang mempengaruhi
keakuratan peta tutupan lahan yang dihasilkan menggunakan klasifikasi
Unsupervised, menyusun pedokan penggunaan klasifikasi Unsupervised
untuk pemetaan tutupan lahan.
Penelitian ini akan menggunakan citra penginderaan jauh dari wilayah
Kabupaten Brebes untuk meneliti masalah yang tercantum di atas. Studi
ini juga akan menggunakan data ground truth untuk menilai keakuratan
peta tutupan lahan yang dihasilkan menggunakan algoritma Isodata. Ini
akan digunakan untuk meningkatkan akurasi peta tutupan lahan yang
dihasilkan menggunakan klasifikasi Unsupervised dan juga akan
digunakan untuk mengembangkan pedoman penggunaan klasifikasi
Unsupervised untuk pemetaan tutupan lahan. Selain tujuan khusus yang
tercantum di atas, penelitian ini juga akan berkontribusi pada pemahaman
umum tentang klasifikasi Unsupervised dan potensi penerapan nya.
Dengan menggunakan Metode Unsupervised juga terdapat beberapa
keunggulan dibandingkan metode lainnya untuk pemetaan tutupan lahan :
Ini dapat digunakan di area dimana tidak ada pengetahuan sebelum nya
tentang penutup tanah, ini relatif mudah untuk diimplementasikan. Ini dapat
digunakan untuk menghasilkan peta tutupan lahan dengan akurasi yang
tinggi.
B. Metode Peneletian
2. Data
Penelitian ini menggunakan data yang bersumber dari data
sekunder. Data sekunder berupa citra Kabupaten Brebes tahun 2004,
2020 dan 2027 yang diperoleh dari Google Earth. Berdasarkan citra
dari Google Earth yang diturunkan menjadi peta tutupan lahan sebagai
dasar analisis pola tutupan lahan.
3. Interpretasi Citra
Interpretasi Citra Google Earth dilakukan secara visual.
Intepretasi secara visual dilakukan untuk mengidentifikasi dan
interpretasi pada citra berdasarkan kenampakan yang terlihat pada
citraKenampakan yang terlihat pada citra akan sama dengan
kenampakan yang ada di lapangan. Citra yang diperoleh dari Google
(Roziqin and Kusumawati 2017). Earth selanjunya di klasifikasikan
dengan metode Unsupervised di Kabupaten Brebes. Klasifikasi
dilakukan pada Citra Google Earth tahun 2004, 2020 dan citra Google
Earth tahun 2027.
C. Hasil Dan Pembahasan
a. Hasil
Berdasarkan hasil pengamatan kami pada citra Google Earth
pada tahun 2004 , 2020 dan 2027 di daerah kajian Kabupaten Brebes,
kami mendapatkan beberapa perubahan tutupan lahan yang terjadi
dalam selang beberapa tahun seperti pada gambar di bawah ini.
D. Kesimpulan
Penelitian ini dilakukan untuk menganalisis peta tutupan lahan dengan
menggunakan metode unsupervised ISODATA. Tujuan utama dari
penelitian ini adalah untuk mengidentifikasi pola dan karakteristik tutupan
lahan secara otomatis, tanpa memerlukan label atau pengawasan
manusia sebelumnya. Metode ISODATA merupakan salah satu algoritma
clustering yang populer dalam analisis citra dan penginderaan jauh.
Melalui pendekatan ini, penelitian ini berupaya untuk mengungkapkan
kelompok-kelompok tutupan lahan yang berbeda dan mendapatkan
pemahaman lebih dalam tentang distribusi dan perubahan tutupan lahan
di wilayah penelitian.
Hasil dari penelitian ini menunjukkan bahwa metode unsupervised
ISODATA telah berhasil mengklasifikasikan peta tutupan lahan menjadi
kelompok-kelompok yang homogen berdasarkan kesamaan
karakteristiknya. Dalam analisis ini, data peta tutupan lahan dikumpulkan
dari berbagai sumber, seperti citra satelit dan data penginderaan jauh
lainnya. Data ini kemudian diproses dan disiapkan sebelum diaplikasikan
pada metode ISODATA. Proses pengolahan data ini termasuk langkah-
langkah seperti radiometrik dan atmosferik koreksi, pemotongan area
peta, dan penyesuaian resolusi spasial.
Selanjutnya, data yang telah diproses digunakan sebagai masukan
dalam algoritma ISODATA. Metode ISODATA bekerja dengan cara
mengiterasi secara berulang untuk mengoptimalkan kelompok-kelompok
yang dihasilkan hingga memenuhi kriteria konvergensi yang ditentukan
sebelumnya. Algoritma ini melakukan pengelompokan piksel-piksel dalam
peta tutupan lahan menjadi kelompok-kelompok yang memiliki kesamaan
karakteristik, seperti jenis tutupan lahan yang serupa.
Dari hasil analisis, ditemukan bahwa terdapat kelompok-kelompok
tutupan lahan yang berbeda di wilayah penelitian. Kelompok-kelompok ini
mencakup berbagai jenis tutupan lahan, seperti hutan, lahan pertanian,
lahan terbuka, dan perkotaan. Setiap kelompok tutupan lahan memiliki
distribusi spasial yang khas, dan informasi ini dapat digunakan untuk
mengidentifikasi pola dan tren yang relevan dengan dinamika tutupan
lahan di wilayah tersebut.
Selain itu, metode ISODATA juga memungkinkan penelitian ini untuk
melihat perubahan dalam tutupan lahan dari waktu ke waktu. Dengan
menganalisis data peta tutupan lahan dari beberapa periode waktu yang
berbeda, dapat diamati bahwa ada perubahan yang signifikan dalam
komposisi tutupan lahan. Misalnya, luas hutan mungkin mengalami
penurunan, sementara lahan terbuka dan perkotaan meningkat. Informasi
ini sangat berharga dalam memahami perubahan lingkungan dan dampak
aktivitas manusia terhadap tutupan lahan di wilayah penelitian.
Penggunaan metode ISODATA juga memiliki keunggulan dalam
mengklasifikasikan wilayah yang kompleks dan heterogen. Wilayah yang
memiliki variasi tutupan lahan yang luas dan beragam dapat dipecah
menjadi kelompok-kelompok yang lebih homogen dan mudah dipahami.
Hasil analisis ini dapat membantu dalam pengambilan keputusan terkait
pengelolaan lahan, konservasi sumber daya alam, dan perencanaan
pembangunan wilayah secara lebih efisien dan tepat sasaran.
Namun, seperti halnya dengan banyak metode analisis lainnya,
penggunaan metode ISODATA juga memiliki beberapa keterbatasan.
Salah satunya adalah sensitivitas terhadap inisialisasi awal. Hasil analisis
dapat dipengaruhi oleh pemilihan parameter awal, seperti jumlah
kelompok awal dan ambang batas iterasi. Oleh karena itu, penting untuk
melakukan uji coba dengan berbagai parameter awal untuk memastikan
hasil yang konsisten dan akurat.
Selain itu, interpretasi hasil analisis juga memerlukan pengetahuan
mendalam tentang wilayah penelitian dan karakteristik tutupan lahan yang
ada di sana. Meskipun metode ISODATA dapat mengelompokkan piksel-
piksel menjadi kelompok-kelompok yang homogen, interpretasi dari
kelompok-kelompok tersebut tetap memerlukan pemahaman tentang
kondisi lapangan dan faktor-faktor lokal yang mempengaruhi tutupan
lahan.
Penggunaan metode ISODATA dapat dijadikan sebagai langkah awal
untuk memahami tutupan lahan di suatu wilayah, namun tidak cukup
untuk memberikan informasi yang detail tentang dinamika lahan. Oleh
karena itu, perlu dilakukan penelitian lebih lanjut dengan metode lain,
seperti metode supervised yang memanfaatkan data training untuk
meningkatkan akurasi klasifikasi tutupan lahan.
Selain itu, menggabungkan metode unsupervised dengan teknologi
penginderaan jauh lainnya, seperti analisis multi-temporal dan multi-
sensor, dapat meningkatkan pemahaman tentang perubahan tutupan
lahan yang lebih komprehensif. Hal ini penting karena tutupan lahan tidak
statis dan seringkali mengalami perubahan akibat berbagai faktor,
termasuk faktor alam dan manusia.
Secara keseluruhan, penelitian ini memberikan sumbangan penting
dalam pemahaman tentang pola dan karakteristik tutupan lahan di
wilayah penelitian menggunakan metode unsupervised ISODATA.
Metode ini berhasil mengidentifikasi kelompok-kelompok tutupan lahan
yang berbeda dan memungkinkan pengamatan perubahan dalam
distribusi tutupan lahan dari waktu ke waktu. Hasil dari penelitian ini dapat
menjadi dasar yang kuat untuk pengambilan keputusan dalam
perencanaan dan pengelolaan lahan secara berkelanjutan dan dapat
berkontribusi dalam upaya pelestarian sumber daya alam dan
pembangunan wilayah yang berkelanjutan. Dalam penggunaan metode
ISODATA berikutnya, penting untuk mempertimbangkan potensi
keterbatasan dan melakukan peningkatan untuk meningkatkan akurasi
dan keandalan hasil analisis. Dalam keseluruhan penelitian ini
memberikan sumbangan yang berarti dalam memahami pola dan
karakteristik tutupan lahan di wilayah penelitian menggunakan metode
unsupervised ISODATA. Metode ini telah berhasil mengidentifikasi
kelompok-kelompok tutupan lahan yang berbeda dan memungkinkan
observasi tentang perubahan distribusi tutupan lahan dari waktu ke waktu.
Hasil dari penelitian ini dapat digunakan untuk pengambilan keputusan
yang lebih baik dalam perencanaan dan pengelolaan lahan yang
berkelanjutan serta upaya konservasi sumber daya alam. Selain itu,
penelitian ini menunjukkan pentingnya pendekatan analisis citra dan
penginderaan jauh untuk memahami dan mengamati perubahan
lingkungan dan dampak aktivitas manusia pada tutupan lahan..
Daftar Pustaka
Aatchi, S. S., and M. Herold. 2005. “Land Cover Change Detection from
Remotely Sensed Data. Remote Sensing of Environment,.”
Agarwal, Arora, and Mittal. 2019. “A Review on Supervised Learning
Algorithms for Remote Sensing Image Classification.” Remote
Sensing 11(11):1886.
Arif Roziqin, & Nur Indah Kusumawati. (2017). Analisis Pola Permukiman
Menggunakan Data.
Dunn, John C. 1973. “A Fuzzy Relative of ISODATA. Journal of
Cybernetics.”
HADI, BAMBANG SYAEFUL. 2019. PENGINDERAAN JAUH : Pengantar
Ke Arah Pembelajaran Berpikir Spasial.
Hussein Saddam. 2022. “Penjelasan Lengkap Klasifikasi Citra
Penginderaan Jauh Secara Digital.” GEOSPASIALIS. Retrieved May
29, 2023 (https://geospasialis.com/klasifikasi-citra/).
Khan, Adeer, and Mehran Sudheer. 2022. “Machine Learning-Based
Monitoring and Modeling for Spatio-Temporal Urban Growth of
Islamabad.” The Egyptian Journal of Remote Sensing and Space
Science 25(2):541–50.
Kholifah, S. N. (2019). KLASIFIKASI DAN INTERPRETASI CITRA
SATELIT SENTINEL.
LAGARENSE, VINNY INDAH. n.d. “FAKTOR-FAKTOR YANG
MEMPENGARUHI ALIH FUNGSI LAHAN PERTANIAN DI
KABUPATEN MINAHASA SELATAN.”
Nurfalaq, A. 2019. “Identifikasi Tutupan Lahan Kawasan Pemukiman
Kelurahan Kambo Kota Palopo Menggunakan Citra Landsat 8
Dengan Teknik Unsupervised Clasification.” Seminar Nasional
Teknologi Informasi Dan Komputer.
Rahmawan, Agung Dwi, Dini Adha Pawestri, Rafifah Adinda Fakhriyah,
and Habibie Daud Syafaat. 2019. “Penggunaan Metode
Unsupervised (ISO Data) Untuk Mengkaji Kerapatan Vegetasi Di
Kecamatan Pangandaran.” Jurnal Pendidikan Geografi Undiksha
8(1).
Roziqin, Arif, and Indah Kusumawati. 2017. “Analisis Pola Permukiman
Menggunakan Data Penginderaan Jauh Di Pulau Batam.” IRONS:
8th Industrial Research Workshop and National Seminar Politeknik
Negeri Bandung.
Suksesi Wicahyani, Setia Budi Sasongko, & Munifatu. (n.d.). PULAU
BAHANG KOTA (URBAN HEAT ISLAND) DI KOTA YOGYAKARTA.
Tiwari, M. K., O. P. Singh, and R. P. Saini. 2002. “A Comparative Study of
K-Means and ISODATA Clustering Algorithms. Pattern Recognition
Letters.” 23(8):2237–48.
Wahidmurni. 2017. “Pemaparan Metode Penelitian Kualitatif.”