03 - 019 - Zakky Nurshidiq - Tree Counting

KEGIATAN – V
TREE COUNTING
LAPORAN PRAKTIKUM PENGOLAHAN CITRA DIGITAL
Disusun Oleh:
Nama : Zakky Nurshidiq

NIM : 117.200.019
Plug : 03
PROGRAM STUDI TEKNIK GEOMATIKA

JURUSAN TEKNIK GEOLOGI
FAKULTAS TEKNOLOGI MINERAL
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN”
YOGYAKARTA
2023/2024
LABORATORIUM FOTOGRAMETRI DAN PENGINDERAAN JAUH
TEKNIK GEOMATIKA
UPN “VETERAN” YOGYAKARTA 2023/2024
BAB I
PENDAHULUAN
1.1 Latar Belakang

Penginderaan Jauh merupakan rekaman pola pantulan energi
elektromagnetik dan emisi yang ditampilkan di citra menyerupai gambar dan
mempunyai sifat yang sangat bervariasi. Untuk mendapatkan informasi penting
dari data tersebut kita harus melakukan tahap deteksi terlebih dahulu. Deteksi
dibantu oleh karakteristik spasial, spectral, radiometric dan temporal data.
Resolusi spasial ialah kemampuan system perekam dalam membedakan objek
yang terletak berdekatan. Resolusi spectral merupakan perekaman gambaran
yang sama pada interval spectral yang berbeda. Resolusi radiometric untuk
menghasilkan kontras yang lebih baik sehingga dapat dicapai jumlah tingkat
keabuan antara batas hitam dan putih yang mudah dibedakan. Akhirnya resolusi
temporal menjelaskan kegunaan citra yang direkam pada interval waktu tertentu
(musim) untuk mendeteksi perubahaan yang telah terjadi (Purwadhi, 2001).
Tujuan utama penginderaan jauh adalah untuk mengumpulkan data
sumberdaya alam dan lingkungan. Teknik ini menghasilkan beberapa bentuk
citra yang selanjutya diproses dan diinterpretasi guna membuahkan data yang
bermanfaat untuk aplikasi di bidang pertanian, arkeologi, kehutanan, geografi,
geologi, perencanaan, dan bidang-bidang lainnya (Lo, 1995).
Pada praktium ini akan belajar dan mempraktikan proses tree counting.
Penilaian kuantitatif pohon melalui praktikum tree counting menjadi penting
untuk menyediakan data yang akurat dan relevan terkait dengan keberadaan dan
kondisi pohon di suatu wilayah. Dengan melakukan penghitungan pohon, kita
dapat mengidentifikasi jenis-jenis pohon yang dominan, mengevaluasi
kerapatan vegetasi, dan mengukur distribusi spasialnya. Data ini, pada
gilirannya, dapat membantu dalam perencanaan taman kota, program reboisasi,
serta pemantauan dan perlindungan lingkungan.
Beberapa penelitian telah menyoroti pentingnya pemetaan pohon dan
perhitungan pohon menggunakan teknologi citra satelit dan citra udara.
Menurut Cheng et al. (2019), "Teknologi penginderaan jauh, khususnya citra
2 | Praktikum Pengolahan Citra Digital

TEKNIK GEOMATIKA
satelit dan citra udara, telah terbukti menjadi alat yang efektif dalam
pengumpulan data pohon yang akurat dan representatif." Pemetaan pohon
menggunakan citra satelit dapat memberikan informasi spasial yang luas dan
memungkinkan analisis kuantitatif yang mendalam.
Selain itu, menurut studi oleh Anderson et al. (2020), "Pemetaan pohon
dan penghitungan pohon melalui citra satelit dapat membantu dalam
pemantauan dinamika vegetasi di wilayah perkotaan dan memfasilitasi
perencanaan kota yang berkelanjutan." Oleh karena itu, praktikum tree counting
ini bertujuan untuk memberikan pemahaman praktis dan keterampilan analitis
dalam menggunakan teknologi citra untuk melakukan penghitungan pohon
secara efektif dan efisien.
Dengan demikian, laporan praktikum ini bertujuan untuk menyajikan
hasil pengalaman praktis dalam tree counting dan menjelaskan metode serta alat
yang digunakan. Diharapkan bahwa laporan ini tidak hanya akan meningkatkan
pemahaman mahasiswa terkait metode pemetaan dan penghitungan pohon,
tetapi juga akan memberikan kontribusi pada upaya pemantauan dan
manajemen vegetasi yang berkelanjutan di wilayah kajian.
1.2 Rumusan Masalah

Berdasarkan latar belakang yang telah dijelaskan, maka dapat dirumuskan
permasalahan sebagai berikut:
1. Bagimana tahapan-tahapan dalam melakukan proses ekstraksi informasi
khusus pada foto udara atau citra satelit resolusi tinggi menggunakan
metode segmentasi?
2. Bagimana tahapan-tahapan dalam melakukan proses proses segmentasi
menggunakan software eCognition?
1.3 Tujuan
Adapun tujuan pelaksanaan dari kegiatan ini adalah sebagai berikut:
1. Praktikan dapat memahami dan melakukan proses ekstraksi informasi
khusus pada foto udara atau citra satelit resolusi tinggi menggunakan
metode segmentasi.

TEKNIK GEOMATIKA
2. Praktikan dapat memahami dan mempraktikan proses segmentasi

menggunakan software eCognition.

TEKNIK GEOMATIKA
BAB II
DASAR TEORI
2.1. Penginderaan Jauh

Pengindraan jauh adalah ilmu dan seni pengumpulan informasi tentang
objek, area, atau fenomena tanpa memiliki kontak fisik dengan objek, area, atau
fenomena tersebut, melalui pengukuran karakteristik yang ada dalam radiasi
yang dipantulkan atau dipancarkan oleh objek, area, atau fenomena tersebut
(Kiefer et al, 2014). Metode ini menggunakan sensor atau alat pengindraan yang
mampu mendeteksi, mengukur, dan merekam karakteristik radiasi
elektromagnetik yang dipantulkan atau dipancarkan oleh objek, area, atau
fenomena yang diamati. Pengindraan jauh memiliki beragam aplikasi dalam
berbagai bidang, termasuk ilmu lingkungan, geografi, geologi, pertanian,
pemetaan, pemantauan cuaca, pemantauan bencana alam, dan banyak lagi.
2.2. Foto Udara

Citra Foto udara adalah citra atau gambar yang diambil dari udara,
biasanya dengan menggunakan pesawat terbang atau drone. Para ahli geografi,
pemetaan, dan ilmu terkait sering menggunakan foto udara untuk memetakan
dan menganalisis kondisi geografis suatu daerah. Menurut Lillesand dan Kiefer
(2015), foto udara merupakan rekaman visual dari permukaan Bumi yang
diambil dari pesawat terbang atau pesawat tanpa awak dalam penerbangan
horizontal. Foto udara memiliki potensi besar untuk aplikasi pemetaan dan
analisis lingkungan karena memberikan informasi visual yang detail tentang
topografi, penggunaan lahan, dan objek-objek lainnya.
Penggunaan foto udara tidak hanya terbatas pada survei dan pemetaan.
Menurut Turner (2005), dalam bidang arkeologi, foto udara digunakan untuk
mendeteksi situs-situs arkeologis yang mungkin sulit dilihat dari permukaan
tanah. Oleh karena itu, foto udara tidak hanya menyediakan data visual, tetapi
juga memainkan peran penting dalam mendukung penelitian lintas disiplin
ilmu.

TEKNIK GEOMATIKA
Dengan demikian, foto udara memiliki signifikansi yang besar dalam

berbagai bidang, termasuk pemetaan, analisis lingkungan, dan arkeologi.
Pemahaman tentang pengertian dan aplikasi foto udara menjadi kunci untuk
memanfaatkannya secara efektif dalam penelitian dan survei.
2.3. Template Matching

Template matching adalah sebuah teknik dalam pengolahan citra digital
untuk menemukan bagian-bagian kecil dari gambar yang cocok dengan
template gambar (Tjahjadi dan Handoko). Template matching merupakan salah
satu ide yang digunakan untuk menjelaskan bagaimana otak kita mengenali
kembali bentuk-bentuk atau pola-pola. Template dalam konteks rekognisi pola
merujuk pada konstruk internal yang jika cocok (match) dengan stimulus
penginderaan mengantar pada rekognisi suatu objek atau pengenalan pola
terjadi jika terjadi kesesuaian antara stimulus indera dengan bentuk mental
internal. Gagasan ini mendukung bahwa sejumlah besar template telah tercipta
melalui pengalaman hidup kita. Tiap-tiap template berhubungan dengan suatu
makna tertentu (Pratt, 1991).
Klasifikasi umum dari pendekatan template matching hampir sama
dengan pendekatan image matching. Image matching memiliki tiga metode
pendekatan yaitu berdasarkan area, fitur, dan relasi (Tjahjadi, 2017).
Pendekatan berdasarkan fitur digunakan ketika kedua gambar referensi dan
template yang memiliki lebih korespondensi yang berhubungan dengan fitur
dan titik kontrol. Fitur meliputi titik-titik, kurva, atau model permukaan.
Tujuannya adalah menemukan pasangan koneksi yang cocok antara gambar
referensi dan template menggunakan hubungan spasial atau deskripsi fitur.
Sedangkan pendekatan berdasarkan area terkadang disebut metode template
matching. Pendekatan ini sangat cocok untuk template yang memiliki fitur tidak
kuat dengan gambar, karena mereka beroperasi secara langsung pada sebagian
besar nilai keabuan, atau bisa diartikan bahwa sebagian besar template gambar
merupakan gambar yang cocok. Pendekatan berdasarkan area atau template
sangat cocok digunakan untuk klasifikasi jumlah pohon kelapa sawit. Hal ini

TEKNIK GEOMATIKA
dikarenakan sebagian besar sampel yang diambil dari pohon kelapa sawit
identik atau hampir sama (Mahalakshmi, 2012).
2.4. Segmentasi Citra

Menurut Destyningtias (2010) segmentasi merupakan proses
mempartisi citra menjadi beberapa daerah atau objek. Segmentasi citra
mempunyai sifat discontinuity atau similarity dari intensitas piksel. Pendekatan
discontinuity yaitu mempartisi citra bila terdapat perubahan intensitas secara
tiba-tiba (edge based). Pendekatan similarity yaitu mempartisi citra menjadi
daerah-daerah yang memiliki kesamaan sifat tertentu (region based).
Segmentasi citra adalah proses pengolahan citra yang bertujuan memisahkan
wilayah (region) objek dengan wilayah latar belakang agar objek mudah
dianalisis dalam rangka mengenali objek yang banyak melibatkan persepsi
visual. Proses segmentasi citra didasarkan pada perbedaan derajat keabuan citra
(Tjahjadi dkk, 2019). Untuk mengubah citra berwarna yang mempunyai nilai
matrik masing masing r, g dan b menjadi citra grayscale dengan nilai s, maka
dilakukan konversi dengan mengambil rata rata dari nilai r, g dan b.
Keterangan:
r : Nilai matriks band Red
g : Nilai matriks band Green
b : Nilai matriks band Blue
2.5. Tresholding
Segmentasi citra menggunakan metode thresholding memisahkan objek
dengan background dalam suatu citra berdasarkan pada perbedaan tingkat
kecerahannya atau gelap. Region citra yang cenderung gelap akan dibuat
semakin gelap (hitam sempurna dengan nilai intensitas sebesar 0), sedangkan
region citra yang cenderung terang akan dibuat semakin terang (putih sempurna
dengan nilai intensitas sebesar 1). Keluaran dari proses segmentasi dengan
metode thresholding adalah citra biner dengan nilai intensitas piksel sebesar 0

TEKNIK GEOMATIKA
atau 1. Setelah citra sudah tersegmentasi atau sudah berhasil dipisahkan

objeknya dengan background, maka citra biner yang diperoleh dapat dijadikan
sebagai masking untuk melakukan proses cropping sehingga diperoleh tampilan
citra asli tanpa background atau dengan background yang dapat diubah-ubah
(Destiningtyas, 2010).

TEKNIK GEOMATIKA
BAB III
METODOLOGI
3.1. Lokasi
Kegiatan praktikum ini dilaksanakan secara daring di Kontrakan
GeoFunny, Jl. Beringin Raya 2 No 66, Maguwoharjo, Sleman, Daerah stimewa
Yogyakarta pada hari Jum’at, 17 November 2023.
3.2. Alat dan Bahan

Pada kegiatan praktikum pengolahan citra digital ini terdapat perangkat dan
data, diantaranya sebagai berikut :
1. Perangkat Keras (Hardware) yang dibutuhkan:
a. Laptop Acer Nitro 5
2. Perangkat Lunak (Software) yang dibutuhkan:
a. Software ENVI 5.3.
b. Software ArcGIS 10.8
3. Data yang dibutuhkan:
a. Data Foto Udara Kebun Sawit, Kuta Provinsi Bali.

TEKNIK GEOMATIKA
3.3. Diagram Alir
Gambar 3. 1 Diagram Alir Pelaksanaan Praktikum

TEKNIK GEOMATIKA
3.4. Langkah Kerja

Adapun langkah kerja yang dilakukan untuk melakukan pengolahan tree
counting yaitu sebagai berikut ini:
3..4.1. Software eCognition

1. Membuka software eCognition dan memilih Rule Set Mode.
2. Membuat project baru pengolahan dengan klik menu File → Create new
Project → memasukkan data foto udara yang akan diolah.
3. Membuat template sample pohon sebagai acuan digitasi dengan klik kanan
pada taskbar → Template Editor → Create New Template. Pada window
Template editor memberi nama project, kemudian pada Root Folder

TEKNIK GEOMATIKA
mendefinisikan lokasi penyimpanan project dan template yang dibuat →

OK.
4. Mengatur parameter Size dan Context pada submenu Select sample,

berdasarkan lebar kanopi pohon. Pada pengolahan ini menggunakan Size 75
dan Context 3.
5. Melakukan digitasi pada pohon sawit (palm) dengan cara klik Select Sample
kemudian pilih sample pohon yang sekiranya dapat mewakili pohon lainnya
dengan mengarahkan kursor pada pohon.

TEKNIK GEOMATIKA
6. Melakukan Generate template pada bagian submenu Geneate Templates

pada masing-masing layer yaitu layer 1, layer 2, dan layer 3 secara
bergantian. Memilih layer dengan nilai Sample correlation paling besar
sebagai acuan dalam segmentasi (pada pengolahan ini menggunakan layer
2).
7. Mengatur parameter ground truth tolerance (pxls) dan Treshold pada bagian
submenu Test Template untuk mengatur tingkat kemiripan objek serta
mengatur layer seusi dengan layer acuan (layer 2). Pada pengolahan ini
menggunakan parameter meliputi, ground truth tolerance (pxls) = 3 dan
Treshold = 0.2.
8. Memilih area yang akan dijadikan area sampel dengan klik Select Region
kemudian klik Execute Test untuk menampilkan hasil ekstraksi objek.

TEKNIK GEOMATIKA
9. Melakukan pengecekan/verifikasi hasil ekstraksi sampel yang telah dibuat

dengan mempertimbangkan kenampakan aslinya pada Review Target
dimana Correct = Benar, False = Salah, dan Not Sure = Ragu.

TEKNIK GEOMATIKA
10. Melakukan Process Tree dengan klik Process Tree → Klik kanan →
Append new.
11. Mengatur parameter pada window Edit Process dengan memilih algoritma
Template Matching → Execute. Berikut ini parameter algoriymanya:
Parameter = Value
Template folder = Lokasi penyimpanan hingga layer (layer 2_Group0)
Input layer = Menyesuikan layer yang digunakan (layer 2)
Output Layer = Default
Threshold = Menyesuiakan nilai theshold sebelumnya (0.2)
Thematic layer = Palm
12. Menampilkan hasil segmentasi dengan cara klik bagian Show/Hide vector
layers → kemudian klik bagian show → klik OK.

TEKNIK GEOMATIKA
13. Hasil segmentasi untuk perhitungan pohon kelapa sawit.
14. Mengekspor hasil pengolahan dengan klik kanan menu Process Tree →
Append New. Memilih jenis algoritma yang digunakan yaitu Export
Existing Vector Layer.

TEKNIK GEOMATIKA
3.4.7. Software ArcMap

Melakukan filtering dan verifikasi hasil segmentasi yang dipeoses pada
software eCognition sebelumnya di software ArcMap.
1. Membuka software ArcMap 10.8.
2. Melakukan input data berupa data hasil process tree yang sudah di export
(.shp) dan data citra kelapa sawit dengan cara klik Add Data pada Layers
→ Input data → Add.

TEKNIK GEOMATIKA
3. Merapikan hasil segmentasi dengan menghapus titik yang tidak

menunjukkan pohon secara tepat dengan cara klik pada layer Palm →
Editor → Start Editing.
4. Merapikan hasil segmentasi kelapa sawit seperti titik yang melenceng

dengan select fitur tiap titik → klik Delete. Lakukan secara menyeluruh
pada hasil segmentasi jika sudah save edit.

TEKNIK GEOMATIKA
5. Mengecek jumlah pohon kelapa sawit dengan cara klik kanan pada layer
Palm → Open Attribute Table.
6. Melakukan layouting pada hasil segmentasi akhir.

TEKNIK GEOMATIKA
BAB IV
HASIL DAN PEMBAHASAN
4.1. Hasil
Hasil yang didaptkan dari praktikum Tree Counting yaitu sebagai
berikut ini:
4.1.1. Tampilan Pembuatan Sampel Pohon
Gambar 4. 1 Hasil pembuatan sample pohon sawit (palm) pada

software eCognition (Sumber: dokumen pribadi)
4.1.2. Tampilan Kotak Select Region pada Citra
Gambar 4. 2 Boundary Select Region (Sumber: dokumen pribadi)

TEKNIK GEOMATIKA
4.1.3. Tampilan Template Editor setelah dilakukan Execute
Gambar 4. 3 Display Template Editor Setelah Dilakukan Execute

(Sumber: dokumen pribadi)
4.1.4. Tampilan Template Editor setelah dilakukan verifikasi tiap objek
Gambar 4. 4 Display Template Editor Setelah Dilakukan Verifikasi

Pada Pohon Sawit (Palm) (Sumber: dokumen pribadi)

TEKNIK GEOMATIKA
4.1.5. Hasil Nilai Process Tree
Gambar 4. 5 Hasil Nilai Process Tree (Sumber: dokumen pribadi)
4.1.6. Tampilan Hasil Segmentasi Pohon Sawit (Palm)

1. Hasil Segmentasi Pada Software eCognition
Gambar 4. 6 Hasil Segmentasi Pohon Sawit (Palm) Sebelum Filtering

dan verifikasi (Sumber: dokumen pribadi)

TEKNIK GEOMATIKA
2. Hasil Segmentasi Setelah Filtering dan Verifikasi Pada Software

ArcMap 10.8
Gambar 4. 7 Hasil Segmentasi Pohon Sawit (Palm) Setelah Filtering

dan Verifikasi (Sumber: dokumen pribadi)
4.1.7. Tampilan Perbandingan Jumlah Pohon Sawit (Palm) Hasil

Segmentasi Sebelum dan Setelah Dilakukan Proses Filetering dan
Verifikasi
1. Sebelum Dilakukan Proses Filetring dan Verifikasi
Gambar 4. 8 Table Of Content Palm Sebelum Dilakukan Proses

Filtering dan Verifikasi (Sumber: dokumen pribadi)

TEKNIK GEOMATIKA
2. Setelah Dilakukan Proses Filetring dan Verifikasi
Gambar 4. 9 Table Of Content Palm Sebelum Dilakukan Proses

Filtering dan Verifikasi (Sumber: dokumen pribadi)
4.1.8. Peta Hasil Segmentasi Pohon Kelapa Sawit (Palm)
Gambar 4. 10 Peta Hasil Segmentasi Pohon Kelapa Sawit (Palm)

(Sumber: dokumen pribadi)

TEKNIK GEOMATIKA
4.2. Pembahasan
Pada praktikum pengolahan citra digital ini, praktikan melakukan proses
Tree Counting menggunakan data foto udara area perkebunan sawit (palm) yang
berada pada daerah Kuta, Provinsi Bali. Penggunaan data foto udara dipilih
karena kualitas data yang memiliki resolusi tinggi, sehingga cocok untuk
digunakan untuk segmentasi. Proses pengolahan menggunakan software
eCognition untuk segmentasi dan software ArcMap untuk filtering dan verifikasi
seta layouting.
Proses pengolahan dimulai menggunakan software eCognition untuk
proses segmentasi citra dengan menerapkan metode thresholding. Metode
thresholding merupakan teknik yang memisahkan objek dari latar belakang
dengan menetapkan nilai ambang batas tertentu. Penerapan metode ini
melibatkan penentuan nilai ambang batas yang optimal, sehingga efektif untuk
memisahkan kelapa sawit dari objek lainnya. Setelah mendapatkan nilai ambang
yang optimal, langkah selanjutnya adalah mengaplikasikan nilai tersebut untuk
melakukan segmentasi kelapa sawit. Pada pengolahan ini menggunakan
parameter meliputi, ground truth tolerance (pxls) = 3 dan Treshold = 0.2.
Pada proses segmentasi ini menggunakan suatu algoritma khusus untuk
melakukan matching , yaitu algoritma template matching. Algoritma ini
digunakan untuk mencocokkan pola kelapa sawit dengan template sample yang
telah ditetapkan sebelumnya. Proses dalam menerapkan algoritma template
matching pada software eCognition mencakup pemilihan template kelapa sawit
dari output metode threshold sebelumnya dan menghasilkan beberapa sampel
untuk diverifikasi guna memastikan keakuratannya dalam proses matching
kelapa sawit.
Dari proses thresholding dan temlate matching yang telah dilakukan, maka
didapatkan hasil segmentasi kelapa sawit (palm). Hasil tersebut belum
merepresentasikan hasil yangs esungguhnya, karena pada proses matching pasa
umumnya masih memiliki kekurangan yaitu pada keakratannya yang dipengaruhi
oleh karakteristik pixsel pada objek selain objek utamanya. Oleh karena itu, harus
dilakukan proses filtering dan verifikasi menggunakan software ArcMap dengan
tools editor.Dapat dilihat dari Gambar 4.8 dan Gambar 4.9 hasil filtering dan

TEKNIK GEOMATIKA
verifikasi memiliki perbandingan jumlah palm yaitu sebelumnya berjumlah 400

palm menjadi 387 palm, sehingga terdapat 13 titik hasil segmentasi yang tidak
sesuai di identifiaksi ada proses matching. Hal ini dipengaruhi oleh parameter
ground truth tolerance (pxls) dan Treshold yang digunakan. Faktor tersebut
dipengaruhi oleh karakterisitik area perkebuanan sawit yang memiliki objek lain
selain pohon sawit dan faktor intensitas cahaya pada foto udara.

TEKNIK GEOMATIKA
BAB V
KESIMPULAN
5.1. Kesimpulan
Dari kegiatan praktikum Tree Counting yang telah dilakukan, maka dapat
diambil kesimpulan sebagai berikut:
1. Pada praktikum ini, pratikan telah melakukan pengolahan tree counting
dengan menggunakan metode tresholding dan algoritma template
matching.
2. Kelebihan metode thresholding:
a. Efektif dan efesien untuk diimplementasikan
b. Cocok diguankan pada citra yang memiliki erbedaan intensitas cahaya
yang jelas.
3. Kekurangan metode thresholding:
a. Rentan terhadap variasi intensitas cahaya dan bayangan
b. Kurang efektif jika digunakan pada citra yang memeiliki kompleksitas
tinggi seperti, semak belukar dan tanah.
4. Penerapan algoritma template matching:
a. Algoritma template matching membantu untuk mencocokkan pola
kelapa sawit (palm) dengan acuan sample yang dibuat.
b. Kelebihan algoritma template matching:
1. Kemamuan dalam menangani variasi dalam orientasi dan ukuran
objek.
2. Efektif untuk objek yang memiliki pola konsisten
c. Kekurangan algritma template matching:
1. Memerlukan template yang harus merepresentasikan objek dan
jumlah sample yang memedai dan merata.
2. Pada proses matching dapat memakan waktu pada citra yang
besar.
5. Perbaikan hasil segmentasi:

TEKNIK GEOMATIKA
a. Proses perbaikan hasil sgemnetasi dilakukan dengan cara filtering

dan verifikasi pada software ArcMap. Point yang dihasilkan dari
segmentasi divalidasi kebenarannya sesuai objek palm
b. Validasi yang dilakukan merupakan langkah untuk meningkatkan
akurasi segmentasi hasil dari metode thresholding dan template
matching.
c. Setelah perbaikan (filtering dan verifikasi) terdapat perbandingan
seniali 13 (point palm awal = 400 dan point palm akhir = 387)
6. Kelemahan yang telah disimulkan harus diatasi dengan pengembangan
parameter ground truth tolerance (pxls) dan Treshold, sehingga hasil yang
diperoleh semakain maksimal dan akurat.
Dari kegiatan praktikum Tree Counting yang telah dilakukan, praktikan
telah menambah wawasan dan pegalama yang mendalam dalam pengolahan
segmentasi palm. Thanks, Lopp you All ASLAB

TEKNIK GEOMATIKA
DAFTAR PUSTAKA
Jensen, J.R. (2005). "Introductory Digital Image Processing: A Remote Sensing

Perspective." Upper Saddle River, NJ: Prentice-Hall.
Mahalakshmi, T. R. M., dan Swaminathan, P., 2012. An overview of template matching
techniques in image processing. Jurnal penelitian dan Sains, Engineering and
Technology.
Eenawa, Yogi Galih, DKK. 2020. Perhitungan Pohon Pada Perkebunan Kelapa Sawit
Menggunakan Software Trimble Ecognition Developer Dari Citra Foto Udara
(Studi Kasus : Muara Bengkal, Kutai Timur, Kutai Kartanegara, Kalimantan
Timur). Jurnal Geodesi ITN Malang.
Arhatin, R. E., 2010. Pengenalan Penginderaan Jauh.

03 - 019 - Zakky Nurshidiq - Tree Counting

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

03 - 019 - Zakky Nurshidiq - Tree Counting

Diunggah oleh

Hak Cipta:

Format Tersedia

KEGIATAN – V

LAPORAN PRAKTIKUM PENGOLAHAN CITRA DIGITAL

Nama : Zakky Nurshidiq

PROGRAM STUDI TEKNIK GEOMATIKA

1.1 Latar Belakang

2 | Praktikum Pengolahan Citra Digital

1.2 Rumusan Masalah

3 | Praktikum Pengolahan Citra Digital

2. Praktikan dapat memahami dan mempraktikan proses segmentasi

4 | Praktikum Pengolahan Citra Digital

2.1. Penginderaan Jauh

2.2. Foto Udara

5 | Praktikum Pengolahan Citra Digital

Dengan demikian, foto udara memiliki signifikansi yang besar dalam

2.3. Template Matching

6 | Praktikum Pengolahan Citra Digital

2.4. Segmentasi Citra

7 | Praktikum Pengolahan Citra Digital

atau 1. Setelah citra sudah tersegmentasi atau sudah berhasil dipisahkan

8 | Praktikum Pengolahan Citra Digital

3.2. Alat dan Bahan

9 | Praktikum Pengolahan Citra Digital

3.3. Diagram Alir

Gambar 3. 1 Diagram Alir Pelaksanaan Praktikum

10 | Praktikum Pengolahan Citra Digital

3.4. Langkah Kerja

3..4.1. Software eCognition

11 | Praktikum Pengolahan Citra Digital

mendefinisikan lokasi penyimpanan project dan template yang dibuat →

4. Mengatur parameter Size dan Context pada submenu Select sample,

12 | Praktikum Pengolahan Citra Digital

6. Melakukan Generate template pada bagian submenu Geneate Templates

13 | Praktikum Pengolahan Citra Digital

9. Melakukan pengecekan/verifikasi hasil ekstraksi sampel yang telah dibuat

14 | Praktikum Pengolahan Citra Digital

15 | Praktikum Pengolahan Citra Digital

13. Hasil segmentasi untuk perhitungan pohon kelapa sawit.

16 | Praktikum Pengolahan Citra Digital

3.4.7. Software ArcMap

17 | Praktikum Pengolahan Citra Digital

3. Merapikan hasil segmentasi dengan menghapus titik yang tidak

4. Merapikan hasil segmentasi kelapa sawit seperti titik yang melenceng

18 | Praktikum Pengolahan Citra Digital

6. Melakukan layouting pada hasil segmentasi akhir.

19 | Praktikum Pengolahan Citra Digital

Gambar 4. 1 Hasil pembuatan sample pohon sawit (palm) pada

4.1.2. Tampilan Kotak Select Region pada Citra

Gambar 4. 2 Boundary Select Region (Sumber: dokumen pribadi)

20 | Praktikum Pengolahan Citra Digital

4.1.3. Tampilan Template Editor setelah dilakukan Execute

Gambar 4. 3 Display Template Editor Setelah Dilakukan Execute

4.1.4. Tampilan Template Editor setelah dilakukan verifikasi tiap objek

Gambar 4. 4 Display Template Editor Setelah Dilakukan Verifikasi

21 | Praktikum Pengolahan Citra Digital

4.1.5. Hasil Nilai Process Tree

Gambar 4. 5 Hasil Nilai Process Tree (Sumber: dokumen pribadi)

4.1.6. Tampilan Hasil Segmentasi Pohon Sawit (Palm)

Gambar 4. 6 Hasil Segmentasi Pohon Sawit (Palm) Sebelum Filtering

22 | Praktikum Pengolahan Citra Digital

2. Hasil Segmentasi Setelah Filtering dan Verifikasi Pada Software

Gambar 4. 7 Hasil Segmentasi Pohon Sawit (Palm) Setelah Filtering

4.1.7. Tampilan Perbandingan Jumlah Pohon Sawit (Palm) Hasil

Gambar 4. 8 Table Of Content Palm Sebelum Dilakukan Proses