KLASIFIKASI CITRA DENGAN MENGGUNAKAN METODE FUZZY LOGIC PADA CITRA IKONOS MULTI SPEKTRAL ( STUDI KASUS : TUTUPAN LAHAN SURABAYA TIMUR ) Moh. Singgih Purwanto 1, Teguh Haryanto 2, M. Taufik 2 1 Mahasiswa Program Pasca Sarjana Jurusan Teknik Sipil Bidang Keahlian Penginderaan jauh, FTSP, Institut Teknologi Sepuluh November Kampus ITS Sukolilo Surabaya Email : mathzink@yahoo.com Dosen Jurusan Geomatika FTSP-ITS ABSTRAK Klasifikasi citra dalam penginderaan jauh merupakan kegiatan mengkaji citra dengan maksud untuk mengindentifikasi objek dan menilai arti pentingnya objek tersebut. Dalam mengindentifikasi objek tersebut ditemukan faktor-faktor ketidakpastian, karena itu perlu adanya suatu metode yang dapat digunakan untuk menentukan jenis objek tersebut. Metode fuzzy logic sangat efektif untuk menjelaskan faktor-faktor ketidakpastian dalam proses mengindentifikasi suatu objek di citra, dimana objek tersebut merupakan daerah tutupan lahan, dimana faktor-faktor ketidakpastian tersebut merupakan hal yang sering muncul. Dengan metode fuzzy faktor-faktor ketidakpastian dalam menentukan jenis objek pada tutupan lahan dapat diperhitungkan sehingga dapat mengurangi kesalahan dalam menentukan suatu objek. Tujuan yang diharapkan dalam penelitian ini dapat membantu dalam menentukan jenis objek pada Klasifikasi citra. Dalam penelitian ini diawali dengan menentukan unsur apa saja yang termasuk dalam Klasifikasi citra, kemudian langkah berikutnya membuat permodelan dengan menggunakan metode fuzzy logic, setelah itu membuat algoritma dalam menentukan hasil akhir dengan menggunakan bahasa pemrograman Visual Basic dan Microsoft Acces. Hasil yang telah dibangun ini mampu menganalisa jenis klasifikasi objek pada citra berdasarkan 6 kunci klasifikasi citra yang tampak pada citra tetapi hanya dibatasi 10 jenis obyek yaitu: sawah, sungai, gedung, gudang, rumah, drainase, tambak, tanah kosong, rawa dan kolam air. Kata kunci : Klasifikasi Citra, Fuzzy Logic,Ikonos, Tutupan Lahan. PENDAHULUAN Dalam penginderaan jauh terdapat tahapan Klasifikasi citra dimana merupakan kegiatan mengkaji citra dengan maksud untuk mengindentifikasi objek dan menilai arti pentingnya objek tersebut. Dalam mengindentifikasi objek tersebut ditemukan faktor-faktor ketidakpastian, karena itu perlu adanya suatu Metode yang dapat digunakan untuk menentukan objek tersebut. Metode yang digunakan dalam hal ini adalah Metode Fuzzy Logic, karena Metode Fuzzy Logic sangat efektif untuk menjelaskan faktor-faktor ketidakpastian dalam proses mengindentifikasi suatu objek di citra, dimana faktor-faktor ketidakpastian tersebut merupakan hal yang sering muncul. Dengan Metode Fuzzy faktor-faktor ketidakpastian dalam menentukan jenis objek tetap dapat diperhitungkan sehingga dapat mengurangi kesalahan dalam menentukan suatu objek. Tujuan yang diharapkan dalam penelitian ini dapat membantu dalam menentukan jenis objek pada Klasifikasi citra. Dalam penelitian ini diawali dengan menentukan unsur apa saja yang termasuk dalam Klasifikasi citra, kemudian langkah berikutnya membuat permodelan dengan menggunakan metode fuzzy logic, setelah itu membuat algoritma dalam menentukan hasil akhir dengan menggunakan bahasa pemrograman Visual Basic dan Microsoft Acces. METODE Data Data yang digunakan adalah : 1. Citra Satelit IKONOS Multi Spektral daerah Surabaya Timur. Citra satelit Ikonos yang telah kita dapatkan kita olah dengan menggunakan software Er Mapper 7, seperti pada gambar dibawah ini ISBN 978-979-18342-1-6 A-407
Data ground truth yang dianalisa antara lain luas atau ukuran dan jenis objek tersebut. Gambar.1 Tampilan ER Mapper 7.0 Tujuan mengolah citra satelit Ikonos tersebut untuk mendapatkan koordinat x,y sebagai georeferensi dan untuk pengolahan proses klasifikasi tutupan lahan. Untuk mendapatkan koordinat x,y pada software Er Mapper klik pada View kemudian pilih Cell Coordinates Seperti tampak pada gambar berikut. Gambar 2 Tampilan Mendapatkan Koordinat x,y Setelah kita mendapatkan data koordinat x,y maka citra satelit Ikonos tersebut kita save as dalam format tiff, tujuannya citra satelit yang kita dapatkan nanti bisa diproses di sofware Visual Basic 6. Proses tersebut bisa dilihat pada gambar dibawah ini. Identifikasi Variabel Input Identifikasi variabel variabel input dari sistem diperlukan untuk mengetahui input apa saja yang berpengaruh pada sistem nantinya. Variabel input pada sistem yang berpengaruh yaitu : a. Bentuk Bentuk merupakan konfigurasi atau kerangka suatu objek, sehingga dapat mencirikan suatu penampakan yang ada pada citra dapat di identifikasi dan dapat dibedakan antar objek. Dari penampakan pada citra maupun foto udara dapat di identifikasi bentuk massa bangunan, maupun bentuk-bentuk dasar fisik alam lainnya seperti jalan, sungai, kebun, hutan dan sebagainya. Dengan melihat bentuk-bentuk fisik dari citra ikonos maupun foto udara dapat ditentukan penggunaan lahan suatu tempat, sebagai contoh bentuk Sungai yang mengikuti bentuk jalan yang lurus dan teratur kenampakan sungai berbeda dengan jalan raya, jika sungai berbentuk berkelokkelok sesuai dengan alirannya, tetapi jalan berbentuk lurus dan teratur. Gambar 4. Gambar Sungai Gambar 3 Merubah Format Citra 2. Data Ground Truth. Ground Truth adalah pengecekan dilapangan dimana data Ground Truth didalam penelitian ini bertujuan mencocokan hasil dari software dengan data yang ada di lapangan, sehingga data yang dihasilkan dari software nantinya menghasilkan data yang benar sesuai dengan data di lapangan. b. Ukuran atau Luas Gambar 5 Gambar Jalan Ukuran obyek pada citra maupun foto udara merupakan fungsi skala sehingga dalam memanfaatkan ukuran sebagai unsur interpretasi citra harus selalu memperhatikan skala citranya. Dengan kata lain ukuran merupakan perbandingan yang nyata dari obyek-obyek dalam citra maupun foto udara, yang mengambarkan kondisi di A-408 Seminar Nasional Aplikasi Teknologi Prasarana Wilayah 2009
lapangan. Sebagai contoh Perbedaan ukuran antara stdion dan lapangan sepak bola biasa atau lahan kosong yang di manfaatkan untuk lapangan. perbedaan antara ukuran lapangan biasa dengan stadion, ukuran jalan lingkungan berbeda dengan jalan arteri. Dengan melihat perbedaan ukuran ini, dapat menentukan penggunaan lahan suatu area ataupun kapasitas/daya tampung obyek tersebut serta fungsi dari obyek yang diamati dalam dunia nyata sehari-harinya. Gambar 8 Gambar Sawah Gambar 6 Gambar Stadion Gambar 9 Gambar Kebun Gambar 7 Gambar Lapangan c. Tekstur Tekstur adalah frekuensi perubahan rona pada citra atau pengulangan rona kelompok obyek yang terlalu kecil untuk dibedakan secara individual. Tekstur sering dinyatakan dari kasar sampai halus. Tekstur merupakan hasil gabungan dari bentuk, ukuran, pola, bayangan serta rona. Dengan melihat tekstur dapat di kelompokkan penggunaan lahan atau fungsi dari kawasan-kawasan tertentu. Misalnya tekstur sawah akan kelihatan halus berbeda dengan kebun ataupun hutan. d. Pola Pola atau susunan keruangan merupakan devel yang menandai bagi banyak obyek bentukan manusia dan bagi beberapa obyek alamiah lainnya. Pengulangan bentuk tertentu dalam hubungan merupakan karakteristik bagi obyek alamiah maupun bangunandan akan memberikan suatu pola yang membantu dalam interpretasi citra maupun foto udara dalam mengenali obyek tertentu. Misalnya pola perumahan yang teratur menunjukkan adanya kompleks perumahan (permukiman bukan perkampungan). Atau pola yang persegi dan teratur serta bentuk dan ukuran yang develo sama dapat menunjukkan suatu perkantoran ataupun kawasan pendidikan. Dalam menginterpretasi citra atau foto udara pola sangat di perhatikan, guna membedakan antara obyekobyek yang develo sama karakteristiknya, jika di interpretasi dengan develo-unsur sebelumnya. Tekstur sawah yang halus, berbeda dengan tektur perkebunan atau pekarangan dekat dengan pemukiman. Hal ini karena jenis tanaman yang ada berbeda, sehingga memperlihatkan tektur yang kasar. Pola perumahan yang teratur pada gambar citra ikonos diatas menunjukkan bahwa obyek tersebut merupakan perumahan bukan tipe perkampungan, tetapi perumahan yang dibangun/dikembangan oleh developer. ISBN 978-979-18342-1-6 A-409
Variabel output pada sistem berupa jenis obyek pada tutupan lahan yang diklasifikasikan menjadi 10 ( sepuluh ) klas, yaitu: sawah, sungai, rumah, gedung, tambak, rawa, tanah kosong, kolam air, gudang dan drainase. Gambar 10 Gambar Perumahan e. Bayangan Bayangan sering merupakan kunci pengenalan yang penting bagi beberapa obyek yang justru lebih tampak dari bayangannya. Akan tetapi di sisi lain keberadaan bayangan merupakan suatu kondisi yang bertentangan, pada satu sisi bentuk dan kerangka bayangan dapat memberikan gambaran profil suatu obyek. Tetapi pada lain sisi jika ada suatu obyek yang berada di bawah bayangan, maka hanya sedikit memantulkan sedikit cahayadan sulit untuk diamati pada citra atau foto udara. Dengan bantuan unsur bayangan ini juga dapat menentukan arah mata angin serta pengenalan terhadap suatu obyek yang kemungkinan sulit diamati sebelumnya. Desain Sistem Desain Sistem Diagnosis Fuzzy Secara umum, proses klasifikasi menggunakan logika Fuzzy dapat dilihat pada gambar 3.12 Citra ikonos Multi Spektral R M Proses Klasifik asi Citra FUZZY FIKASI Base knowledg e DATA BASE RULES BASE INFER ENSI Gambar 11. Gambar Bayangan Stadion Aturan Input Sistem Dalam input sistem terdapat 6 (enam) variabel linguistik serta nilai linguistiknya yang disajikan dalam tabel berikut : Tabel 1 Tabel Input Sistem VARIABEL INPUT RANGE UKURAN 0-100 m 2 BAYANGAN 0-10 m BENTUK 1 TEKSTUR 1 POLA 0 dan 1 LOKASI 1 Identifikasi Variabel Output Klasifikasi Obyek Gambar 12. Desain Sistem Klasifikasi Citra Proses Fuzzyfikasi Pada proses Fuzzyfikasi nilai numerik akan diubah menjadi variabel linguistik yang memiliki nilai linguistik. Nilai linguistik ini nantinya akan digunakan pada proses inferensi. Untuk memperoleh derajat keanggotaan dari nilai linguistik pada masing-masing input sistem menggunakan aturan input sistem yang telah ditentukan. Untuk memperoleh derajat keanggotaan dari nilai linguistik pada masingmasing input sistem menggunakan fungsi keanggotaan sebagai berikut : A-410 Seminar Nasional Aplikasi Teknologi Prasarana Wilayah 2009
a. Derajat keanggotaan dari nilai linguistik variabel input Luas x = Luas 0 ; x < 0 Lkecil [x] = 1 ; 0 x 30 (50-x)/20 ; 30 < x 50 0 ; x > 50 0 ; x 30 Lsedang[x] = (x-30)/30 ; 30 < x 60 (90-x)/30 ; 60 < x 90 0 ; x > 90 0 ; x 80 Lluas [x] (x-80)/20; 80 < x 100 1 ; x > 100 Inferensi Pada proses inferensi terdapat aturan-aturan untuk mengontrol inputan yang berupa variabel linguistik. Pada proses ini dilakukan pencarian rule yang sesuai diantara premis dan konklusi untuk disimpan dalam working memory. Working memory berisi fakta tentang permasalahan yang dihadapi. Apabila premis yang sesuai ditemukan maka akan ditambahkan ke working memory dan mencari lagi untuk premis baru yang sesuai sampai didapat konklusi yang paling tepat. Metode inferensi yang digunakan dalam thesis ini adalah Metode SUGENO. Langkah pertama yang dilakukan adalah mencari nilai miu ( ) hasil proses Fuzzyfikasi yang minimum dari masing masing premis yang ada. Pencarian ini dilakukan terus sampai semua rule mendapatkan nilai miunya. Kemudian dicari nilai maximum untuk setiap kemungkinan konklusi yang ada. Desain Interface Desain antar muka pengguna (user interface) terdiri dari 3 layar utama, yaitu : a. Layar 1 : tampilan menu utama Gambar 13 Fungsi Keanggotaan Luas b. Derajat keanggotaan dari nilai linguistik variabel input bayangan x = Bayangan 0 ; x < 0 UTkecil [x] = 1 ; 0 x 2 (4-x)/2 ; 2 < x 4 0 ; x > 4 ` 0 ; x 2 UTsedang [x] = (x-2)/3 ; 2 < x 5 (8-x)/3 ; 5 < x 8 0 ; x > 8 0 ; x 6 UTbesar[x] = (x-6)/4 ; 6 < x 10 1 ; x > 10 Gambar 15 Menu Utama b. Layar 2 : tampilan untuk proses Klasifikasi Citra. Gambar 14 Fungsi Keanggotaan Bayangan Gambar 16 Proses Klasifikasi Citra ISBN 978-979-18342-1-6 A-411
c. Layar 3 : tampilan untuk keterangan proses Klasifikasi Citra. 7. Patyra M.J.,(2001), Fuzzy Logic and Implementation and Aplications Tizhoosh H.,Kerre E,Nachtegael. 8. Hilderbrand L.Reush B(2001),Fuzzi Color Procesing and Fuzzi Techniques in Image Processing, Kerre E, Nachtegael. 9. http :// www.wikipedia.org/definisi penginderaan jauh. Dikunjungi pada hari Sabtu, 30 Mei 2009, pukul 19.00 WIB. 10. Siswoutomo, Wiwit. 2006. Tip dan Trik Canggih Visual Basic 6.0. Yogyakarta. 11. Rahmad Husein, 2006. Konsep Dasar Sistem Informasi Geografis (Geographics Informastion System). IlmuKomputer.Com Gambar 17 Keterangan Klasifikasi Citra KESIMPULAN Dari perancangan serta uji coba sistem yang telah dibuat, kesimpulan yang dapat diambil yaitu: 1. Sistem yang telah dibangun ini mampu menganalisa jenis klasifikasi objek pada citra berdasarkan 6 kunci klasifikasi citra yang tampak pada citra tetapi hanya dibatasi 10 jenis obyek. 2. Hasil Klasifikasi yang dilakukan oleh sistem sesuai dengan hasil Ground Truth dengan mengambil 10 contoh tutupan lahan. DAFTAR PUSTAKA 1. K Shankar, Pal., K Dwijesh, Dutta Majumder, (1989), Fuzzy Pendekatan Matematik Untuk Pengenalan Pola, Universitas Indonesia, Jakarta. 2. Kusumadewi, S.,Purnomo Hari, (2002), Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Graha Ilmu, Yogyakarta. 3. Tubagus, A.,(2005), Klasifikasi Tutupan Lahan Dengan Menggunakan Fuzzi Logic Pada Citra Landsat ETM 2001 Studi Kasus (kabupaten dan Kota Tasikmalaya), Thesis S2, Departemen Tehnik Geodesi FTSP-ITB 4. Nedeljkovic (2000), Image Classificatioan Based On Fuzzy Logic, MapSoft Ltd, Belgrade, Serbia and Montenegro 5. Lillesand M.T.,Kiefer W.R(1999), Remote Sensing and Image Interpretation, John Wiley & Son Ltd. 6. Mather (1999), Computer Processing of Remotely- Sensed Images, John Wiley & Son Ltd. A-412 Seminar Nasional Aplikasi Teknologi Prasarana Wilayah 2009