60
61
PENDAHULUAN
Latar Belakang
Penginderaan jarak jauh adalah merupakan suatu ilmu dalam memperoleh atau menerima informasi ilmu dalam penerimaan/perolehan informasi mengenai keadaan permukaan bumi dengan cara tidak harus menuju lokasi yang akan diambil datanya atau tanpa secara langsung. Kegiatan ini dilakukan oleh penginderaan dan pencatatan energi yang direfleksikan atau dipancarkan dan melakukan proses, analisa dan aplikasi terhadap informasi tersebut.
Perkembangan teknologi penginderaan jauh kini hadir sebagai solusi pemantauan hutan yang sangat luas, menggunakan teknologi satelit. Dengan satelit, pemantauan hutan di seluruh Indonesia dapat dilakukan secara cepat dan efisien.
Ilmu penginderaan jauh telah berkembang sangat pesat dari masa ke masa.
Teknologi sistem sensor satelit dan algoritma pemrosesan sinyal dijital memudahkan pengambilan informasi keadaan bumi secara lebih cepat, detil dan akurat. Menggunakan penginderaan jauh dalam menentukan letak kemiringan lahan dapat dillakukan dengan menggunakan citra satelit yang berfungsi untuk mendapatkan data yang diperlukan. Kemiringan lahan merupakan faktor yang rentan dalam terjadinya erosi pada lahan. (Herawati 2020).
Data penginderaan jauh mempunyai peran yang sangat penting dalam pembuatan informasi spasial lahan terkait bencana. Lembaga Penerbangan dan Antariksa Nasional (LAPAN) sebagai instansi pemerintah yang bertanggung jawab terhadap penyediaan data penginderaan jauh dari resolusi rendah, menengah dan tinggi telah melakukan pengembangan stasiun bumi penginderaan jauh, sehingga pada tahun 2017 LAPAN telah mampu merekam data satelit Terra/Aqua MODIS, Landsat-8, SPOT-6/7 dan Pleiades 1A/1B. Data yang telah diterima oleh LAPAN perlu diklasifikasikan secara cepat untuk menghasilkan informasi spasial karakteristik lahan seperti tutupan lahan, kekeringan lahan, kebakaran lahan dan perubahan lahan yang disebut klasifikasi citra. Klasifikasi citra bertujuan untuk mendapatkan gambaran atau peta tematik yang berisikan bagian-bagian yang menyatakan suatu objek atau tema. Klasifikasi citra satelit dibagi menjadi 3 jenis yaitu: 1) Klasifikasi Terbimbing (Supervised
62
Classification), 2) Klasifikasi Tak Terawasi (Unspervised Classification) dan 3) Klasifikasi Gabungan (hybride classification).(Purwanto dan Lukiawan 2019).
Klasifikasi terbimbing merupakan proses pengelompokan piksel-piksel.
Pengelompokan piksel-piksel didapatkan melalui training area pada setiap tutupan lahan. Pembuatan training area merupakan langkah awal dari metode kalsifikasi terbimbing, nilai piksel dalam training area itulah yang digunakan oleh aplikasi sebagai acuan untuk mengenal piksel yang lain. Derah yang nilai pikselnya sama atau sejenis akan dikelompokan ke dalam kelas yang telah ditentukan sebelumnya.
Klasifikasi terbimbing dipilih karena prosesnya lebih cepat jika dibandingkan dengan digitasi on screen sehingga memudahkan pengguna dalam menginterpretasi citra. Klasifikasi terbimbing juga memiliki tingkat akurasi yang tinggi karena pengguna turut andil dalam pembuatan training area sehingga proses klasifikasi menjadi lebih terkontrol. (Noer dan Wibowo 2024).
Suatu wilayah akan mengalami perkembangan yang akan membawa perubahan penampakan secara fisik. Perkembangan fisik tersebut merupakan perkembangan lahan yang dipengaruhi oleh faktor alam maupun manusia.
Wilayah yang berkembang memerlukan adanya perencanaan untuk mengarahkan peruntukan lahan secara tepat. Dibutuhkan suatu metode yang akurat dan efektif untuk memperoleh informasi tutupan lahan. Salah satu teknologi yang efektif untuk memetakan tutupan lahan adalah teknologi penginderaan jauh. Terdapat berbagai macam teknik pengolahan data dalam penginderaan jauh untuk memperoleh informasi tutupan lahan. Teknik klasifikasi citra dalam penginderaan jauh dibagi menjadi tiga bagian teknik klasifikasi yaitu teknik berbasis piksel, teknik berbasis subpiksel, dan teknik berbasis objek. (Maksum et al. 2016)
Tujuan
Adapun tujuan dari Praktikum Penginderaan Jarak Jauh yang berjudul
“Klasifikasi Terbimbing” adalah untuk mengidentifikasi dan memetakan berbagai jenis objek atau penutup lahan di permukaan bumi berdasarkan data citra satelit atau foto udara dengan bantuan data referensi atau sampel yang sudah diketahui kelasnya yang melibatkan penggunaan algoritma yang belajar dari sampel data yang diberi label untuk mengklasifikasikan piksel citra ke dalam kategori tertentu.
63
TINJAUAN PUSTAKA
Penginderaan jarak jauh merupakan salah satu bidang ilmu pengolahan citra. Saat ini aplikasi penginderaan jarak jauh cukup banyak ditemui, salah satu yang cukup popular adalah Google Earth suatu aplikasi berupa bola dunia virtual.
Awalnya dikenal sebagai Earth Viewer, Google Earth dikembangkan oleh Keyhole, Inc., sebuah perusahaan yang diambil alih oleh Google pada tahun 2004.
Produk ini, kemudian diganti namanya menjadi Google Earth tahun 2005. Google Earth adalah program komputer yang dapat menampilkan representasi 3D Bumi melalui superimposisi citra satelit, foto udara, dan data GIS ke bola dunia 3D, dan memungkinkan pengguna melihat kota dan lanskap dari berbagai sudut pandang.
Foto-foto Google Earth diambil melalui satelit Landsat milik Amerika. Sebagai suatu bola dunia virtual, Google Earth dapat menampilkan berbagai obyek yang ada di atas permukaan bumi, lengkap dengan bentuk warna dan spesifikasi lainnya. Pengguna dapat menjelajahi bola dunia dengan memasukkan alamat dan koordinat, melalui penggunaan keyboard atau mouse. (Sekarwati et al. 2018).
Citra merupakan suatu representasi, kemiripan atau imitasi dari suatu obyek atau benda. Citra yang dikenal dalam komputer adalah citra dalam format digital salah satunya adalah citra yang diperoleh dari penginderaan jauh (remote sensing).Citra (gambar) adalah kombinasi antara titik, garis, bidang dan warna untuk menciptakan suatu imitasi dari suatu obyek. Citra bisa berwujud dua dimensi seperti lukisan, foto dan berwujud tiga dimensi seperti patung.Penginderaan jauh (remote sensing) adalah pengamatan muka bumi yang dilakukan dari ruang angkasa dengan menggunakangelombang elektromaknetik tanpa menyentuh langsung objek yang diamati. Teknologi penginderaan jauh(remote sensing) menawarkan kemudahan dalam pemetaan suatu wilayah. Saat ini penginderaan jauh (remote sensing) sangat sering digunakan karena citra dapat dibuat secara cepat meskipun berada pada daerah yang sulit ditempuh melalui daratan sehingga sangat di perlukan untuk pemetaan daerah bencana dan citra yang dihasilkan menggambarkanobjek di permukaan bumi dengan wujud dan letak objek sebenarnya. (Purba 2017).
64
Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu obyek, daerah, atau fenomena melalui analisis data yang diperoleh dengan alat tertentu tanpa kontak langsung dengan obyek, daerah, atau fenomena yang dikaji. Penginderaan jauh sebagai sumber data spasial memberikan kemudahan baik dari segi waktu, tenaga, dan biaya bagi penggunanya. Apalagi jika data yang dibutuhkan mencakup wilayah yang luas, penginderaan jauh menjadi alternatif pilihan terbaik untuk penyediaan data. Saat ini teknologi penginderaan jauh sudah berkembang pesat dan banyak digunakan oleh pemerintah, peneliti, kalangan akademik, sampai komersil. Dengan menggunakan satelit, maka memungkinkan untuk memonitor daerah yang sulit dijangkau dengan metode dan wahana yang lain. Satelit dengan orbit tertentu dapat memonitor seluruh permukaan bumi. Satelit-satelit yang digunakan dalam penginderaan jauh terdiri dari satelit lingkungan, cuaca, dan sumber daya alam.
Sensor penginderaan jauh akan menangkap gelombang pantulan balik dari obyek dan merekam nilai intensitas gelombang balik tersebut. (Sarjani et al. 2017).
Untuk memperoleh peta tutupan lahan dari citra satelit, diperlukan klasifikasi citra. Setiap objek nantinya akan memiliki simbol yang unik dan digambarkan dengan warna tertentu. Klasifikasi citra dilakukan dengan menggunakan metode klasifikasi terbimbing. Klasifikasi terbimbing merupakan proses pengelompokan piksel-piksel. Pengelompokan piksel didapatkan melalui training area pada setiap tutupan lahan. Pembuatan training area merupakan langkah awal dari metode kalsifikasi terbimbing, nilai piksel dalam training area itulah yang digunakan oleh aplikasi sebagai acuan untuk mengenal piksel yang lain. Daerah yang nilai pikselnya sama atau sejenis akan dikelompokan ke dalam kelas yang telah ditentukan sebelumnya. Klasifikasi terbimbing dipilih karena prosesnya lebih cepat jika dibandingkan dengan digitasi on screen sehingga memudahkan pengguna dalam menginterpretasi citra. Klasifikasi terbimbing juga memiliki tingkat akurasi yang tinggi karena pengguna turut andil dalam pembuatan training area (Suwargana 2014)
Proses klasifikasi pada sebuah citra penginderaan jauh sangat banyak mengalami perkembangan dari berbagai teknik dan metode. Kendati demikian secara prinsip proses klasifikasi dapat dibedakan menjadi 2 (dua) yakni klasifikasi
65
secara visual (digitasi on the screen) dan klasifikasi secara digital. Klasifikasi secara digital ini dilakukan menggunakan software tertentu yang dapat membaca data raster dalam format biner pada kedalaman data tertentu yang disebut sebagai bit (binary digit), sehingga karakteristik spektral dari pantulan obyek pada citra dapat diidentifikasi menggunakan perangkat komputer dalam suatu kelompok warna dan/atau rona. Dengan kata lain, klasifikasi secara digital juga dapat disebut sebagai klasifikasi multispektral. Klasifikasi multispektral merupakan metode yang dirancang untuk menurunkan informasi tematik dengan cara mengelompokkan fenomena berdasarkan kriteria tertentu (Fitriawan 2020).
Kelas-kelas atau klaster yang terbentuk dalam klasifikasi ini sangat bergantung kepada data itu sendiri, yaitu dikelompokkannya piksel-piksel berdasarkan kesamaan atau kemiripan spektralnya. klasifikasi terbimbing merupakan metode yang diperlukan untuk mentransformasikan data citra multispektral ke dalam kelas-kelas unsur spasial dalam bentuk informasi tematis.
Metode klasifikasi terbimbing diawali dengan pembuatan daerah contoh untuk menentukan penciri kelas. Kegiatan tersebut merupakan suatu kegiatan mengidentifikasi prototipe (cluster) dari sejumlah piksel yang mewakili masing- masing kelas atau kategori yang diinginkan dengan menentukan posisi contoh dilapangan dengan bantuan peta tutupan lahan sebagai referensi untuk setiap kelasnya. Jumlah kelas yang diambil disesuaikan dengan masing-masing luas penampakan. jumlah piksel yang diambil untuk mewakili setiap kelas yaitu sebanyak N+1, dimana N adalah jumlah band yang digunakan. (Maros 2014).
Data yang dihasilkan dari kegiatan pengklasifikasian secara terbimbing didapatkan dua tabel yaitu tabel separabilitas dan tabel kontingensi. Nilai pada tabel separabilitas untuk keenam tutupan lahan didominasi oleh nilai 2000 atau berkisar antara 1900 sampai 2000. Hal tersebut menunjukkan bahwa keenam lahan memiliki kriteria baik dan sempurna. Hanya hubungan antara vegetasi rapat dengan vegetasi jarang dan rumput dengan vegetasi jarang yang memiliki nilai baik, selain itu nilai separabilitasnya sempurna, maka dapat dikatakan bahwa hasil klasifikasi masingmasing tutupan lahan dapat dibedakan secara spectral. Pada analisis sistem kerja metode terbimbing, (Septiana et al. 2017).
66
METODE PRAKTIKUM
Waktu dan Tempat
Pratikum Penginderaan Jarak Jauh yang berjudul "Klasifikasi Terbimbing”
yang dilaksanakan pada hari Senin, 06 Mei 2024 pada pukul 10.00 – 11.40 WIB.
Pratikum ini dilasanakan di Laboratorium 2 Manajemen Hutan Fakultas Kehutanan Kampus 2 Universitas Sumatera Utara.
Alat dan Bahan
Alat yang digunakan dalam pratikum ini adalah handphone, laptop.
Bahan yang digunakan pada praktikum ini adalah Avenza Maps, Erdas Imagine 9.1, ArcGIS 10.8.
Prosedur Praktikum
1. Dilakukan pengambilan titik lapangan dapat menggunakan GPS ataupun avenza maps.
2. Diproses pengambilan titik di lapangan harus menyebar di seluruh areal penelitian dan mewakili setiap kelas tutupan lahan yang ada serta jumlah masing masing titik lapangan disesuaikan dengan luasan pada jenis tutupan lahan misalnya pada suatu areal penelitian memiliki luasan permukiman yang lebih besar dari badan air maka titik yang di ambil untuk permukiman harus lebih banyak dari badan air.
3. Dikonversi titik lapangan yang telah di ambil dalam bentuk ke shapefile point menggunakan tools conversion pada Arctoolbox di ArcGIS 10.8.
4. Diuji akurasi nilai klasifikasi dengan menggunakan aplikasi Erdas Imagine 9.1
5. Dipembagian titik lapangan 70% untuk klasifikasi (training sample) dan 30% titik lapangan untuk uji akurasi. Akurasi minimal sesuai yang ditentukan USGS adalah ≥ 85%. Apabila akurasi < 85% maka dilakukan klasifikasi ulang.
67
HASIL DAN PEMBAHASAN
Hasil
Adapun hasil yang didapat pada Penginderaan Jarak Jauh berjudul
“Klasifikasi Terbimbing” adalah sebagai berikut.
Gambar 1. Klasifikasi Terbimbing Kecamatan Medan Sunggal Tabel 1. Data Uji Akurasi
Kelas Tutupan Lahan
Badan Air Kebun Campuran
Lahan Terbangun
Lahan Terbuka
Vegetasi
Badan Air 48 0 4 0 0
Kebun Campuran 1 31 0 1 0
Lahan Terbangun 0 0 42 0 8
Lahan Terbuka 1 0 0 49 2
Vegetasi 0 0 3 0 40
Total 50 31 49 50 50
Produce Accuracy
Kappa Accuracy
68 Pembahasan
Pada Praktikum Penginderaan Jarak Jauh yang berjudul " Klasifikasi Terbimbing " mendapatkan hasil data tabel diatas dan dapat diketahui bahwa masing-masing kelas memiliki keakuratan yang berbeda-beda. Dari hasil yang didapatkan, terdapat 5 kelas yaitu Badan Air, Kebun Campuran, Lahan Terbangun, Lahan Terbuka, dan Vegetasi. Terdapat 230 total dari referensi yang digunakan untuk menguji tingkat keakuratan. Angka keakuratan tertinggi dengan nilai akurasi 94% yang terdapat pada kelas Lahan Terbuka, Vegetasi, Kebun campuran dan Badan air. Sedangkan angka keakuratan terendah terdapat pada Lahan terbangun yaitu dengan nilai akurasi 83%. Pada setiap kelas terdapat persentase keakuratan yang berbeda-beda, dimana di setiap nilai akurasi berhubungan nilai total dari akurasi klasifikasinya. Didapatkan nilai akurasi klasifikasi yaitu sebesar 94,23% yang berarti uji akurasi klasifikasi terbimbing dinyatakan berhasil.
Pernyataan berikut sesuai dengan penentuan dari USGS yaitu tingkat akurasi yang ditentukan minimal adalah ≥ 85% dan apabila akurasi < 85% maka dilakukan klasifikasi ulang. Hal ini juga sesuai dengan pernyataan (Pratama dan Riana 2022) Setelah nilai piksel training area diperoleh dari data citra, maka perlu dievaluasi polatanggapan spektral setiap kategori tutupan lahan, khususnya kemampuan dalampemisahan setiap spektralnya. Uji Keakuratan klasifikasi yang digunakan dalampenelitianini yaitu pengukuran atau evaluasi daya pisah spektral dengan menggunakan matriks error atau matriks kesalahan (confusion matrix) dimana penyimpangan klasifikasi berupa kelebihan jumlah piksel dari kelas lain (komisi) atau kekurangan jumlah piksel yang masukkekelas lain (omisi) dimana menggunakan persamaan 2.3.
Akurasi merupakan perbandingan antara data hasil klasifikasi dengan kondisi di lapangan. Uji akurasi pada penelitian ini menggunakan sebuah matrik kesalahan atau lebih dikenal dengan Confusion Matriks . Persentase ketelitian suatu kelas diperoleh dari perbandingan jumlah piksel yang benar masuk pada training area dengan jumlah piksel pada training area suatu kelas. Hasil uji akurasi pada matrix kesalahan berupa perhitungan overall accuracy (OA), produser accuracy (PA), user accuracy (UA) dan kappa coefisien. hasil uji akurasi dari citra SPOT 6 lebih tinggi dibandingkan citra Landsat 8.
69
KESIMPULAN DAN SARAN
Kesimpulan
1. Klasifikasi terbimbing merupakan proses pengelompokan piksel-piksel.
Pengelompokan piksel-piksel didapatkan melalui training area pada setiap tutupan lahan.
2. Dari hasil yang didapatkan, terdapat 5 kelas yaitu Badan Air, Lahan Terbangun, Lahan Terbuka, Perkebunan, dan Vegetasi. Terdapat 151 total dari referensi yang digunakan untuk menguji tingkat keakuratan.
3. Didapatkan nilai akurasi klasifikasi yaitu sebesar 94,23% yang berarti uji akurasi klasifikasi terbimbing dinyatakan berhasil
4. Angka keakuratan tertinggi dengan nilai akurasi 100% yang terdapat pada kelas Lahan Terbuka, Vegetasi, Kebun campuran dan Badan air..
Sedangkan angka keakuratan terendah terdapat pada Lahan Terbangun yaitu dengan nilai akurasi 58,06%.
5. Nilai akurasi klasifikasi terkecil yaitu sebesar 84% terdapat pada kelas Lahan terbangun .
Saran
Sebaiknya dalam pelaksanaan pembuatan klasifikasi terbimbing dilakukan tutorial oleh asissten agar mempermudah praktikan dalam pembuatanya
70