Dosen : Dr. M.

Ardiansyah

Laporan Praktikum Penginderaan Jauh 

Digital Image Processing 

Oleh : Firdawaty Marasabessy A156100141

Program Studi Ilmu Perencanaan Wilayah Sekolah Pascasarjana Institut Pertanian Bogor (IPB)

terutama sinar matahari ataupun penyediaan energi dalam bentuk radiasi elektromagnetik bagi target 3. tanpa menyentuh atau kontak langsung dengan benda atau target tersebut. Membuat permodelan biofisik (biomasa). dengan menggunakan pemodelan Normalized Difference Vegetation Index (NDVI). stasiun di bumi maupun sistem penerima data dan pengolahannya. Melakukan pra pengolahan citra yang meliputi proses rektifikasi. sistem penginderaan jauh menggunakan alat atau sensor yang secara fisik jauh dari objek atau target. maupun daerah dan fenomena. Jalur transmisi. Sumber energi . Karena data yang diperoleh pada umumnya berbentuk keruangan atau spasial. diantaranya adalah sebagai berikut : 1. pendengaran. menarik dan mudah mengerti untuk tujuan menyajikan sebuah informasi. Simple Ratio (SR). . sistem sensor. Ilmu disini menggambarkan ilmu atau sains yang diperlukan baik dalam konsep. Sedangkan tanpa kontak langsung dimaksudkan bahwa dalam perekaman data spasial. Tujuan Praktikum adalah sebagai berikut : 1. sensor tersebut berupa sistem pemancar (transmitter) dan penerima (receiver). meliputi objek atau material yang diamati 2. maka dalam pengolahannya memerlukan seni tampilan yang serasi. koreksi geometrik dan koreksi radiometrik. Melakukan pengolahan citra dengan pendekatan klasifikasi tidak terbimbing (unsupervised classification) dan klasifikasi terbimbing (supervised classification). dan Vegetation Index (VI). 4. Teknik menunjukan bahwa teknologi penginderaan jauh memerlukan kemampuan merancang bangun untuk semua peralatan yang menyaing baik wahana. Sensor . Mendeteksi pola dan luasan perubahan penutupan lahan. Target . Definisi umum tentang Penginderaan Jauh sebagai ilmu. 3. alat perekam intensitas radiasi (data) yang dibawa oleh platform 4.P endahuluan Penginderaan jauh melingkupi metodologi yang digunakan untuk mempelajari karakteristik objek dari jarak jauh. sasaran. Soil Adjusted Vegetation Index (SAVI). sensor. dan penciuman merupakan contoh bentuk permulaan penginderaan jauh. perolehan data maupun pengolahan dan analisis untuk mendapatkan teknik pelaksanaan pengambilan data yang tepat dan baik sesuai dengan tujuan perolehan data. 2. target. Penglihatan. teknik dan seni untuk memperoleh informasi dan data mengenai kondisi fisik suatu benda atau objek. Sistem remote sensing terdiri dari beberapa komponen dasar.

000 km² atau 2. Morowali dan Kab. ubi kayu. Taman Nasional ini secara resmi meliputi kawasan 217. Lokasi Pengamatan Letak lokasi di Kabupaten Donggala Provinsi Sulawesi Tengah. Citra Landsat “Taman Nasional Lore Lindu” .18 ha (sekitar 1. Taman Nasional ini sebagian besar terdiri atas hutan pegunungan dan sub-pegunungan (±90%) dan sebagian kecil hutan dataran rendah (±10%).M etodologi a. dari penggunaan lahan hutan menjadi penggunaan lainnya (Erasmi.. Selain itu. Donggala. berada pada 0°50'S 2°04'S dan 119°40'E .000 km²) dengan ketinggian bervariasi antara 200 sampai dengan 2. Kab. Sigi. yaitu Kab. ada budidaya pohon kelapa. 2004). kacang-kacangan dan berbagai buah-buahan di lahan miring. Kab. et al. kopi dan kakao Jagung. kacang tanah dan lainlain. Taman Nasional Lore Lindu memiliki fauna dan flora endemik Sulawesi serta panorama alam yang menarik karena terletak di garis Wallace yang merupakan wilayah peralihan antara zona Asia dan Australia. Gambar 1. Tojo Una-Una.610 meter diatas permukaan laut. Kab. Poso. Secara umum wilayah ini mengalami konversi lahan yang cukup luas.4% dari sisa hutan Sulawesi yakni 90. Wilayah ini beriklim tropis lembab dengan Temperatur berkisar antara 16 sampai 22' Celsius dengan tingkat kelembaban antara 85 sampai 95%. Penggunaan lahan didominasi oleh lahan pertanian umumnya padi sawah di bagian bawah lembah.2% wilayah Sulawesi yang luasnya 189.120°30'E yang terdiri dari Taman Nasional Lore Lindu dan lima kabupaten disekitarnya.991.

Bahan dan Alat Bahan yang digunakan dalam praktikum ini adalah : 1. mengakibatkan terjadinya distorsi atau bising acak (random).3 H asil dan Pembahasan a. Koreksi Radiometrik Tujuan dari koreksi geometri. dan registrasi citra ke peta atau transformasi sistem kordinat citra ke peta. dan system penyiaman yang tidak linear.2 dan 3. 2. abrasi sub-sistem optik.b. Citra tahun 2002 menggunakan Proyeksi Universal Transvers Mercator (UTM)/WGS 1984 Zone 51S. perubahan posisi wahana terhadap obyek karena gerakan berputar (roll). UTM WGS 84 Zone 51S. sehingga kedua citra tersebut perlu dikoreksi. UTM WGS 84 Zone 51S. misalnya perubahan ketinggian dan kecepatan wahana. Sedangkan alat yang digunakan dalam pengerjaan tugas praktikum ini adalah : 1. Arc GIS 9. Umumnya koreksi geometrik dilakukan jika terjadi kesalahan. (belum dikoreksi geometrik). maupun kesalahan yang bersifat eksternal. 2. Citra Landsat/MSS Scene 28 Oktober 1972. rotasi bumi ataupun kelengkungan bumi. misalnya pembelokan arah penyinaran. yang menghasilkan citra dengan sistem proyeksi. Citra Landsat/ETM+ Scene 28 September 2002. diantaranya adalah rektifikasi (pembetulan) atau restorasi (pemulihan) citra agar kordinat citra sesuai dengan kordinat geografi. registrasi (mencocokkan) posisi citra dengan citra lain atau mentransformasikan sistem kordinat citra multispektral atau multitemporal. (sudah dikoreksi geometrik). Citra Landsat yang digunakan dalam prkatikum ini yaitu citra tahun 1972 yang belum terkoreksi geometrik namun telah dikoreksi radiometriknya dan sebaliknya citra tahun 2002 yang sudah terkoreksi geometrik tetapi belum terkoreksi radiometrik. . baik kesalahan yang bersifat internal. ERDAS IMAGINE 9. menggelinding (pitch). berbelok (yow). Microsoft Excell.

Cropping Citra Cropping Citra merupakan salah satu tahapan dalam pra pengolahan citra. Dalam pemotongan peta cara yang dilakukan dapat melalui dua cara.Titik kontrol yang dipilih adalah kenampakan-kenampakan yang terlihat jelas pada citra maupun pada peta. Akurasi koreksi geometrik dinilai dari besar kecilnya akar kuadrat rataan (Root Mean Square.4471 (polinomial orde 1). yaitu dengan memilih daerah terlebih dahulu . percabangan sungai besar. sehingga nantinya diperoleh beberapa citra yang memiliki bentuk luar yang sama. RMS). atau perumahan kecil/bangunan yang terisolasi. misalnya percabangan/persimpangan jalan. 1972 2002 Gambar 2. Penentuan GCP pada peta yang belum dikoreksi (tahun 1972) dengan peta yang telah terkoreksi (tahun 2002). GCP). Cropping atau pemotongan citra diperlukan bilamana terdapat beberapa citra yang ingin diperbandingkan/overlay. Cek akurasi terhadap hasil koreksi citra Landsat 1972 dengan citra Landsat 2002 dapat dilihat dengan nilai RMS = 0. Citra Hasil Koreksi b.Karena distorsi geometrik ini bersifat random maka koreksinya membutuhkan sejumlah titik kontrol medan (Ground Control Point.

atau dengan mengambil file AIO yang menyimpan ukuran potong sebuah peta.pada citra yang dituju. a. Tujuan utama klasifikasi citra penginderaan jauh adalah untuk menghasilkan peta tematik. Output dari klasifikasi citra ialah memberikan makna pada sebaran suatu kenampakan atau tutupan lahan pada suatu wilyah yang diamati. Kemudian analis . Klasifikasi Tidak Terbimbing (Unsupervised) Klasifikasi Tidak Terbimbing lebih banyak dilakukan dengan komputerisasi. algoritma klasifikasi dapat dibagi menjadi supervised (terbimbing) dan unsupervised (tidak terbimbing). sehingga setiap kelas dapat menggambarkan suatu entitas dengan ciri-ciri tertentu. dimana suatu warna mewakili suatu objek tertentu. Hasil Cropping Citra c. Secara umum. dimana wilayah pengamatan belum diketahui dengan jelas oleh interpreter. pemilihannya bergantung pada ketersediaan data awal pada citra itu. Pada pendekatan ini citra pertama kali diklasifikasi dengan pengagregasian citra kedalam kelompok-kelompok spektral alami (cluster). Gambar 3. Klasifikasi Citra (Image Classification) Klasifikasi citra merupakan proses pengelompokan pixel pada suatu citra ke dalam sejumlah class (kelas).

48 ha.menentukan identitas kelompok spektral dengan membandingkan citra klasifikasi dengan data rujukan lapang. dan 2002.76 1.33% dari luaswilayah atau sekitar 658.65 164020. Tabel 1. yaitu tahun 1972.21 2.306. Dalam selang waktu 30 tahun berikutnya dengan data citra tahun 2002. Sedangkan untuk lahan pertanian bertambah 11321.16 198185. Hutan.04 100.71 ha. Dengan begitu. kemudian diolah dan dapat ditentukan kedalam 4 (empat) kelas tutupan lahan.76 26628. dan tubuh air berkurang 298.00 Dari tabel diatas dapat dilihat bahwa. yaitu Tubuh Air.Hasil Klasifikasi Tidak Terbimbing No. diketahui luasan tutupan lahan hutan dan tubuh air mengalami penurunan. dan Permukiman.84 ha dan permukiman bertambah menjadi 1635. 1 2 3 4 Klasifikasi Tutupan Lahan Tubuh Air Hutan Lahan Pertanian Permukiman Total Luas Tahun 1972 Luas (Ha) % 5541. Dari citra tersebut.678. sementara luas areal permukiman hanya 0. Namun demikian.33 198185.21 ha. . Berikut adalah hasil klasifikasi tidak terbimbing.04 100.72 658.43 82. maka hasil klasifikasi citra bisa didapatkan secara akurat. Luas hutan berkurang 12658. sementara luas lahan pertanian dan permukiman semakin bertambah.42 ha. Lahan Pertanian.05 ha.21 7. pada tahun 1972 hutan dan lahan pertanian mendominasi tutupan lahan yaitu seluas 176. Pada tugas praktikum ini pengkelasan penutupan lahan melalui pendekatan klasifikasi tidak terbimbing dilakukan pada citra dalam 2 titik tahun.80 176678.79 2.05 13.91 ha dan 15. angka tersebut menunjukan tidak terlalu singnifikan mengalami peningkatan maupun berkurangnya luasan lahan.44 2293.00 Tahun 2002 Luas (Ha) % 5242.71 0.15 15306.91 89.

21 658.76 Tahun 1972 5541. Grafik Perbandingan Luas Tutupan Lahan Klasifikasi Tidak Terbimbing .79 164020.21 176678.Perbandingan Luas Tutupan Lahan (Klasifikasi Tidak Terbimbing) 180000 160000 140000 Luas (Ha) 120000 100000 80000 60000 40000 20000 0 Luas (Ha) Luas (Ha) Tahun 2002 5242.71 Tubuh Air Hutan Lahan Pertanian Permukiman Gambar 4.91 15306.43 26628.05 2293.

Citra Tahun 1972 Citra Tahun 2002 Gambar 5. Peta Hasil Klasifikasi Tidak Terbimbing .

Terjadinya peningkatan luasan tutupan lahan untuk tubuh air dirasakan sangat sulit untuk bisa diterima logika penambahan luasan tubuh air ini.15 46121. dan lahan pertanian mengalami penurunan masing-masing hanya sekitar 0. Hal ini tentunya menjadi catatan penting bagi interpreter agar lebih mendalami fenomena atau pengetahuan terkait hal itu. berdasarkan literatur terkait maupun dengan jalan survei lapang. Setelah dilakukan pengklasifikasian.44 2.04 100.74 146519. 1 2 3 4 Klasifikasi Tutupan Lahan Tubuh Air Hutan Lahan Pertanian Permukiman Total Luas Tahun 1972 Luas (Ha) % 4913.48 146961. Tabel 2. Sebaiknya training set harus dapat merepresentasikan nilai piksel suatu kelas yang diinginkan. Klasifikasi Terbimbing (Supervised) Sebelum melakukan proses klasifikasi terbimbing (Supervised Classification). hasil citra kemudian disimpan dan kemudian dilakukan smooting hasil interpretasi (Nearest Neighborhood dll) yang dilakukan pada masing-masong titik tahun (tahun 1972 dan tahun 2002).18 74. Hasil Klasifikasi Terbimbing No.04 100. namun bias saja terjadi dengan asumsi bahwa terjadi bencana banjir atau limpasan air dari laut dilokasi tersebut. representatif dan disimpan dalam file signature.b. Dari hasil klasifikasi diperoleh pembagian kedalam 4 kelas tutupan lahan dengan luas areal yang dapat disajikan pada Table 2 dibawah ini. .48%.22% dan 2.00 Dari tabel diatas menunjukan bahwa presentase tutupan lahan untuk permukiman berkembang pesat yaitu 2.10 198185.04 23.54% pada tahun 2002 atau meningkat 2.14 2.18 0. Sementara tutupan lahan hutan.00 Tahun 2002 Luas (Ha) % 5427.93 41200.45% dari tahun sebelumnya (tahun 1972).79 5037.26% pada tahun 2002.79 20.69 73. Pembuatan training set dipilih melalui citra dasar yang dibatasi oleh polygon-polygon sekaligus pemberian nama kelas.27 189.64 2. terlebih dahulu dibuat Training Areanya (Signature) kemudian dideliniasi dengan menggunakan AOI tools sampel-sampel wilayah tiap kategori kelas yang akan diklasifikasi.54 198185. tetapi sebaliknya tutupan lahan untuk tubuh air mengalami peningkatan sebesar 0.

79 5037.18 46121.64 146961.44 Tahun 1972 4913.69 41200. Perbandingan Luas Tutupan Lahan Klasifikasi Terbimbing .04 189.14 146519.Perbandingan Luas Tutupan Lahan (Klasifikasi Terbimbing) 160000 140000 120000 Luas (Ha) 100000 80000 60000 40000 20000 0 Luas (Ha) Luas (Ha) Tahun 2002 5427.18 Tubuh Air Hutan Lahan Pertanian Permukiman Gambar 6.

Peta HAsil Klasifikasi Terbimbing .Citra Tahun 2002 Citra Tahun 1972 Gambar 7.

Sementara penggunaan lahan untuk permukiman semakin meluas dimana terjadi konversi lahan pertanian menjadi permukiman seluas 4.62 5091.88 180.02 146936.99 191.03 658. Pemukiman-Tubuh Air. perubahan lahan yang dianggap tidak mungkin terjadi/tidak perlu diketahui diantaranya adalah : Hutan-Tubuh Air.54 9515.874.51 ha. Hasil analisis perubahan penggunaan lahan di Lore Lindu pada dua titik tahun (1972 dan 2002) dapat disajikan pada table berikut : Tabel 3.35 4958. Pemukiman-Lahan Pertanian.47 146491. Sementara itu.53 31359.04 Dari hasil tabel diatas.43 152.d.08 ha. dimana penggunaan lahan untuk fungsi hutan yang tetap masih terbilang luas yaitu 186.30 136874. Perubahan Penggunaan Lahan Deteksi perubahan penggunaan lahan dimaksudkan untuk mengetahui pola dan sebaran alih fungsi lahan untuk penggunaan tertentu dana dalam kurun waktu tertentu. Pemukiman-Hutan.08 9651.46 189.32 198185.51 46100. tergambar bahwa laju konversi lahan tidak terlalu signifikan. Tubuh Air-Hutan. Perubahan Penggunaan Lahan (Tahun 1972-2002) Penutupan Lahan Tubuh Air Hutan Lahan Pertanian Pemukiman Total Tahun 2002 Tahun 1972 Tubuh Air 4491. sehingga dimungkinkan mengkonversi hutan menjadi pemukiman.76 41187.91 259.72 0. Hal ini disebabkan karena tekanan jumlah penduduk yang sangat besar.07 172.36 5.567.34 4567.33 Tahun 2002 Total Tahun Hutan Lahan Pemukiman 1972 Pertanian 102. Tubuh AirPemukiman.05 5414.10 3. .

Gambar 8. Peta Peruabahan Penggunaan Lahan Tahun 1972-2002 .

Dalam hal ini juga indeks vegetasi dapat pula dimanfaatkan dalam pemodelan biofisik misalnya dalam pendugaan biomassa dan karakteristik kanopi.e. Praktikum ini dilakukan analisis NDVI dengan rumus umum untuk citra Landsat : ( ) ( ) Berikut ini adalah peta hasil NDVI Gambar 8. Normalized Difference Vegetation Index (NDVI) Indeks vegetasi umumnya digunakan untuk membedakan vegetasi ataupun non vegetasi dalam suatu wilayah pengamatan. Peta NDVI .

Hal ini disebabkan karena tekanan jumlah penduduk yang sangat besar. . 91 259. 08 9515.04 Dari hasil tabel diatas. perubahan lahan yang dianggap tidak mungkin terjadi/tidak perlu diketahui diantaranya adalah : Hutan-Tubuh Air.62 Pemukim an 191.46 5091.43 31359.34 3.47 198185 . Pemukiman-Tubuh Air.874.30 146936.a. Perubahan Penggunaan Lahan (Tahun 1972-2002) Tahun 2002 Penutupan Lahan T a h u n 1 9 7 2 Tubuh Air Hutan Lahan Pertanian Pemukiman Total Tahun 2002 Tubuh Air 4491. Sementara penggunaan lahan untuk permukiman semakin meluas dimana terjadi konversi lahan pertanian menjadi permukiman seluas 4.05 5414.51 ha. dimana penggunaan lahan untuk fungsi hutan yang tetap masih terbilang luas yaitu 186.07 136874. Tubuh Air-Pemukiman.0 3 658. 54 46100.567.3 6 5. sehingga dimungkinkan mengkonversi hutan menjadi pemukiman. 76 Lahan Pertanian 172.35 152. Perubahan Penggunaan Lahan Deteksi perubahan penggunaan lahan dimaksudkan untuk mengetahui pola dan sebaran alih fungsi lahan untuk penggunaan tertentu dana dalam kurun waktu tertentu.08 ha. tergambar bahwa laju konversi lahan tidak terlalu signifikan.88 41187.53 0. Hasil analisis perubahan penggunaan lahan di Lore Lindu pada dua titik tahun (1972 dan 2002) dapat disajikan pada table berikut : Tabel 3.99 9651. 33 Hutan 102. Tubuh Air-Hutan.10 146491. Sementara itu. Pemukiman-Lahan Pertanian.7 2 189.02 4567.32 Total Tahun 1972 4958. Pemukiman-Hutan.51 180.

.

Gambar 8. Normalized Difference Vegetation Index (NDVI) . Peta Peruabahan Penggunaan Lahan Tahun 1972-2002 b.

Praktikum ini dilakukan analisis NDVI dengan rumus umum untuk citra Landsat : NDVI= IM-MIM+M= TM4-TM3TM4+TM3 Berikut ini adalah peta hasil NDVI Gambar 8. Dalam hal ini juga indeks vegetasi dapat pula dimanfaatkan dalam pemodelan biofisik misalnya dalam pendugaan biomassa dan karakteristik kanopi.Indeks vegetasi umumnya digunakan untuk membedakan vegetasi ataupun non vegetasi dalam suatu wilayah pengamatan. Peta NDVI .

Sign up to vote on this title
UsefulNot useful