LAPORAN PRAKTIKUM INDERAJA DASAR SUPERVISED CLASSIFICATION CITRA LANDSAT 8 MENGGUNAKAN ENVI

LAPORAN PRAKTIKUM INDERAJA DASAR

SUPERVISED CLASSIFICATION CITRA LANDSAT 8 MENGGUNAKAN ENVI

Disusun Oleh :

Nafi Abiyyu Rasyid

15/386523/SV/09909

PROGRAM STUDI DIPLOMA III TEKNIK GEOMATIKA

DEPARTEMEN TEKNOLOGI KEBUMIAN

SEKOLAH VOKASI

UNIVERSITAS GADJAH MADA

2016

1. JUDUL : Supervised classification citra landssat 8 menggunakan ENVI

2. WAKTU dan TEMPAT :
1. Hari dan Tanggal : Jum’at, 4 November 2016
2. Pukul : 13.00 – 16.20
3. Tempat : Lab. Fotogrametri Teknik Geodesi UGM

3. MAKSUD dan TUJUAN
1. Mahasiswa  dapat mengerti cara melakukan supervised classification menggunakan ENVI
2. Mahasiswa dapat mengklasifikasi objek dalam suatu citra
3. Mahasiswa dapat mengetahui perbedaan supervised classification parallelepiped, minimum distance, mahalanobis distance, maximum likelihood

4. ALAT dan BAHAN :
1. Komputer
2. Software ENVI, dan ArcGIS
3. Citra Landsat 8 (Terkoreksi Radiometrik)
4. RBI_250K_PenutupLahan

5. LANGKAH KERJA
1. Mempersiapkan peta penutup lahan yang sesuai dengan lokasi citra satellite landsat 8. Peta penutup lahan dapat di download melalui website http://tanahair.indonesia.go.id. Peta penutup lahan digunakan sebagai acuan dalam pembuatan ROI.
2. Membuka file hasil download peta penutup lahan melalui website http:// tanahair.indonesia.go.id di software ArcGIS (file *.shp dalam system koordinat geografis). Setelah itu mencocokan file hasil download (setiap file *.shp) dengan SNI Klasifikasi Penutup Lahan untuk mengetahui tingkatan kelas setiap file *.shp

3. Setelah menampilkan semua file *.shp seperti langkah 3, kemudian menyimpannya dalam type *.TIFF dengan menggunakan menu File>>Export Map pada software ArcGIS. Resolusi yang digunakan adalah 600 dpi, dan jangan lupa check list Write GeoTIFF Tags pada Format, kemudian Save. Tujuan dalam langkah 4 ini untuk memudahkan dalam pembuatan ROI di software ENVI dengan memanfaatkan fasilitas Geographic Link.

4. Membuka software ENVI, kemudian open Citra Satelite Landsat 8 yang telah terkoreksi radiometrik
5. Dan membuka peta penutup lahan yang telah dibuat sebelumnya di software ArcGIS
6. Menampilkan komposit band natural color citra satellite landsat 8 pada Display#1.

7. Menampilkan file Peta Penggunaan Lahan 250K.tif pada Display#2.

8. Lalu mengcrop bagian yang akan dilakukan digitasi, samakan bagian atau daerah pada display #1 dan display #2
9. Mengaktifkan fasilitas Geographic Link dengan cara Klik Kanan pada Display#1 >> Geographic Link.

10. Pada Display#1 memilih menu Tools>>Region Of Interest>>ROI Tool… . Pembuatan ROI disesuaikan dengan bentuk objek (ROI Type: Polygon, Polyline, Point pada window #1 ROI Tool).
11. Membuat ROI (Region Of Interest), dengan acuan peta penutup lahan pada Display#2. Pembuatan ROI dengan cara digitasi pada objek yang dimaksud (pada Display#1) dengan cara Klik Kiri pada mouse, dan Klik Kanan 2x untuk mengakhiri pembuatan ROI. Setiap ROI diberikan nama yang berbeda atau sesuai nama objek sehigga tidak membingungkan.

12. Berikut adalah hasil dari digitasi objek yang telah dilakukan.

13. Menyimpan ROI dengan cara memilih menu File>>Save ROIs… pada window #1 ROI Tool. Pada window Save ROIs to File klik Select All Items, kemudian memilih direktori penyimpanan untuk menyimpan hasil pembuatan ROI, kemudian klik OK

14. Melihat statistik setiap ROI dengan cara klik nama ROI pada window #1 ROI Tool, kemudian memilih Options>>Calculate Covariance with Stats, setelah itu klik Stats.

15. Dataran

16. Sawah

17. Pemukiman

18. Tambak

19. Laut

20. Agrikultur Ladang

21. Kebun

22. Selanjutnya adalah menyeleksi dari hasil statistic yang didapatkan diatas, band yang memberikan pengaruh besar dalam pembuatan ROI dilihat dari nilai Standar Deviasi dan Kovarian training area/ROI. Semakin berpengaruh maka nilai Standar Deviasi atau Kovarian semakin besar.

NO	ROI	BAND YANG BERPENGARUH
1	Daratan	5,4,3
2	Sawah	5,4,3
3	Pemukiman	3,4,5
4	Tambak	5,4,3
5	Laut	7,2,6
6	Agrikultur ladang	5,4,3
7	Kebun	5,4,3

23. Dari hasil perhitungan statistik, kovarian training area/ROI dan table diatas maka band yang digunakan untuk klasifikasi supervised adalah band 3, band 4, dan band 5. Dikarenakan band tersebut yang paling sering muncul pada kolom band yang paling berpengaruh, maka dapat ditarik kesimpulan bahwa band 3,4,5 adalah band yang paling berpengaruh.
24. Melakukan klasifikasi supervised parallelepiped dengan memilih menu Classification >> Supervised >> Parallelepiped. Pada window Classification Input File memilih file Rektifikasi Image to Image, kemudian klik Spectral Subset. Pada window File Spectral Subset memilih tiga band yang memiliki pengaruh terbesar dalam pembuatan ROI, yaitu Band 3, Band 4, Band 5, kemudian OK

25. Pada window Parallelepiped Parameters klik Select All Items, kemudian memilih directory penyimpanan hasil klasifikasi supervised parallelepiped

26. Lakukan cara yang sama untuk melihat hasil klasifikasi minimum distance, mahalanobis distance, maximum likelihood.

6. HASIL PRAKTIKUM

1. Hasil Klasifikasi Supervised Parallelepiped

2. Hasil Klasifikasi Minimum Distance

3. Hasil Klasifikasi Mahalanobis Distance

4. Hasil Klasifikasi Maximum Likelihood

7. KESIMPULAN

Dari praktikum kali ini mahasiswa mempelajari mengenai supervised classification citra landsat 8 menggunakan Software ENVI. Dan hasil dari supervised classification dikelompokan mejadi 4 yaitu : Parallelepiped, Minimum Distance, Mahalonobis Distance, dan Maximum Likelihood. Dari ke empat tersebut dapat disimpulkan bahwa hasil klasifikasi yang paling baik yaitu menggunakan klasifikasi Maximum Likelihood dikarenakan perbedaan objek pada citra lebih dapat dibedakan dan lebih jelas perbedaannya dibanding dengan menggunakan parallelepiped, minimum distance, dan mahalonobis distance. Dan yang paling tidak jelas atau yang paling buruk diantara ke empat tersebut adalah klasifikasi parallelepiped dikarenakan warna dari hasil klasifikasi ini tercampur dan tidak jelas perbedaan antar objeknya sehingga meyulitkan untuk melakukan klasifikasi.

8. DAFTAR PUSTAKA

Modul Praktikum Supervised Classification