TUTORIAL KLASIFIKASI TUTUPAN LAHAN MENGGUNAKAN METODE SEGMENTASI ENVI ZOOM 4.5

Miqdad Anwarie, 0906515004 Geografi UI

Klasifikasi citra bertujuan untuk pengelompokan atau melakukan segmentasi terhadap kenampakan-kenampakan yang homogen dengan menggunakan teknik kuantitatif. Klasifikasi secara dijital dapat dilakukan dengan tiga cara, yaitu :

1. klasifikasi nilai pixel didasarkan pada contoh daerah yang diketahui jenis obyek dan nilai spektralnya, disebut klasifikasi terbimbing atau klasifikasi terselia (supervised classification), dalam klasifikasi ini ada tiga tahap yaitu,a) tahap penentuan sampling (training area), yang digunakan untuk menyusun kunci interpretasi dan mengembangkan nilai spektral setiap obyek berdasarkan numerik spektral, b) tahap klasifikasi adalah tahap pengelompokan pixel pada citra yang dibandingkan terhadap setiap kategori pada kunci interpretasi numerik, c) tahap keluaran biasanya berupa peta tematik ;

2. klasifikasi tanpa daerah contoh yang diketahui jenis obyek dan nilai spektralnya disebut klasifikasi tak-terbimbing atau klasifikasi tak-terselia (unsupervised classification), dikenal dengan proses pengelompokan data menjadi sejumlah kelompok atau kelas (cluster).

3. klasifikasi gabungan atau klasifikasi hibrida (hybride) menggunakan kedua cara, yaitu gabungan antara klasifikasi terselia dan klasifikasi tak-terselia.

Pada tutorial ini, klasifikasi dilakukan dengan cara terbimbing berdasarkan karakteristik objek secara segmentasi (object based segmentation) yang menggunakan Software ENVI ZOOM 4.5.

Tahapan pertama dalam klasifikasi menggunakan metode segmentasi adalah membuat komposit band RGB untuk diinterpretasi berdasarkan rona dan teksturnya. Secara teknis, hal tersebut dilakukan di ENVI dengan memasukkan data citra yang akan digunakan sebagai berikut.

Komposit Band Komposit band atau dalam ranah teknis pada software ENVI disebut dengan layer stacking yang berfungsi untuk menggabungkan band-band yang ada agar bisa digunakan untuk analisis. Misal untuk citra Landsat ETM, komposit ini digunakan untuk menggabungkan band 1 7.

Gambar 1. Open File

Gambar 2. Layer Stacking

Reorder file digunakan untuk menyusun urutan band agar memudahkan ketika dilakukan proses pengolahan.

Gambar 3. Import File

Gambar 4. Reorder File

Sistem proyeksi yang

digunakan untuk citra output yang telah

dikomposit.

Resolusi piksel output yang

akan dihasilkan sesuai dengan resolusi spasial sensor yang digunakan.

Gambar 5. Set sistem proyeksi dan resolusi piksel, 1) save output file, 2) eksekusi

Output file pada direktori/ folder

1

2

Gambar 6. Output layer stacking

Untuk klasifikasi tutupan lahan, penampilan komposit RGB yang lebih kontras akan mempermudah identifikasi. Beberapa komposit yang biasa digunakan untuk klasifikasi tutupan lahan adalah RGB 321, 542, 541, atau 742. Pada tutorial ini menggunakan RGB 742 berdasarkan contoh tutupan lahan yang pernah dibuat oleh USGS.

Setelah dilakukan band komposit, save as image menjadi file .tiff yang nantinya akan diproses di ENVI Zoom untuk diklasifikasi.

1

2

Gambar 7. Load true color image, 1) klik RGB 2) definisikan RGB (R=7, B=4, B=2); 3) eksekusi

3

Klik kanan pada scroll, pilih save image as Gambar 8. Save as image

SEGMENTASI Buka software ENVI Zoom 45 untuk memulai proses segmentasi.

Gambar 9. Tampilan awal ENVI Zoom

Output file pada direktori/ folder

Pilih geotiff

Gambar 10. Open file di ENVI Zoom 1) open 2) pilih file geotiff 3) eksekusi

Proses segmentasi di ENVI Zoom menggunakan tools Feature Extraction sebagai berikut.

Gambar 11. Feature Extraction

1

2

3

Gambar 11. Segmentasi citra

Pada step pertama dalam Feature Extraction adalah proses segmentasi citra menjadi fraktal-fraktal atau bagian yang memiliki kesamaan warna atau tekstur. Pada tools akan muncul scale level dari 0 100 dimana semakin kecil nilai scale level maka pemisahan antara objek satu dengan lainnya akan semakin detail (seperti pada preview pada gambar 11). Pada tutorial ini, scale level yang digunakan adalah 30 karena dianggap cukup untuk pemisahan objek yang berbeda.

Selanjutnya, setelah dilakukan segmentasi maka akan proses merging dimana akan dikelompokkan fraktal-fraktal yang memiliki kesamaan objek. Pada step ini akan muncul merge level untuk merging yang digunakan. Hal tersebut tergantung dari skala identifikasi yang akan digunakan. Pada tutorial ini, merge level yang digunakan adalah 95.

Gambar 12. Merging Setelah proses merging selesai, maka akan muncul jendela baru untuk thresholding. Pada step ini dipilih defaut yaitu No Thresholdig.

Gambar 13. Thresholding

Gambar 14. Compute Attribute

Pada step berikutnya adalah menghitung attribute yang akan digunakan pada klasifikasi. Secara default dipilih seluruh attribute yang ada. Setelah dipilih atribut yang digunakan maka dilakukan proses klasifikasi berdasarkan sampel.

Gambar 15. Classification

Gambar 16. Pembuatan kelas tutupan dan penetuan sampel 1) add class 2) rename dang anti warna 3) pilih segmen yang merupakan kelas tutupan yang diaktifkan

Pada proses klasifikasi, kelas tutupan yang akan diidentifikasi di-klik kemudian dipilih segmen pada jendela citra, begitu pula dengan kelas tutupan lain, harus di-klik terlebih dahulu kemudian diidentifikasi di jendela citra. Pengambilan sampel segmen per kelas tutupan diupayakan menyebar agar hasil klasifikasi lebih bagus.

Setelah sampel telah diambil pada masing-masing kelas tutupan maka secara otomatis akan menghasilkan klasifikasi tutupan lahan yang kemudian dapat di-export menjadi shapefile.

1

3

Double klik 2

Gambar 17. Sampling

Gambar 18. Export classification to vector file (*.shp)

Pada proses export ke data vektor, pilih export features to a single layer agar semua kelas terdapat dalam satu file *.shp. Uncheck proses smoothing agar file *.shp yang dihasilkan tidak mengalami kerusakan topologi. Setelah selesai, save file vektor ke direktori.

Gambar 19. Statistik hasil klasifikasi

Gambar 20. Tampilan hasil klasifikasi di ArcGIS