Teknik Geodesi dan Geomatika

Institut Teknologi Bandung

Tugas Besar Penginderaan Jauh

Peta Tutupan Lahan

Kota Semarang
15117048 | Bob Gamaliel Marbun
15117089 | Reynaldi GM Hutapea
Pendahuluan
 Penginderaan Jauh, biasa disebut dengan
Inderaja, merupakan ilmu mempelajari,
menganalisis, memperoleh informasi dari suatu
obyek, wilayah, maupun suatu fenomena tanpa
melakukan kontak fisik langsung terhadap obyek
tersebut.

 Tugas besar ini sebagai persyaratan untuk mata

kuliah Penginderaan Jauh (GD 3205)

 Dalam presentasi ini kami melakukan pembuatan

peta tutupan lahan untuk wilayah Kota Semarang,
menggunakan software ENVI, Arcmap, dan Google
Earth Pro. Dengan data citra Jawa Tengan yang
diunduh dari website USGS.
Tujuan
 Membuat peta tutupan lahan pada wilayah kota
Semarang Jawa Tengan, dengan mengolah data
citra Lansat 8 OLI yang masih memiliki kesalahan-
kesalahan menjadi peta tutupan lahan dengan
klasifikasi terbimbing yang terdiri dari 4 kelas
klasifikas dan telah dilakukan koreksi serta diuji
kualitas hasilnya
Diagram Alir Langkah Kerja
Diagram Alir Langkah Kerja (lanjutan)
Metadata Citra (Data Set)
Date Acquired : 05 May 2018

Scene Center Time : "02:47:15.2165290Z"

Raster Properties:

Size = 820.957.326 bytes; Columns = 7581 ; Rows = 7731 ; Bands

=7;

Interleave = BSQ; Data type = Ulnt; Sensor Type = Landsat OLI

Image Parameters Properties

Cloud Cover = 0.790000% ; Sun Azimuth = 48.939063°

Sun Elevation = 54.196721° ; Earth Sun Distance = 1.008461 AU

Coordinate System Properties :

Projcs = WGS_1984_UTM_Zone_49 N ; Geogcs =

GCS_WGS_1984

Datum = WGS_1984 ; Projection = Transverse_Mercator

Scale Factor = 0.99996

Area of Interest: Kota Semarang
Didapatkan dengan membuat ROI baru
pada ENVI dari citra Jawa Tengah yang
diunduh dari website USGS.

Kota semarang adalah ibu kota Provinsi

Jawa Tengah sekaligus termasuk
kedalam 5 kota metropolitan terbesar di
Indonesia. Kota Semarang mempunyai
jumlah penduduk lebih dari 1.7 Juta jiwa.
Kawasan mega-urban ini memiliki luas
daerah administratif sebesar 373.70 km
persegi dengan batas-batas daerah :

Utara = Laut Jawa

Timur = Kabupaten Demak

Selatan = Kabupaten Semarang

Barat = Kabupaten Kendal

Koreksi Atmosferik
Koreksi atmosferik bertujuan untuk memperbaiki nilai piksel dengan
mempertimbangkan faktor gangguan atmosfer sebagai sumber kesalahan utama. Efek
atmosfer menyebabkan nilai suatu objek di permukaan bumi menjadi berbeda dengan
nilai yang seharusnya dikarenakan adanya hamburan dan serapan.

• Model Aerosol yang kami pilih adalah “Urban”

Karena dari informasi profil kota Semarang, diketahui bahwa kota Semarang
merupakan kawasan mega-urban yang didominasi oleh pemukiman serta
vegetasi. Tetapi jika difokuskan ke kota Semarang dan dibandingkan, maka akan
lebih dominan urban dibandingkan dengan vegetasi, sehingga kami memilih
Urban.

• Model Atmosferik yang kami pilih adalah “Tropical”

Karena posisi Indonesia yang didominasi dengan iklim Tropis, sehingga untuk
menyesuaikannya kami memilih model atmosfer untuk kami gunakan
Koreksi Atmosferik
Proses koreksi atmosferik
Image Enhancement
Image Enhancement adalah proses memperbaiki atau meningkatkan kualitas dari suatu citra dengan
metode-metode tertentu. Seringkali citra yang dijadikan objek mempunyai kualitas yang buruk,
dikarenakan citra mengalami derau (noise), citra terlalu gelap/terang, citra kurang tajam, kabur, dan
sebagainya. Image enhancement juga melibatkan level keabuan dan manipulasi kontras,
pengurangan derau, pemfilteran, penajaman, interpolasi dan magnifikasi, pseudo warna, dan
sebagainya. Metode yang digunakan dalam image enhancement :

• Image Sharpening
Image sharpening dapat meningkatkan ketajaman dan kedalam informasi citra dengan melakukan
resampling menggunakan citra yang resolusinya lebih tinggi (Panchromatic). Meskipun
meningkatkan kedalam informasi, nilai digital yang terdapat pada citra tidak mengalami perubahan.

• Image Stretching
Merupakan suatu metode yang dapat meningkatkan kontras citra secara statistic dengan
menggunakan beberapa metode di dalamnya yaitu linear, equalize, gaussian dan square root.
Metode yang kami gunakan adalah metode “linear”, karena metode linear menghasilkan histogram
yang terdistribusi normal, dan nilai dari standar deviasi yang dihasilkan lebih kecil. Hasil citra yang
didapat setelah dilakukan stretching adalah kontras citra yang lebih terang dibanding sebelumnya.
Image Enhancement
Proses Image Enhancement
Koreksi Geometrik
Koreksi geometrik dilakukan untuk menyesuaikan menyesuaikan koordinat
pixel pada citra dengan koordinat bumi dalam bidang datar. Sistem koordinat
yang dipakai disesuaikan dengan sistem koordinat yang biasa dipakai di
negara masing-masing. Indonesia sendiri dalam dunia Geographic
Information System (GIS) memakai sistem koordinat Universal Transverse
Mercator (UTM)
Ketentuan koreksi geometrik yang kami gunakan :
1. Menggunakan metode Image to Map Rectification
Meregistrasi titik-titik pada citra ke Google Earth Pro agar memiliki sistem
koordinat yang sama
2. Menggunakan 5 titik GCP yang tersebar merata di seluruh citra
3. Menggunakan metode polinomial berderajat 1
4. Menggunakan metode resampling Nearest Neighbors
5. RMSE : 0.491092
Koreksi Geometrik
Proses Koreksi Geometrik
Klasifikasi Citra
Klasifikasi citra pada dasarnya bertujuan untuk mendapatkan gambaran atau peta tematik yang berisikan
bagian-bagian yang menyatakan suatu obyek atau tema. Tiap obyek pada gambar tersebut memiliki
simbol yang unik yang dapat dinyatakan dengan warna atau pola tertentu. Klasifikasi bentuk dalam citra,
pada awalnya dimulai dengan interpretasi visual atau interpretasi citra secara manual untuk
mengidentifikasi kelompok piksel yang homogen yang mewakili beragam bentuk atau kelas liputan lahan
yang diinginkan.

• Kami menggunakan metode “klasifikasi terbimbing”, dengan jenis klasifikasi yaitu “Mahalanobis
Distance”
Klasifikasi Mahalanobis Distance adalah jarak arah pengklasifikasi sensitif yang menggunakan
statistik untuk masing-masing kelas. Semua piksel yang diklasifikasikan ke kelas ROI terdekat kecuali
pengguna menentukan ambang batas jarak, dalam hal ini beberapa piksel mungkin tidak ditandai
jika mereka tidak memenuhi ambang batas
1. Kami memilih metode ini dikarenakan hasil dari pengklasifikasian dengan metode Mahalanobis
Distance adalah yang terbaik dan yang paling mirip dengan keadaan citra yang sebenarnya dengan
mengacu pada Google Earth Pro
2. Terkhusus pada bagian utara, yaitu perbatasan dengan kelas badan air, pantai diklasifikasikan
dengan lahan kosong. Berbanding terbalik lika dibandingkan dengan metode lainnya, pantai akan
diklasifikasikan menjadi badan air
3. Dikarenakan pengklasifikasian nya yang sensitif, metode ini dapat mengklasifikasikan kelas badan
air walaupun tempatnya berada diantara urban atau vegetasi. Sehingga sangat cocok dengan
keadaan alami yang sebenarnya
Klasifikasi Citra
Proses klasifikasi citra
Klasifikasi Citra
Hasil klasifikasi citra
Uji Kualitas
Commission Matrix
Uji Kualitas
Proses uji kualitas
Layouting Hasil
Proses layouting dilakukan dengan perangkat lunak ArcMap
Analisis
● Nilai Overall Accuracy didapatkan sebesar 87,5% dan Koefficient Kappa sebesar
0,261083744. Beberapa hal yang mempengaruhi hasil tersebut adalah :

1. Citra Google Earth Pro yang terbaru untuk kota Semarang - Jawa Tengah
direkam pada 5 Maret 2019, sedangkan citra Landsat yang digunakan direkam
pada 5 Mei 2018. Sehingga mungkin saja ada terjadi perubahan penggunaan
lahan pada citra yang digunakan

2. Kualitas Citra Google Earth Pro yang kurang baik sehingga kami sulit
menginterpretasi perbedaan antara badan ari dan lahan kosong. Ada bagian
badan air yang cenderung terlalu gelap warnanya sehingga sulit untuk di
interpretasikan

3. Koefficient Kappa menyatakan tingkat kesepakatan dari dua penilai

(produsen dan user) dalam mengklasifikasikan objek ke dalam suatu
grup/kelompok. Untuk nilai koefficent kappa sebesar 0,261083744
menandakan kesepakatan yang sudah baik antara produsen dan user. (Fair
agreement = 0.20 to 0.40)
Analisis
● Spesifikasi pengklasifikasian kelas yang kami gunakan adalah

1. Badan Air : sungai, danau, laut dan perairan lainnya

2. Urban : perumahan, bangunan, pabrik, dan infrastruktur lainnya

3. Vegetasi : ladang, perkebunan, hutan, dan sawah

4. Lahan kosong : lahan yang tidak terdapat apapun diatasnya

Kesimpulan
Dihasilkan Peta Tutupan Lahan Kota Semarang - Provinsi Jawa Tengah
★ Menggunakan citra Landsat 8 OLI

★ Sudah melalui proses koreksi Radiometrik, Atmosferik, Geometrik, dan Image

Enhancment

★ Menggunakan metode klasifikasi terbimbing yaitu Mahalanobis Distance

★ Sudah melalui uji kualitas

★ Dengan Overall Accuracy sebesar 87,5% dan Koefficeint Kappa sebesar 0,261083744

★ Hasil Peta Tutupan Lahan terlampir pada bagian Layouting Hasil

 Teknik Geodesi dan Geomatika
Institut Teknologi Bandung

Hatur Thank You

Peta Tutupan Lahan

Kota Semarang