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)

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

Selain itu. Morowali dan Kab. Gambar 1.000 km²) dengan ketinggian bervariasi antara 200 sampai dengan 2.610 meter diatas permukaan laut.2% wilayah Sulawesi yang luasnya 189. et al. Poso.991. Lokasi Pengamatan Letak lokasi di Kabupaten Donggala Provinsi Sulawesi Tengah. yaitu Kab. 2004). Tojo Una-Una. Secara umum wilayah ini mengalami konversi lahan yang cukup luas. ubi kayu. kacang-kacangan dan berbagai buah-buahan di lahan miring..000 km² atau 2. Taman Nasional ini secara resmi meliputi kawasan 217.120°30'E yang terdiri dari Taman Nasional Lore Lindu dan lima kabupaten disekitarnya.M etodologi a. berada pada 0°50'S 2°04'S dan 119°40'E . Kab. kopi dan kakao Jagung. Donggala. kacang tanah dan lainlain.4% dari sisa hutan Sulawesi yakni 90. dari penggunaan lahan hutan menjadi penggunaan lainnya (Erasmi. Wilayah ini beriklim tropis lembab dengan Temperatur berkisar antara 16 sampai 22' Celsius dengan tingkat kelembaban antara 85 sampai 95%. 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%). Sigi. 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. ada budidaya pohon kelapa. Penggunaan lahan didominasi oleh lahan pertanian umumnya padi sawah di bagian bawah lembah. Kab. Kab.

dan registrasi citra ke peta atau transformasi sistem kordinat citra ke peta. rotasi bumi ataupun kelengkungan bumi. Sedangkan alat yang digunakan dalam pengerjaan tugas praktikum ini adalah : 1. berbelok (yow). dan system penyiaman yang tidak linear. Umumnya koreksi geometrik dilakukan jika terjadi kesalahan. baik kesalahan yang bersifat internal. UTM WGS 84 Zone 51S. yang menghasilkan citra dengan sistem proyeksi. (belum dikoreksi geometrik). Arc GIS 9. Citra Landsat/MSS Scene 28 Oktober 1972.2 dan 3. UTM WGS 84 Zone 51S. maupun kesalahan yang bersifat eksternal. 2.b. mengakibatkan terjadinya distorsi atau bising acak (random). registrasi (mencocokkan) posisi citra dengan citra lain atau mentransformasikan sistem kordinat citra multispektral atau multitemporal. 2.3 H asil dan Pembahasan a. 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. menggelinding (pitch). Koreksi Radiometrik Tujuan dari koreksi geometri. misalnya perubahan ketinggian dan kecepatan wahana. Bahan dan Alat Bahan yang digunakan dalam praktikum ini adalah : 1. abrasi sub-sistem optik. perubahan posisi wahana terhadap obyek karena gerakan berputar (roll). diantaranya adalah rektifikasi (pembetulan) atau restorasi (pemulihan) citra agar kordinat citra sesuai dengan kordinat geografi. ERDAS IMAGINE 9. misalnya pembelokan arah penyinaran. (sudah dikoreksi geometrik). Microsoft Excell. Citra Landsat/ETM+ Scene 28 September 2002. sehingga kedua citra tersebut perlu dikoreksi. . Citra tahun 2002 menggunakan Proyeksi Universal Transvers Mercator (UTM)/WGS 1984 Zone 51S.

Penentuan GCP pada peta yang belum dikoreksi (tahun 1972) dengan peta yang telah terkoreksi (tahun 2002).Karena distorsi geometrik ini bersifat random maka koreksinya membutuhkan sejumlah titik kontrol medan (Ground Control Point. Cropping atau pemotongan citra diperlukan bilamana terdapat beberapa citra yang ingin diperbandingkan/overlay. yaitu dengan memilih daerah terlebih dahulu . GCP). misalnya percabangan/persimpangan jalan. 1972 2002 Gambar 2.4471 (polinomial orde 1). Citra Hasil Koreksi b. percabangan sungai besar. Dalam pemotongan peta cara yang dilakukan dapat melalui dua cara. Cropping Citra Cropping Citra merupakan salah satu tahapan dalam pra pengolahan citra.Titik kontrol yang dipilih adalah kenampakan-kenampakan yang terlihat jelas pada citra maupun pada peta. sehingga nantinya diperoleh beberapa citra yang memiliki bentuk luar yang sama. atau perumahan kecil/bangunan yang terisolasi. Cek akurasi terhadap hasil koreksi citra Landsat 1972 dengan citra Landsat 2002 dapat dilihat dengan nilai RMS = 0. Akurasi koreksi geometrik dinilai dari besar kecilnya akar kuadrat rataan (Root Mean Square. RMS).

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

71 0.33% dari luaswilayah atau sekitar 658.80 176678.76 26628. Dengan begitu. Tabel 1. dan tubuh air berkurang 298.04 100. kemudian diolah dan dapat ditentukan kedalam 4 (empat) kelas tutupan lahan.15 15306.678.21 7.42 ha.00 Tahun 2002 Luas (Ha) % 5242.43 82. 1 2 3 4 Klasifikasi Tutupan Lahan Tubuh Air Hutan Lahan Pertanian Permukiman Total Luas Tahun 1972 Luas (Ha) % 5541. maka hasil klasifikasi citra bisa didapatkan secara akurat. Lahan Pertanian. sementara luas lahan pertanian dan permukiman semakin bertambah.91 ha dan 15. Pada tugas praktikum ini pengkelasan penutupan lahan melalui pendekatan klasifikasi tidak terbimbing dilakukan pada citra dalam 2 titik tahun. Sedangkan untuk lahan pertanian bertambah 11321. Hutan.306. sementara luas areal permukiman hanya 0.44 2293.91 89. Namun demikian.04 100. Dalam selang waktu 30 tahun berikutnya dengan data citra tahun 2002. Luas hutan berkurang 12658. pada tahun 1972 hutan dan lahan pertanian mendominasi tutupan lahan yaitu seluas 176.21 2.33 198185.05 ha. dan 2002. diketahui luasan tutupan lahan hutan dan tubuh air mengalami penurunan.05 13.71 ha.76 1.21 ha. angka tersebut menunjukan tidak terlalu singnifikan mengalami peningkatan maupun berkurangnya luasan lahan.84 ha dan permukiman bertambah menjadi 1635.16 198185. dan Permukiman.00 Dari tabel diatas dapat dilihat bahwa.72 658. .Hasil Klasifikasi Tidak Terbimbing No. yaitu tahun 1972. Berikut adalah hasil klasifikasi tidak terbimbing.79 2.48 ha. Dari citra tersebut. yaitu Tubuh Air.65 164020.menentukan identitas kelompok spektral dengan membandingkan citra klasifikasi dengan data rujukan lapang.

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 5242.91 15306.05 2293.43 26628.21 176678.71 Tubuh Air Hutan Lahan Pertanian Permukiman Gambar 4.79 164020.21 658.76 Tahun 1972 5541. Grafik Perbandingan Luas Tutupan Lahan Klasifikasi Tidak Terbimbing .

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

Sebaiknya training set harus dapat merepresentasikan nilai piksel suatu kelas yang diinginkan.45% dari tahun sebelumnya (tahun 1972).79 20.22% dan 2.54% pada tahun 2002 atau meningkat 2.26% pada tahun 2002. Dari hasil klasifikasi diperoleh pembagian kedalam 4 kelas tutupan lahan dengan luas areal yang dapat disajikan pada Table 2 dibawah ini.04 100. namun bias saja terjadi dengan asumsi bahwa terjadi bencana banjir atau limpasan air dari laut dilokasi tersebut.15 46121.00 Tahun 2002 Luas (Ha) % 5427.18 0. Sementara tutupan lahan hutan. Klasifikasi Terbimbing (Supervised) Sebelum melakukan proses klasifikasi terbimbing (Supervised Classification). .00 Dari tabel diatas menunjukan bahwa presentase tutupan lahan untuk permukiman berkembang pesat yaitu 2.27 189. Terjadinya peningkatan luasan tutupan lahan untuk tubuh air dirasakan sangat sulit untuk bisa diterima logika penambahan luasan tubuh air ini. Setelah dilakukan pengklasifikasian.64 2.44 2.93 41200.54 198185. representatif dan disimpan dalam file signature. Pembuatan training set dipilih melalui citra dasar yang dibatasi oleh polygon-polygon sekaligus pemberian nama kelas. tetapi sebaliknya tutupan lahan untuk tubuh air mengalami peningkatan sebesar 0. dan lahan pertanian mengalami penurunan masing-masing hanya sekitar 0.74 146519. Tabel 2.04 100.10 198185. 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). terlebih dahulu dibuat Training Areanya (Signature) kemudian dideliniasi dengan menggunakan AOI tools sampel-sampel wilayah tiap kategori kelas yang akan diklasifikasi.b.48 146961.69 73.79 5037.14 2. Hasil Klasifikasi Terbimbing No. berdasarkan literatur terkait maupun dengan jalan survei lapang. 1 2 3 4 Klasifikasi Tutupan Lahan Tubuh Air Hutan Lahan Pertanian Permukiman Total Luas Tahun 1972 Luas (Ha) % 4913.04 23.18 74. Hal ini tentunya menjadi catatan penting bagi interpreter agar lebih mendalami fenomena atau pengetahuan terkait hal itu.48%.

18 46121.44 Tahun 1972 4913.64 146961.18 Tubuh Air Hutan Lahan Pertanian Permukiman Gambar 6.04 189.14 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. Perbandingan Luas Tutupan Lahan Klasifikasi Terbimbing .79 5037.69 41200.

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

51 46100.43 152.99 191. Sementara penggunaan lahan untuk permukiman semakin meluas dimana terjadi konversi lahan pertanian menjadi permukiman seluas 4.46 189. Tubuh Air-Hutan.02 146936.76 41187.05 5414.d.07 172.62 5091.88 180.91 259.53 31359. Tubuh AirPemukiman. Sementara itu.874. tergambar bahwa laju konversi lahan tidak terlalu signifikan. Hasil analisis perubahan penggunaan lahan di Lore Lindu pada dua titik tahun (1972 dan 2002) dapat disajikan pada table berikut : Tabel 3. Pemukiman-Lahan Pertanian.33 Tahun 2002 Total Tahun Hutan Lahan Pemukiman 1972 Pertanian 102.03 658.32 198185. perubahan lahan yang dianggap tidak mungkin terjadi/tidak perlu diketahui diantaranya adalah : Hutan-Tubuh Air. Hal ini disebabkan karena tekanan jumlah penduduk yang sangat besar. .54 9515.30 136874.04 Dari hasil tabel diatas. Perubahan Penggunaan Lahan Deteksi perubahan penggunaan lahan dimaksudkan untuk mengetahui pola dan sebaran alih fungsi lahan untuk penggunaan tertentu dana dalam kurun waktu tertentu. dimana penggunaan lahan untuk fungsi hutan yang tetap masih terbilang luas yaitu 186. Pemukiman-Hutan.47 146491.72 0.35 4958. Perubahan Penggunaan Lahan (Tahun 1972-2002) Penutupan Lahan Tubuh Air Hutan Lahan Pertanian Pemukiman Total Tahun 2002 Tahun 1972 Tubuh Air 4491.567.51 ha.08 ha.08 9651.36 5. sehingga dimungkinkan mengkonversi hutan menjadi pemukiman.34 4567.10 3. Pemukiman-Tubuh Air.

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

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

08 9515.10 146491. perubahan lahan yang dianggap tidak mungkin terjadi/tidak perlu diketahui diantaranya adalah : Hutan-Tubuh Air. dimana penggunaan lahan untuk fungsi hutan yang tetap masih terbilang luas yaitu 186. Hasil analisis perubahan penggunaan lahan di Lore Lindu pada dua titik tahun (1972 dan 2002) dapat disajikan pada table berikut : Tabel 3.a. Pemukiman-Hutan.30 146936.47 198185 . 54 46100. Pemukiman-Tubuh Air. Tubuh Air-Pemukiman.51 180.62 Pemukim an 191.88 41187. Pemukiman-Lahan Pertanian. Perubahan Penggunaan Lahan Deteksi perubahan penggunaan lahan dimaksudkan untuk mengetahui pola dan sebaran alih fungsi lahan untuk penggunaan tertentu dana dalam kurun waktu tertentu. 33 Hutan 102.35 152.99 9651. .43 31359.46 5091. Tubuh Air-Hutan.567.51 ha.874.05 5414.32 Total Tahun 1972 4958.04 Dari hasil tabel diatas.07 136874.08 ha. 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. sehingga dimungkinkan mengkonversi hutan menjadi pemukiman. Sementara itu.3 6 5. 76 Lahan Pertanian 172.53 0. 91 259.0 3 658. Sementara penggunaan lahan untuk permukiman semakin meluas dimana terjadi konversi lahan pertanian menjadi permukiman seluas 4.7 2 189.02 4567.34 3. Hal ini disebabkan karena tekanan jumlah penduduk yang sangat besar. tergambar bahwa laju konversi lahan tidak terlalu signifikan.

.

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

Peta NDVI . Dalam hal ini juga indeks vegetasi dapat pula dimanfaatkan dalam pemodelan biofisik misalnya dalam pendugaan biomassa dan karakteristik kanopi. 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.Indeks vegetasi umumnya digunakan untuk membedakan vegetasi ataupun non vegetasi dalam suatu wilayah pengamatan.

Sign up to vote on this title
UsefulNot useful