PENGOLAHAN DATA CITRA (TKP151P)
(REVIEW LITERATUR INTERPRETASI LAND COVER )
Dosen Pengampu :
- Dra. Bitta Pigawati, M.T.
- Pangi, S. T., M. T.
INTERPRETASI LAND COVER
(Pertemuan VI)
Tiara Kartika Cendanisari
NIM 21040111060032
PROGRAM STUDI DIPLOMA III
TEKNIK PERENCANAAN WILAYAH DAN KOTA
FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO
SEMARANG
2012
(Pertemuan VI)
Tiara Kartika Cendanisari
NIM 21040111060032
PROGRAM STUDI DIPLOMA III
TEKNIK PERENCANAAN WILAYAH DAN KOTA
FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO
SEMARANG
2012
Interpretasi Citra
Proses penerjemahan data menjadi informasi disebut analisis atau interpretasi data, dimana data tersebut dapat berupa citra, grafik, dan data numerik yang dapat dianalisis untuk mendapatkan informasi tentang obyek, daerah, fenomena yang diteliti. (Purwadhi, 2001). Penafsir citra mengkaji citra dan berupaya melalui proses penalaran untuk mendeteksi, mengidentifikasi, dan menilai arti pentingnya obyek yang tergambar pada citra. Maka penafsir citra harus mengenali obyek yang tergambar pada citra dan menterjemahkannya ke dalam disiplin ilmu tertentu seperti geologi, geografi, ekologi, dan lainnya. Berikut adalah beberapa tahapan sebelum penginterpretasian citra :
Konsep Pengolahan Citra
Secara umum pengolahan citra terbagi kedalam:
1. Pre-processing citra, merupakan pengolahan sebelum proses pengklasifikasian. Dalam kegiatan ini, koreksi citra (geometrik dan radiometrik) dilakukan.
2. Klasifikasi citra, merupakan proses pengelompokan piksel-piksel ke dalam kelas-kelas atau kategori-kategori yang telah ditentukan berdasarkan nilai kecerahan (digital number/DN) piksel yang bersangkutan. Klasifikasi bisa dilakukan secara kuantitatif maupun dengan menggunakan metode klasifikasi tidak terbimbing dan klasifikasi terbimbing. (Jaya, 2002).
Klasifikasi tidak terbimbing (unsupervised clasification)
Biasanya dilakukan sesuai dengan default pada program atau software yang digunakan yang merupakan proses literasi yang menghasilkan pengelompokan akhir gugus-gugus spektral. Hasil klasifikasi ini biasanya berupa panduan dasar dalam pelaksanaan kegiatan lapangan berikutnya.
Klasifikasi tidak terbimbing merupakan metode yang memberikan mandat sepenuhnya kepada sistem/komputer untuk mengelompokkan data raster berdasarkan nilai digitalnya masing-masing, intervensi pengguna dalam hal ini diminimalisasi. Jenis metode ini digunakan bila kualitas citra sangat tinggi dengan distorsi atmosferik dan tutupan awan yang rendah. Metode ini banyak digunakan untuk memberikan gambaran kasar/ informasi awal.
Klasifikasi tidak terbimbing kerap melakukan generalisasi yang tidak sesuai dengan harapan pengguna. Misal terdapat beberapa kelompok data piksel yang teridentifikasi sebagai bayangan awan dikelompokkan sama dengan badan air. Kondisi ini pengaruh dari jumlah pembagian kelas yang kurang detil atau karena sebaran kualitas atmosferik data pada citra tidak seragam.
Klasifikasi terbimbing (supervised classification)
Klasifikasi terbimbing dilakukan untuk memperbaiki proses klasifikasi tak terbimbing yang telah dilakukan. Klasifikasi terbimbing membutuhkan luasan areal yang merupakan perwakilan kelas-kelas yang ditentukan. Penggambaran areal tersebut dikenal dengan training area. Umumnya penentuannya dilakukan berdasarkan hasil pengamatan lapangan atau berdasarkan penyesuaian dengan peta rupa bumi. Training area yang telah didapatkan tersebut kemudian dijadikan sebagai masukan dalam proses klasifikasi untuk keseluruhan citra.
Klasifikasi terbimbing merupakan metode yang dipandu dan dikendalikan sebagian besar atau sepenuhnya oleh pengguna dalam pengklasifikasiannya. Intervensi pengguna dimulai sejak penentuan training area hingga tahap pengklasterannya. Klasifikasi terbimbing mensyaratkan kemampuan pengguna dalam penguasaan informasi lahan terhadap areal kajian.
Image pre-processing (Pra-pemrosesan citra)
Image pre-processing merupakan kegiatan pra-analisa data citra satelit. Salah satu tahapannya adalah filtering. Filtering merupakan proses perubahan nilai piksel dalam dataset sesuai dengan nilai piksel disekelilingnya. Filtering merupakan operasi lokal dalam pengolahan citra guna memudahkan interpretasi visual. Filter spasial yang digunakan dibagi menjadi tiga katagori umum, yaitu :
- Filter lolos rendah (low pass filter) adalah filter yang digunakan untuk memperhalus kenampakan (smoothing and averaging) dengan meratakan noise dan menghilangkan spike pada citra.
- Filter lolos tinggi (high pass filter) adalah filter yang digunakan untuk menajamkan penampakan pada citra seperti jalan, patahan lingkungan air dan tanah dengan menekan frekuensi tinggi tanpa mempengaruhi bagian dari frekuensi rendah citra.
- Filter deteksi sisi (edge detection filter) adalah filter yang digunakan untuk menampakkan sisi disekitar suatu obyek untuk memudahkan kegiatan analisis.
Tahapan Kegiatan Klasifisasi Citra
Secara garis besar, tahap-tahap kegiatan klasifisasi citra dibagi menjadi empat bagian kegiatan yang berurutan yaitu pra-kerja lapangan, kerja lapangan, pasca kerja lapangan dan pengujian hasil klasifikasi.
1. Tahap pra-kerja lapangan; dilakukan persiapan pengumpulan bahan dan alat serta studi kepustakaan, pengamatan peta topografi, peta tataguna lahan dan hasil interpretasi citra sebelum diolah seperti menandai obyek (posisi serta jenisnya), dan perencanaan lintasan lapangan.
2. Tahap kerja lapangan; dilaksanakan pemeriksaan kebenaran posisi dan jenis lahan hasil interpretasi citra pasca kerja lapangan dilakukan pengolahan citra meliputi koreksi geometrik, penajaman citra, filtering, menggunakan alat GPS.
3. Tahap pasca kerja lapangan; dilakukan pengolahan citra meliputi koreksi geometrik, penajaman citra, filtering, sampel latihan, klasifikasi, sehingga diperoleh citra terkoreksi dan melakukan perhitungan untuk memperoleh tingkat ketelitian hasil klasifikasi.
4. Tahap pengujian hasil klasifikasi; menguji citra yang dihasilkan dengan pengujian secara acak lokasi di wilayah penelitian serta mencatat jenis lahan yang tidak terklasifikasi.
Proses penerjemahan data menjadi informasi disebut analisis atau interpretasi data, dimana data tersebut dapat berupa citra, grafik, dan data numerik yang dapat dianalisis untuk mendapatkan informasi tentang obyek, daerah, fenomena yang diteliti. (Purwadhi, 2001). Penafsir citra mengkaji citra dan berupaya melalui proses penalaran untuk mendeteksi, mengidentifikasi, dan menilai arti pentingnya obyek yang tergambar pada citra. Maka penafsir citra harus mengenali obyek yang tergambar pada citra dan menterjemahkannya ke dalam disiplin ilmu tertentu seperti geologi, geografi, ekologi, dan lainnya. Berikut adalah beberapa tahapan sebelum penginterpretasian citra :
Konsep Pengolahan Citra
Secara umum pengolahan citra terbagi kedalam:
1. Pre-processing citra, merupakan pengolahan sebelum proses pengklasifikasian. Dalam kegiatan ini, koreksi citra (geometrik dan radiometrik) dilakukan.
2. Klasifikasi citra, merupakan proses pengelompokan piksel-piksel ke dalam kelas-kelas atau kategori-kategori yang telah ditentukan berdasarkan nilai kecerahan (digital number/DN) piksel yang bersangkutan. Klasifikasi bisa dilakukan secara kuantitatif maupun dengan menggunakan metode klasifikasi tidak terbimbing dan klasifikasi terbimbing. (Jaya, 2002).
Klasifikasi tidak terbimbing (unsupervised clasification)
Biasanya dilakukan sesuai dengan default pada program atau software yang digunakan yang merupakan proses literasi yang menghasilkan pengelompokan akhir gugus-gugus spektral. Hasil klasifikasi ini biasanya berupa panduan dasar dalam pelaksanaan kegiatan lapangan berikutnya.
Klasifikasi tidak terbimbing merupakan metode yang memberikan mandat sepenuhnya kepada sistem/komputer untuk mengelompokkan data raster berdasarkan nilai digitalnya masing-masing, intervensi pengguna dalam hal ini diminimalisasi. Jenis metode ini digunakan bila kualitas citra sangat tinggi dengan distorsi atmosferik dan tutupan awan yang rendah. Metode ini banyak digunakan untuk memberikan gambaran kasar/ informasi awal.
Klasifikasi tidak terbimbing kerap melakukan generalisasi yang tidak sesuai dengan harapan pengguna. Misal terdapat beberapa kelompok data piksel yang teridentifikasi sebagai bayangan awan dikelompokkan sama dengan badan air. Kondisi ini pengaruh dari jumlah pembagian kelas yang kurang detil atau karena sebaran kualitas atmosferik data pada citra tidak seragam.
Klasifikasi terbimbing (supervised classification)
Klasifikasi terbimbing dilakukan untuk memperbaiki proses klasifikasi tak terbimbing yang telah dilakukan. Klasifikasi terbimbing membutuhkan luasan areal yang merupakan perwakilan kelas-kelas yang ditentukan. Penggambaran areal tersebut dikenal dengan training area. Umumnya penentuannya dilakukan berdasarkan hasil pengamatan lapangan atau berdasarkan penyesuaian dengan peta rupa bumi. Training area yang telah didapatkan tersebut kemudian dijadikan sebagai masukan dalam proses klasifikasi untuk keseluruhan citra.
Klasifikasi terbimbing merupakan metode yang dipandu dan dikendalikan sebagian besar atau sepenuhnya oleh pengguna dalam pengklasifikasiannya. Intervensi pengguna dimulai sejak penentuan training area hingga tahap pengklasterannya. Klasifikasi terbimbing mensyaratkan kemampuan pengguna dalam penguasaan informasi lahan terhadap areal kajian.
Image pre-processing (Pra-pemrosesan citra)
Image pre-processing merupakan kegiatan pra-analisa data citra satelit. Salah satu tahapannya adalah filtering. Filtering merupakan proses perubahan nilai piksel dalam dataset sesuai dengan nilai piksel disekelilingnya. Filtering merupakan operasi lokal dalam pengolahan citra guna memudahkan interpretasi visual. Filter spasial yang digunakan dibagi menjadi tiga katagori umum, yaitu :
- Filter lolos rendah (low pass filter) adalah filter yang digunakan untuk memperhalus kenampakan (smoothing and averaging) dengan meratakan noise dan menghilangkan spike pada citra.
- Filter lolos tinggi (high pass filter) adalah filter yang digunakan untuk menajamkan penampakan pada citra seperti jalan, patahan lingkungan air dan tanah dengan menekan frekuensi tinggi tanpa mempengaruhi bagian dari frekuensi rendah citra.
- Filter deteksi sisi (edge detection filter) adalah filter yang digunakan untuk menampakkan sisi disekitar suatu obyek untuk memudahkan kegiatan analisis.
Tahapan Kegiatan Klasifisasi Citra
Secara garis besar, tahap-tahap kegiatan klasifisasi citra dibagi menjadi empat bagian kegiatan yang berurutan yaitu pra-kerja lapangan, kerja lapangan, pasca kerja lapangan dan pengujian hasil klasifikasi.
1. Tahap pra-kerja lapangan; dilakukan persiapan pengumpulan bahan dan alat serta studi kepustakaan, pengamatan peta topografi, peta tataguna lahan dan hasil interpretasi citra sebelum diolah seperti menandai obyek (posisi serta jenisnya), dan perencanaan lintasan lapangan.
2. Tahap kerja lapangan; dilaksanakan pemeriksaan kebenaran posisi dan jenis lahan hasil interpretasi citra pasca kerja lapangan dilakukan pengolahan citra meliputi koreksi geometrik, penajaman citra, filtering, menggunakan alat GPS.
3. Tahap pasca kerja lapangan; dilakukan pengolahan citra meliputi koreksi geometrik, penajaman citra, filtering, sampel latihan, klasifikasi, sehingga diperoleh citra terkoreksi dan melakukan perhitungan untuk memperoleh tingkat ketelitian hasil klasifikasi.
4. Tahap pengujian hasil klasifikasi; menguji citra yang dihasilkan dengan pengujian secara acak lokasi di wilayah penelitian serta mencatat jenis lahan yang tidak terklasifikasi.
Referensi
- . 2010. “Panduan Aplikasi Penginderaan Jauh Tingkat Dasar”, dalam http://forestclimatecenter. org/files/2010%20Panduan%20Aplikasi%20Penginderaan%20Jauh%20Tingkat%20Dasar.pdf. Diunduh 7 Oktober 2012.
Sebayang, Mardani. 2002. “Klasifikasi Tutupan Lahan Menggunakan Data Citra Landsat Thematic Mapper Studi Kasus Surabaya”, dalam http://www.unri.ac.id/jurnal/ jurnal_natur/vol5(1)/ Mardani.pdf. Diunduh 7 Oktober 2012.
Universitas Sumatera Utara, dalam http://repository.usu.ac.id/bitstream/123456789/23710 /4/Chapter %20II.pdf. Diunduh 7 Oktober 2012.
- . 2010. “Panduan Aplikasi Penginderaan Jauh Tingkat Dasar”, dalam http://forestclimatecenter. org/files/2010%20Panduan%20Aplikasi%20Penginderaan%20Jauh%20Tingkat%20Dasar.pdf. Diunduh 7 Oktober 2012.
Sebayang, Mardani. 2002. “Klasifikasi Tutupan Lahan Menggunakan Data Citra Landsat Thematic Mapper Studi Kasus Surabaya”, dalam http://www.unri.ac.id/jurnal/ jurnal_natur/vol5(1)/ Mardani.pdf. Diunduh 7 Oktober 2012.
Universitas Sumatera Utara, dalam http://repository.usu.ac.id/bitstream/123456789/23710 /4/Chapter %20II.pdf. Diunduh 7 Oktober 2012.
Tidak ada komentar:
Posting Komentar