48
49
PENDAHULUAN
Latar Belakang
Teknologi penginderaan jauh telah banyak digunakan untuk memberikan informasi spasial yang beragam dipermukaan bumi dengan cepat, tepat, luas, dan mudah, salah satunya digunakan untuk klasifikasi tutupan lahan. Klasifikasi tutupan lahan dengan menggunakan teknologi penginderaan jauh dapat dimanfaatkan dalam berbagai sector seperti pengelolaan sumberdaya alam, perencanaan kota, pertanian, dan manajemen lingkungan. Studi terkait tutupan lahan sangat penting dibeberapa aspek seperti untuk perencanaan wilayah dan manajemen dalam pemanfaatan sumberdaya alam. Metode konvensional seperti klasifikasi berbasis piksel yang biasa digunakan dalam melakukan klasifikasi tutupan lahan membutuhkan waktu yang cukup lama karena harus dilakukan proses unduh data citra satelit dan dilanjutkan dengan pengolahan data menggunakan software pengolahan citra satelit (Pratama dan Riana, 2022).
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. 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. Tiap objek pada gambar tersebut memiliki simbol yang unik yang dapat dinyatakan dengan warna atau pola tertentu. Klasifikasi citra satelit dibagi menjadi 3 jenis yaitu: Klasifikasi Terbimbing (Supervised Classification), Klasifikasi Tidak Terbimbing (Unspervised Classification) dan Klasifikasi Gabungan (hybride classification) (Oktaviani, 2016).
Klasifikasi digital pada suatu citra adalah suatu proses dimana piksel- piksel dengan karakteristik spektral yang sama, yang oleh karenanya diasumsikan sebagai kelas yang sama, diidentifikasi dan ditetapkan dalam suatu warna. Dalam
50
perkembangan selanjutnya teknik klasifikasi digital sudah mengarah ke berbasis objek, dimana pada metode klasifikasi ini menggunakan tiga parameter utama sebagai pemisah objek, yaitu scale, shape, compactness. Klasifikasi digital ini memiliki beberapa keunggulan pada pemisahan antar objek yang akurat dan presisi. Selain itu klasifikasi ini melakukan klasifikasi berdasarkan segmentasi objek, bukan berdasarkan piksel, klasifikasi digital ini juga memiliki kelebihan dalam efisiensi waktu pengerjaan. Klasifikasi secara digital yang menempatkan piksel ke dalam kelaskelas secara umum dapat dilakukan dalam dua cara, yaitu klasifikasi tidak terbimbing (Unsupervised Classification) dan klasifikasi terbimbing (Supervised Classification) (Mukhaiyar, 2014).
Klasifikasi citra pada dasarnya bertujuan untuk mendapatkan gambaran atau peta tematik yang berisikan bagian-bagian yang menyatakan suatu objek atau tema. Tiap objek pada gambar tersebut memiliki simbol yang unik yang dapat dinyatakan dengan warna atau pola tertentu. Klasifikasi bentuk dalam citra, pada awalnya dimulai dengan interpretasi visual atau interpretasi citra secara manual untuk mengidentifikasi kelompok piksel yang homogen yang mewakili beragam bentuk atau kelas liputan lahan yangdiinginkan. Interpretasi citra dapat dilakukan dengan dua cara, yaitu manual dan digital (Purwanto dan Lukiawan, 2019).
Klasifikasi tidak terbimbing merupakan klasifikasi dengan pembentukan kelasnya sebagian besar dikerjakan oleh komputer. Klaster yang terbentuk dalam klasifikasi ini sangat bergantung kepada data itu sendiri, yaitu dikelompokkannya piksel-piksel berdasarkan kesamaan atau kemiripan spektralnya. Keunggulan unsupervised classification adalah kesalahan operator diminimalisir dan unique classes dianggap sebagai distinct units. Kekurangannya adalah korespondensi yang tidak jelas terhadap informational classes, kontrol yang terbatas terhadap classes, dan spectral classes (Rante, 2021).
Tujuan
Tujuan dari praktikum Penginderaan Jarak Jauh yang berjudul “Klasifikasi Tak Terbimbing” adalah untuk mengetahui langkah-langkah dalam melakukan klasifikasi tak terbimbing (unsupervised) pada citra landsat-8 menggunakan ERDAS Imagine.
51
TINJAUAN PUSTAKA
Penginderaan Jauh (remote sensing) sering disingkat inderaja, adalah ilmu dan seni untuk memperoleh informasi tentang suatu obyek, daerah atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan obyek, daerah atau fenomena yang dikaji. Penginderaan jauh telah lama menjadi sarana yang penting dan efektif dalam pemantauan tutupan lahan dengan kemampuannya menyediakan informasi mengenai keragaman spasial di permukaan bumi dengan cepat, luas, tepat, serta mudah. Perkembangan teknologi penginderaan jauh yang sangat pesat didorong oleh meningkatnya tuntutan kebutuhan aplikasi guna menjawab berbagai tantangan dan permasalahan pembangunan. Hal tersebut dikarenakan citra penginderaan jauh dapat menyajikan gambaran obyek (Has dan Sulistiawaty, 2018).
Pemetaan merupakan salah satu langkah awal kajian yang dapat dilakukan untuk mengamati kondisi hutan mangrove yang lebih efektif dan efesien dalam memperoleh gambaran sebaran luasan hutan mangrove. Pemetaan luasan hutan mangrove dengan memanfaatkan teknologi penginderaan jauh dapat memberikan gambaran peta sebaran luasan hutan mangrove pada suatu daerah.
Pemetaan dapat dijadikan salah satu solusi alternatif untuk penelitian yang membutuhkan jangka waktu yang cukup panjang, mengingat penelitian mengenai pemetaan sebaran luasan mangrove dapat digunakan untuk melihat kondisi pada tahun sebelumnya dan pada tahun saat ini (Shobirin et al., 2016).
Tutupan Lahan merupakan perwujudan fisik objek-objek yang menutupi lahan tanpa mempersoalkan kegiatan manusia terhadap objek-objek tersebut.
Tutupan lahan berubah menurut ruang dan waktu, hal tersebut karena lahan merupakan salah satu sumber daya alam dan merupakan unsur yang sangat penting dalam kehidupan manusia . Tutupan lahan selalu mengalami perubahan dari waktu ke waktu yang disesuaikan dengan kebutuhan masyarakat, seperti yang banyak terjadi di wilayah Indonesia. Tutupan lahan berubah sesuai dengan ruang dan waktu karena merupakan sumber daya alam dan elemen penting dalam kehidupan manusia (Li et al., 2022).
52
Kenampakan permukaan bumi direkam dan divisualisasikan dalam bentuk citra satelit. Interpretasi citra merupakan proses identifikasi dari suatu citra yang kita lihat serta menyampaikan informasi yang diperoleh dari citra tersebut kepada orang lain. Interpretasi citra juga diartikan sebagai kegiatan pemeriksaan citra yang bertujuan untuk mengidentifikasi dan menilai arti penting objek tersebut.
Beberapa karakteristik atau parameter khusus untuk mendukung interpretasi citra disebut kunci interpretasi citra. Kunci interpretasi yang sering digunakan dalam menafsirkan suatu citra satelit, yaitu warna atau rona (tone), bentuk (shape), ukuran (size), tekstur (teksture), pola (pattern), bayangan (shadow), situs (site), dan asosiasi (association) (Rendra et al., 2019).
Citra satelit merupakan salah satu media yang dapat digunakan untuk memperoleh informasi tutupan lahan. Pemanfaatan citra landsat telah banyak digunakan untuk beberapa kegiatan survei maupun penelitia. Melalui citra satelit dapat dilakukan proses klasifikasi untuk mendapatkan informasi jenis-jenis tutupan lahan pada suatu wilayah berikut sebarannya secara spasial atau keruangan. Citra satelit merupakan data permukaan bumi yang diperoleh melalui perekaman oleh satelit. Data satelit kemudian ditangkap dan diproses oleh stasiun bumi yang kemudian dapat digunakan untuk pengolahan data maupun analisa yang terkait dengan permasalahan kebumian termasuk juga permasalahan perkotaan. Seiring perkembangan zaman dan teknologi identifikasi suatu wilayah bisa dilakukan dengan mudah dan cepat (Achsan, 2017).
Karakter utama citra (image) dalam penginderaan jauh adalah adanya rentang kanal (band) panjang gelombang elektromagnetik (electromagnet wavelength) yang dimilikinya. Beberapa radiasi yang dapat dideteksi dengan sistem penginderaan jauh adalah seperti radiasi cahaya matahari yang dapat terdeteksi melaui medium gelombang elektromagnetik. Daerah panjang gelombang elektromangnektik dari daerah visible dan near sampai middle infrared atau dari distribusi spasial energi panas (thermal) ini dipantulkan dari permukaan bumi. 4 Setiap material pada permukaan bumi mempunyai reflektansi yang berbeda terhadap cahaya matahari, sehingga material-material tersebut akan mempunyai resolusi yang berbeda pada setiap band (Lubis et al., 2017).
53
Citra Landsat-8 OLI merupakan salah citra satelit penginderaan jauh yang mempunyai resolusi spasial multispektral 30 m dan resolusi temporal 16 hari.
Landsat 8 atau Landsat Data Continuity Mission (LDCM) merupakan satelit generasi terbaru dari program Landsat. USGS dan NASA serta NASA Goddard Space Flight Center bekerja sama membuat projek satelit Landsat 8 yang diluncurkan pada 11 Februari 2013 di Pangkalan Angkatan Udara Vandeberg, California – Amerika Serikat. Satelit Landsat 8 dirancang mempunyai durasi misi selama 5-10 tahun, memiliki dua sensor hasil pengembangan dari sensor yang terdapat pada satelit-satelit program Landsat sebelumnya. Sensor dalam Landsat 8 yaitu Sensor Operational Land Manager (OLI) terdiri dari 9 band serta Sensor Thermal InfraRed Sensors (TIRS) terdiri dari 2 band (Octarina et al., 2019).
Klasifikasi citra merupakan proses pengelompokan pixel pada suatu citra ke dalam sejumlah class (kelas), sehingga setiap kelas dapat menggambarkan suatu entitas dengan ciri-ciri tertentu. Tujuan utama klasifikasi citra penginderaan jauh adalah untuk menghasilkan peta tematik, dimana suatu warna mewakili suatu objek tertentu. Contoh objek yang berkaitan dengan permukaan bumi antara lain air, hutan, sawah, kota, jalan, dan lain-lain. Sedangkan pada citra satelit meteorologi, proses klasifikasi dapat menghasilkan peta awan yang memperlihatkan distribusi awan di atas suatu wilayah. Di dalam pengklasifikasian citra digital, secara umum dikenal dengan dua kelompook metode tak terbimbing (unsupervised classification) dan terbimbing (supervised classification) (Derajat et al., 2020).
Unsupervised Classification atau yang dikenal dengan klasifikasi tidak terbimbing merupakan metode yang digunakan untuk pemetaan area tutupan lahan pada citra satelit, karena minimnya data lapangan. Metode unsupervised classification dapat dimanfaatkan pada penelitian untuk wilayah pemetaan yang tidak dapat dijangkau atau belum dikenali. Klasifikasi tidak terbimbing berbeda dengan klasifikasi terbimbing yang membutuhkan data lapangan sebagai acuan dalam proses penentuan kelas tutupan lahan. Klasifikasi tidak terbimbing ini dimanfaatkan untuk proses klasifikasi citra satelit dalam memetakan tutupan lahan (Sampurno et al., 2017).
54
METODE PRAKTIKUM
Waktu dan Tempat
Praktikum Penginderaan Jarak Jauh yang berjudul “Klasifikasi Tak Terbimbing” dilaksanakan pada hari Rabu, 20 Maret 2024 pukul 10.00 WIB s/d.
selesai. Praktikum ini dilaksanakan di Laboratorium Manajemen Hutan, Program Studi Kehutanan, Fakultas Kehutanan, Universitas Sumatera Utara Utara.
Alat dan Bahan
Alat yang digunakan pada praktikum ini adalah laptop, alat tulis dan software ERDAS Imagine 9.1.
Bahan yang digunakan pada praktikum ini adalah video tutorial dan citra landsat-8 OLI.
Prosedur Praktikum
1. Dibuka ERDAS Imagine 9.1 viewer, dipilih file > open > raster layer. Lalu, dipilih file yang sudah di koreksi radiometrik dengan tipe img.
Gambar 14. Membuka file citra
2. Diklik classifer. Tunggu hingga muncul kotak dialog. Kemudian pilih unsupervised classification.
55
Gambar 15. Memilih Option Unsupervised Classification
3. Dipilih file hasil koreksei radiometrik pada bagian input raster file. Setelah itu pada output cluster layer, simpan file dengan nama Tuplah_takterbimbing.img. Pada output signature layer, simpan file dengan nama aoi. sig. Kemudian pada number of classes pilih 5, dan maximum iterations pilih 5.
Gambar 16. Proses settings unsupervised classification
4. Diklik Ok dan ditunggu proses klasifikasi citra hingga selesai.
Gambar 17. Proses Klasifikasi Citra
56
5. Dibuka citra hasil klasifikasi, klik file > pilih file yang tersimpan. Jika citra tidak muncul klik image fit to windows.
Gambar 18. Citra yang telah diklasifikasi
6. Disesuaikan kelas tutupan lahan bersadarkan warna yang telah ditetapkan dengan meng-klik raster, kemudian pilih atribute.
Gambar 19. Proses penyesuaian warna masing-masing kelas tutupan lahan
57
HASIL DAN PEMBAHASAN
Hasil
Adapun hasil yang diperoleh dari praktikum Penginderaan Jarak Jauh yang berjudul “Klasifikasi Tak Terbimbing” adalah sebagai berikut.
Gambar 20. Hasil Klasifikasi tak terbimbing
Pembahasan
Dari hasil klasifikasi tak terbimbing yang telah dilakukan di Kecamatan Medan Sunggal, Kota Medan, terdapat 5 kelas tutupan lahan yaitu: badan air, lahan terbangun, daerah vegetasi, kebun campuran, dan lahan kosong. Klasifikasi penggunaan lahan dilakukan dengan tujuan agar data dan informasi penggunaan lahan dapat lebih mudah dipahami. Klasifikasi penggunaan lahan akan didasarkan pada bentuk pemanfaatan dan penggunaan lahan kota, yaitu penggunaan lahan dalam kaitannya dengan pemanfaatan sebagai ruang pembangunan. Menurut Derajat et al., (2020) klasifikasi citra merupakan suatu proses penyusunan, atau pengelompokan semua pixel (yang terdapat di dalam band citra yang bersangkutan) ke dalam beberapa kelas berdasarkan suatu kriteria atau kategori objek, sehingga menghasilkan “peta tematik” dalam bentuk raster.
Interpretasi visual citra pada klasifikasi terbimbing dilakukan berdasarkan pada pengenalan ciri obyek secara spasial. Karakteristik obyek dapat dikenali berdasarkan unsur-unsur interpretasi seperti warna, bentuk, ukuran, pola, tekstur, bayangan, letak dan asosiasi kenampakan obyek, serta tambahan data dari
58
penggunaan peta RBI. Penciri kelas diperlukan dalam proses klasifikasi. Namun beda halnya dengan klasifikasi tak terbimbing dimana proses klasifikasi citra satelit untuk memetakan tutupan lahan pada area yang belum dikenali sebelumnya. Hal ini disebabkan karena data lapang tidak cukup tersedia dengan keterbatasan waktu dan biaya. Hal ini sesuai dengan pernyataan Sampurno et al., (2017), yang menyatakan bahwa pengambilan data lapang untuk kawasan regional cukup sering terkendala oleh waktu dan biaya karena wilayah yang sangat luas serta heterogenitas yang tinggi.
Badan air merupakan semua penampakan perairan, termasuk laut, waduk, terumbu karang, dan padang lamun. Kebun campuran merupakan lahan yang ditanami tanaman keras lebih dari satu jenis atau tidak seragam. Lahan terbuka merupakan lahan tanpa tutupan lahan baik yang bersifat alamiaj, semi alamiah, maupun buatan. Daerah vegetasi merupakan daerah dengan liputan vegetasi minimal 4% sedikitnya selama 2 bulan. Lahan terbangun merupakan kelas penggunaan lahan yang tidak mengalami pengurangan luas namun mengalami penambahan luas. Lahan terbangun merupakan penggunaan lahan yang terjadi penambahan yang signifikan antara tahun 2019-2031. Menurut Penelitian Adhiatma dan Lubis (2020), lahan terbangun diprediksi akan menjadi 34810 ha terjadi penambahan 17808 ha dari tahun 2019-2031. Penambahan luasan lahan terbangun diakibatkan peningkatan infrastruktur yang masif yang mengakibatkan peningkatan ekonomi sehingga harus merubah lahan dari non terbangun menjadi lahan terbangun.
Klasifikasi tak terbimbing dalam konteks penginderaan jauh adalah metode klasifikasi citra yang tidak memerlukan data latihan yang telah ditentukan sebelumnya. Menurut Maksum et al., (2016), proses klasifikasi tak terbimbing ini mencari kelompok-kelompok piksel dalam citra, kemudian menandai setiap piksel ke dalam sebuah kelas berdasarkan perbedaan tingkat keabuan setiap piksel pada citra. Metode ini memungkinkan untuk mengklasifikasikan citra tanpa menggunakan referensi penunjang apapun, hanya berdasarkan perbedaan tingkat keabuan piksel. Dalam penginderaan jauh, klasifikasi tak terbimbing dapat digunakan untuk memetakan tutupan lahan dengan efektif.
59
KESIMPULAN DAN SARAN
Kesimpulan
Teknologi penginderaan jauh penting untuk klasifikasi tutupan lahan dengan aplikasi luas dalam pengelolaan sumber daya alam dan lingkungan.
Metode klasifikasi, termasuk tak terbimbing, membantu memahami pola penggunaan lahan tanpa memerlukan data latihan sebelumnya. Praktikum menggunakan citra Landsat-8 dan perangkat lunak ERDAS Imagine berhasil memetakan lima kelas tutupan lahan di Kecamatan Medan Sunggal, Kota Medan.
Keseluruhan, teknologi ini memberikan solusi efektif untuk pemantauan dan manajemen lahan yang lebih efisien dan tepat.
Saran
Disarankan agar ketika melakukan klasifikasi tak terbimbing, praktikan memahami secara mendalam kelas-kelas yang akan diklasifikasikan agar dapat menghindari kesalahan dalam proses pengklasifikasian.
60