LAPORAN REMOTE SENSING

(Klasifikasi Citra)

OLEH :

AKSAMINA PETRONELA KOTNGORAN

202164023

PROGRAM STUDI ILMU KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS PATTIMURA
AMBON
2023
 KATA PENGANTAR

Puji dan Syukur peulis ucapkan kepada Tuhan Yang Maha Esa, atas berkat dan Rahmat-nya
sehingga penulis dapat menyelesaikan Laporan Remote Sensing dengan baik. Laporan yang
saya buat ini demi memenuhi tugas yang di berikan oleh dosen mata kuliah “Remote Sensing”
tentang Klasifikasi Citra . dengan menyadari sungguh bahwa Laporan yang saya buat ini masih
jauh dari kata sempurna, oleh karena itu saya membutuhkan kritik maupun saran dari pembaca
agar dapat menambah wawasan dan melengkapi kekurangan dari laporan saya .

Ambon 30 , juni 2023

Penulis
COVER ……………………………………………………………………..………..…...…
KATA PENGATAR ………………………………………………….……..…………........
DAFTAR ISI ……………………………………………………...………….……..…......…
BAB I PENDAHULUAN ………………………………………….……………….…..…...
1.1 Latar Belakang ... ……………………………………………………...……….…….
1.2Tujuan …….………………………………………………………..………………….
1.3 Manfaat…………..…………………………….………………………………....…...
BAB II METODOLOGI………………………………………………….…….………...….
2.1 Waktu dan Lokasi………………………………………….………………….....….
2.2 Alat dan Bahan……………………………………………...…………….….…....…..
2.3 Metode Klasifikasi tak Terbimbing ………………………….……………………..
2.4. Metode Klasifikasi Terbimbing ………….………….………………………………
2.5 Peta Layout ……………………..…………………………………………………….
BAB III HASIL DAN PEMBAHASAN……….…………………………………...…………
3.1 Kenampakan Klasifikasi tak terbimbing ….….…………………..………………....
3.2 Kenampakan Klasifikasi terbimbing …….……...………………..…….………...…
BAB IVPENUTUP………………………………………………………………....………...
4.1 Kesimpulan……………………………………………………….…...……..….……
4.2 Saran…………………………………………………………………………….……
DAFTAR PUSTAKA …………….………………………………………………...………..
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Klasifikasi citra merupakan proses pengelompokan pixel pada suatu citra ke dalam
sejumlah class (kelas), sehingga setiap kelas dapat menggambarkan suatu entitas dengan ciri-ciri
tertentu Tujuan utama klasifikasi citra penginderaan jauh adalah untuk menghasilkan peta
tematik, dimana suatu warna mewakili suatu objek tertentu. Contoh objek yang berkaitan dengan
permukaan bumi antara lain air, hutan, sawah, kota, jalan, dan lain-lain. Sedangkan pada citra
satelit meteorologi, proses klasifikasi dapat menghasilkan peta awan yang memperlihatkan
distribusi awan di atas suatu wilayah. klasifikasi citra dapat dibagi menjadi 2 yakni klasifikasi
terbimbing dan klsifikasi tak terbimbing . sPenginderaan jauh adalah ilmu untuk memperoleh
informasi fenomena alam pada obyek (permukaan bumi) yang diperoleh tanpa kontak langsung
dengan obyek permukaan bumi melalui pengukuran pantulan (reflection) ataupun pancaran
(emission) oleh media gelombang elektromagnetik. Obyek di permukaan bumi berdasarkan pada
nilai pantulan energi gelombang elektromagnetik yang dipancarkan oleh obyek permukaan bumi
kemudian energi tersebut direkam oleh sensor. Prosedur klasifikasi citra dilakukan untuk
melakukan kategorisasi secara otomatis dari semua pixel citra kedalam kelas-kelas kategorisasi.
Klasifikasi tidak terbimbing (unsupervised) melakukan pengelompokan data dengan menganalisa
cluster secara otomatis dan menghitung kembali rata-rata kelas (class mean) secara berulang-
ulang. Pengelompokan pixel menjadi kelas spektral diawali dengan menentukan jumlah kelas
spektral yang akan dibuat (Arifin & Kurniati, 2002)

1.2 Tujuan
Tujuan dari pembuatan laporan ini adalah
- Mahasiswa dapat mengetahui cara melakukan klasifikasi citra menggunkan softwere
ILWIS

1.3 Manfaat
Manfaat dari pembuatan laporan ini , dapat menambah wawasan dan pengetahuan dari
mahasiswa dalam penggunaan softwhere ILWIS, serta dengan trampil dapat memahami metode
klasifikasi citra .
 BAB II
METODOLOGI

2.1 Waktu dan Lokasi

Praktikum ini dilakukan pada tanggal 27 juni , 2023 di Rumah masing masing , dengan lokasi
objek pada softwere ILWIS , pada Pulau Gonggoruwo, Prov. NusaTenggara Barat
2.2 Alat dan Bahan
Alat
 Komputer/Laptop
 Software ILWIS
 Software Microsoft Word
Bahan
Citra Data Landsat TM Training Area Pulau Gonggoruwo ( Band 1 )
2.3 Metode Klasifikasi tak Terbimbing
Untuk menentukan klasifikasi tak terbimbing di gunakan cara sebagai berikut :

•Š
Klik menu operation dan pilih image prosesing dan klik slicing .kemudia akan muncul
tampilan seperti gambar di bawah ini . Setelah itu masukan band NDVI pada bagian raster map
lalu output raster map tulis “NDVI_ruwoclass” dan atu bagian domainnya.
 Domain memilih upper bound, name dan juga kode dengan memulai dari laut hingga
vegetasi padat dengan menggunakan upper bound ( 0 – 0,33 – 0,66 – 1 ) setelah selesai mengatur
doman maka kembali dan klik ok atau show.

2.4. Metode Klasifikasi Terbimbing.

Metode klasifikasi terbimbing mempunyai pengaruh yang sangat penting terhadap hasil kualitas pemetaan
yang dibutuhkan sesuai objek kelas yang diamati. Karena dengan metode klasifikasi terbimbing ini, suatu
peta mempunyai kualitas akurasi yang sesuai dengan kebutuhan
Untuk menentukan klasifikasi terbimbing di gunakan cara sebagai berikut :
Pilih menu file dan klik create kemudian klik kembali simple set .dan akan muncul tampilan
seperti gambar di bawah ini . Setelah itu masukan nama pada sampel set clas ruwo , dan pada
bagian domain name di tulis class_Lahan

Selanjutnya klik bagian maplist, pada bagian maplist masukan nama dengan di tulis : map list
lahan . setelah itu pindahkan Band 1,2,3,5,7, dari bagian kolom sebelah kiri ke bagian kolom
sebelah kanan. Kemudian klik ok pada tampilan yang tersedia .

Setelah klik ok akan muncul tampilan seperti gambar berikut .

 Klik ok untuk tampilan berikutnya

Pada tampilan tersebut blok setiap objek yang telah di masukan ke dalam domain . dan berikan
warna yang berbeda pada setiap objek sesuai dengan warna objek pada gambar . pilihn icon
Feature space masukan band 1 (ruwo1) dan band 2 (ruwo2) lalu klik ok . setelah itu lakukan hal yang
sama pada band 1 ( ruwo 1 )dan band 2 ( ruwo 3 ).
 Tampilan Feature Space
Setelah tampialn ini mucul kembali ke menu utama dan pilih operation -> create -> classfy . pada
tampilan classification , pada bagian sampel set pilih clas ruwo dan centang minimum distance setelah itu
pada ouput raster map di beri nama Klass Lahan _ Ruwo kemudian klik Show .

Berikut hasil dari tampilan show clasification

Pada tampilan ini dapat di ubah warna pada objek yang terdapat di lokasi , sesuai dengan
keinginan kita

2.5 Peta Layout.

Dari hasil klasifikasi , selanjutnya membuat peta layout dengan cara sebagai berikut .
Pilih menu file dan klik create Layout . selanjutnya akan menu tampilan save view as .pada
kolom map view name beri nama : klasifikasi terbimbing layout . dan akann muncul tampilan
untuk membuat Peta Layout dan dapat di edit serta disesuaikann dengan lokasi peta .

Setelah klik ok . akan muncul tampilan sebagai berikut. Pada tampilan ini untuk mengatur ukur
kertas untuk mengedit Peta Layout .
 proses pemilihan ukuran

proses pemilihan skala

pemberian nama peta dan pengeditan huruf pada tulisan

Pengeditan bar pada peta layout

Proses pengeditan legenda pada peta layout

Proses pengeditan sumber pada peta layout

Ketika selesai dengan pengeditan bagian bagian peta layout maka , akan terbentuk satu peta utuh
lokasi dari yang sudah di siapkan sehingga terlihat lokasi dan objek objek yang terdapat di peta
tersebut .
 BAB III
HASIL DAN PEMBAHASAN

3.1 Kenampakan klasifikasi tak terbimbing

Klasifikasi tak terbimbing (unsupervised) mengklasifikasikan secara otomatis dengan
menentukan jumlah kelas yang diinginkan tanpa menggunakan sampel DN sehingga perangkat
akan mengelompokkan pixel yang sama kedalam jumlah kelas yang ditentukan.

Pada laut di tandai dengan warna biru yang menunjukan daerah laut dan lokasinya , akan tetapi
jika di lihat pada daratan terlihat genagan air yang menunjukan warna biru pada daratan ,
menunjukan genangan air yang terdapat pada daratan . Pada klasifikasi tak terbimbing terlihat
vegetasi jarang dengan tampilan bewarna hijau muda , sedikit mendominasi pada lokasi tertentu
, kemudian vegetasi sedang terlihat menutupi wilayah daratan namun tidak terlalu mendominasi
. untuk vegetasi padat di tandai dengan warna hitam pada peta lokasi tidak terlalu kelihatan
vegetasi padat yang mengartikan sedikit daerah yang memiliki hutan yang padat
berikut tampilan peta
3.2 Kenampakan Klasifkasi Terbimbing
klasifikasi terbimbing merupakan klasifikasi dimana sejumlah piksel dapat mewakili dari
masing-masing kelas atau kategori yang diinginkan. Berbagai jenis dari tutupan lahan yang ada
di wilayah Kota Langsa dapat di identifikasi dari kenampakan suatu citra satelit.

Dari hasil klasifikasi terbimbing yang di dapatkan terlihat banyak objek yang terdapat pada titik
lokasi ini. Kemudian pada tampilan ini dapat di lihat warna warna tertentu yang menunjukan
lokasi dan objek yang ada . sehingga dapat di deskripsikan
Berikut tampilan peta

terlihat tampilan peta seperti gambar di atas. Terlihat jelas lokasi yang di inginkan. Daerah laut
pada batasannya . kemudian di daratan lebih mendominasi ke hutan jarang yang banyak terlihat
pada lokasi , kemudian terdapat daerah hutan padat namun kurang mendominasi pada lokasi .
terdapat juga lokasi perkebunanan yang tersebar mendekati laut dan banyak di temui pada setiap
daerah yang terhubung di lokasi
 BAB IV
PENUTUP

4.1 Kesimpulan
Dari pembuatan laporan ini dapat di simpulkan Klasifikasi citra merupakan proses
pengelompokkan pixel pada suatu citra ke dalam sejumlah class (kelas), dan setiap kelas dapat
menggambarkan suatu entitas dengan ciri-ciri tertentu. Klasifikasi citra terdiri dari 2 tipe yakni
klasifikasi tak terbimbing dan klasifikasi terbimbing . Prosedur klasifikasi citra dilakukan untuk
melakukan kategorisasi secara otomatis dari semua pixel citra kedalam kelas-kelas kategorisasi

4.2 Saran

Mahasiswa di harapkan lebih terampil dalam penggunaan software ILWIS dan lebih
memahami prosedur kerja setiap pratikum dengan baik dan teliti.
 DAFTAR PUSTAKA

Purwanto, E. H., & Lukiawan, R. (2019). Parameter teknis dalam usulan standar pengolahan
penginderaan jauh: metode klasifikasi terbimbing. Jurnal Standardisasi, 21(1), 67-78

Endi Hari Purwanto dan Reza Lukiawan Pusat Penelitian dan Pengembangan Standardisasi, Badan
Standardisasi Nasional Gedung I BPPT Lantai 12, Jalan M.H. Thamrin No. 8, Jakarta, Indonesia e-mail:
endi@bsn.go.id Diterima: 14 Desember 2018, Direvisi: 12 Februari 2019, Disetujui: 15 Februari 201