Klasifikasi Tutupan Lahan [PDF]

Citation preview

LAPORAN PRAKTIKUM



PENGINDERAAN JAUH Klasifikasi Tutupan Lahan dengan Citra Landsat 8 Kota Surabaya



Oleh: Nama : Deasy Rosyida Rahmayunita NRP : 3513100016 Dosen Pembimbing: Nama : Prof.Dr.Ir. Bangun Muljo Sukojo, DEA, DESS NIP : 19530527 198303 1 001



LABORATORIUM GEOSPASIAL-JURUSAN TEKNIK GEOMATIKA FAKULTAS TEKNIK SIPIL DAN PERENCANAAN INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2015



i



DAFTAR ISI



DAFTAR ISI....................................................................................................................... ii KATA PENGANTAR ........................................................................................................ iii I. PENDAHULUAN ........................................................................................................... 1 II. METODE ....................................................................................................................... 2.1. ALAT DAN BAHAN .............................................................................................. 2 2.2. PROSEDUR PRAKTIKUM .................................................................................... 2 III. HASIL ........................................................................................................................... 3.1 HASIL ...................................................................................................................... 8 3.2 ANALISA ................................................................................................................ 8 IV. KESIMPULAN............................................................................................................. 9 DAFTAR PUSTAKA ......................................................................................................... 10



ii



KATA PENGANTAR



Puji syukur penulis penjatkan kehadirat Tuhan Yang Maha Esa, yang atas rahmat- Nya maka penulis dapat menyelesaikan penyusunan laporan praktikum tugas mata kuliah Penginderaan Jauh. Penyusunan laporan praktikum Klasifikasi Tutupan Lahan dengan Citra Landsat 8 Kota Surabaya ini merupakan salah satu prasyarat dalam memenuhi tugas Penginderaan Jauh. Dalam penulisan laporan praktikum Penginderaan Jauh ini penulis menyampaikan ucapan terima kasih yang tak terhingga kepada pihak-pihak yang membantu dalam menyelesaikan penelitian ini, khususnya kepada : 1. Tuhan Yang Maha Esa yang memberikan kesehatan serta kesempatan untuk membuat makalah ini. 2. Prof.Dr.Ir. Bangun Muljo Sukojo, DEA, DESS selaku dosen mata kuliah Penginderaan Jauh A 3. Husnul Hidayat S.T, M.T dan Cherie Bekti Pribadi S.T, M.T selaku asisten dosen Penginderaan Jauh 4. Orang tua yang selalu memberikan motivasi dan doa. 5. Semua pihak yang telah membantu dan memberi dukungan sehingga dapat terselesainya laporan ini. Akhirnya kata penulis berharap semoga laporan ini dapat bermanfaat bagi seluruh pembaca. Dalam Penulisan laporan praktikum Penginderaan Jauh ini penulis merasa masih banyak kekurangan-kekurangan baik pada teknis penulisan maupun materi, mengingat akan kemampuan yang dimiliki penulis. Untuk itu kritik dan saran dari semua pihak sangat penulis harapkan demi penyempurnaan pembuatan laporan ini.



Surabaya, 12 Desember 2015



Penulis



iii



I. PENDAHULUAN Dalam bidang ilmu Penginderaan Jauh terdapat berbagai proses pengolahan citra digital, sedangkan penginderaan jauh merupakan suatu ilmu yang digunakan untuk mendapat informasi dari suatu objek atau fenomena tanpa kontak langsung dengan objek.Dalam penginderaan jauh menggunakan citra satelit dalam melakukan pengolahan data. Klasifikasi dikelompokkan menjadi Supervised dan Unsupervised classification. Supervised classification membutuhkan interaksi dengan analis, sedangkan unsupervised classification bekerja hamper secara otomatis. Dalam praktikum ini dilakukan klasifikasi citra digital yang untuk memudahkan pengelompokan kelas – kelas dari komponen alam sehingga lebih mudah dalam melihat. Praktikum ini menggunakan peta citra Landsat 8 wilayah Kota Surabaya dengan menggunakan Envi Classic yang kemudian dilakukan dengan metode Supervised classification minimum distance, supervised classification maximum likelihood, unsupervised classification IsoData, dan unsupervised classification K-Means.



1



II. METODE 2.1 ALAT DAN BAHAN Alat dan bahan yang digunakan pada praktikum Penginderaan Jauh “Klasifikasi Tutupan Lahan dengan Citra Landsat 8 Kota Surabaya” ini antara lain : 1. 2. 3. 4.



Citra Landsat 8 Kota Surabaya Software ENVI 5.0 Classic Laptop HP Pavilion g4 Mouse



2.2 PROSEDUR PRAKTIKUM Langkah kerja dalam proses Klasifikasi Tutupan Lahan dengan Citra Landsat 8 Kota Surabaya menggunakan software ENVI adalah sebagai berikut: 1. Buka Envi Classic, lalu pilih File – Open Image File – Pilih citra Landsat 8 Surabaya band 4,3,2. Lalu Load RGB. Pilih Basic Tools – Layer Stacking – pilih semua citra – Ganti datum menjadi WGS 84 Zona 49S serta nama file yang akan disimpan – OK. Setelah itu, tutup window yang pertama, lalu load RGB hasil layer stacking.



2



2. Buka peta vektor kabupaten se Indonesia dengan pilih File - Open Vector File – Indonesia_kab_shp – Open. Pada window vector parameter, masukkan nama file vektor yang akan disimpan, lalu OK.



3. Jika peta vektor sudah terbuka, pilih Edit – View/Edit/Query/Attribute – klik pada nomor Kota surabaya. Lalu pilih File – Save selected to New Layer. Masukkan nama file yang diinginkan lalu OK. Setelah itu, load hasil subset peta vektor.



4. Pilih Basic Tools – Region of Interest – ROI Tools. Pada tabel Vektor Windows klik File Export Layer to ROI. Pilih Convert All Records of an EFV layer to one ROI , kemudian OK. 3



5. Pada layer ROI Tools klik File – Subset Data via ROI. Pilih EVF:subset(kab). Pilih Mask pixels outside of ROI „Yes‟. Kemudian choose enter uotput filename. Lalu „OK‟. Load RGB maka akan didapatkan potongan Kota Surabaya



6. Lakukan digitasi dengan cara pilih Basic Tools – Region of Interest – ROI Tools. Yang didigit antara lain vegetasi, bangunan, lahan kosong, tambak, dan badan air. Jika sudah di



4



digit semua, pada window ROI Tools pilih File – Export ROI to EVF – pilih semua bagian yang sudah didigit – Input nama file yang akan disimpan – OK.



CLASSIFICATION SUPERVISED 1. Minimun Distance Pilih Classification – Supervised – Minimun Distance – pilih file yang di subset pertama kali. Pada window Minimun Distance Parameters pilih file yang ROI yang sudah didigit, lalu input nama file penyimpanan dan OK. Setelah itu Load Image.



5



2. Maximum Likelihood Pilih Classification – Supervised – Maximum Likelihood – pilih file yang di subset pertama kali. Pada window Maximum Likelihood Parameters pilih file yang ROI yang sudah didigit, lalu input nama file penyimpanan dan OK. Setelah itu Load Image.



UNSUPERVISED CLASSIFICATION 1. ISO Data Pilih Classification – Unsupervised – Iso Data – pilih file yang di subset pertama kali. Pada window ISO DATA Parameters input nama file penyimpanan dan OK. Setelah itu Load Image.



6



2. K-Means Pilih Classification – Unsupervised – K-Means – pilih file yang di subset pertama kali. Pada window K-Means Parameters input nama file penyimpanan dan OK. Setelah itu Load Image.



7



III. HASIL dan ANALISA 3.1 HASIL Hasil dari praktikum penginderaan jauh ini adalah klasifikasi pada citra Landsat Kota Surabaya dengan kombinasi band warna asli. 3.2 ANALISA Klasifikasi Minimum Distance



Maximun Likelihood



Hasil Klasifikasi



Keterangan



Gambar disamping adalah hasil classification supervised minimum distance. Warna merah adalah warna bangunan, warna hijau adalah vegetasi, warna biru adalah warna badan air, warna kuning adalah lahan kosong, dan warna cyan adalah warna tambak . Gambar disamping adalah hasil classification supervised maximum likelihood. Warna merah adalah warna bangunan, warna hijau adalah vegetasi, warna biru adalah warna badan air, warna kuning adalah lahan kosong, dan warna cyan adalah warna tambak .



IsoData



Gambar disamping adalah hasil classification unsupervised IsoData.



K-Means



Gambar disamping adalah hasil classification unsupervised K-Means.



8



IV. KESIMPULAN Dari penjelasan-penjelasan yang telah di jabarkan di atas, maka dapat diambil kesimpulan klasifikasi citra digital menghasilkan peta tutupan lahan kota Surabaya, dengan kelas bangunan bewarna merah, kelas tambak bewarna cyan, kelas vegetasi bewarna hijau, kelas badan air bewarna biru dan kelas lahan kosong bewarna kuning.



9



DAFTAR PUSTAKA Prahasta, 2002. Remote Sensing. Penerbit Informasi. Bandung. 406 halaman Totok Gunawan, dkk, 2008. Buku Petunjuk Praktikum Penginderaan Jauh Terapan untuk Hidrologi. Program Studi Kartografi dan Penginderaan Jauh. Fakultas Geografi UGM. Yogyakarta.



10



11