NLYSIS QICKBIRD IMGERY SING SPERISED ND NSPERISED CLSSIFICTION Latifa lfah ( ) Information System Major, Faculty of Computer and Technology Inf

Transkripsi

1 NLYSIS QICKBIRD IMGERY SING SPERISED ND NSPERISED CLSSIFICTION Latifa lfah ndergraduate Program, Information Systems Gunadarma niversity Keywords : Quickbird Imagery, Supervised Classification, nsupervised Classification, Erdas Imagine. BSTRCT Remote sensing is a science or technology to obtain information or a natural phenomenon through an analysis of data obtained from the recording object, area or phenomenon being observed. Digital image result of the remote sensing imagery such as Quickbird, IKONOS, Landsat TM, SPOT, NO and others. Quickbird satellite imagery is an excellent resource to meet the needs analysis in the field of land use change, agriculture, forestry, mining and others. Digital image classification aim to produce thematic maps. Digital image classification consists of two methods that is Supervised classification and nsupervised classification. The resulting thematic maps using Supervised and nsupervised methods can be used in the utilization of land use, urban spatial planning and land cover. Based on research results using Supervised and nsupervised methods can be concluded that the Supervised classification method has higher accuracy than nsupervised methods. The highest accuracy in Supervised method that is the area Surabaya 1 with the value 99.33% and the accuracy of the lowest in the area Surabaya 2 with the value 73.33%. Whereas the highest accuracy in nsupervised method that is the area Surabaya 1 with the value 86.67% and the accuracy of the lowest in the Meulaboh area with the value of 60.00%.

2 NLYSIS QICKBIRD IMGERY SING SPERISED ND NSPERISED CLSSIFICTION Latifa lfah ( ) Information System Major, Faculty of Computer and Technology Information Science, niversity of Gunadarma Ifa_weqz@yahoo.com bstract Remote sensing is a science or technology to obtain information or a natural phenomenon through an analysis of data obtained from the recording object, area or phenomenon being observed. Digital image result of the remote sensing imagery such as Quickbird, IKONOS, Landsat TM, SPOT, NO and others. Quickbird satellite imagery is an excellent resource to meet the needs analysis in the field of land use change, agriculture, forestry, mining and others. Digital image classification aim to produce thematic maps. Digital image classification consists of two methods that is Supervised classification and nsupervised classification. The resulting thematic maps using Supervised and nsupervised methods can be used in the utilization of land use, urban spatial planning and land cover. Based on research results using Supervised and nsupervised methods can be concluded that the Supervised classification method has higher accuracy than nsupervised methods. The highest accuracy in Supervised method that is the area Surabaya 1 with the value 99.33% and the accuracy of the lowest in the area Surabaya 2 with the value 73.33%. Whereas the highest accuracy in nsupervised method that is the area Surabaya 1 with the value 86.67% and the accuracy of the lowest in the Meulaboh area with the value of 60.00%. Keywords : Quickbird Imagery, Supervised Classification, nsupervised Classification, Erdas Imagine. bstraksi Penginderaan jauh merupakan suatu ilmu atau teknologi untuk memperoleh informasi atau fenomena alam melalui analisis suatu data yang diperoleh dari hasil rekaman obyek, daerah atau fenomena yang dikaji. Citra digital hasil penginderaan jauh antara lain citra Quickbird, IKONOS, Landsat TM, SPOT, NO dan lain-lain. Citra satelit Quickbird merupakan sumber daya yang sangat baik untuk memenuhi kebutuhan-kebutuhan dibidang analisis perubahan lahan, pertanian, kehutanan, pertambangan dan lain-lain. Klasifikasi citra digital bertujuan untuk menghasilkan peta tematik. Klasifikasi citra digital terdiri dari dua metode yaitu klasifikasi Supervised dan klasifikasi nsupervised. Peta

3 tematik yang dihasilkan menggunakan metode Supervised dan nsupervised dapat digunakan dalam pemanfaatan tata guna lahan, perencanaan tata ruang kota dan penutupan lahan. Berdasarkan hasil penelitian menggunakan metode Supervised dan nsupervised dapat disimpulkan bahwa klasifikasi menggunakan metode Supervised memiliki keakuratan yang lebih tinggi dibandingkan dengan metode nsupervised. Keakuratan tertinggi pada metode Supervised yaitu pada daerah Surabaya 1 dengan nilai 99.33% dan keakuratan terendah pada daerah Surabaya 2 dengan nilai 73.33%. Sedangkan Keakuratan tertinggi pada metode nsupervised yaitu pada daerah Surabaya 1 dengan nilai 86.67% dan keakuratan terendah pada daerah Meulaboh dengan nilai 60.00%. Kata kunci : Citra Quickbird, Klasifikasi Supervised, Klasifikasi nsupervised, Erdas Imagine. 1. Pendahuluan 1.1 Latar Belakang Penginderaan jauh merupakan suatu teknik pengukuran atau perolehan informasi dari beberapa sifat objek atau fenomena dengan menggunakan alat perekam yang secara fisik tidak terjadi kontak langsung atau bersinggungan dengan objek atau fenomena yang dikaji. Pada saat ini ketersediaan citra-citra digital untuk sebagian besar wilayah di permukaan bumi semakin banyak. Citracitra ini merupakan hasil perekaman sensorsensor yang dibawa oleh satelit maupun pesawat terbang (airbone), antara lain yaitu citra satelit Quickbird. Citra satelit quickbird merupakan sumberdaya yang sangat baik untuk memenuhi kebutuhan-kebutuhan dibidang analisis perubahan lahan, pertanian, kehutanan dan lain-lain (Prahasta, 2008). Klasifikasi citra digital merupakan suatu proses penyusunan, pengurutan, atau pengelompokkan semua piksel kedalam beberapa kelas (kelompok) berdasarkan suatu kriteria atau kategori objek yang bertujuan untuk menghasilkan peta tematik (Prahasta, 2008). Setiap piksel yang terdapat di dalam setiap kelas hasil klasifikasi diasumsikan memiliki karakteristik yang homogen. Tujuan proses ini adalah untuk mengekstrak pola-pola respon spektral (terutama yang dominan) yang terdapat didalam citra itu sendiri, pada umumnya berupa kelas-kelas penutup lahan (land cover) dan tata guna lahan (land use). Tata guna lahan (land use) adalah suatu upaya dalam merencanakan penggunaan lahan dalam suatu kawasan yang meliputi pembagian wilayah untuk

4 fungsi-fungsi khusus tertentu, misalnya fungsi pemukiman, perdagangan, industri, dan lain-lain. Peta tematik adalah peta yang menggambarkan suatu wilayah yang terdiri atas satu atau beberapa objek atau tema yang detail. Setiap objek pada peta tersebut mempunyai simbol yang unik yang dapat dinyatakan dengan warna atau pola tertentu. Contoh objek yang berkaitan dengan permukaan bumi antara lain air, hutan, sawah, kota, jalan dan lain-lain. Didalam proses pengklasifikasian citra digital ini, secara umum dikenal dua kelompok metode yaitu klasifikasi tidak terawasi (unsupervised classification) dan klasifikasi terawasi (supervised classification). Pada metode klasifikasi tidak terawasi proses klasifikasi digunakan untuk mengelompokkan piksel-piksel citra berdasarkan aspek statistik (matematis) semata, tanpa ada kelas-kelas yang didefinisikan sendiri oleh pengguna (training sites/areas). Sedangkan klasifikasi terawasi merujuk pada keberadaan kelaskelas yang didefinisikan oleh pengguna (Prahasta, 2008). 1.2 Batasan Masalah Dalam penulisan tugas akhir ini, penulis menggunakan Citra Quickbird tahun Dalam uji ketelitian/kebenaran hasil klasifikasi Supervised dan nsupervised data yang dijadikan referensi adalah citra Quickbird. Pengklasifikasian dilakukan berdasarkan kesamaan warna atau kedekatan nilai piksel-piksel. Penulis menggunakan perangkat lunak Erdas Imagine versi 2010 dan pada tahap perbaikan kualitas citra (Image Enhancement) penulis menggunakan perangkat lunak Matlab Tujuan Penelitian Tujuan penelitian tugas akhir ini adalah untuk membandingkan keakuratan klasifikasi Supervised dan nsupervised. Menghasilkan peta tematik yang dapat digunakan untuk pemanfaatan tata guna lahan (land use). 2. Landasan Teori 2.1 Penginderaan Jauh (Remote Sensing) Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah, atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan objek, daerah, atau fenomena yang dikaji (Lilesand, 2004). Penginderaan jauh merupakan teknik yang dikembangkan untuk memperoleh dan menganalisis informasi tentang bumi. Informasi itu berbentuk radiasi elektromagnetik yang dipantulkan atau dipancarkan dari permukaan bumi (Lindgren, 1985).

5 Gambar 2.1 Skema mum Penginderaan Jauh Data spasial adalah data yang memiliki referensi ruang kebumian (georeference) dimana berbagai data atribut terletak dalam berbagai unit spasial (Wikipedia.org). Data spasial yang pada umumnya diwujudkan baik sebagai peta analog (dicetak di atas media kertas) maupun digital merupakan salah satu sumber daya yang termasuk langka dan mahal pada saat ini. Karena peta analog atau peta digital merupakan gambaran atau potret bentang alam yang sangat komprehensif, jujur, dan yang terdekat dengan realitas (Prahasta, 2008). Citra digital hasil penginderaan jauh antara lain citra Quickbird, IKONOS, Landsat TM, SPOT, NO dan lain-lain. 2.2 Citra Quickbird Quickbird adalah satelit resolusi tinggi yang diluncurkan pada tanggal 18 Oktober 2001 di anderberg ir Force Base (California). Satelit yang dimiliki dan dioperasikan oleh DigitalGlobe ini diluncurkan dengan periode orbit 93.5 menit, sun-synchronous pada ketinggian 450 km, sudut inklinasi 97.2, revisit time 1 hingga 4 hari, dan menghasilkan scene dengan ukuran sekitar 16 km x 16 km (Prahasta, 2008). Quickbird menggunakan sensor BGIS-2000 dengan resolusi 0.61 meter. Satelit Quickbird merupakan beberapa band citra dengan spesifikasi berikut : Tabel 2.1 Spesifikasi Band Citra Satelit Quickbird 2.3 Klasifikasi Citra Digital Tujuan dari proses klasifikasi citra adalah untuk mendapatkan gambar atau peta tematik. Gambar tematik adalah suatu gambar yang terdiri dari bagian-bagian yang menyatakan suatu objek atau tema tertentu. Proses klasifikasi citra ada dua jenis, yaitu Supervised (Klasifikasi Citra Terawasi) dan nsupervised (Klasifikasi Citra Tak Terawasi) Klasifikasi Citra Terawasi (Supervised) Penggunaan istilah terawasi disini mempunyai arti berdasarkan suatu referensi

6 penunjang, dimana kategori objek-objek yang terkandung pada citra telah dapat diidentifikasi. Klasifikasi ini memasukkan setiap piksel citra tersebut kedalam suatu kategori objek yang sudah diketahui Klasifikasi Citra Tak Terawasi (nsupervised) Proses klasifikasi disebut tidak terawasi, bila dalam prosesnya tidak menggunakan suatu referensi penunjang apapun. al ini berarti bahwa proses tersebut hanya dilakukan berdasarkan perbedaan tingkat keabuan setiap piksel pada citra. Klasifikasi citra tak terawasi mencari kelompok-kelompok (cluster) piksel-piksel, kemudian menandai setiap piksel kedalam sebuah kelas berdasarkan parameterparameter pengelompokkan awal yang didefinisikan oleh penggunanya. 3. Metode Penelitian Pada penelitian tugas akhir ini terbagi menjadi empat tahap proses pengolahan data, yaitu tahap perbaikan kualitas citra (image enhancement), klasifikasi citra menggunakan metode Supervised, klasifikasi citra menggunakan metode nsupervised dan tahap uji ketelitian terhadap metode Supervised dan nsupervised. Diagram alir pada penelitian tugas akhir ini, seperti terlihat pada Gambar 3.1. Data yang akan di olah merupakan Citra satelit Quickbird. Sebelum data di olah lebih lanjut, data terlebih dahulu diperbaiki kualitas citranya (image enhancement) seperti pengubahan kecerahan gambar (Brightness), penajaman, dan lain-lain. Setelah data citra diperbaiki kualitasnya, data akan di klasifikasikan menggunakan software Erdas Imagine versi 2010 dengan metode Supervised dan nsupervised. Estimasi tingkat ketelitian hasil analisis dilakukan secara statistik (random sampling). Berdasarkan hasil uji ketelitian, maka dapat dibandingkan keakuratan hasil metode Supervised dan nsupervised. 3.1 Diagram lir Klasifikasi Citra Citra Quickbird Perbaikan Kualitas Citra Klasifikasi nsupervised Peta Tematik ji Ketelitian/ Kebenaran Perbandingan Metode Supervised dan nsupervised Training rea (Daerah Sample) Klasifikasi Supervised Gambar 3.1 Diagram lir Klasifikasi Citra

7 4. asil Penelitian Pada penelitian tugas akhir ini digunakan 3 (tiga) citra quickbird yaitu dua daerah Surabaya dan satu daerah Meulaboh. asil klasifikasi menggunakan metode Supervised dan nsupervised adalah sebagai berikut : (a) Citra Quickbird Daerah Surabaya 1 (a) Citra Quickbird wal Daerah Surabaya 1 (b) Citra Quickbird Daerah Surabaya 2 (c) Citra Quickbird Daerah Meulaboh (b) Citra Quickbird Metode Supervised (c) Citra Quickbird Metode nsupervised Gambar 4.1 Citra Quickbird yang digunakan dalam penelitian Gambar 4.2 Citra asil Pengklasifikasian Daerah Surabaya asil Penelitian Daerah Surabaya 1 Tabel 4.1 Deskripsi Pengklasifikasian Kelas Daerah Surabaya 1 No. Deskripsi Kelas Warna 1. Pohon, Rumput 2. Pemukiman, Bangunan, Tanah 3. spal, Jalan Raya 4. sbes, Beton ji Ketelitian Metode Supervised dan nsupervised Pada Daerah Surabaya 1 Pengujian ketelitian/kebenaran hasil klasifikasi menggunakan metode Supervised dan nsupervised dilakukan dengan cara random sampling (acak). Tabel 4.2 Deskripsi Kelas asil Klasifikasi Pada Daerah Surabaya 1 Kelas Deskripsi egetasi ijau () Pohon, Rumput rban () Pemukiman, Bangunan, Tanah spal () spal, Jalan Raya sbes, Beton (sb) sbes, Beton

8 Tabel 4.3 ji Ketelitian/Kebenaran Klasifikasi Supervised Pada Daerah Surabaya 1 Classified Data Reference Data sb Total sers ccuracy % % % % sb % Total 15 Overall ccuracy={( )/15} x 100 = % Classified Data Tabel 4.4 ji Ketelitian/Kebenaran Klasifikasi nsupervised Pada Daerah Surabaya 1 Reference Data Total ser s ccuracy B % % % % % % % % % % % sb Total 15 Overall ccuracy={( )/15} x 100 = %

9 4.2 asil Penelitian Daerah Surabaya 2 Tabel 4.5 Deskripsi Pengklasifikasian Kelas Daerah Surabaya 2 No. Deskripsi Kelas Warna 1. Pohon, Lahan Terbuka, egetasi ijau 2. Pemukiman, Bangunan, Tanah 3. spal, Jalan Raya 4. sbes, Beton ji Ketelitian Metode Supervised dan nsupervised Pada Daerah Surabaya 2 Tabel 4.6 Deskripsi Kelas asil Klasifikasi Pada Daerah Surabaya 2 Kelas Deskripsi egetasi ijau () Pohon, Lahan Terbuka, egetasi ijau rban () Pemukiman, Bangunan, Tanah spal () spal, Jalan Raya sbes, Beton (sb) sbes, Beton asil klasifikasi menggunakan metode Supervised dan nsupervised adalah sebagai berikut : (a) Citra Quickbird wal Daerah Surabaya 2 Classified Data Tabel 4.7 ji Ketelitian/Kebenaran Klasifikasi Supervised Pada Daerah Surabaya 2 Reference Data Total sers 1 2 s ccuracy 1 2 B % % % % sb Total 15 Overall ccuracy={( )/15} x 100 = % (b) Citra Quickbird Metode Supervised (c) Citra Quickbird Metode nsupervised Gambar 4.3 Citra asil Pengklasifikasian Daerah Surabaya 2

10 Tabel 4.8 ji Ketelitian/Kebenaran Klasifikasi nsupervised Pada Daerah Surabaya 2 Reference Data To ser s tal ccuracy B % % % % % % Classified Data % % % % sb Total 15 Overall ccuracy={( )/15} x 100 = % 4.3 asil Penelitian Daerah Meulaboh (ceh) Pada penelitian ketiga yaitu daerah Meulaboh (ceh) dibagi menjadi 4 (empat) kelas. Tabel 4.9 Deskripsi Pengklasifikasian Kelas Daerah Meulaboh No. Deskripsi Kelas Warna 1. Pohon, Rumput, Lahan Terbuka 2. spal, Jalan Raya 3. Pemukiman, Tanah 4. sbes, Bangunan

11 Tabel 4.11 ji Ketelitian/Kebenaran Klasifikasi Supervised Pada Daerah Meulaboh Reference Data Total sers 1 2 s ccuracy 1 2 B (a) Citra Quickbird wal Daerah Meulaboh Classified Data % % % % % sb Total 15 Overall ccuracy={( )/15} x 100 = % (b) Citra Quickbird Metode Supervised (c) Citra Quickbird Metodensupervised Gambar 4.4 Citra asil Pengklasifikasian Daerah Meulaboh ji Ketelitian Metode Supervised Dan nsupervised Pada Daerah Meulaboh Tabel 4.10 Deskripsi Kelas asil Klasifikasi Pada Daerah Meulaboh Kelas Deskripsi egetasi ijau () Pohon, Rumput, Lahan Terbuka rban () Pemukiman, Tanah spal () spal, Jalan Raya sbes, Bangunan (sb) sbes, Bangunan

12 Classified Data Tabel 4.12 ji Ketelitian/Kebenaran Klasifikasi nsupervised Pada Daerah Meulaboh Reference Data s B To tal ser ccuracy % % % % % % % % sb Overall ccuracy={( )/15} x 100 = % Total Perbandingan Metode Supervised dan nsupervised Tabel 4.13 Tabel Perbandingan Klasifikasi Supervised dan nsupervised Penelitian Supervised nsupervised Daerah Surabaya % % Daerah Surabaya % % Daerah Meulaboh % % Berdasarkan hasil penelitian menggunakan metode Supervised dan nsupervised dapat disimpulkan bahwa klasifikasi menggunakan metode Supervised memiliki keakuratan yang lebih tinggi dibandingkan dengan metode nsupervised. Keakuratan tertinggi pada metode Supervised yaitu pada daerah Surabaya 1 dengan nilai 99.33% dan keakuratan terendah pada daerah Surabaya 2 dengan nilai 73.33%. Sedangkan Keakuratan

13 tertinggi pada metode nsupervised yaitu pada daerah Surabaya 1 dengan nilai 86.67% dan keakuratan terendah pada daerah Meulaboh dengan nilai 60.00%. 5. Penutup 5.1 Kesimpulan Berdasarkan hasil penelitian klasifikasi Supervised dan nsupervised pada citra Quickbird perekaman tahun 2004, dua daerah Surabaya dan satu daerah Meulaboh (ceh) dapat disimpulkan bahwa keakuratan klasifikasi Supervised lebih tinggi dibandingkan klasifikasi nsupervised. Penelitian ini dapat menghasilkan peta tematik yang dapat digunakan dalam pemanfaatan tata guna lahan, perencanaan tata ruang kota dan penutupan lahan. 5.2 Saran Saran untuk perbaikan penelitian ini adalah dengan menggunakan ruang lingkup penelitian yang lebih luas, misalnya satu kecamatan. Pada penelitian ini hanya mampu mengklasifikasikan suatu kelas berdasarkan warna atau kedekatan pikselpikselnya, untuk pengembangan dapat dilakukan pengklasifikasian berdasarkan warna dan bentuk sehingga dapat mengenali objek suatu kelas secara lebih rinci. 6. Daftar Pustaka [1] l-tamini, Salam dan l-bakri, J. T Comparison Between Supervised and nsupervised Classifications for Mapping Land se/cover in jloun rea. Jourdan Journal of gricultural Sciences, olume, No 1, [2] Campbell, James, Digital Image Classification Geography Remote Sensing. [3] DigitalGlobe Quickbird Imagery Products (Product Guide). DigitalGlobe, Inc., Longmont. [4] Lillesand, Kiefer, Penginderaan Jauh dan Interpretasi Citra, Gajah Mada niversity Press. [4] Lillesand, Kiefer, Remote Sensing and Interpretation (Fifth Edition). John Wiley & Sons, Inc., New York. [5] Lindgren, D.T, Land use Planning and Remote Sensing, Doldrecht: Martinus Nijhoff Publisher. [6] Munir, Rinaldi, Pengolahan CITR DIGITL dengan Pendekatan lgoritmik, Bandung: Penerbit INFORMTIK. [7] Prahasta, Eddy, REMOTE SENSING Praktis Penginderaan Jauh & Pengolahan Citra Digital dengan Perangkat Lunak ER Mapper, Bandung: Penerbit INFORMTIK. [8] Santosa, Budi, Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis Teori & plikasi, Yogyakarta : Penerbit Graha Ilmu. [9] Sugiharto, ris, Pemrograman GI dengan Matlab, Yogyakarta: Penerbit ndi. [10]