DISKRIMINASI TEGAKAN HTI (Hutan Tanaman Industri) MENGGUNAKAN OBJECT ORIENTED CLASSIFICATION Studi kasus PT. HTI Wira Karya Sakti, Jambi 1
|
|
- Liani Indradjaja
- 7 tahun lalu
- Tontonan:
Transkripsi
1 DISKRIMINASI TEGAKAN HTI (Hutan Tanaman Industri) MENGGUNAKAN OBJECT ORIENTED CLASSIFICATION Studi kasus PT. HTI Wira Karya Sakti, Jambi 1 Muhammad Ardiansyah, Dr.-Ing 2) dan Muhammad Rusdi, SP. 3) 2. Staf Pengajar Departemen Tanah, Fakultas Pertanian, IPB; Jl. Meranti No. 1, Darmaga Bogor, ardysaja@yahoo.com 3. Mahasiswa PS Ilmu Tanah, SPs-IPB; Jl. Meranti No. 1, Darmaga Bogor; em_rusdi@yahoo.com ABSTRAK Permasalahan dalam klasifikasi menggunakan data penginderaan jauh digital adalah pemilihan metode klasifikasi citra, karena ketelitian diskriminasi objek pada citra tergantung dari pendekatan klasifikasi yang mengolah informasi objek. Salah satu pendekatan klasifikasi yang baru dikembangkan adalah metode berorientasi objek (object oriented classification). Perbedaan mendasar pada pendekatan ini terletak pada unit dasar proses analisis citra berupa objek citra atau segmen, bukan piksel tunggal. Pendekatan berdasarkan objek ini dilakukan dengan membuat segmen-segmen dengan teknik segmentasi yang dilakukan dengan menggunakan software e-cognition v.3.0. Segmen atau objek ini dibentuk karena region terkecil memiliki luasan yang lebih besar dari piksel citra. Dasar yang digunakan untuk segmentasi adalah homogenitas dari nilai spektral. Dalam studi ini, dilakukan ekstraksi tegakan hutan dari HTI PT. WKS Jambi pada citra Landsat TM dengan menggunakan pendekatan klasifikasi berorientasi objek. Penggunaan klasifikasi ini dalam diskriminasi tegakan Hutan Tanaman Industri menghasilkan kelas yang berhirarki dengan akurasi tinggi pada setiap level kelas klasifikasi, sehingga hasilnya lebih logis diterima secara kontektual di lapangan dibandingkan dengan sistem klasifikasi berbasis piksel. Kata Kunci: segmen, segmentasi, level hierarki, e-cognition I. Pendahuluan Klasifikasi multispektral biasanya dilakukan menggunakan dua metoda yaitu klasifikasi terbimbing (supervised classification) dan klasifikasi tidak terbimbing (unsupervised classification). Klasifikasi tidak terbimbing memiliki kelemahan, bila analis hanya memiliki sedikit kontrol kelaskelas citra, menyebabkan kesulitan dalam pembandingan antar data. Disamping itu, penciri spektral selalu berubah sepanjang waktu, sehingga hubungan antara respon spektral dan kelas informasi tidak konstan, karena itu diperlukan pengetahuan detil mengenai spektral permukaan. Klasifikasi terbimbing merupakan prosedur yang paling sering digunakan untuk analisis kuantitatif data penginderaan jauh (Richard, 1993). Dalam klasifikasi terbimbing, identitas dan lokasi beberapa tipe penutup lahan seperti pemukiman, pertanian atau lahan basah diketahui secara a priori melalui kombinasi orientasi wilayah, analisis foto udara, peta dan pengalaman pribadi. Analis berusaha untuk menempatkan site spesifik ke dalam data penginderaan jauh yang merepresentasikan contoh-contoh tipe penutup lahan yang homogen. Berbagai algoritma klasifikasi terbimbing dapat digunakan untuk mengelompokkan piksel yang tidak diketahui kedalam salah satu kelas piksel. Diantara prosedur 1 Disajikan pada Pertemuan Ilmiah Tahunan Masyarakat Penginderaan Jauh Indonesia XIII, Jakarta Desember
2 klasifikasi terbimbing, yang paling sering digunakan adalah maximum likelihood classification (MLC). Pendekatan ini memiliki kelemahan, yaitu banyak kesalahan klasifikasi yang muncul dalam bentuk polygon salt and pepper, ketika piksel berada di luar area spesifik atau diantara area yang bertumpang tindih dipaksakan untuk diklasifikasikan. Salah satu metode yang baru dikembangkan adalah metode klasifikasi berorientasi objek (object oriented classification). Proses klasifikasi dalam metode ini menggunakan prosedur segmentasi dengan sistem jaringan hirarki, sehingga suatu karakteristik objek dapat ditambah dengan kumpulan informasi tambahan dari objek yang diklasifikasikan seperti bentuk, tekstur, konteks dan informasi lain yang terkait dengan objek yang diklasifikasikan. Penggunaan informasi tambahan ini akan memperkaya informasi dalam klasifikasi, sehingga mengarah ke hasil klasifikasi yang lebih spesifik dan akurat. Perbedaan mendasar pada pendekatan ini dibandingkan dengan klasifikasi konvensional terletak pada unit dasar proses analisis citra berupa objek citra atau segmen, bukan piksel tunggal, serta tindakan klasifikasi yang harus diterapkan pada objek citra. Dengan latar belakang tersebut, penelitian ini dilakukan dengan tujuan untuk melakukan diskriminasi tegakan Hutan Tanaman Industri dengan pendekatan klasifikasi berorientasi objek, dan membandingkannya pendekatan MLC. II. Landasan Teoritis Klasifikasi berbasis objek dilakukan dengan membuat segmen-segmen dengan teknik segmentasi. Segmen atau objek ini dibentuk karena region terkecil memiliki luasan yang lebih besar dari piksel citra. Dasar yang digunakan untuk segmentasi adalah homogenitas dari nilai spektral. Secara garis besar, klasifikasi ini terdiri atas dua kegiatan yaitu segmentasi dan klasifikasi. Segmentasi bertujuan untuk mengelompokkan nilai spektral yang homogen menjadi objek citra awal yang menyediakan informasi dan menjadi kerangka klasifikasi lebih lanjut atau proses segmentasi lain. Hasil terbaik dari segmentasi adalah hasil yang mampu menyediakan informasi optimal untuk proses lebih lanjut. Software ecognition merupakan sistem klasifikasi berorientasi objek. Berbeda dengan sebagian besar bentuk algoritma yang dikenal yang beroperasi dengan dasar piksel per piksel, ecognition mensegmentasikan suatu citra multispektral menjadi objek atau wilayah homogen berdasarkan spektral piksel tetangga dan penciri spasialnya. Segmentasi citra dapat ditampilkan pada berbagai resolusi yang berbeda atau kombinasinya. Suatu pendekatan berdasarkan pengetahuan sebelumnya digunakan untuk mengklasifikasikan objek ke dalam berbagai kategori informasi, menggunakan fuzzy logic berdasarkan atribut objek citra dan hubungan mutualnya. Hasil klasifikasi ini dapat ditampilkan pada level-level yang berbeda dalam hirarki klasifikasi (Definiens Imaging, 2004). Dalam e-cognition, proses segmentasi dengan menggunakan tiga parameter yaitu skala (scale), warna (color) dan bentuk (shape) seperti pada Gambar 1. Parameter skala (scale 2
3 parameter) adalah nilai abstrak yang menentukan heterogenitas maksimum yang diperbolehkan untuk menghasilkan objek tanpa korelasi langsung dengan ukuran piksel yang terukur. Parameter ini lebih bergantung pada heterogenitas material data. Parameter warna menyeimbangkan homogenitas warna dari segmen dan homogenitas dari bentuk. Parameter bentuk mengontrol bentuk kenampakan dari objek dengan menyeimbangkan antara kriteria kehalusan (smoothness) dan kriteria kekompakan (compactness) dari objek (Hildebrant, 1996 dalam Willhauck, 2000). Gambar 1. Parameter dalam proses segmentasi Menggunakan segmentasi yang berulang-ulang (Gambar. 2) dengan skala parameter yang berbeda-beda akan membentuk jaringan hierarki (network hierarchy) objek citra yang sensitif terhadap proses klasifikasi. Setiap objek mengetahui hubungannya dengan tetangga, objek yang lebih kecil (sub object) atau dengan objek yang lebih besar (super object) dan memperbolehkan adanya hubungan klasifikasi diantara objek (Hildebrant, 1996 dalam Willhauck, 2000). Dalam membandingkan perbedaan kenampakan objek seperti warna dan ukuran digunakan fungsi fuzzy logic dalam klasifikasi. Fuzzy logic merupakan pendekatan matematika untuk mengetahui nilai pernyataan-pernyataan yang belum jelas. Ide dasarnya adalah mengganti dua baris bentuk pernyataan logik ya dan tidak dengan selang kontinu [0...1], dimana 0 berarti tepat tidak dan 1 berarti tepat tidak. Semua nilai atau ekspresi antara 0 dan 1 merepresentasikan pernyataan yang kurang atau lebih dari ya dan tidak. Untuk menerjemahkan selang dari sebagian besar kenampakan yang berbeda ke dalam ekspresi fuzzy logic, digunakan dua bentuk pengklasifikasi yaitu fungsi keanggotaan (membership functions) dan pengklasifikasi tetangga (next neighbor classifier) (Definiens Imaging, 2003). Fungsi keanggotaan yang digunakan dalam penelitian ini disajikan pada Gambar 3. 3
4 (a) (b) (c) Gambar 2. Segmentasi dengan skala berbeda (a) Skala 15, (b) Skala 7, (c) Skala 3 (a) (b) Gambar. 3. Fungsi Keanggotaan (Membership Function) 4
5 III. Bahan dan Metode 3.1. Lokasi Penelitian Penelitian ini mengambil test area di Distrik I HTI PT. Wirakaraya Sakti, Kabupaten Tanjung Jabung, Propinsi Jambi. Wilayah ini diliput oleh citra Landsat TM path-row , akuisisi tanggal 1 September 2000 (Gambar 4). Pegolahan citra dilakukan di La. Penginderaan Jauh dan Kartografi, Departemen Tanah IPB. Gambar 4. Test Area Distrik I HTI PT WKS 3.2. Metode Pengolahan citra standar dilakukan dengan ERDAS Imagine 8.6, sedangkan pengolahan citra berbasis objek dikerjakan dengan ecognition 3.0 melalui segmentasi multiresolusi dengan berbagai skala. Pertimbangan band didasarkan pada tipe-tipe kenampakan yang akan diekstrak, karena pada penelitian ini informasi yang diekstak adalah vegetasi (tegakan HTI) maka band yang digunakan 543, Sistem klasifikasi penggunaan/penutup lahan yang digunakan adalah klasifikasi penutupan lahan FAO. Kelas yang digunakan untuk level 1 adalah hutan dan non-vegetasi, pada level 2 hutan dibagi menjadi hutan alam dan HTI, sedangkan pada level 3 HTI dikelompokkan lagi menjadi Acacia crasicarpa dan Acacia mangium. Secara rinci kelas penutupan lahan di HTI PT Wirakarya Sakti, Jambi disajikan pada Gambar 5 sebagai berikut: 5
6 Level 1 Level 2 Level 3 HTI Acacia mangium Hutan Acacia crasicarpa Hutan alam Raw Data Non Vegetasi Tanah Terbuka (a) (b) Gambar 5. (a) Level kelas Hirarki yang dibuat, (b) Level kelas hirarki di e-cognition Hasil segmentasi (Gambar 2) kemudian ditentukan training area berdasarkan kelas hirarki pada tiap levelnya (Gambar 5). Klasifikasi tetangga terdekat (nearest neighbourhood) membawa fungsi keanggotaan (lihat Gambar 3) dalam memasukkan kelas-kelas yang diinginkan dari training area yang telah ditentukan. Hasil klasifikasi dengan ecognition ini ditambahkan input pengetahuan intrepreter dimana kelas yang telah dibuat dapat langsung diubah ke kelas yang sesuai, sehingga hasilnya klasifikasinya lebih logis dan dapat diterima secara kontektual di lapangan. IV. Hasil Klasifikasi terbimbing berdasarkan piksel juga diangkat untuk membuat perbandingan. Hasil dari kedua klasifikasi yaitu klasifikasi MLC berdasarkan piksel dan klasifikasi berorientasi objek ditunjukkan pada Gambar berikut : 6
7 (a) (b) (c) (d) Gambar 6. Hasil klasfikasi (a) MLC, (b) orientasi objek level 1, (c) orietasi objek level 2 dan (d) orientasi objek level 3 Gambar 6a. menyajikan hasil klasifikasi MLC berdasarkan piksel tunggal. Sebagai hasilnya, citra terklasifikasi hanya mampu membedakan kelas HTI, hutan alam dan tanah terbuka. Klasifikasi ini setara dengan level 2 di ecognition. Hasil klasifikasi ini juga membentuk gambar salt and pepper atau banyak kumpulan kecil (<10 piksel) menyebar dalam citra terklasifikasi. Pada gambar 6b, 6c dan 6d dapat dilihat hasil klasifikasi berorienbtasi objek yang mempunyai jumlah kelas lebih banyak (detil) pada tingkat yang lebih tinggi yaitu pada level 3, dimana kelas HTI dapat dibedakan lagi berdasarkan jenis tanamannya yaitu Acacia mangiun dan Acacia Crasicarpa. Pada tiap level klasifikasi berdasarkan objek dibantu juga oleh pengetahuan interpreter, sehingga hasilnya lebih real dengan kondisi aktual di lapangan. 7
8 4.1 Ketelitian Klasifikasi Selain prosedur segmentasi, nilai ketelitian juga merupakan pembeda dasar antara klasifikasi MLC dan klasifikasi berorientasi objek, nilai acurasi ini disajikan pada Tabel 1. Tabel 1. Ketelitian Klasifikasi MLC dan Orientasi Objek No. Metode Kelas Producer s User s Accuracy Accuracy HTI ,3 1. MLC Hutan Alam 88,2 93,8 Tanah Terbuka Orientasi Objek OverAll Accuracy Kappa Accuracy 93,3 87,6 Level 1 Hutan Non Vegetasi Level 2 HTI Hutan Alam Level 2 A. mangium ,9 94,1 88,3 A. cracicarpa 88,9 100 Dari Tabel 1 terlihat bahwa nilai akurasi yang dicapai cukup tinggi (lebih besar dari 85 %). Akurasi pada MLC menghasilkan nilai akurasi total dan nilai kappa total hanya pada satu level tahapan, sehingga untuk mendapatkan akurasi yang lebih tinggi/baik harus dilakukan klasifikasi ulang. Pada klasifikasi berorientasi objek nilai akurasi didapat pada setiap level klasifikasi, hal ini memudahkan interpreter untuk mengetahui secara detil dan terstruktur ketelitian yang dihasilkan, sehingga hasil klasifikasi dapat disempurnakan pada level yang diinginkan, baru dilanjutkan pada level berikutnya. V. Kesimpulan Berdasarkan hasil penelitian ini dapat disimpulkan bahwa klasifikasi berorientasi objek lebih baik dan lebih tegas dalam diskriminasi tegakan hutan HTI. Diskriminasi dapat dilakukan pada berbagai level hirarki dan pengetahuan tambahan atau interpreter dapat diberikan pada setiap level hirarki. UCAPAN TERIMA KASIH Penulis mengucapkan terima kasih kepada Proyek Penelitian Hibah Bersaing XII - DP3M DIKTI dan PT HTI Wirakarya Sakti Jambi atas dukungan finansial dan fasilitas selama penelitian ini berlangsung. 8
9 DAFTAR PUSTAKA Definiens Imaging, Ecognition Profesional User Guide München http/ 3: Definiens Imaging GmbH, Jensen, J. R. 1996, Introductory Digital Image Processing ; A Remote Sensing Perspective, Second Edition. Prentice Hall. Upper Saddle River. New York. Richards JA Remote Sensing Digital Image Analysis: An Introduction. Berlin: Sringer- Verlag. Willhauck G Comparison of object oriented classification techniques and standard image analysis for the use of change detection between SPOT multispectral satellite images and aerial photos. Technical University Munich, Faculty of Forestry. Germany 9
EVALUASI KLASIFIKASI BERBASIS OBJEK UNTUK PEMETAAN LIPUTAN HUTAN DAN LAHAN
EVALUASI KLASIFIKASI BERBASIS OBJEK UNTUK PEMETAAN LIPUTAN HUTAN DAN LAHAN Muhammad Ardiansyah 1, Muhammad Rusdi 2 dan Abu Bakar Karim 2 1 Departemen Ilmu Tanah dan Sumberdaya Lahan, Fakultas Pertanian,
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1 Hasil Segmentasi Dari beberapa kombinasi scale parameter yang digunakan untuk mendapatkan segmentasi terbaik, untuk mengklasifikasikan citra pada penelitian ini hanya mengambil
Lebih terperinciBAB II TEORI DASAR. Beberapa definisi tentang tutupan lahan antara lain:
BAB II TEORI DASAR 2.1 Tutupan Lahan Tutupan Lahan atau juga yang biasa disebut dengan Land Cover memiliki berbagai pengertian, bahkan banyak yang memiliki anggapan bahwa tutupan lahan ini sama dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian ini. Proses persiapan data ini berpengaruh pada hasil akhir penelitian. Persiapan yang dilakukan meliputi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Lahan merupakan bentang permukaan bumi yang dapat bermanfaat bagi manusia baik yang sudah dikelola maupun belum. Untuk itu peran lahan cukup penting dalam kehidupan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Hasil sensus jumlah penduduk di Indonesia, dengan luas wilayah kurang lebih 1.904.569 km 2 menunjukkan adanya peningkatan jumlah penduduk, dari tahun 2010 jumlah penduduknya
Lebih terperinciMetode Klasifikasi Digital untuk Citra Satelit Beresolusi Tinggi WorldView-2 pada Unit Pengembangan Kertajaya dan Dharmahusada Surabaya
JURNAL TEKNIK POMITS Vol. X, No. X, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Metode Klasifikasi Digital untuk Citra Satelit Beresolusi Tinggi WorldView-2 pada Unit Pengembangan Kertajaya dan Dharmahusada
Lebih terperinciIII. METODOLOGI 3.1 Waktu Penelitian 3.2 Lokasi Penelitian
III. METODOLOGI 3.1 Waktu Penelitian Penelitian ini dilakukan dari bulan Februari sampai September 2011. Kegiatan penelitian ini meliputi tahap prapenelitian (persiapan, survei), Inventarisasi (pengumpulan
Lebih terperinciPERBANDINGAN KLASIFIKASI MAXIMUM LIKELIHOOD DAN OBJECT ORIENTED PADA PEMETAAN PENUTUPAN/PENGGUNAAN LAHAN
PERBANDINGAN KLASIFIKASI MAXIMUM LIKELIHOOD DAN OBJECT ORIENTED PADA PEMETAAN PENUTUPAN/PENGGUNAAN LAHAN (Studi Kasus Kabupaten Gayo Lues NAD, HTI PT. Wirakarya Sakti Jambi dan Taman Nasional Lore Lindu
Lebih terperinciBAB III METODE PENELITIAN
11 BAB III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian ini dilaksanakan selama dua bulan yaitu bulan Juli-Agustus 2010 dengan pemilihan lokasi di Kota Denpasar. Pengolahan data dilakukan di Laboratorium
Lebih terperinciBAB III PELAKSANAAN PENELITIAN
BAB III PELAKSANAAN PENELITIAN Pada bab ini akan dijelaskan mengenai alat dan bahan yang digunakan dalam penelitian ini serta tahapan-tahapan yang dilakukan dalam mengklasifikasi tata guna lahan dari hasil
Lebih terperinciPERBANDINGAN METODE SUPERVISED DAN UNSUPERVISED MELALUI ANALISIS CITRA GOOGLE SATELITE UNTUK TATA GUNA LAHAN
PERBANDINGAN METODE SUPERVISED DAN UNSUPERVISED MELALUI ANALISIS CITRA GOOGLE SATELITE UNTUK TATA GUNA LAHAN Latar Belakang Penginderaan jauh merupakan suatu ilmu atau teknologi untuk memperoleh informasi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Era teknologi informasi saat ini tidak dapat dipisahkan dari multimedia. Data atau informasi yang terdapat pada multimedia tidak hanya disajikan dalam bentuk teks,
Lebih terperinciAnita Dwijayanti, Teguh Hariyanto Jurusan Teknik Geomatika FTSP-ITS, Kampus ITS Sukolilo, Surabaya,
Evaluasi Tutupan Lahan Terhadap Rencana Detil Tata Ruang Kota (RDTRK) Surabaya Pada Citra Resolusi Tinggi Dengan EVALUASI TUTUPAN LAHAN PERMUKIMAN TERHADAP RENCANA DETIL TATA RUANG KOTA (RDTRK) SURABAYA
Lebih terperinciEVALUASI TUTUPAN LAHAN DARI CITRA RESOLUSI TINGGI DENGAN METODE KLASIFIKASI DIGITAL BERORIENTASI OBJEK (Studi Kasus: Kota Banda Aceh, NAD)
EVALUASI TUTUPAN LAHAN DARI CITRA RESOLUSI TINGGI DENGAN METODE KLASIFIKASI DIGITAL BERORIENTASI OBJEK (Studi Kasus: Kota Banda Aceh, NAD) Dosen Pembimbing: Dr.Ing.Ir. Teguh Hariyanto, MSc Oleh: Bayu Nasa
Lebih terperinciStudi Banding antara Metode Minimum Distance dan Gaussian Maximum Likelihood Sebagai Pengklasifikasi Citra Multispektral
JURNAL MATEMATIKA DAN KOMPUTER Vol. 7. No. 2, 26-35, Agustus 2004, ISSN : 40-858 Studi Banding antara Metode Minimum Distance dan Gaussian Maximum Likelihood Sebagai Pengklasifikasi Citra Multispektral
Lebih terperinciFathurrofi Braharsyah Habibi R. Suharyadi
KLASIFIKASI RUANG TERBUKA HIJAU BERBASIS OBJEK PADA CITRA QUICKBIRD UNTUK MENGETAHUI AKURASI SEMANTIK (DI DENGGUNG, KECAMATAN SLEMAN, KABUPATEN SLEMAN TAHUN 2017) Fathurrofi Braharsyah Habibi fathurrofi.b.h@mail.ugm.ac.id
Lebih terperinciII. TINJAUAN PUSTAKA. permukaan lahan (Burley, 1961 dalam Lo, 1995). Konstruksi tersebut seluruhnya
5 II. TINJAUAN PUSTAKA A. Penutupan Lahan dan Perubahannya Penutupan lahan menggambarkan konstruksi vegetasi dan buatan yang menutup permukaan lahan (Burley, 1961 dalam Lo, 1995). Konstruksi tersebut seluruhnya
Lebih terperinciMETODOLOGI. Gambar 4. Peta Lokasi Penelitian
22 METODOLOGI Tempat dan Waktu Penelitian Penelitian dilakukan di Kota Sukabumi, Jawa Barat pada 7 wilayah kecamatan dengan waktu penelitian pada bulan Juni sampai November 2009. Pada lokasi penelitian
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Koreksi Geometrik Koreksi geometrik adalah suatu proses memproyeksikan data pada suatu bidang sehingga mempunyai proyeksi yang sama dengan proyeksi peta. Koreksi ini dilakukan untuk
Lebih terperinciIII. METODE PENELITIAN. Kegiatan penelitian dilaksanakan pada bulan Oktober 2013 hingga Maret 2014.
33 III. METODE PENELITIAN A. Waktu dan Tempat Kegiatan penelitian dilaksanakan pada bulan Oktober 2013 hingga Maret 2014. Adapun penelitian dilaksanakan di pesisir Kabupaten Lampung Timur. Berikut ini
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Lokasi penelitian di DAS Citarum Hulu Jawa Barat dengan luasan sebesar + 230.802 ha. Penelitian dilaksanakan pada bulan Juni sampai dengan
Lebih terperinciIII. BAHAN DAN METODE
10 III. BAHAN DAN METODE 3.1. Tempat Dan Waktu Penelitian Penelitian dilakukan di laboratorium dan di lapang. Pengolahan citra dilakukan di Bagian Penginderaan Jauh dan Informasi Spasial dan penentuan
Lebih terperinciIII. METODE PENELITIAN. berlokasi di kawasan Taman Nasional Way Kambas. Taman Nasional Way
13 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian dilaksanakan dari bulan Juni sampai dengan September 2012 yang berlokasi di kawasan Taman Nasional Way Kambas. Taman Nasional Way Kambas
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pengolahan citra pada masa sekarang mempunyai suatu aplikasi yang sangat luas dalam berbagai bidang antara lain bidang teknologi informasi, arkeologi, astronomi, biomedis,
Lebih terperinciBAB I PENDAHULUAN. and R.W. Kiefer., 1979). Penggunaan penginderaan jauh dalam mendeteksi luas
BAB I PENDAHULUAN Bab I menguraikan tentang latar belakang, rumusan masalah, tujuan penelitian, manfaat penelitian, batasan masalah serta sistematika penulisan yang menjadi dasar dari Perbandingan Penggunaan
Lebih terperinciIV. METODOLOGI 4.1. Waktu dan Lokasi
31 IV. METODOLOGI 4.1. Waktu dan Lokasi Waktu yang dibutuhkan untuk melaksanakan penelitian ini adalah dimulai dari bulan April 2009 sampai dengan November 2009 yang secara umum terbagi terbagi menjadi
Lebih terperinciq Tujuan dari kegiatan ini diperolehnya peta penggunaan lahan yang up-to date Alat dan Bahan :
MAKSUD DAN TUJUAN q Maksud dari kegiatan ini adalah memperoleh informasi yang upto date dari citra satelit untuk mendapatkan peta penggunaan lahan sedetail mungkin sebagai salah satu paramater dalam analisis
Lebih terperinci4. HASIL PENELITIAN DAN PEMBAHASAN
61 4. HASIL PENELITIAN DAN PEMBAHASAN 4.1 Identifikasi Degradasi Hutan di Lapangan 4.1.1 Identifikasi Peubah Pendugaan Degradasi di Lapangan Identifikasi degradasi hutan di lapangan menggunakan indikator
Lebih terperinciBAB III METODE PENELITIAN
14 BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Kegiatan penelitian dilaksanakan pada bulan Mei sampai dengan September dengan mengambil lokasi penelitian di wilayah Kecamatan Cikalong, Tasikmalaya (Gambar
Lebih terperinciLAPORAN PROYEK PENGINDERAAN JAUH IDENTIFIKASI PENGGUNAAN LAHAN DENGAN MENGGUNAKAN HIRARKI DI KOTA BATU
LAPORAN PROYEK PENGINDERAAN JAUH IDENTIFIKASI PENGGUNAAN LAHAN DENGAN MENGGUNAKAN HIRARKI DI KOTA BATU Disusun oleh : 1. Muhammad Hitori (105040200111056) 2. Astrid Prajamukti Saputra (105040201111075)
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian tugas akhir ini. Proses ini sangat berpengaruh terhadap hasil akhir penellitan. Pada tahap ini dilakukan
Lebih terperinciLatar Belakang. Penggunaan penginderaan jauh dapat mencakup suatu areal yang luas dalam waktu bersamaan.
SIDANG TUGAS AKHIR PEMANFAATAN CITRA RESOLUSI TINGGI UNTUK MENGIDENTIFIKASI PERUBAHAN OBYEK BANGUNAN (STUDI KASUS UPDATING RENCANA DETAIL TATA RUANG KOTA UNIT PENGEMBANGAN RUNGKUT SURABAYA) Oleh Dewi Nur
Lebih terperinciLaporan Praktikum III KLASIFIKASI CITRA SATELIT MENGGUNAKAN ERDAS IMAGINE
Mata Kuliah Dasar Sistem Informasi Geografi dan Lingkungan [PSL640] Dosen : Prof.Dr.Ir. Lilik B. Prasetyo Laporan Praktikum III KLASIFIKASI CITRA SATELIT MENGGUNAKAN ERDAS IMAGINE Oleh : Muhammad Ramdhan
Lebih terperinciBAB III METODOLOGI 3.1 Waktu dan Tempat 3.2 Alat dan Data 3.3 Tahapan Pelaksanaan
15 BAB III METODOLOGI 3.1 Waktu dan Tempat Penelitian ini dilaksanakan mulai bulan Juli sampai dengan April 2011 dengan daerah penelitian di Kabupaten Bogor, Kabupaten Sukabumi, dan Kabupaten Cianjur,
Lebih terperinciKAJIAN UKURAN TRAINING SAMPLE OPTIMUM UNTUK KLASIFIKASI PENUTUP LAHAN DENGAN METODE KEMUNGKINAN MAKSIMUM ALFIANSYAH MUHAMMAD
KAJIAN UKURAN TRAINING SAMPLE OPTIMUM UNTUK KLASIFIKASI PENUTUP LAHAN DENGAN METODE KEMUNGKINAN MAKSIMUM ALFIANSYAH MUHAMMAD DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT
Lebih terperinciAplikasi Object-Based Image Analysis (OBIA) untuk Deteksi Perubahan Penggunaan Lahan Menggunakan Citra ALOS AVNIR-2
Aplikasi Object-Based Image Analysis (OBIA) untuk Deteksi Perubahan Penggunaan Lahan Menggunakan Citra ALOS AVNIR-2 Tunjung S. Wibowo tjswibowo@gmail.com R. Suharyadi suharyadir@ugm.ac.id Abstract The
Lebih terperinciSudaryanto dan Melania Swetika Rini*
PENENTUAN RUANG TERBUKA HIJAU (RTH) DENGAN INDEX VEGETASI NDVI BERBASIS CITRA ALOS AVNIR -2 DAN SISTEM INFORMASI GEOGRAFI DI KOTA YOGYAKARTA DAN SEKITARNYA Sudaryanto dan Melania Swetika Rini* Abstrak:
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilaksanakan pada bulan Juli 2011 sampai dengan Januari 2012 dengan daerah penelitian di Desa Sawohan, Kecamatan Buduran, Kabupaten
Lebih terperinciBAB IV ANALISIS 4.1 Analisis Terhadap Citra Satelit yang digunakan 4.2 Analisis Terhadap Peta Rupabumi yang digunakan
BAB IV ANALISIS 4.1 Analisis Terhadap Citra Satelit yang digunakan Citra SPOT 4 dan IKONOS yang digunakan merupakan dua citra yang memiliki resolusi spasial yang berbeda dimana SPOT 4 memiliki resolusi
Lebih terperinciPENDAHULUAN 1.1. Latar belakang
I. PENDAHULUAN 1.1. Latar belakang Penginderaan jauh merupakan salah satu alternatif dalam menyelesaikan suatu permasalahan keruangan. Dalam perkembangannya sendiri penginderaan jauh mengalami kemajuan
Lebih terperinciMETODA KLASIFIKASI TETANGGA TERDEKAT UNTUK INVENTARISASI TUTUPAN LAHAN DENGAN MENGGUNAKAN DATA ALOS (Studi Kasus di Jawa Barat )
Globë Volume 12 No. 2 Desember 2010 : 114-121 Globë Volume 12 No. Desember 2010 : 101 113 METODA KLASIFIKASI TETANGGA TERDEKAT UNTUK INVENTARISASI TUTUPAN LAHAN DENGAN MENGGUNAKAN DATA ALOS (Studi Kasus
Lebih terperinciIII. METODE PENELITIAN. Tampak pada bulan Januari September Resort Pugung Tampak memiliki luas
23 III. METODE PENELITIAN A. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan di Taman Nasional Bukit Barisan Selatan Resort Pugung Tampak pada bulan Januari September 2012. Resort Pugung Tampak
Lebih terperinciIII. METODE PENELITIAN. Penelitian dilaksanakan di Taman Hutan Raya Wan Abdul Rachman (Tahura
III. METODE PENELITIAN A. Lokasi dan Waktu Penelitian Penelitian dilaksanakan di Taman Hutan Raya Wan Abdul Rachman (Tahura WAR). Berdasarkan administrasi pemerintahan Provinsi Lampung kawasan ini berada
Lebih terperinciKlasifikasi Berbasis Objek pada Citra Pleiades untuk Pemetaan Ketersediaan Ruang Terbuka Hijau di Perkotaan Purwokerto 2013
Klasifikasi Berbasis Objek pada Citra Pleiades untuk Pemetaan Ketersediaan Ruang Terbuka Hijau di Perkotaan Purwokerto 2013 Eksi Hapsari 1, Sigit Heru Murti B.S. 2 1 Mahasiswa Program Studi Kartografi
Lebih terperinciTUTORIAL DASAR OBIA. Introduction. Mengenal Objek Sederhana CHAPTER 1. Oleh: Achmad R. Wasil. Desktop GIS For Starter Chapter 7 Geoprocessing
CHAPTER 1 Desktop GIS For Starter Chapter 7 Geoprocessing TUTORIAL DASAR OBIA Oleh: Achmad R. Wasil Introduction Saat ini sudah semakin banyak teknologi pengolahan citra yang tersedia baik komersial maupun
Lebih terperinciLampiran 1. Peta klasifikasi penutup lahan Kodya Bogor tahun 1997
LAMPIRAN Lampiran 1. Peta klasifikasi penutup lahan Kodya Bogor tahun 1997 17 Lampiran 2. Peta klasifikasi penutup lahan Kodya Bogor tahun 2006 18 Lampiran 3. Peta sebaran suhu permukaan Kodya Bogor tahun
Lebih terperinciEVALUASI METODE FUSI CITRA MULTI RESOLUSI MENGGUNAKAN ALGORITMA WANG BOVIK DAN OBJECT BASED IMAGE ANALYSIS (OBIA)
EVALUASI METODE FUSI CITRA MULTI RESOLUSI MENGGUNAKAN ALGORITMA WANG BOVIK DAN OBJECT BASED IMAGE ANALYSIS (OBIA) Sanjiwana Arjasakusuma 1,3*, Yanuar Adji N. 2, Isti Fadatul K. 2 dan Pramaditya W. 3 1
Lebih terperinciBab IV Hasil dan Pembahasan
Bab IV Hasil dan Pembahasan 4.1. Hasil 4.1.1. Digitasi dan Klasifikasi Kerapatan Vegetasi Mangrove Digitasi terhadap citra yang sudah terkoreksi dilakukan untuk mendapatkan tutupan vegetasi mangrove di
Lebih terperinciII. TINJAUAN PUSTAKA 2.1 Daerah Aliran Sungai (DAS)
II. TINJAUAN PUSTAKA 2.1 Daerah Aliran Sungai (DAS) Daerah Aliran Sungai (DAS) adalah suatu wilayah daratan yang secara topografi dibatasi oleh punggung-punggung gunung yang menampung dan menyimpan air
Lebih terperinciJurnal Geodesi Undip April 2016
Jurnal Geodesi Undip April 2016 PERBANDINGAN KLASIFIKASI TUTUPAN LAHAN MENGGUNAKAN METODE KLASIFIKASI BERBASIS OBJEK DAN KLASIFIKASI BERBASIS PIKSEL PADA CITRA RESOLUSI TINGGI DAN MENENGAH Zia Ul Maksum,
Lebih terperinciMETODE PENELITIAN Kerangka Pemikiran
17 METODE PENELITIAN Kerangka Pemikiran Penggunaan lahan masa lalu dan penggunaan lahan masa kini sangat dipengaruhi oleh berbagai aspek yang saling berhubungan antara lain peningkatan jumlah penduduk
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian dilakukan dari bulan Juli sampai September 2011 di Kabupaten Sidoarjo, Jawa Timur. Pengolahan data dilakukan di Laboratorium Analisis Lingkungan
Lebih terperinciKLASIFIKASI CITRA SATELIT MENGGUNAKAN JARINGAN SYARAF TIRUAN UNTUK MENGEKSTRAKSI TAMPAKAN PERMUKIMAN DAERAH PERKOTAAN
KLASIFIKASI CITRA SATELIT MENGGUNAKAN JARINGAN SYARAF TIRUAN UNTUK MENGEKSTRAKSI TAMPAKAN PERMUKIMAN DAERAH PERKOTAAN (Studi Kasus: Kota Bandarlampung) TESIS MAGISTER Diajukan untuk melengkapi tugas dan
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian ini dilakukan mulai bulan Febuari 2009 sampai Januari 2010, mengambil lokasi di Kabupaten Bogor, Jawa Barat. Pengolahan dan Analisis
Lebih terperinciJurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember
Mahasiswa : Cherie Bhekti Pribadi (3509100060) Dosen Pembimbing : Dr. Ing. Ir. Teguh Hariyanto, MSc Udiana Wahyu D, ST. MT Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi
Lebih terperinciPERBANDINGAN KLASIFIKASI TUTUPAN LAHAN DENGAN METODE OBJECT-BASED DAN PIXEL- BASED
PERBANDINGAN KLASIFIKASI TUTUPAN LAHAN DENGAN METODE OBJECT-BASED DAN PIXEL- BASED TUGAS AKHIR Karya Tulis sebagai salah satu syarat untuk memperoleh gelar Sarjana Oleh NANDHY RAMADHANNY HOESIN POETRI
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tanaman kelapa sawit (Elaeis guineensis Jacq.) merupakan tanaman perkebunan utama di Indonesia. Kelapa sawit menjadi komoditas penting dikarenakan mampu memiliki rendemen
Lebih terperinciIII METODOLOGI. 3.1 Lokasi dan Waktu Penelitian
III METODOLOGI 3.1 Lokasi dan Waktu Penelitian Penelitian ini dilakukan selama 9 bulan (Maret - November 2009), dan obyek penelitian difokuskan pada tiga kota, yaitu Kota Padang, Denpasar, dan Makassar.
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penginderaan jauh yaitu berbagai teknik yang dikembangkan untuk perolehan dan analisis informasi tentang bumi. Informasi tersebut berbentuk radiasi elektromagnetik
Lebih terperinciPENDAHULUAN. hutan yang luas diberbagai benua di bumi menyebabkan karbon yang tersimpan
PENDAHULUAN Latar Belakang Pencemaran lingkungan, pembakaran hutan dan penghancuran lahan-lahan hutan yang luas diberbagai benua di bumi menyebabkan karbon yang tersimpan dalam biomassa hutan terlepas
Lebih terperincibdtbt.esdm.go.id Benefits of Remote Sensing and Land Cover
Benefits of Remote Sensing and Land Cover Irwan Munandar Balai Pendidikan dan Pelatihan Tambang Bawah Tanah irwan@esdm.go.id 1. Latar Belakang Teknologi pemanfaatan penginderaan terus berkembang dengan
Lebih terperinciTINJAUAN PUSTAKA Konsep Dasar Penginderaan Jauh
4 TINJAUAN PUSTAKA Konsep Dasar Penginderaan Jauh Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah, dan fenomena melalui analisis data yang diperoleh dari suatu
Lebih terperinciBAB I PENDAHULUAN. Dalam beberapa tahun terakhir, logika samar telah digunakan dalam berbagai
1 BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian Dalam beberapa tahun terakhir, logika samar telah digunakan dalam berbagai bidang untuk menyelesaikan masalah-masalah yang ada. Walaupun logika samar adalah
Lebih terperinciNLYSIS QICKBIRD IMGERY SING SPERISED ND NSPERISED CLSSIFICTION Latifa lfah ( ) Information System Major, Faculty of Computer and Technology Inf
NLYSIS QICKBIRD IMGERY SING SPERISED ND NSPERISED CLSSIFICTION Latifa lfah ndergraduate Program, Information Systems Gunadarma niversity http://www.gunadarma.ac.id Keywords : Quickbird Imagery, Supervised
Lebih terperinciKAJIAN CITRA RESOLUSI TINGGI WORLDVIEW-2
KAJIAN CITRA RESOLUSI TINGGI WORLDVIEW-2 SEBAGAI PENUNJANG DATA DASAR UNTUK RENCANA DETAIL TATA RUANG KOTA (RDTRK) Heri Setiawan, Yanto Budisusanto Program Studi Teknik Geomatika, FTSP, ITS-Sukolilo, Surabaya,
Lebih terperinciIII. METODOLOGI. Gambar 1. Peta Administrasi Kota Palembang.
III. METODOLOGI 3.1 Waktu dan Tempat Penelitian dilaksanakan pada bulan Juli-Oktober 2010. Lokasi penelitian di Kota Palembang dan Laboratorium Analisis Spasial Lingkungan, Departemen Konservasi Sumberdaya
Lebih terperincidalam ilmu Geographic Information (Geomatics) menjadi dua teknologi yang
BAB I PENDAHULUAN 1.1 Latar Belakang Berbagai aktivitas manusia memungkinkan terjadinya perubahan kondisi serta menurunnya kualitas serta daya dukung Daerah Aliran Sungai (DAS) yang merupakan rumah berbagai
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian dilaksanakan di Kawasan Hutan Adat Kasepuhan Citorek, Kabupaten Lebak, Provinsi Banten. Pengambilan data lapangan dilaksanakan bulan Februari
Lebih terperinciJurnal Geodesi Undip OKTOBER 2015
KAJIAN METODE SEGMENTASI UNTUK IDENTIFIKASI TUTUPAN LAHAN DAN LUAS BIDANG TANAH MENGGUNAKAN CITRA PADA GOOGLE EARTH (Studi Kasus : Kecamatan Tembalang, Semarang) Frandi B Simamora M, Bandi Sasmito, Hani
Lebih terperinciIII. METODE PENELITIAN
14 III. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian ini dilakukan sejak bulan April 2009 sampai November 2009 di Laboratorium Penginderaan Jauh dan Interpretasi Citra, Departemen Ilmu
Lebih terperinciJURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: ( Print)
ANALISA RELASI PERUBAHAN TUTUPAN LAHAN DAN SUHU PERMUKAAN TANAH DI KOTA SURABAYA MENGGUNAKAN CITRA SATELIT MULTISPEKTRAL TAHUN 1994 2012 Dionysius Bryan S, Bangun Mulyo Sukotjo, Udiana Wahyu D Jurusan
Lebih terperinciGambar 1. Satelit Landsat
3 II. TINJAUAN PUSTAKA 2.1. Penginderaan Jauh Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah, atau fenomena melalui analisis data yang diperoleh dengan suatu
Lebih terperinciSTUDI PERKEMBANGAN KOTA MEDAN MENGGUNAKAN DATA PENGINDERAAN JAUH DAN SIG. Walbiden Lumbantoruan 1. Abstrak
STUDI PERKEMBANGAN KOTA MEDAN MENGGUNAKAN DATA PENGINDERAAN JAUH DAN SIG Walbiden Lumbantoruan 1 Abstrak Tujuan dilakukannya penelitian ini adalah: (1) Untuk mengtetahui perubahan ruang sebagai permukiman
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN 5.1 Identifikasi Objek di Lapangan Pengamatan lapangan dilakukan di 3 (tiga) kabupaten, yaitu : Kabupaten Bogor, Kabupaten Sukabumi, dan Kabupaten Cianjur. Titik pengamatan sebanyak
Lebih terperinciTabel 11. Klasifikasi Penutupan Lahan Data Citra Landsat 7 ETM, Maret 2004
53 5.1.3 Klasifikasi Penutupan Lahan Klasifikasi data Citra Landsat dilakukan untuk pengelompokan penutupan lahan pada tahun 2004. Metode yang dipergunakan adalah klasifikasi terbimbing (Supervised Classification).
Lebih terperinciANALISIS PERUBAHAN SUHU PERMUKAAN TANAH DENGAN MENGGUNAKAN CITRA SATELIT TERRA DAN AQUA MODIS (STUDI KASUS : DAERAH KABUPATEN MALANG DAN SURABAYA)
ANALISIS PERUBAHAN SUHU PERMUKAAN TANAH DENGAN MENGGUNAKAN CITRA SATELIT TERRA DAN AQUA MODIS (STUDI KASUS : DAERAH KABUPATEN MALANG DAN SURABAYA) Oleh : Dawamul Arifin 3508 100 055 Jurusan Teknik Geomatika
Lebih terperinciLand Cover Classification in Mining Areas Using Landsat Data Studi Area : Sangatta, Kalimantan Timur, Indonesia. Irwan Munandar
Land Cover Classification in Mining Areas Using Landsat Data Studi Area : Sangatta, Kalimantan Timur, Indonesia Irwan Munandar Balai Pendidikan dan Pelatihan Tambang Bawah Tanah 1. LATAR BELAKANG irwan@
Lebih terperinciOleh : Hernandi Kustandyo ( ) Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember
Oleh : Hernandi Kustandyo (3508100001) Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember Ekosistem mangrove adalah salah satu obyek yang bisa diidentifikasi
Lebih terperinciIII. METODE PENELITIAN
9 III. METODE PENELITIAN 3.1. Lokasi dan Waktu Pengambilan data atribut berupa data sosial masyarakat dilakukan di Kampung Lebak Picung, Desa Hegarmanah, Kecamatan Cibeber, Kabupaten Lebak Banten (Gambar
Lebih terperinciAnalisa Perubahan Tutupan Lahan di Waduk Riam Kanan dan Sekitarnya Menggunakan Sistem Informasi Geografis(SIG) dan data citra Landsat
Analisa Perubahan Tutupan Lahan di Waduk Riam Kanan dan Sekitarnya Menggunakan Sistem Informasi Geografis(SIG) dan data citra Landsat Rully Sasmitha dan Nurlina Abstrak: Telah dilakukan penelitian untuk
Lebih terperinciSISTEM INFORMASI GEOGRAFI. Data spasial direpresentasikan di dalam basis data sebagai vektor atau raster.
GEOGRAFI KELAS XII IPS - KURIKULUM GABUNGAN 14 Sesi NGAN SISTEM INFORMASI GEOGRAFI A. MODEL DATA SPASIAL Data spasial direpresentasikan di dalam basis data sebagai vektor atau raster. a. Model Data Vektor
Lebih terperinciPENAJAMAN DAN SEGMENTASI CITRA PADA PENGOLAHAN CITRA DIGITAL. Moehammad Awaluddin, Bambang Darmo Y *)
PENAJAMAN DAN SEGMENTASI CITRA PADA PENGOLAHAN CITRA DIGITAL Moehammad Awaluddin, Bambang Darmo Y *) Abstract Image processing takes an image to produce a modified image for better viewing or some other
Lebih terperinciKARAKTERISTIK CITRA SATELIT Uftori Wasit 1
KARAKTERISTIK CITRA SATELIT Uftori Wasit 1 1. Pendahuluan Penginderaan jarak jauh merupakan salah satu teknologi penunjang pengelolaan sumber daya alam yang paling banyak digunakan saat ini. Teknologi
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian ini dilaksanakan di KPH Banyumas Barat (Bagian Hutan Dayeuluhur, Majenang dan Lumbir). Penelitian ini dilakukan dengan mengolah dan menganalisis
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1. 1.1 Latar Belakang Kajian mengenai metode non-parametrik Classification Tree Analysis (CTA) menggunakan teknik data mining untuk aplikasi penginderaan jauh masih belum banyak dilakukan,
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Lokasi dan Waktu Penelitian Lokasi penelitian dilaksanakan pada lahan pasang surut Batang Berbak - Pamusiran Laut, Kabupaten Tanjung Jabung Timur, Provinsi Jambi. Lokasi ini
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Peta merupakan representasi dari permukaan bumi baik sebagian atau keseluruhannya yang divisualisasikan pada bidang proyeksi tertentu dengan menggunakan skala tertentu.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Menginterprestasi sebuah citra untuk memperoleh diskripsi tentang citra tersebut melalui beberapa proses antara lain preprocessing, segmentasi citra, analisis
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
61 BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis 3.1.1 Analisis Permasalahan Proses Segmentasi citra dapat dilakukan dengan berbagai cara, antara lain dengan metode konvensional secara statistik maupun
Lebih terperinciAnalisa Pantauan dan Klasifikasi Citra Digital Remote Sensing dengan Data Satelit Landsat TM Melalui Teknik Supervised Classification
Analisa Pantauan dan Klasifikasi Citra Digital Remote Sensing dengan Data Satelit Landsat TM Melalui Teknik Supervised Classification (Studi Kasus Kabupaten Minahasa Tenggara, Provinsi Sulawesi Utara)
Lebih terperinciSumber bacaan 4/30/2012. Minggu 10: Klasifikasi Data Citra KOMBINASI WARNA
Minggu 10: Klasifikasi Data Citra Proses Sebelum Klasifikasi Koreksi Geometri Koreksi Radiometri Koreksi Topografi Penajaman Citra Minggu 9 Klasifikasi Pemilihan Kombinasi warna Teknik Klasifikasi Visual
Lebih terperinciJurnal Geodesi Undip OKTOBER 2015
ANALISIS PERBANDINGAN KEPADATAN PEMUKIMAN MENGGUNAKAN KLASIFIKASI SUPERVISED DAN SEGMENTASI (Studi Kasus: Kota Bandung) Nizma Humaidah, Bambang Sudarsono, Dr.Yudo Prasetyo *) Program Studi Teknik Geodesi
Lebih terperinciBAB 1 PENDAHULUAN. ambang batas (thresholding), berbasis tepi (edge-base) dan berbasis region (regionbased).
BAB 1 PENDAHULUAN 1.1 Latar Belakang Segmentasi obyek pada citra dapat dilakukan dengan tiga metode yaitu ambang batas (thresholding), berbasis tepi (edge-base) dan berbasis region (regionbased). Metode
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN 5.1 Pengolahan Awal Citra (Pre-Image Processing) Pengolahan awal citra (Pre Image Proccesing) merupakan suatu kegiatan memperbaiki dan mengoreksi citra yang memiliki kesalahan
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciBAB I. PENDAHULUAN 1.1. Latar Belakang dan Perumusan Masalah
BAB I. PENDAHULUAN 1.1. Latar Belakang dan Perumusan Masalah Peta merupakan salah satu media representasi informasi geografi. Informasi tersebut mencakup apa, kapan, dimana suatu fenomena/kejadian terjadi.
Lebih terperinciTUGAS EVALUASI SURVEI DAN EVALUASI LAHAN TENTANG SURVEI LAPANGAN (METODE INDEKS STORIE)
TUGAS EVALUASI SURVEI DAN EVALUASI LAHAN TENTANG SURVEI LAPANGAN (METODE INDEKS STORIE) Oleh: Tri Mulyadi 134130071 Sistim Informasi Geografis (SIG) mempunyai peran yang semakin penting dalam berbagai
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian Penelitian didasarkan pada penelitian Botanri (2010) di Pulau Seram Maluku. Analisis data dilakukan di Laboratorium Analisis Spasial Lingkungan,
Lebih terperinciGambar 1. Peta DAS penelitian
Gambar 1. Peta DAS penelitian 1 1.1. Proses Penentuan Model Kemiringan Lereng Kemiringan lereng ditentukan berdasarkan informasi ketinggian dan jarak pada data DEM yang berbasis raster (piksel). Besarnya
Lebih terperinci