bab 4

Hasil

BAB IV

HASIL DAN PEMBAHASAN

IV.1. Hasil

IV.1.1. Colour Composite

Hasil penyusunan dan tampilan citra komposit warna pada Citra Jateng.ers yang

dilakukan oleh kelompok IV adalah sebagai berikut :

(a) (b)

(c)

Gambar 4. 1. RGB (a) 432, (b) 731, (c) 457 (Kelompok IV, 2013)

Hasil dan Pembahasan IV-1

Hasil

IV.1.2. Scattergram

Hasil pembuatan scattergram citra Jateng.ers yang dilakukan oleh kelompok IV

adalah sebagai berikut :

Gambar 4. 2. Hasil Scattergram (Kelompok IV, 2013)

IV.1.3. Cropping

Hasil cropping citra Jateng.ers yang Kelompok IV lakukan adalah sebagai berikut:

Gambar 4. 3. Purbalingga.ers (Kelompok IV, 2013)


Hasil

Hasil cropping citra secara manual pada citra Jateng.ers yang dilakukan oleh

kelompok IV adalah sebagai berikut :

Gambar 4. 4. Hasil Cropping Manual (Kelompok IV, 2013)

Hasil cropping using formula pada citra Jateng.ers yang dilakukan oleh kelompok

IV adalah sebagai berikut :

Gambar 4. 5. Hasil Cropping Using Formula (Kelompok IV, 2013)

IV.1.4. Enhancement

Hasil enhancement citra yang dilakukan oleh kelompok IV pada citra

purbalingga.ers adalah sebagai berikut :


Hasil

Gambar 4. 6. Pencerahan Citra Red Layer (Kelompok IV, 2013)

Gambar 4. 7. Pencerahan Citra Green Layer (Kelompok IV, 2013)

Gambar 4. 8. Pencerahan Citra Blue Layer (Kelompok IV, 2013)


Hasil

Gambar 4. 9. Penggelapan Citra Red Layer (Kelompok IV, 2013)

Gambar 4. 10. Penggelapan Citra Green Layer (Kelompok IV, 2013)

Gambar 4. 11. Penggelapan Citra Blue Layer (Kelompok IV, 2013)

IV.1.5. Density Slice

Hasil density slice citra yang dilakukan oleh kelompok IV pada citra



Hasil

Gambar 4. 12. Hasil Density Slice (Kelompok IV, 2013)

IV.1.6. NDVI

Hasil pembuatan NDVI citra yang dilakukan oleh kelompok IV pada citra


Gambar 4. 13. Hasil NDVI (Kelompok IV, 2013)

IV.1.7. Supervised

Hasil klasifikasi supervised yang dilakukan oleh kelompok IV pada citra



Hasil

Gambar 4. 14. Hasil Supervised (Kelompok IV, 2013)

IV.1.8. Unsupervised

Hasil klasifikasi unsupervised yang dilakukan oleh kelompok IV pada citra


Gambar 4. 15. Hasil Unsupervised (Kelompok IV, 2013)


Hasil

IV.1.9. Produk Peta

Produk peta supervised yang dihasilkan oleh kelompok IV dari citra


Gambar 4. 16. Hasil Produk Peta Supervised (Kelompok IV, 2013)

Produk peta NDVI yang dihasilkan oleh kelompok IV dari citra purbalingga.ers

adalah sebagai berikut :

Gambar 4. 17. Hasil Produk Peta NDVI (Kelompok IV, 2013)


Pembahasan

IV.2. Pembahasan

IV.2.1. Colour Composite

Colour composite atau kombinasi RGB dapat kita lakukan sesuai dengan

informasi yang kita butuhkan. Band memiliki kemampuan untuk mendeteksi objek dengan

panjang gelombang tertentu dengan beberapa kerakteristik tertentu, sehingga objek pada

citra dapat kita kenali dengan kombinasi band yang sesuai dengan karakteristiknya masing-

masing.

Tabel 4.1. Spectral Band (Kelompok IV, 2013)

Saluran

Kisaran

Gelombang

(µm)

Kegunaan Utama

10,45 – 0,52

(blue)

Penetrasi tubuh air, analisis penggunaan lahan, tanah,

dan vegetasi. Pembedaan vegetasi dan lahan.

20,52 – 0,60

(green)

Pengamatan puncak pantulan vegetasi pada saluran

hijau yang terletak diantara dua saluran penyerapan.

Pengamatan ini dimaksudkan untuk membedakan jenis

vegetasi dan untuk membedakan tanaman sehat

terhadap tanaman yang tidak sehat

30,63 – 0,69

(red)

Saluran terpenting untuk membedakan jenis vegetasi.

Saluran ini terletak pada salah satu daerah penyerapan

klorofil

40,76 – 0,90

(NIR)

Saluran yang peka terhadap biomasa vegetasi. Juga

untuk identifikasi jenis tanaman. Memudahkan

pembedaan tanah dan tanaman serta lahan dan air.

51,55 – 1,75

(FIR)

Saluran penting untuk pembedaan jenis tanaman,

kandungan air pada tanaman, kondisi kelembapan

tanah.

62,08 – 2,35

(SWIR)

Untuk membedakan formasi batuan dan untuk

pemetaan hidrotermal.

7 10,40 – 12,50

(thermal

Klasifikasi vegetasi, analisis gangguan vegetasi.

Pembedaan kelembapan tanah, dan keperluan lain yang


Pembahasan

infrared) berhubungan dengan gejala termal.

8 Pankromatik Studi kota, penajaman batas linier, analisis tata ruang

Berdasarkan tabel diatas, hasil penyusunan RGB citra Purbalingga.ers dapat

dianalisis sebagai berikut :

a. Citra dengan kombinasi RGB 432.

Menunjukkan informasi bahwa wilayah Purbalingga memiliki vegetasi yang

gelap, dan awan cerah. Hasilnya dapat dikatakan sama dengan kondisi lapangan.

Kombinasi RGB 432 merupakan tipikal kombinasi komposit false color seperti di

foto udara. Saluran 4 mendeteksi puncak pantulan dari vegetasi, juga membedakan

tipe vegetasi, Selain itu membedakan tanah dan perairan. Kombinasi ini

menampilkan vegetasi berwarna merah, merah yang lebih terang menandakan

vegetasi yang lebih dewasa. Tanah dengan sedikit atau tanpa vegetasi antara putih

(pasir atau garam) sampai hijau atau coklat tergantung kelembapan dan kandungan

organik. Air nampak biru, perairan jernih akan terlihat biru gelap atau hitam

sedangkan perairan dangkal atau air dengan konsentrasi sedimen tinggi akan

nampak biru muda. Area permukiman berwarna biru kecoklatan.

b. Citra dengan kombinasi RGB 731.

Kombinasi RGB 731 digunakan untuk mendeteksi tutupan lahan berupa

pemukiman. Pemukiman berwarna merah cerah. Semakin padat pemukiman,

semakin gelap warnanya. Vegetasi dan badan air sesuai dengan warna aslinya.

c. Citra dengan kombinasi RGB 457.

Kombinasi RGB 457 digunakan untuk mendeteksi vegetasi. Kombinasi ini

memberikan informasi bahwa wilayah tersebut memiliki data vegetasi dari suatu

citra karena paduan warna dari band yang ada menghasilkan warna hijau lebih

terlihat.

Kombinasi RGB atau colour composite ini digunakan sesuai dengan kebutuhan

informasi yang dikehendaki. Kombinasi RGB 432 memberikan informasi sesuai dengan

warna aslinya (true colour), kombinasi RGB 731 memberikan informasi pendeteksian lahan

pemukiman, dan kombinasi RGB 457 digunakan untuk mendeteksi vegetasi.


Pembahasan

IV.2.2. Scattergram

Scattergram merupakan aplikasi umum yang diterapkan pada citra untuk

memudahkan dalam melihat nilai dari suatu citra dari dua saluran band dalam citra. Serta

untuk dapat mengetahui keterkaitan antar band pada citra.

Salah satu cara melihat kualitas data citra secara statistik yang berformat grafik

dapat menggunakan scattergram. Scattergram merupakan teknik atau cara menilai kualitas

data dan karakteristik sebaran (lokasi) contoh latihan atau contoh kawasan ( training area)

didalam suatu citra secara geografis (ERMapper, 2006) pada sebuah plot X-Y dengan

menunjukkan nilai data antara hubungan dua buah band pada suatu citra.

Scattergram disebut juga scatter plot, scatter diagram plot nilai DN untuk sel

sampel dalam sebuah cluster pada grafik sumbu x - nilai DN untuk satu band sumbu y - nilai

DN untuk band lain.

Beberapa metode scattergram antara lain sebagai berikut:

1. Klasifikasi sederhana, digunakan untuk membuat bidang pada scattergram akan

menghasilkan shading pada citra akan sebuah tutupan lahan tertentu

2. Evaluasi Training Area (Sampling), digunakan untuk mengevaluasi training area

(sampling) pada tutupan lahan tertentu apakah sudah sesuai.

Evaluasi Tumpang Tindih antar kelas tutupan Lahan, digunakan untuk

mengevaluasi antara kelas-kelas tutupan lahan apakah yang tumpang tindih

memerlukan pemeriksaan semua kombinasi band.

IV.2.3. Cropping

Cropping dapat dilakukan dengan beberapa metode, yaitu:

a. Cropping Regional, digunakan untuk memotong bagian atau daerah citra tertentu.

b. Cropping Manual

Cropping manual merupakan metode yang paling sederhana dalam pemotongan

citra. Cropping manual digunakan untuk memotong bagian atau daerah citra

tertentu secara manual; dan

c. Cropping Using Formula

Using Formula merupakan aplikasi umum yang diterapkan pada citra untuk

penajaman guna memudahkan atau memperjelas suatu daerah dengan membuat


Pembahasan

polygon pada obyek pada citra yang diinginkan dan untuk memperjelas area yang

dipilih interpretasi visual. Cropping dilakukan sesuai dengan kebutuhan dengan

cara pembuatan polygon untuk area yang akan digunakan atau dilakukan cropping.

Ketiga metode cropping ini sama-sama digunakan untuk memotong citra.

Perbedaanya terletak pada metode pemotongan dan hasil cropping yang akan diperoleh.

Cropping paling sederhana adalah cropping manual. Cropping ini digunakan untuk

memotong daerah yang relatif kecil. Hasil cropping manual diperoleh sesuai dengan yang

ditampilkan dalam jendela citra.

IV.2.4. Enhancement

Proses penajaman citra dilakukan untuk mempermudah dalam

menginterpretasikan obyek-obyek yang ada pada tampilan citra. Dengan proses algoritma,

ER Mapper mempermudah pengguna melakukan berbagai macam proses penajaman citra

tanpa perlu membuat file-file baru yang hanya akan membuat penuh disk komputer

meningkatkan mutu citra, baik untuk memperoleh keindahan gambar maupun untuk

kepentingan analisis citra.

Dengan melakukan penajaman citra, gambar yang dihasilkan lebih tajam. Bagus

digunakan untuk melakukan interpretasi citra daerah yang padat dan memilik variasi kelas

yang banyak, seperti pemukiman.

Sedangkan penurunan kontras citra merepresentasikan gambar yang dihasilkan

tidak setajam peningkatan kontras. Penurunan kontras citra lebih mudah pengaturannya.

Bagus digunakan untuk melakukan interpretasi citra di daerah yang luas dan variasi

kelasnya sedikit, seperti di daerah padang rumput.

IV.2.5. Density Slice

Density slice merupakan salah satu metode klasifikasi citra yang digunakan untuk

mendistribusikan DN atau nilai digital sepanjang sumbu horizontal histogram citra dan

dibagi dalam interval.

Rentang density slice dalam praktikum ini dilakukan sebanyak tiga tahap, yaitu

rendah, sedang, dan tinggi. Nilai rentang density slice ditampilkan dalam tabel berikut ini:


Pembahasan

Tabel 4.2. Rentang Density Slice (Kelompok IV, 2013)

Saluran /

Band

Rentang

RendahRentang Sedang Rentang Tinggi

Red 0-10619,1 10619,1-20965,9 20965,9-31585

Green 0-10706,2 10706,2-21137,8 21137,8-31706,7

Blue 0-10346,4 10364,4-20427,6 20427,6-30641,4

IV.2.6. NDVI

NDVI merupakan metode yang digunakan untuk mendeteksi vegetasi. Pada hasil

pembuatan NDVI yang dilakukan oleh Kelompok IV terlihat vegetasi direpresentasikan

dengan warna biru. Warna hijau menggambarkan pemukiman, sedangkan warna pink yang

terlihat teratur merupakan hutan terpola.

IV.2.7. Unsupervised Classification

Klasifikasi tak terbimbing (unsupervised classification) merupakan salah satu

metode klasifikasi dimana komputer secara otomatis menghitung dan mengenali nilai

spektral yang ada pada citra. ER Mapper 7.0 menggunakan algoritma ISOClass untuk

menampilkan data citra dlam metode ini. Sebelum melakukan metode ini, kita harus

menentukan berapa kelas yang akan dibuat.

IV.2.8. Supervised Classification

Klasifikasi terbimbing (supervised classification) dilakukan ketika kita telah

melakukan survei kelapangan. Artinya kita sudah mengetahui land cover dari training area

yang kita buat. Training area merupakan sampel kelas yang sudah kita ketahui di lapangan.

Metode ini sering digunakan untuk meningkatkan hasil klasifikasi. Dibandingkan dengan

metode sebelumnya, metode ini lebih akurat. Klasifikasi menggunakan karakteristik spektral

(minimum, maximum, mean/average, variance, covariance, correlation, dll.) tentang

training/sample area untuk menggambarkan algoritma klasifikasi keseluruhan.

Langkah Penting dalam Klasifikasi Terbimbing antara lain sebagai berikut :

1. Training sampel yang terpilih harus representatif;

2. Statistik karakteristik training sampel harus dianalisis untuk memilih fitur yang

sesuai;Hasil dan Pembahasan IV-13

Pembahasan

3. Algoritma klasifikasi yang sesuai harus dipilih;

4. Pengkelasan image dalam kelas; dan

5. Tingkat akurasi klasifikasi harus dievaluasi secara statistik.

IV.2.9. Produk Peta

Produk peta yang dibuat oleh Kelompok IV adalah dua buah peta, yaitu peta

supervised dan peta NDVI. Kedua peta ini dapat dianalisis sebagai berikut:

Produk peta supervised menyajikan informasi tepi peta yang terdiri atas skala,

legenda berupa warna yang terdiri atas warna merah merepresentasikan pemukiman, hijau

merepresentasikan sawah, hijau tua merepresentasikan vegetasi, abu-abu merepresentasikan

jalan, dan biru menggambarkan sungai. Peta ini juga mencantumkan inset citra Purbalingga.

Produk peta NDVI menyajikan informasi tepi peta yang terdiri atas skala, legenda

berupa warna yang terdiri atas warna merah merepresentasikan pemukiman, hijau

merepresentasikan sawah, hijau tua merepresentasikan vegetasi, abu-abu merepresentasikan

jalan, dan biru menggambarkan sungai. Peta ini juga mencantumkan inset citra Purbalingga.


bab 4

Documents