TREE COUNTING
Disusun Oleh:
BAB I
PENDAHULUAN
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.
BAB II
DASAR TEORI
dikarenakan sebagian besar sampel yang diambil dari pohon kelapa sawit
identik atau hampir sama (Mahalakshmi, 2012).
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
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.
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
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.
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.
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.
14. Mengekspor hasil pengolahan dengan klik kanan menu Process Tree →
Append New. Memilih jenis algoritma yang digunakan yaitu Export
Existing Vector Layer.
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.
5. Mengecek jumlah pohon kelapa sawit dengan cara klik kanan pada layer
Palm → Open Attribute Table.
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
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
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:
DAFTAR PUSTAKA