analisa tutupan lahan supervised dan unsupervised

BAB I

PENDAHULUAN

1.1 Latar Belakang

Semakin pesatnya pertumbuhan penduduk dan pembangunan yang telah dilaksanakan akan

berpengaruh cukup besar terhadap perubahan tatanan lingkungan berupa menurunnya kualitas

lingkungan, degradasi lingkungan/kerusakan lingkungan serta berkurangnya sumberdaya alam

maupun perubahan tata guna lahan.

Praktikum ini berjudul “Analisa Perubahan Tutupan Lahan Menggunakan Citra Landsat (Studi

Kasus : Sulawesi Selatan tahun 1999 – 2013). Praktikum analisis perubahan penggunaan lahan telah

dilakukan menggunakan metode penginderaan jauh (inderaja). Identifikasi peta perubahan

penggunaan lahan dilakukan dengan menggunakan citra landsat 7 tahun 1999 dan citra landsat 8

tahun 2013. Perbaikan kontras citra melalui perataan histogram dilakukan dengan teknik klasifikasi

terawasi (supervised classification) dan klasifikasi tak terbimbing (unsupervised classification).

1.2 Tujuan dan Manfaat

Tujuan dari praktikum ini adalah

1. Memahami konsep Land Cover

2. Mengerti dan memahami langkah-langkah dalam proses menganalisis perubahan Land Use/

Land Cover menggunakan citra satelit

Manfaat praktikum ini adalah

1. Mengetahui perubahan tutupan lahan daerah Sulawesi Selatan dari tahun 2000 sampai dengan

tahun 2013

2. Mengerti dan memahami langkah dalam melakukan proses klasifikasi terbimbing dan

klasifikasi tak terbimbing pada suatu citra

1

BAB II

TINJAUAN PUSTAKA

2.1 Tutupan Lahan

Penggunaan lahan berhubungan dengan kegiatan manusia pada sebidang lahan, sedangkan

penutup lahan adalah perwujudan fisik obyek-obyek yang menutupi lahan tanpa mempersoalkan

kegiatan manusia terhadap obyek-obyek tersebut. Satuan-satuan penutup lahan kadang-kadang juga

memiliki sifat penutup lahan alami (Lillesand/Kiefer, 1994).

Klasifikasi tutupan lahan dan klasifikasi penggunaan lahan adalah upaya pengelompokkan

berbagai jenis tutupan lahan atau penggunaan lahan kedalam suatu kesamaan sesuai dengan sistem

tertentu. Klasifikasi tutupan lahan dan klasifikasi penggunaan lahan digunakan sebagai pedoman atau

acuan dalam proses interpretasi citra penginderaan jauh untuk tujuan pembuatan peta tutupan lahan

maupun peta penggunaan lahan. Menurut USGS (United States Geological Survey) sistem klasifikasi

tutupan lahan dan penggunaan lahan adalah seperti berikut:

Level I Level II

1 Urban or built-up land 1

1

Residential

1

2

Commercial and Service

1

3

Transportation, Communications

and utilities

1

4

Industrials and Commercial complexs

1

5

Mixed and commercial complexs

1

6

Mixed urban or built-up land

1

7

Other urban or built-up land

2 Agricultural Land 2

1

Cropsland and pasture

2

2

Orchads, groves, vineyards,

nurseries and ornamental

horticultural areas

2 Confined feedings operations

2

Level I Level II

3

2

4

Other agricultural land

3 Rangeland 3

1

Herbaceous rangeland

3

2

Shrub-brushland rangeland

3

3

Mixed rangeland

4 Forest land 4

1

Deciduous forest land

4

2

Evergreen forest land

4

3

Mixed forest land

5 Water 5

1

Streams and canal

5

2

Lakes

5

3

Reservoirs

5

4

Bays and estuaries

6 Wetland 6

1

Forested wetland

6

2

Nonforested wetland

7 Barren Land 7

1

Dry salt flats

7

2

Beaches

7

2

Sandy areas other than beaches

7 Bare exposed rock

3

Level I Level II

3

7

4

Strip mines, quarries and gravel pits

7

5

Transitional areas

7

6

Mixed barren land

8 Tundra 8

1

Shrub and brush tundra

8

2

Herbaceous tundra

8

3

Bare ground tundra

8

4

Wet tundra

8

5

Mixed tundra

9 Perennial snow or ice 9

1

Perennial snowfields

9

2

Glaciers

Tabel klasifikasi tutupan lahan dan penggunaan lahan diatas mencakup seluruh wilayah yang

ada di bumi ini. Namun untuk penggunaan disuatu wilayah tertentu hanya menggunakan sebagian saja

dari tabel diatas. Misalnya untuk wilayah Indonesia, tutupan dan penggunaan lahan yang umumnya

digunakan adalah sebagai berikut:

No Tutupan/Penggunaan Lahan

1 Semak / Belukar

2 Danau / Waduk / Sungai

3 Hutan

4 Kebun

5 Permukiman

6 Rawa

7 Sawah

4

8 Tegalan / Ladang

2.2 Citra Satelit Landsat

Citra Landsat merupakan gambaran permukaan bumi yang diambil dari luar angkasadengan

ketinggian kurang lebih 818 km dari permukaan bumi, dengan skala 1 : 250.000.Dalam setiap

perekaman citra landsat mempunyai cakupan area 185 km x 185 km sehinggaaspek dari objek tertentu

yang cukup luas dapat diidentifikasi tanpa menjelajah seluruh daerahyang disurvei atau yang

diteliti.Citra landsat merupakan citra yang dihasilkan dari beberapa spectrum dengan

panjanggelombang yang berbeda, yaitu:

- Saluran 4 dengan panjang gelombang 0,5 – 0,6 m pada daerah spektrum biru, baik untuk

mendeteksi muatan sedimen ditubuh perairan, gosong, endapan suspensi dan terumbu.

- Saluran 5 dengan panjang gelombang 0,6 – 0,7 m pada daerah spektrumhijau, baik

untukmendeteksi vegetasi, budaya, dll.

- Saluran 6 dengan panjang gelombang 0,7 – 0,8 m pada daerah spektrummerah, baik untuk

mendeteksi relief permukaan bumi, batas air dan daratan.

- Saluran 7 dengan panjang gelombang 0,8 – 1,1, m pada daerah dengan infra merah, yang

lebih kecil untuk mendeteksi relief permukaan bumi bila dibandingkan dengan saluran 6.

Setiap warna dalam citra satelit memberikan makna tertentu ,Warna pada citramerupakan

nilai refleksi dari vegetasi, tubuh perairan dan atau tubuh batuan permukaan bumi.Oleh karena itu,

interpretasi geologi melalui citra landsat lebih didasarkan pada perbedaan nilai refleksi tersebut.

2.2.1 Citra Landsat 7

Landsat 7 merupakan satelit dengan orbit yang selaras dengan matahari dan melintas di

ekuator pada waktu lokal pukul 10:00. Satelit ini memiliki kemampuan meliput wilayah yang

sama setiap 16 hari. Citra landsat ETM (Enhanced Thematic Mapper) merupakan salah satu jenis

citra multispektral. Citra Landsat ETM merupakan citra penginderaan jauh yang sering

digunakan pada saat ini, citra ini mempunyai 7 Saluran yang terdiri dari spektrum tampak pada

saluran 1, 2, dan 3 spektrum infra merah dekat pada saluran 4, 5 dan 7 dan spektrum infra merah

termal pada saluran 6

Tabel Karakteristik Spektral

No. Saluran Nama Gelombang Range Panjang Gelombang (um)

1 Biru 0 ,45 - 0, 52

2 Hijau 0 ,53 - 0, 61

5

3 Merah 0 ,63 - 0, 69

4 Inframerah dekat 0 ,78 - 0, 90

5 Inframerah gelombang pendek 1 ,55 - 1, 75

6 Inframerah tengah 10 ,4 - 12, 5

7 Inframerah gelombang pendek 2 ,09 - 2, 35

8 Pankromatik 0 ,52 - 0, 9

Citra landsat ETM ini juga memiliki karakteristik spasial yang ditandai dengan resolusi

spasial yang digunakan sensor untuk mendeteksi obyek. Resolusi spasial sendiri adalah daya

pilah sensor yang diperlukan untuk bisa membedakan obyek-obyek yang ada dipermukaan bumi.

(Lillesand/Kiefer, 1996)

Tabel Resolusi Spasial

No Saluran IFOV

1 - 5, 7 30 m x 30 m

6 60 m x 60 m

8 15 x 15 m

2.2.2 Citra Landsat 8

Landsat 8 merupakan kelanjutan dari misi Landsat yang untuk pertama kali menjadi

satelit pengamat bumi sejak 1972 (Landsat 1). Landsat 1 yang awalnya bernama Earth Resources

Technology Satellite 1 diluncurkan 23 Juli 1972 dan mulai beroperasi sampai 6 Januari 1978.

Generasi penerusnya, Landsat 2 diluncurkan 22 Januari 1975 yang beroperasi sampai 22 Januari

1981. Landsat 3 diluncurkan 5 Maret 1978 berakhir 31 Maret 1983; Landsat 4 diluncurkan 16

Juli 1982, dihentikan 1993. Landsat 5 diluncurkan 1 Maret 1984 masih berfungsi sampai dengan

saat ini namun mengalami gangguan berat sejak November 2011, akibat gangguan ini, pada

tanggal 26 Desember 2012, USGS mengumumkan bahwa Landsat 5 akan dinonaktifkan. Berbeda

dengan 5 generasi pendahulunya, Landsat 6 yang telah diluncurkan 5 Oktober 1993 gagal

mencapai orbit. Sementara Landsat 7 yang diluncurkan April 15 Desember 1999, masih

berfungsi walau mengalami kerusakan sejak Mei 2003. (http://geomatika.its.ac.id, 2013)

Sebenarnya landsat 8 lebih cocok disebut sebagai satelit dengan misi melanjutkan landsat

7 dari pada disebut sebagai satelit baru dengan spesifikasi yang baru pula. Ini terlihat dari

karakteristiknya yang mirip dengan landsat 7, baik resolusinya (spasial, temporal, spektral),

metode koreksi, ketinggian terbang maupun karakteristik sensor yang dibawa. Hanya saja ada

beberapa tambahan yang menjadi titik penyempurnaan dari landsat 7 seperti jumlah band,

rentang spektrum gelombang elektromagnetik terendah yang dapat ditangkap sensor serta nilai

bit (rentang nilai Digital Number) dari tiap piksel citra. Seperti dipublikasikan oleh USGS, satelit

landsat 8 terbang dengan ketinggian 705 km dari permukaan bumi dan memiliki area scan seluas

6

http://geomatika.its.ac.id/

170 km x 183 km (mirip dengan landsat versi sebelumnya). NASA sendiri menargetkan satelit

landsat versi terbarunya ini mengemban misi selama 5 tahun beroperasi (sensor OLI dirancang 5

tahun dan sensor TIRS 3 tahun). Tidak menutup kemungkinan umur produktif landsat 8 dapat

lebih panjang dari umur yang dicanangkan sebagaimana terjadi pada landsat 5 (TM) yang

awalnya ditargetkan hanya beroperasi 3 tahun namun ternyata sampai tahun 2012 masih bisa

berfungsi.

Satelit landsat 8 memiliki sensor Onboard Operational Land Imager (OLI) dan Thermal

Infrared Sensor (TIRS) dengan jumlah kanal sebanyak 11 buah. Diantara kanal-kanal tersebut, 9

kanal (band 1-9) berada pada OLI dan 2 lainnya (band 10 dan 11) pada TIRS. Sebagian besar

kanal memiliki spesifikasi mirip dengan landsat 7. Jenis kanal, panjang gelombang dan resolusi

spasial setiap band pada landsat 8 dibandingkan dengan landsat 7 seperti tertera pada tabel di

bawah ini :

SPESIFIKASI KANAL-KANAL SPEKTRAL SENSOR PENCITRA LDCM (LANDSAT-8) (YANG DIPERLUKAN OLEH NASA/USGS)

Kanal No

Kanal Kisaran spektral (nm)

Penggunaan Data GSD (resolusi spasial)

Radiance (W/m2srµm), typical

SNR (typical)

1 Biru 433-453 Aerosol/coastal zone

30 m 40 130

2 Biru 450-515 Pigments/scatter /coastal

30 m (Kanalkanal wari- san TM)

40 130

3 Hijau 525-600 Pigments/coastal 30 100

4 Merah 630-680 Pigments/coastal 22 90

5 Infra merah dekat (NIR)

845-885 Foliage/coastal 14 90

6 SWIR 2 1560-1660 Foliage 4.0 100

7

SWIR 3 2100-2300 Minerals/litter/no scatter

1.7 100

8 PAN 500-680 Image sharpening 15 m 23 80

9 SWIR 1360-1390 Cirruscloud detection

30 m 6.0 130

PERBANDINGAN PARAMETER-PARAMETER SPEKTRAL SENSOR PENCITRA OLI/LDCM (LANDSAT-8) DAN ETM+/LANDSAT-7

OLI (LDCM) ETM+ (Landsat-7)

No. Kanal spectral

Panjang gelombang (µm)

GSD (m) No. Kanal spectral

Panjang Gel (µm)

GSD (m)

8 (PAN) 0.500 - 0.680 15 8 (PAN) 0.52 - 0.90 15

7

OLI (LDCM) ETM+ (Landsat-7)

No. Kanal spectral

Panjang gelombang (µm)

GSD (m) No. Kanal spectral

Panjang Gel (µm)

GSD (m)

1 0.433 - 0.453 30

2 0.450 - 0.515 30 1 0.45 - 0.52 30

3 0.525 - 0.600 30 2 0.53 - 0.61 30

4 0.630 - 0.680 30 3 0.63 - 0.69 30

4 0.78 - 0.90 30

5 0.845 - 0.885 30

9 1.360 - 1.390 30

6 1.560 - 1.660 30 5 1.55 - 1.75 30

7 2.100 - 2.300 30 7 2.09 - 2.35 30

Kemampuan pencitraan OLI tidak termasuk thermal

6 (TIR) 10.40 - 12.50

60

2.3 Klasifikasi Citra

Klasifikasi adalah teknik yang digunakan untuk menghilangkan informasi rinci dari data input

untuk menampilkan pola-pola penting atau distribusi spasial untuk mempermudah interpretasi dan

analisis citra sehingga dari citra tersebut diperoleh informasi yang bermanfaat. Untuk pemetaan

tutupan lahan, hasilnya bisa diperoleh dari proses klasifikasi multispektral citra satelit. Klasifikasi

multispektral sendiri adalah algoritma yang dirancang untuk menyajikan informasi tematik dengan

cara mengelompokkan fenomena berdasarkan satu kriteria yaitu nilai spektral. (Sekretariat FWI

Simpul Bogor, 2003)

Klasifikasi multispektral diawali dengan menentukan nilai piksel tiap objek sebagai sampel.

Selanjutnya nilai piksel dari tiap sampel tersebut digunakan sebagai masukkan dalam proses

klasifikasi. Perolehan informasi tutupan lahan diperoleh berdasarkan warna pada citra, analisis statik

dan analisis grafis. Analisis statik digunakan untuk memperhatikan nilai rata-rata, standar deviasi dan

varian dari tiap kelas sampel yang diambil guna menentukan perbedaan sampel. Analisis grafis

digunakan untuk melihat sebaran-sebaran piksel dalam suatu kelas.

2.3.1 Metode Klasifikasi Terbimbing (Supervised)

Pada metode supervised ini, analis terlebih dulu menetapkan beberapa training area

(daerah contoh) pada citra sebagai kelas lahan tertentu. Penetapan ini berdasarkan pengetahuan

analis terhadap wilayah dalam citra mengenai daerah-daerah tutupan lahan. Nilai-nilai piksel

dalam daerah contoh kemudian digunakan oleh komputer sebagai kunci untuk mengenali piksel

lain. Daerah yang memiliki nilai-nilai piksel sejenis akan dimasukan kedalam kelas lahan yang

telah ditetapkan sebelumnya. Jadi dalam metode supervised ini analis mengidentifikasi kelas

informasi terlebih dulu yang kemudian digunakan untuk menentukan kelas spectral yang

mewakili kelas informasi tersebut. (Indriasari, 2009)

8

Gambar 2.1 Cara Kerja Metode Supervised

Algoritma yang bisa digunakan untuk menyelesaikan metode supervised ini

diantaranya adalah minimun distance dan parallelepiped.

2.3.2 Metode Klasifikasi Tak Terbimbing (Unsupervised)

Cara kerja metode unsupervised ini merupakan kebalikkan dari metode supervised, dimana

nilai-nilai piksel dikelompokkan terlebih dahulu oleh komputer kedalam kelas-kelas spektral

menggunakan algoritma klusterisasi (Indriasari, 2009). Dalam metode ini, diawal proses biasanya

analis akan menentukan jumlah kelas (cluster) yang akan dibuat. Kemudian setelah mendapatkan

hasil, analis menetapkan kelas-kelas lahan terhadap kelas-kelas spektral yang telah

dikelompokkan oleh komputer. Dari kelas-kelas (cluster) yang dihasilkan, analis bisa

menggabungkan beberapa kelas yang dianggap memiliki informasi yang sama menjadi satu

kelas. Misal class 1, class 2 dan class 3 masing-masing adalah sawah, perkebunan dan hutan

maka analis bisa mengelompokkan kelas-kelas tersebut menjadi satu kelas, yaitu kelas vegetasi.

Jadi pada metode unsupervised tidak sepenuhnya tanpa campur tangan manusia.

Beberapa algoritma yang bisa digunakan untuk menyelesaikan metode unsupervised ini

diantaranya adalah K-Means dan ISODATA.

Gambar 2.2 Cara Kerja Metode Unsupervised

9

BAB III

METODOLOGI

3.1 Alat dan Bahan

Alat dan bahan yang dibutuhkan dalam praktikum penginderaan jauh terapan tentang

klasifikasi unsupervised dan supervised ini antara lain :

1. Alat

- 1 PC Acer Aspire 4732

- 1 PC Lenovo

- Printer

2. Bahan

- Citra Landsat 7 +ETM tahun 1999 daerah Sulawesi Selatan

- Citra Landsat 8 tahun 2013 daerah Sulawesi Selatan

- Software Er Mapper 7

- Software Envi 4.6.1

3.2 Waktu dan Lokasi

Waktu dan Lokasi data praktikum adalah :

Waktu : Tahun 1999 (Landsat 7+ ETM) dan Tahun 2013 (Landsat 8)

Lokasi : Sulawesi Selatan

10

3.3 Diagram Alir

1. Diagram Alir Praktikum Klasifikasi

11

Citra Landsat7 & 8 Sulsel

Komposit Band

(Layer Stacking)

Klasifikasi

Unsupervised

Klasifikasi

Supervised

Perhitungan

Luas Tutupan Lahan

Tutupan Lahan Sulawesi Selatan

2. Diagram Alir Klasifikasi Unsupervised

12

Citra Landsat7 & 8

Calculate Statistics

Citra

Klasifikasi ISOCLASS

Unsupervised

Edit Nama dan Warna

Kelas

Reclass

Input Formula Reclass

Citra Terklasifikasi Unsupervised

Ya

Tidak

3. Diagram Alir Klasifikasi Supervised

13

Pembuatan Training

Area (Poligon)

Calculate Statistics

Klasifikasi Supervised

Penyimpanan

Area Baru

Edit Nama dan Warna

Kelas

Citra Landsat7 & 8

Citra Terklasifikasi Supervised

Ya

Tidak

3.4 Langkah Pelaksanaan

3.4.1 Layer Stacking

Tahapan dalam proses penggabungan band atau layer stacking dengan

menggunakan software Envi 4.6.1 adalah sebagai berikut :

1. Pada Menu Envi 4.6.1 memilih File Open Image File, lalu memilih citra landsat

sejumlah bandnya. Sehingga akan muncul kotak dialog

2. Setelah itu pada menu Basic Tools Layer Stacking, akan muncul kotak dialog

Layer Stacking Parameter. Pilih Input File untuk memasukkan semua data citra.

14

Setelah itu memilih Reorder Files untuk mengurutkan file sesuai bandnya. Akan

muncul juga sistem proyeksi peta yang digunakan serta resolusi spasial citra. Lalu

memasukkan nama file untuk data citra yang baru.

3. Setelah dipilih ok, maka program akan memproses penggabungan citra atau create

layer file

4. Setelah berhasil load data citra dengan band yang sesuai Landsat 7 (321) dan Landsat

8 (654), dan simpan dengan format .ers untuk diproses di Er Mapper

15

3.4.2 Klasifikasi Unsupervised

Tahapan dalam klasifikasi tak terbimbing ini adalah sebagai berikut :

1. Menentukan jumlah kelas, ulangan, dan jumlah band yang digunakan. Pada menu

Proccess pilih Classification kemudian pilih ISOClass Unsupervised Classification.

Kemudian muncul dialog box berikut :

2. Menentukan warna dan nama kelas yang dinginkan

- Pada menu Edit pilih Edit Class/Region Color and Name. Kemudian muncul dialog

box berikut :

- Mengisi nama kelas dan pilih warna kelas yang dinginkan.

- Klik Save pada dialog box setelah kita menentukan warna dan nama kelas.

3. Membagi Kelas (Reclass)

- Untuk membagi kelas dari 20 menjadi 5, dengan cara memasukkan rumus pada

menu edit formula lalu pilih apply changes

16

- Langkah selanjutnya adalah menyimpan citra hasil dari pembagian kelas (reclass)

dengan cara File Save As

- Setelah itu adalah menghapus data yang tidak diperlukan pada file .ers citra yang

telah terklasifikasi menjadi 5 kelas. Dengan cara membuka file .ers citra pada

wordpad atau notepad, lalu menghapus data dari kelas 6 sampai 20, lalu Save

- Menampilkan kembali Edit Class/ Region Details untuk merubah nama serta

warna kelas berdasarkan citra landsat asli

17

4. Menampilkan warna pada citra terklasifikasi di Image Window

- Menampilkan Algorithm dialog box

- Kemudian klik Edit pada Algorithm Dialog Box lalu pilih Add Raster Layer

- Klik Class Display.

- Sorot Class Display pada layer kemudian klik tombol Load Dataset untuk

memilih file citra terklasifikasi unsupervised dan klik OK.

- Setelah itu klik GO untuk mendisplay citra terklasifikasi unsupervised sesuai

dengan warna yang dinginkan.

3.4.3 Klasifikasi Supervised

Prosedur yang perlu dilakukan pada metode ini adalah sebagai berikut:

1. Pembuatan Training Area.

- Membuka file yang akan dibuat training area. Training area dibuat dengan

memilih Edit/Create Region pada menu Edit. Kemudian akan muncul dialog

box berikut :

18

- Klik OK pada dialog box

tersebut. Lalu akan

muncul Annotation Tool

seperti pada gambar

berikut :

Pilih Tombol Polygon untuk menggambar dalam bentuk poligon.

19

Pilih Tombol Display/Edit Object Attribute untuk memberi nama region.

( setelah membuat region pastikan region telah diberi nama.)

Kemudian tekan Tombol Save akan muncul kotak dialog seperti berikut :

.Tombol Save adalah untuk menyimpan region yang kita buat dalam file

yang aktif.

Tombol Save As adalah untuk menyimpan region yang kita buat dalam

file baru.

2. Memulai proses klasifikasi terbimbing

20

- Setelah training area dibuat dan disimpan, dapat dimulai proses klasifikasi.

Tahap selanjutnya masuk pada menu Procces > Calculate Statistics, masukan

citra yang telah detraining areanya.

- Setelah proses Calculate selesai, selanjutnya pilih Classification pada menu

Process. Lalu pilih Supervised Classification. Setelah itu akan muncul dialog

box berikut :

- Klik Setup untuk menampilkan region yang kita buat. Disini dapat memilh

kelas yang akan dihilangkan atau ditambahkan seperti pada gambar berikut :

- Klik Close untuk kembali ke dialog box awal.

- Pilih Classification Type

- Klik OK untuk memulai proses klasifikasi.

21

3. Memberi nama dan warna region. (Tahapan ini sama halnya dengan metode

Unsupervised Classification)

Pada menu Edit pilih Edit Class/Region Color and Name. Kemudian muncul

dialog box berikut :

- Mengisi nama kelas dan pilih warna kelas yang dinginkan.

- Klik Save pada dialog box setelah kita menentukan warna dan nama kelas.

4. Menampilkan warna pada citra terklasifikasi di Image Window. (Tahapan ini

sama dengan metode Unsupervised Classification)

- Menampilkan Algorithm dialog box

22

- Kemudian klik Edit pada Algorithm Dialog Box lalu pilih Add Raster Layer

- Klik Class Display.

- Sorot Class Display pada layer kemudian klik tombol Load Dataset

untuk memilih file citra terklasifikasi unsupervised dan klik OK.

- Setelah itu klik GO untuk mendisplay citra terklasifikasi unsupervised sesuai

dengan warna yang

3.4.4 Perhitungan Luas Area

Perhitungan luas area per kelas dapat dilakukan dengan metode sebagai berikut :

1. Melakukan kalkulasi statistik dengan cara Process Calculate Statistic, lalu load

data citra yang terklasifikasi sebagai 5 kelas

2. Setelah proses kalkulasi statistik selesai, pilih View StatisticsArea Summary

Report, lalu load citra yang terklasifikasi sebagai 5 kelas

3. Maka akan muncul luas dari kelima kelas serta luas daerah keseluruhan

23

BAB IV

HASIL DAN PEMBAHASAN

4.1 Klasifikasi Unsupervised

4.1.1 Landsat 7

Tampilan citra yang diperoleh dari proses klasifikasi citra Landsat 7 adalah

sebagai berikut :

Gambar 4.1. Hasil Klasifikasi Unsupervised Landsat 7

Berdasarkan proses klasifikasi yang telah dilakukan, didapatkan lima kelas

yaitu hutan, vegetasi (berupa semak belukar dan kebun), perairan (diantaranya

teridentifikasi laut, danau, dan sungai), lahan kosong, dan permukiman. Awan pada

citra Landsat 7 ini mendominasi wilayah bagian utara dan timur namun kuantitasnya

tidak tinggi. Pada praktikum ini, awan memiliki kelas tersendiri, namun tidak

diklasifikasikan pada output citra unsupervised sebagai tutupan lahan.

4.1.2 Landsat 8

Setelah melakukan proses klasifikasi unsupervised untuk citra landsat 8,

diperoleh hasil klasifikasi sebagai berikut :

24

Gambar 4.2 Hasil Klasifikasi Unsupervised Landsat 8

Pada klasifikasi ini dibagi menjadi 5 kelas yaitu Perairan (laut, danau, sungai, dan

tubuh air), Lahan Terbuka (lahan habis pakai panen), Pemukiman, Hutan, dan

Mangrove. Pada proses klasifikasi ini, awan diklasifikasikan sendiri dikarenakan

kenampakannya yang cukup signifikan, akan tetapi awan diklasifikan seminimal

mungkin dan tidak termasuk tutupan lahan. Hal tersebut dikarenakan keterbatasan

dalam proses cloud masking.

4.2 Klasifikasi Supervised

4.2.1 Landsat 7

Setelah melakukan proses klasifikasi supervised untuk citra landsat 7,


Gambar 4.3 Hasil Klasifikasi Supervised Landsat 7

25

Pada klasifikasi ini dibagi menjadi 6 kelas yaitu Perairan (laut, danau, sungai, dan

tubuh air), Lahan (lahan habis pakai panen), Pemukiman, Hutan, Tambak dan

Mangrove. Pada proses klasifikasi ini, awan termasuk dalam klasifikasi permukiman,

dikarenakan awan tidak bisa diklasifikasikan sendiri.Warna merah yang berada di laut

merupakan awan yang terdefinisikan sebagai permukiman. Hal tersebut dikarenakan

keterbatasan dalam proses cloud masking.

4.2.2 Landsat 8

Setelah melakukan proses klasifikasi supervised untuk citra landsat 8,


Gambar 4.4 Hasil Klasifikasi Supervised Landsat 8

Dari klasifikasi supervised dihasilkan beberapa kelas yaitu hutan, lahan, jalan,

pemukiman, laut dangkal, laut, sungai, awan, dan danau.

4.3 Pertimbangan Pemilihan Kelas

Secara umum pertimbangan dalam pemilihan kelas untuk klasifikasi unsupervised dan

supervised berdasarkan hasil kenampakan tutupan lahan citra landsat dengan komposit

band tertentu yang mendekati sebenarnya. Selain itu untuk citra landsat 8, pemilihan kelas

juga berdasarkan kenampakan tutupan lahan di google earth. Pertimbangan pemilihan

kelas di tiap klasifikasi yaitu :

4.3.1 Klasifikasi Unsupervised

1. Landsat 7

Adapun pertimbangan dalam penentuan jumlah kelas pada klasifikasi

unsupervised Landsat 7 adalah untuk mendapatkan klasifikasi yang teliti. Sehingga

kelas dibuat sebanyak 30 kelas untuk mendapatkan klasifikasi yang sesuai.

Berdasarkan dari hasil interpretasi dan perbandingan dengan citra Landsat 7

26

sebelum diklasifikasi, kelas diminimalkan menjadi 5 kelas karena terdapat

kemiripan antara lahan yang satu dengan lahan yang lain. Kelas tutupan lahan

pada Landsat 7 di daerah Sulawesi Selatan adalah sebagai berikut.

Gambar 4.5 Pembagian Kelas Klasifikasi Unsupervised Landsat 7

Komposit band yang digunakan adalah 321, berikut ini adalah perbandingan

antara citra sebelum dan sesudah terklasifikasi.

Gambar 4.6. Citra sebelum terklasifikasi (kiri) dan sesudah terklasifikasi

(kanan)

Dari citra dengan komposit band 321 ditentukan kelas – kelas tutupan lahan.

Berikut pertimbangan pemilihan kelas :

No Nama Kelas Warna Pertimbangan Pemilihan Kelas

1. Hutan Pada daerah Sulawesi Selatan ini, masih

terdapat area hutan, meskipun tidak

mendominasi

2. Vegetasi Vegetasi merupakan area terluas yang

didominasi oleh semak belukar, lahan

pertanian, dan perkebunan. Dimana kelas

ini terdapat disekitar hutan dan

permukiman.

27

3. Perairan Pada kelas perairan ini yang termasuk di

dalamnya adalah laut, danau, sungai,

serta tubuh air lainnya. Hal ini

dikarenakan kenampakan objek – objek

tersebut sama sehingga diklasifikasikan

dalam satu kelas.

4. Lahan Kosong Meskipun area lahan kosong tidak

banyak, namun kenampakannya sangat

jelas. Sehingga mudah diinterpretasi dan

masuk dalam kelas klasifikasi.

5. Permukiman Kelas pemukiman mayoritas terdapat di

pinggir laut dan beberapa di tengah,

sehingga kelas permukiman ini

dipertimbangkan untuk menjadi satu

kelas.

2. Landsat 8

Pada klasfikasi unsupervised menggunakan landsat 8, pertama kali proses

klasifikasi membagi menjadi 20 kelas. Setelah itu dibagi lagi (reclass) menjadi 5

kelas yaitu Perairan (laut, danau, sungai, dan tubuh air), Lahan Terbuka (lahan

habis pakai panen), Pemukiman, Hutan, dan Mangrove. Seperti yang telah

dijelaskan tadi, awan diklasifikan tersendiri seminimal mungkin tapi tidak

dianggap sebagai tutupan lahan.


Pertimbangan dari 20 menjadi 5 kelas berdasarkan pada citra landsat 8 yang

telah dikomposit dengan band 654 (mendekati sebenarnya) dan berdasarkan

google earth.

28

Gambar 4.8 Citra Landsat 8 Komposit Band 654









dalam satu kelas

2. Lahan Terbuka

(lahan habis

pakai panen)

Pada kelas lahan terbuka ini merupakan

objek yang menyerupai sawah namun

sudah tidak ada tanaman lagi. Alasan

pemilihan kelas ini karena banyak

kenampakan objek ini pada citra.

3. Pemukiman Kelas pemukiman dipilih dikarenakan

adanya kenampakan objek ini yang

siginifikan yaitu berada di tengah dengan

dikelilingi oleh hutan dan lahan terbuka.

4. Hutan Kelas hutan dipilih dikarenakan masih

cukup banyak dijumpai objek hutan pada

daerah citra ini.

5. Mangrove Alasan pemilihan kelas ini dikarenakan

objek yang selalu berada di kawasan

pesisir atau pinggir pantai, tetapi tidak

29

menutup kemugkinan berada di dekat

objek perairan lain.

Berikut ini perbandingan antara citra landsat 8 asli (komposit band 654) dengan

hasil klasifikasi unsupervised :

Gambar 4.9 Perbandingan Citra Landsat 8 dan Hasil Klasifikasi Unsupervised

4.3.2 Klasifikasi Supervised

1. Landsat 7

Pada klasfikasi Supervised menggunakan landsat7, pertama kali proses

klasifikasi membagi menjadi 15 kelas. Setelah itu dibagi lagi (reclass) 6 kelas

yaitu Perairan (laut, danau, sungai, dan tubuh air), Lahan (lahan kosong),

Pemukiman, Hutan, Tambak dan Mangrove, agar lebih mudah

mengklasifikasikannya. Seperti yang telah dijelaskan tadi, awan diklasifikan

tersendiri seminimal mungkin tapi tidak dianggap sebagai tutupan lahan.

30


Pertimbangan dari 15 menjadi 6 kelas berdasarkan pada citra landsat 7 yang telah

dikomposit dengan band 543 (mendekati sebenarnya) dan berdasarkan google

earth.

Gambar 4.11 Citra Landsat 7 Komposit Band 543









dalam satu kelas.

Untuk biru tua didefinisikan sebagai laut

dalam.

2. Lahan Terbuka

(lahan kosong)

Pada kelas lahan terbuka ini merupakan

objek yang menyerupai tanah tandus.

Alasan pemilihan kelas ini karena banyak

kenampakan objek ini pada citra.

3. Pemukiman Kelas pemukiman dipilih dikarenakan

adanya kenampakan objek ini yang

siginifikan yaitu berada di tengah dengan

dikelilingi oleh hutan dan lahan terbuka.

4. Hutan Kelas hutan dipilih dikarenakan masih

31


cukup banyak dijumpai objek hutan pada

daerah citra ini.

5. Mangrove

Alasan pemilihan kelas ini dikarenakan


pesisir atau pinggir pantai, tetapi tidak

menutup kemugkinan berada di dekat

objek perairan lain.

6. Tambak

Alasan pemilihan kelas ini dikarenakan


pesisir dan bentuknya berpetak-petak

seperti sawah, tetapi tidak menutup

kemugkinan berada di dekat objek

perairan lain.

Berikut ini perbandingan antara citra landsat 7 asli (komposit band 543 dengan

hasil klasifikasi Supervised :

Gambar 4.12 Perbandingan Citra Landsat 7 dan Hasil Klasifikasi Supervised

2. Landsat 8

Pada klasifikasi supervised landsat 8, dihasilkan 9 kelas yaitu hutan, lahan,

jalan, pemukiman, laut dangkal, laut, sungai, awan, dan danau

32


9 kelas didapat dari perbandingan citra landsat 8 dengan komposit band 654, dan

juga dengan menggunakan referensi dari google earth

Gambar 4.13 Perbandingan Citra Landsat 8 dan Hasil Klasifikasi Supervised

Pertimbangan pemilihan 9 kelas tersebut adalah berikut :


1. LAHAN Daerah ini berada di sekitar hutan, dan

tersebar dibeberapa lokasi, terutama di

dekat permukiman

2. HUTAN Kelas ini memiliki luasan paling besar, dan

hamper menutup semua wilayah pada citra

3. JALAN Kelas ini memiliki bentuk memanjang tapi

tidak terlalu memiliki kelokan yang tajam

4. PEMUKIMAN Kelas ini terdapat di dekat daerah lahan

terbuka, dan tersebar pada citra

5. LAUT

DANGKAL

Kawasan ini terletak di sepanjang parairan

garis pantai

33


6. LAUT Laut atau laut dalam terletak pada lepas

pantai, dan memiliki warna biru tua

7. SUNGAI Sungai memiliki bentuk memanjang dan

memiliki kelok tajam, ini yang

membedakannya dengan jalan

8. AWAN Awan banyak menutup wilayah di citra,

sehingga dipilih warna putih sesuai warna

sebenarnya

9. DANAU Danau memiliki bentuk bulat, salah satu

pertimbangan adalah dengan

membandingkan bentuk ini dengan yang

adadi google earth

4.4 Perbandingan Luas Tutupan Lahan

Dari hasil perhitungan luas tutupan lahan citra Landsat 7 dan 8 dari klasifikasi

unsupervised dan supervised didapatakan :

Landsat 7 Landsat 8Klasfikasi Unsupervised Perairan = 145446,480 ha

Lahan kosong =210603,780 haPemukiman = 856369,080 haHutan = 1431645,390 haVegetasi =119573.550 haTotal Luas = 4920138.990 ha

Perairan = 1570385,700 haLahan terbuka =948151,230 haPemukiman = 984273,120 haHutan = 1224849,410 haMangrove=203571,180 haTotal Luas = 4931230,64 ha

Klasifikasi Supervised Perairan = 3069579.42 haLahan Terbuka/kosong =369136.8 haPemukiman = 477628.83 haHutan = 752393.52 haMangrove =131826.87 haTambak=119573.550 haTotal Luas = 4920138.990 ha

Perairan = 1792633,590 haLahan Terbuka/kosong =362762,370 haPemukiman = 1869919,740 haHutan = 747011,390 haJalan = 158903,550 haTotal Luas = 4931230,64 ha

Dari tabel di atas dapat diketahui bahwa untuk klasifikasi unsupervised, luas tutupan lahan

dari landsat 7 (tahun 1999) ke landsat 8 (tahun 2013) mengalami perubahan. Perubahan

luas secara keseluruhan yaitu sebesar 11091, 65 ha. Perubahan yang terjadi antara lain :

- Tidak ada lagi tutupan lahan vegetasi

34

- Bertambahnya luas tutupan lahan perairan, lahan terbuka, dan pemukiman

- Berkurangnya luas tutupan lahan hutan

- Adanya tutupan lahan mangrove

Dari perubahan yang terjadi dapat dianalisis bahwa dari tahun 1999 sampai 2013

daerah Sulawesi Selatan mengalami pengurangan hutan yang cukup banyak yaitu seluas

206795,981 ha. Berkurangnya luas hutan ini dikarenakan perubahan lahan dari hutan

menjadi pemukiman dan lahan terbuka (lahan habis pakai panen). Seiring perubahan

jaman tentu rencana tata ruang dan wilayah akan beradaptasi dengan keadaan yang terjadi.

Untuk luas perairan yang bertambah disinyalir akibat dari naiknya permukaan air laut, hal

itu sejalan dengan munculnya area mangrove yang dibuat di sekitar pesisir atau pantai

Sulawesi Selatan.

Sedangkan untuk klasifikasi supervised, luas tutupan lahan dari landsat 7 (tahun

1999) ke landsat 8 (tahun 2013) juga mengalami perubahan. Besar perubahan luas sama

dengan klasisfikasi unsupervised yaitu secara keseluruhan sebesar 11091, 65 ha.

Perubahan yang terjadi antara lain :

- Tidak ada lagi mangrove dan tambak

- Bertambahnya luas tutupan lahan pemukiman

- Berkurangnya luas tutupan lahan hutan, perairan, dan lahan terbuka

- Adanya tutupan lahan jalan

Dari perubahan yang terjadi dapat dianalisis bahwa dari tahun 1999 sampai 2013

daerah Sulawesi Selatan mengalami penambahan lahan pemukiman yang cukup banyak

yaitu seluas 1392290,910 ha. Berkurangnya luas hutan ini dikarenakan perubahan lahan

dari hutan dan lahan terbuka menjadi pemukiman. Seiring perubahan jaman tentu rencana

tata ruang dan wilayah akan beradaptasi dengan keadaan yang terjadi. Untuk luas perairan

berbeda dengan klasifikasi unsupervised, luas perairan mengalami pengurangan. Perairan

di sini mencakup laut, danau, dan sungai.

Perbedaan hasil klasifikasi dapat disebabkan beberapa hal diantaranya perbedaan

interpretasi dalam mengklasifikasikan objek tutupan lahan, cukup banyaknya awan, dan

kurangnya informasi yang tepat tentang tutupan lahan daerah Sulawesi Selatan.

35

BAB V

PENUTUP

5.1 KesimpulanDari praktikum yang telah dilakukan dapat ditarik kesimpulan :1. Proses klasifikasi unsupervised dan supervised dapat digunakan untuk mengetahui

jenis tutupan lahan. Perbedaannya terletak pada proses mendapatkan kelas tutupan lahan. Yaitu klasifikasi supervised harus membuat batasan area tutupan lahan sedangkan klasifikasi unsupervised dipilihkan oleh program.

2. Perubahan luas tutupan lahan daerah Sulawesi Selatan dari tahun 1999 – 2013 dengan menggunakan klasifikasi unsupervised sebesar 6393003 ha. Dengan perubahan yang terjadi :- Tidak ada lagi tutupan lahan vegetasi

- Bertambahnya luas tutupan lahan perairan, lahan terbuka, dan pemukiman

- Berkurangnya luas tutupan lahan hutan

- Adanya tutupan lahan mangrove

3. Perubahan luas tutupan lahan daerah Sulawesi Selatan dari tahun 1999 – 2013 dengan menggunakan klasifikasi supervised sebesar 6393003 ha. Dengan perubahan yang terjadi :- Tidak ada lagi mangrove dan tambak

- Bertambahnya luas tutupan lahan pemukiman

- Berkurangnya luas tutupan lahan hutan, peraiaran, dan lahan terbuka

- Adanya tutupan lahan jalan

5.2 SaranDari praktikum yang telah dilakukan saran yang diberikan antara lain :1. Dalam proses mendownload citra harap lebih diperhatikan tentang informasi –

informasi citra tersebut2. Dalam proses klasifikasi diharapkan mempunyai referensi lain tentang tutupan lahan

daerah tersebut3. Lebih teliti saat melakukan proses klasifikasi supervised

36

analisa tutupan lahan supervised dan unsupervised

Documents