LAPORAN PRAKTIKUM

SISTEM INFORMASI GEOGRAFIS KEHUTANAN

(KLASIFIKASI CITRA)

Nama : Laras Widi Setia Ningrum

NIM : 121420038
Kelas : RA

PROGRAM STUDI REKAYASA KEHUTANAN

FAKULTAS TEKNOLOGI INDUSTRI
INSTITUT TEKNOLOGI SUMATERA
2023

1
 DAFTAR ISI

DAFTAR ISI ................................................................................................ i

DAFTAR GAMBAR .................................................................................... ii

BAB I ......................................................................................................... 1

PENDAHULUAN ....................................................................................... 1

1.1 Latar Belakang ................................................................................. 1

1.2 Tujuan............................................................................................... 2

BAB II ........................................................................................................ 3

METODOLOGI .......................................................................................... 3

2.1 Waktu dan Tempat ........................................................................... 3

2.2 Alat dan Bahan ................................................................................. 3

2.3 Langkah Kerja .................................................................................. 3

BAB III ....................................................................................................... 9

HASIL DAN PEMBAHASAN ..................................................................... 9

3.1 Hasil.................................................................................................. 9

3.2 Pembahasan .................................................................................... 9

BAB IV ..................................................................................................... 11

PENUTUP ................................................................................................ 11

4.1 Kesimpulan ..................................................................................... 11

4.2 Saran .............................................................................................. 11

DAFTAR PUSTAKA ................................................................................ 12

i
 DAFTAR GAMBAR
Gambar 1 Buka aplikasi ArcGIS ................................................................ 3
Gambar 2 Tampilan yang telah di Clip ....................................................... 4
Gambar 3 Pilih menu extensions ............................................................... 4
Gambar 4 Ceklik seluruh menu.................................................................. 4
Gambar 5 Memunculkan image classification ............................................ 5
Gambar 6 Training sampel manager ......................................................... 5
Gambar 7 Pilih menu draw polygon ........................................................... 6
Gambar 8 Buat polygon pada elemen badan air........................................ 6
Gambar 9 Blok semua data ....................................................................... 6
Gambar 10 Klik merge training samples .................................................... 7
Gambar 11 Ubah warna setiap elemen ..................................................... 7
Gambar 12 Proses layouting...................................................................... 8
Gambar 13 Hasil ........................................................................................ 9

ii
 BAB I

PENDAHULUAN

1.1 Latar Belakang

Sistem Informasi Geografis (SIG) yaitu sistem informasi yang bisa
dipadukan antara data grafis dan data teks yang kemudian dihubungkan
secara geografis di bumi (Cristina, 2018). Menurut Barus & Wiradisastra,
SIG adalah suatu sistem basis data yang mempunyai kemampuan untuk
menangani data bereferensi spasial yang bersamaan dengan seperangkat
operasi kerja. Selain itu, SIG juga dapat menggabungkan dan mengatur
data, serta melakukan analisis data. Pengertian lain menyebutkan bahwa
sistem informasi geografis merupakan ilmu pengetahuan yang berbasis
pada perangkat lunak komputer yang digunakan untuk memberikan data
berbentuk digital dan analisa terhadap permukaan geografi bumi, sehingga
membentuk suatu informasi keruangan yang tepat dan akurat.
Dalam pengoprasian SIG, terdapat proses input data. Data yang
digunakan dalam SIG biasanya merupakan data yang diperoleh dari data
lapangan, dat peta, data citra, ataupun database. Penginderaan jauh dan
Sistem Informasi Geografi (SIG) dapat digunakan untuk studi ekosistem
vegetasi (hutan, lahan hijau, pertanian, vegetasi perkotaan) karena
memungkinkan penentuan tekstur, pola, ukuran, bentuk, dll (Pause, vol.8).
Penggunaan data spasial dalam SIG sangat diperlukan untuk memperoleh
informasi antara hubungan spasial dan fenomena geografis yang dikaji.
Pemodelan dalam SIG dilakukan melalui enam tahap yaitu (1) pernyataan
permasalahan, (2) penjabaran dan pemilahan masalah dan komponen-
komponennnya, (3) pencarian atau pengumpulan data, (4) pemilihan model
analisis spasial yang digunakan, (5) pemilihan metode SIG yang sesuai,
dan (6) implementasi model (Widodo, 2014).
Citra penginderaan jauh (citra satelit) merupakan sumber data yang
berharga untuk mengamati bumi, seperti membantu mengamati perubahan
yang terjadi pada permukaan bumi. Citra ini bersumber dari satelit
pengamatan bumi yang telah banyak digunakan dalam berbagai bidang,

1
seperti kehutanan, pertanian, geologi, bencana alam, dll. (Zhaoo, 2022).
Klasifikasi citra merupakan suatu teknik untuk mengkategorikan suatu
piksel, objek, atau potongan gambar ke dalam kelas tertentu. Salah satu
kegunaan klasifikasi pada citra satelit adalah untuk memetakan perubahan
tutupan/penggunaan lahan (Agus Ambarwari, 2023).

1.2 Tujuan
Tujuan dari praktikum ini yaitu agar Mahasiswa memahami konsep dan
metode dalam klasifikasi citra serta penilaian akurasi.

2
 BAB II

METODOLOGI

2.1 Waktu dan Tempat

Kegiatan praktikum Sistem Infrmasi Geografis modul 9 dengan judul
‘Klasifikasi Citra’ dilakukan pada pukul 12.00-15.00 WIB, hari Selasa
tanggal 13 November 2023 via Zoom.
2.2 Alat dan Bahan
Adapun alat dan bahan yang digunakan dalam kegiatan praktikum
kali ini adalah Software, Aplikasi ArcGIS, dan Data analog yang akan
digunakan.
2.3 Langkah Kerja
Berikut merupakan langkah-langkah yang dilakukan pada kegiatan
praktikum ini :
1. Buka aplikasi ArcGIS yang ada di device masing-masing

Gambar 1 Buka aplikasi ArcGIS

2. Masukkan data yang telah digunakan pada praktikum sebelumnya,

data yang sudah dilakukan proses Clip

3
 Gambar 2 Tampilan yang telah di Clip

3. Selanjutnya buka menu customize dan pilih bagian extensions

Gambar 3 Pilih menu extensions

4. Setelah menu Extensions terbuka, selanjutnya ceklis seluruh bagian

yang ada di menu tersebut

Gambar 4 Ceklik seluruh menu

4
5. Langkah selanjutnya, pilih menu customize dan klik menu Toolbar
lalu klik Image Classification sampai muncul tanda ceklis

Gambar 5 Memunculkan image classification

6. Setelah muncul Image Classification, selanjutnya pilih bagian

Training Sample Manager

Gambar 6 Training sampel manager

7. Selanjutnya pilih menu ‘Draw Polygon’ > lakukan digitasi pada setiap
elemen > yang pertama pada elemen badan air, Bangunan, vegetasi
dan awan.

5
 Gambar 7 Pilih menu draw polygon

Gambar 8 Buat polygon pada elemen badan air

Gambar 9 Blok semua data

8. Setelah seluruh gambar terblok, pilih menu merge training samples

untuk menggabungkan digitasi yang telah dilakukan

6
 Gambar 10 Klik merge training samples

9. Lakukan langkah yang sama dilakukan untuk membuat polygon

pada elemen bangunan, vegetasi, dan awan.
10. Klik kanan pada setiap color digitasi yang telah dilakukan, kemudian
ganti warnanya. Untuk badan air berwarna biru, bangunan kuning,
vegetasi merah, dan awan berwarna putih.

Gambar 11 Ubah warna setiap elemen

11. Setelah seluruh elemen selesai di digitasi, langkah selanjutnya yaitu

melakukan proses layouting

7
Gambar 12 Proses layouting

8
 BAB III

HASIL DAN PEMBAHASAN

3.1 Hasil

Gambar 13 Hasil

3.2 Pembahasan
Penginderaan jauh merupakan suatu metode berupa ilmu dan seni
untuk mengumpulkan informasi dan mengekstraksi fitur spektral, spasial,
dan temporal tentang objek, area, atau fenomena, seperti vegetasi,
klasifikasi tutupan lahan, kawasan perkotaan, lahan pertanian, dan sumber
daya air, tanpa menyentuh benda-benda tersebut secara fisik.
Citra satelit Landsat 8 merupakan bentuk penyempurnaan dari citra satelit
Landsat sebelumnya karena citra ini memiliki jumlah saluran ggelombang
elektromagnetik yang lebih banyak dan rentang saluran gelombang
elektromagnetik terendah yang dapat direkam oleh sensor (Pradnya P.
Raditya Rendra, 2019). Citra satelit landsat dapat digunakan untuk
mengetahui dan menganalisis jenis tata guna lahan di suatu daerah.
Karakteristik dari citra Landsat 8 adalah menggunakan sensor Operational
Land Manager (OLI) dengan selang band yang lebih pendek dan tambahan
dua band tambahan (9 Band).

9
 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. Tujuan dari
klasifikasi citra adalah untuk menghasilkan peta tematik, yang mana satu
warna mewakili suatu objek tertentu. Citra landsat dapat digunakan dengan
terlebih dahulu melalui proses pengolahan citra digital, dengan cara
klasifikasi citra (Yudha Niagara, 2020). Klasifikasi citra merupakan suatu
teknik untuk mengkategorikan suatu piksel, objek, atau potongan gambar
ke dalam kelas tertentu. Salah satu kegunaan klasifikasi pada citra satelit
adalah untuk memetakan perubahan tutupan/penggunaan lahan. Pesatnya
perkembangan teknologi bersama dengan kemampuan teknologi
penginderaan jauh yang semakin canggih, melahirkan tiga paradigma
metode klasifikasi tutupan/penggunaan lahan, yaitu berbasis piksel/sub-
piksel, berbasis objek, dan berbasis pemandangan (Cheng, 2020).
Klasifikasi citra satelit dibagi menjadi 3 jenis yaitu: 1) Klasifikasi
Terbimbing (Supervised Classification), 2) Klasifikasi Tak Terawasi
(Unspervised Classification) dan 3) Klasifikasi Gabungan (hybride
classification). Klasifikasi terbimbing adalah klasifikasi yang dilakukan
dengan arahan analis (supervised), dimana kriteria pengelompokkan kelas
ditetapkan berdasarkan penciri kelas (class signature) yang diperoleh
melalui pembuatan area contoh (training area). Sedangkan, klasifikasi tidak
terbimbing merupakan klasifikasi dengan pembentukan kelasnya sebagian
besar dikerjakan oleh computer (Lukiawan, 2019). Metode klasifikasi
terbimbing diawali dengan pembuatan daerah contoh untuk menentukan
penciri kelas. Kegiatan tersebut merupakan suatu kegiatan mengidentifikasi
prototipe (cluster) dari sejumlah piksel yang mewakili masing-masing kelas
atau kategori yang diinginkan dengan menentukan posisi contoh
dilapangan dengan bantuan peta tutupan lahan sebagai referensi untuk
setiap kelasnya. Klasifikasi tidak terbimbing merupakan proses
pengelompokan piksel- piksel pada citra menjadi beberapa kelas
menggunakan analisa cluster. Klasifikasi terbimbing merupakan proses
pengelompokan piksel-piksel.

10
 BAB IV

PENUTUP

4.1 Kesimpulan
Klasifikasi citra satelit merupakan sebuah proses pengelompokkan
dari keseragaman nilai piksel yang mengacu kepada nilai digital number
(DN) berdasarkan algoritma klasifikasi tertentu yang digunakan sesuai
kebutuhan. Penginderaan jauh merupakan pengumpulan informasi tentang
suatu objek atau daerah dari kejauhan, biasanya menggunakan data yang
diambil dari satelit, pesawat, atau kendaraan bawah air. Pada praktikum ini
menggunakan Citra Landsat 8 merupakan citra terbaru yang menggantikan
Landsat 7. Data citra landsat 8 memiliki resolusi spasial 30meter untuk
kanal 1 hingga 9, sedangkan kanal panchromatic memiliki resolusi spasial
15.
4.2 Saran
Pembuatan peta serta proses digitasi membutuhkan ketelitian agar
tidak terjadi kesalahan. Hal ini seharusnya sangat diperhatikan karena
apabila terjadi kesalahan pada proses digitasi maka data yang dihasilkan
juga akan error atau salah.

11
 DAFTAR PUSTAKA

Agus Ambarwari, E. M. (2023). Perkembangan Metode Klasifikasi Citra

Penginderaan Jauh dalam Perspektif Revolusi Ilmiah Tohmas Kuhn.
Jurnal Filsafat Indonesia, vol. 6 No 3.
Cheng, G. X.-S. (2020). Remote Sensing Image Scene Classification Meets
Deep Learning: Challenges, Methods, Benchmarks, and
Opportunities. IEEE Journal of Selected Topics in Applied Earth
Observations and Remote Sensing.
Cristina, J. A. (2018). Aplikasi Sistem Informasi Geografis Berbasis Web
Pemetaan Lokasi Tempat Makan Vegetarian di Kota Batam. Jurnal
Tematika, vol. 13 no. 1.
Lukiawan, E. H. (2019). Parameter Teknis Dalam Usulan Standar
Pengolahan Penginderaan Jauh : Metode Klasifikasi Terbimbing.
Jurnal Standardisasi, vol 21, no 1 : 67-78.
Pause, M. S. (vol.8). In Situ/Remote Sensing Integration to Assess Forest
Health- A Review. Remote Sensing.
Pradnya P. Raditya Rendra, N. S. (2019). Peran Citra Satelit Landsat 8
Dalam Identifikasi Tata Guna Lahan Di Wilayah Kabupaten
Sumedang. Bulletin of Scientific Contribution, vol. 17, no. 2: 101-108.
Widodo, R. (2014). Pemodelan Sppasial Resiko Kebakaran Hutan (Studi
Kasus Provinsi Jambi, Sumatera). Jurnal Pembangunan Wilayah
dan Kota.
Yudha Niagara, E. E. (2020). Pemanfaatan Citra Penginderaan Jauh Untuk
Pemetaan Klasifikasi Tutupan Lahan Menggunakan Metode
Unsupervised K-Means Berbasis Web GIS. Jurnal Rekursif, vol. 8,
no. 1.
Zhaoo, Q. Y. (2022). An Overview of the Applications of Earth Observation
Satellite Data : Impacts and Future Trends. Remote Sensing, 14(8),
1863.

12