LAPORAN PRAKTIKUM

PENGOLAHAN CITRA DIGITAL

“Change Detection”

Disusun oleh:
Nama : Lulu Afifah
NIM : 117190021
Plug :5

PROGRAM STUDI TEKNIK GEOMATIKA

FAKULTAS TEKNOLOGI MINERAL
UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” YOGYAKARTA
2021/2022
 CHANGE DETECTION

BAB I
PENDAHULUAN
1.1 Latar Belakang
Teknis klasifikasi untuk citra penginderaan jauh dapat dilakukan dengan dua
metode yaitu:
1) klasifikasi visual
2) klasifikasi digital
Kalsifikasi visual dilakukan dengan interpretasi dan delianiasi citra secara langsung,
sedangkan klasifikasi digital dilakukan dengan metode supervised / unsupervised.
Klasifikasi digital pada suatu citra adalah suatu proses dimana piksel-piksel dengan
karakteristik spectral yang sama diasumsikan sebagai kelas yang sama, diidentifikasikan
dan ditetapkan dalam suatu warna ( Gibson and Power,2000 )
Dalam hal ini kita menggunakan klasifikasi digital dengan metode supervised
type Maximum Likelihood. Klasifikasi supervised maximum likelihood merupakan
klasifikasi yang berpedoman pada nilai pixel yang sudah dikategori obyeknya atau
dibuat dalam training sampel untuk masing-masing obyek penutup lahan. Setelah
dilakukan klasifikasi dilakukan Change detection antara 2 citra untuk mengetahui
perubahan area dan dalam perubahan menggunakan citra satelit dilakukan untuk
menentukan laju atau tingkat perubahan lahan setiap waktu. Deteksi perubahan adalah
suatu teknik menggunakan teknologi penginderaan jauh dalam menentukan deteksi
perubahan pada obyek diantara dua atau lebih periode waktu. Deteksi perubahan
merupakan sebuah proses penting untuk monitoring dan mengelola sumber daya alam
dan pembangunan daerah karena teknik ini mampu menyediakan analisis distribusi
spasial secara kualitatif di wilayah tertentu.
1.2 Rumusan Masalah
1. 2. 1 Bagaimana cara klasifikasi citra dengan metode supervised menggunakan
Software ArcGIS/ ArcMap dan ENVI?
1. 2. 2 Bagaimana perbandingan hasil klasifikasi supervised dengan kondisi asli di
lapangan?
1. 2. 3 Hasil dari metode apa yang paling mirip dengan kondisi asli?
1.3 Tujuan
1. 2. 1 Mahasiswa mampu menghapus/menutup garis-garis pada citra Landsat 7.
1. 2. 2 Mahasiswa mampu mengetahui metode paling baik dalam melakukan Gap
Fill.

PRAKTIKUM PENGOLAHAN CITRA DIGITAL

TEKNIK GEOMATIKA 2
UPN “VETERAN” YOGYAKARTA
 CHANGE DETECTION

1. 2. 3 Mahasiswa mampu melakukan change detection dan mengetahui perubahan

pada daerah tertentu menggunakan tools change detection menggunakan
ENVI pada citra Landsat 7 yang mempunyai gapfill dan Landsat 8.

PRAKTIKUM PENGOLAHAN CITRA DIGITAL

TEKNIK GEOMATIKA 3
UPN “VETERAN” YOGYAKARTA
 CHANGE DETECTION

BAB II
DASAR TEORI

Klasifikasi supervised merupakan metode yang dipandu dan dikendalikan sebagian

besar atau sepenuhnya oleh pengguna dalam proses pengklasifikasiannya.Intervensi
pengguna dimulai sejak penentuan training area hingga tahap pengklasterannya.
Klasifikasi terbimbing dalam hal ini mensyaratkankemampuan pengguna dalam penguasaan
informasi lahan terhadap arealkajian. Ketika proses klasifikasi kurang akurat karena
identifikasi yangkurang maksimal oleh pengguna maka hasil peta pun menjadi kurang akurat.
Training sample wajib ditetapkan dalam klasifikasi metode terbimbing / terawasi
(Supervised) dan benar-benar merupakan objek yang dimaksud.
Change detection merupakan suatu teknik menggunakan teknologi pengindraan jauh
dalam menentukan deteksi perubahan pada obyek diantara dua atau lebih periode waktu.
Atau merupakan proses penting untuk monitoring dan mengelola sumber daya alam dan
pembangunan daerah karena Teknik ini mampu menyediakan analisis distribusi spasial secara
kualitatid di wilayah tertentu.
Cropping citra Cropping citra merupakan proses pemotongan sebagian wilayah citra,
gunanya untuk mengecilkan dimensi dari citra yang digunakan. Misalnya kita akan
menggunakan luasan tertentu untuk pengolahan citra lebih lanjut. Selain untuk efesiensi juga
agar hasilnya lebih maksimal.

PRAKTIKUM PENGOLAHAN CITRA DIGITAL

TEKNIK GEOMATIKA 4
UPN “VETERAN” YOGYAKARTA
 CHANGE DETECTION

BAB III
PELAKSANAAN
2.1 Waktu dan Tempat
Hari : Selasa
Tanggal : 14 September 2021
Pukul : 13.00 WIB – selesai
Tempat : Zoom Meeting
2.2 Peralatan
2. 2. 1 PC / Laptop
2. 2. 2 Citra Landsat 7 tahun 2007 daerah Klaten, Jawa Tengah
2. 2. 3 Citra Landsat 8 tahun 2021 daerah Klaten, Jawa Tengah
2. 2. 4 Software ENVI 5.3
2. 2. 5 ArcGis 10.4
2. 2. 6 Peta Penutup Lahan Klaten, Jawa Tengah
2.3 Langkah Kerja

Gambar 1 Skema langkah kerja

PRAKTIKUM PENGOLAHAN CITRA DIGITAL

TEKNIK GEOMATIKA 5
UPN “VETERAN” YOGYAKARTA
 CHANGE DETECTION

a) Melakukan gapfill pada citra Landsat 7

Gambar 2 gapfill Landsat 7 yang mengalami kerusakann satelit pada tahun 2007

b) Membuka software ENVI

c) Membuka citra landsat 8 jawa tengah
d) Lalu melakukan cropping citra tersebut pada lokasi tertentu, dengan catatan
pada citra 2007 dan citra 2021 lokasinya harus sama menggunakan tools link
display.
• Tools → Link → Link Display
• Klik File → Save Image As → Image File → “beri nama file yang
sesuai”
• Klik Spatial Subset → Image → OK

Gambar 3 Cropping landsat 8

PRAKTIKUM PENGOLAHAN CITRA DIGITAL

TEKNIK GEOMATIKA 6
UPN “VETERAN” YOGYAKARTA
 CHANGE DETECTION

e) Melakukan pengkelasan sesuai jenis objeknya (Perairan, Vegetasi,

Pemukiman, dan Tanah Kosong, dll)

• Klik Basic Tools → Region Of Interest → ROI Tool

• Pada ROI Type pilih Polygon
• Pada Windows pilih Zoom
• Lalu lakukan digitasi sesuai kelasnya atau jenis objeknya
• Untuk mengakhiri poligon menggunakan klik kanan
• Lakukan di tempat yang berbeda antara citra 2007 dan citra 2021

Gambar 4 hasil ROI

f) Melakukan klasifikasi supervised

• Pilik Classification → Supervised → Maximum Likelihood

• Lalu pilih citra yang telah diklasifikasi
• Lalu pilih hasil pengkelasan yang telah di lakukan

PRAKTIKUM PENGOLAHAN CITRA DIGITAL

TEKNIK GEOMATIKA 7
UPN “VETERAN” YOGYAKARTA
 CHANGE DETECTION

Gambar 5 warna pada object hasil ROI

g) Hasil klasifikasi sebagai berikut

Table 1 Klasifikasi Citra

Landsat 7 Landsat 8

h) Melakukan Change Detection dari kedua citra hasil klasifikasi

i) Klik Basic Tools → Change Detection → Change Detection Statistics

PRAKTIKUM PENGOLAHAN CITRA DIGITAL

TEKNIK GEOMATIKA 8
UPN “VETERAN” YOGYAKARTA
 CHANGE DETECTION

BAB IV
HASIL PRAKTIKUM
1. Lokasi daerah yang ditinjau

X min 459805.5012
Y min 9168564.8506
X max 470147.9733
Y max 9157657.8808
Gambar 6 lokasi tinjauan

2. Landsat 7 yang telah di cropping

Gambar 7 Landsat 7 Cropping

3. Landsat 8 yang telah di cropping

Gambar 8 Landsat 8 Cropping

4. Hasil akhir ROI

Table 2 Hasil akhir Region of Interest

Objek Warna
Sawah Red
Danau Green
Ladang Blue
Kebun Yellow
Pemukiman Cyan
Sungai Magenta

PRAKTIKUM PENGOLAHAN CITRA DIGITAL

TEKNIK GEOMATIKA 9
UPN “VETERAN” YOGYAKARTA
 CHANGE DETECTION

Irigasi Maroon
Jalan Sea Green
Awan Purple

5. Band yang berpengaruh dan band yang digunakan untuk klasifikasi

Table 3 Band berpengaruh setiap object pada Lansat 7

Band
Objek
Berpengaruh
Sawah 5-4-6
Danau 4-5-6
Ladang 4-6-5
Kebun 4-5-3
Pemukiman 4-1-2
Sungai 4-6-3
Irigasi 4-5-6
Jalan 4-5-3
Awan 1-2-3

Band
Objek
Berpengaruh
Sawah 5-7-6
Danau 5-7-6
Ladang 5-6-7
Kebun 5-6-7
Pemukiman 5-7-6
Sungai 5-7-6
Irigasi 5-7-6
Jalan 5-7-6
Awan 6-1-2
Gambar 9 Band berpengaruh setiap object pada Lansat 8

Table 4 Band akhir untuk klasifikasi

Band Untuk Klasifikasi

4-5-6

6. Hasil klasifikasi terbaik dari supervised

Pada praktikum ini hasil klasifikasi citra yang terbaik yaitu klasifikasi
terbimbing yang menggunakan parameter maximum likelihood.
Metode klasifikasi ini saya menggunakan parameter maximum likelihood karena
parameter ini mendefinisikan statistic setiap kelas ke masing-masing band yang
disebarkan secara normal dan menghitung probabilitas setiap pixel untuk dimasukan ke
kelas tertentu. Pada parameter ini semua pixel ditugaskan untuk mempunyai nilai
probabilitas yang tinggi. Jika probabilitas tertinggi lebih kecil dari ambang batas yang

PRAKTIKUM PENGOLAHAN CITRA DIGITAL

TEKNIK GEOMATIKA 10
UPN “VETERAN” YOGYAKARTA
 CHANGE DETECTION

ditentukan maka pixel tidak akan diklasifikasikan.

Gambar 10 Hasil klasifikasi citra Landsat 7 dan Landsat 8

7. Perbandingan Klasifikasi tiap citra

Table 5 Klasifikasi Citra

Landsat 7 Landsat 8

Dari hasil praktikum dapat dilihat bahwa terjadi perubahan area, misal pada
hasil change detection lahan pemukiman. Pemukiman sebenarnya berluas 80,11 km2 ,
dari hasil perubahan yg didapat, terjadi alih fungsi lahan untuk pemukiman,sawah,
sungai, kebun, ladang, jalan, dan juga terhalang awan dengan total alih fungsi lahan
seluas 120,07 km2 ,dengan 9,007 km2 masih dalam kelas yang sama yaitu pemukiman.
Daerah yang mengalami perubahan sebesar 111,063 km2 . Sedangkan, Image
Difference diambil dari luas pemukiman – luas alih fungsi lahan, dengan kata lain luas
pemukiman sebenarnya dikurangi total alih fungsi lahan untuk pemukiman, sawah,
kebun, ladang, jalan, dan juga yang terhalang awan, yaitu 80,11 km2 – 120,07 km2 =
-39.96 km2. Perubahan lahan yang lain (sawah, sungai, kebun, ladang, jalan, awan) juga
memiliki cara analisis yang sama.

PRAKTIKUM PENGOLAHAN CITRA DIGITAL

TEKNIK GEOMATIKA 11
UPN “VETERAN” YOGYAKARTA
 CHANGE DETECTION

BAB V
KESIMPULAN

Pada pertemuan Praktikum Pengolahan Citra Digital mahasiswa telah mempelajari

klasifikasi supervise. Klasifikasi ini digunakan sebelum melakukan change detection.
Mahasiswa telah membandingkan perubahan deteksi dari setiap kelas-kelas klasifikasi yang
telah ditentukan menggunakan nilai pada pixel yang mempunyai perbedaan pada table hasil
change detection.

PRAKTIKUM PENGOLAHAN CITRA DIGITAL

TEKNIK GEOMATIKA 12
UPN “VETERAN” YOGYAKARTA
 CHANGE DETECTION

DAFTAR PUSTAKA

Kushardono, Dony. (2017). Klasifikasi Digital Pada Penginderaan Jauh. Bogor: IPB
Press

PRAKTIKUM PENGOLAHAN CITRA DIGITAL

TEKNIK GEOMATIKA 13
UPN “VETERAN” YOGYAKARTA