Klasifikasi Terbimbing dan Tidak Terbimbing pada Data Citra Landsat 8

Data spasial yang dianalisis dalam Sistem Informasi Geografis (SIG), dapat berupa data vektor dan data raster. Contoh data vektor adalah data shapefile, sedangkan contoh data raster adalah citra satelit. Dalam tutorial ini, akan dibahas bagaimana mengolah data citra yang diambil dari USGS (United States Geological Survey), dalam aplikasi ArcGIS. Metode pengolahan data citra dari USGS dalam ArcGIS memerlukan tools composite, clip, pan-sharpened, iso cluster unsupervised classification, supervised classification, maximum likelihood classification.

HASIL

Hasil dari tutorial ini berupa peta tata guna lahan tidak terbimbing (unsupervised) dan peta tata guna lahan terbimbing (supervised). Peta tata guna lahan unsupervised merupakan peta penggunaan lahan yang secara otomatis terklasifikasi berdasarkan range nilai pixel. Sedangkan peta penggunaan lahan supervised terbentuk dengan mengikuti nilai sampel (nilai pixel yang termasuk dalam sampel) perjenis penggunaan lahan.

a. Peta penggunaan lahan (unsupervised).

a. Peta penggunaan lahan (supervised).

TUTORIAL

Pada tampilan awal aplikasi ArcGIS, perlu ditentukan sistem koordinat yang akan digunakan. Penentuan sistem koordinat ini penting untuk dilakukan, supaya data shapefile yang diinput ke dalam ArcGIS dapat sesuai dengan posisinya di lapangan. Pada Table of Contents, klik kanan pada Layers, kemudian klik Properties. Akan muncul kotak dialog (dialog box) “Data Frame Properties”, pilih tab Coordinate System, dan klik opsi WGS 1984 UTM Zone 49S (untuk kasus data shapefile Kota Semarang). 

Klik Add Data, ikon ini berfungsi untuk menambahkan data berupa data raster maupun data vektor ke dalam layar kerja. Dalam konteks ini, pilih data raster untuk Band 1 hingga Band 8 yang merupakan hasil pengunduhan dari website USGS. 

Langkah ini ditujukan untuk mengetahui sistem koordinat yang tercantum dalam data citra. Hal ini perlu dilakukan setiap memasukkan data citra ke dalam ArcGIS. Klik kanan pada salah satu layer citra, kemudian klik Properties untuk melihat informasi terkait data citra. 

Buka tab Source, untuk mengetahui resoluasi spasial dan sistem koordinat yang ada dalam data citra. Data citra yang diolah oleh penulis, berdasarkan gambar di atas, memiliki resolusi spasial sebesar 30 m x 30 m, atau luas area 900 m2. 

Data citra yang diinput oleh penulis memiliki koordinat WGS 1984 UTM zone 49N. Seharusnya koordinat yang benar adalah WGS 1984 UTM zone 49S, karena posisi Kota Semarang berada di bawah garis ekuator. Oleh sebab itu, perlu dilakukan proyeksi ulang sistem koordinat untuk mengoreksi sistem koordinat data citra. 

Untuk mengoreksi sistem koordinat yang ada dalam tiap Band, gabungkan terlebih dahulu Band 1 sampai dengan Band 7. Band 8 tidak digabungkan, karena Band 8 merupakan citra pankromatik, dengan resolusi spasial 15 m x 15 m. Untuk menggabungkan Band 1 sampai Band 7, gunakan tool Composite Bands. Fungsi Composite Bands terletak di ArcToolBox > Data Management Tools > Raster > Raster Processing > Composite Bands. Akan muncul kotak dialog Composite Bands, kemudian input data citra Band 1 hingga Band 7. 

   

Dalam kotak dialog Composite Bands, masukkan data citra Band 1 hingga Band 7, kemudian tentukan folder tempat penyimpanan, klik Save dan klik OK. Langkah ini dilakukan untuk menggabungkan Band 1 sampai dengan Band 7, sebelum dikoreksi sistem koordinatnya. 

   

Untuk mengkoreksi sistem koordinat, diperlukan tools Project Raster, yang terletak di ArcToolBox > Data Management Tools > Projections and Transformations > Raster > Project Raster. Dalam kotak dialog Project Raster, masukkan layer hasil komposit Band 1 hingga Band 7, masukkan output sistem koordinat, lalu klik OK. File komposit band akan memiliki koordinat yang telah dikoreksi, yaitu UTM Zone 49S dalam konteks ini (sebelumnya UTM Zone 49N). 

   

Untuk melihat berhasil/tidaknya koreksi sistem koordinat, klik kanan pada layer hasil komposit, kemudian klik Properties. Pada tab Source, diketahui sistem koordinat yang telah berubah sesuai dengan sistem koordinat yang telah dipilih pada kota dialog Project Raster. 

Citra landsat yang telah dikomposit dan dikoreksi sistem koordinatnya, akan di-clip salah satu kabupaten/kota di dalamnya. Dalam praktikum ini, penulis menggunakan Kota Semarang. Dalam Catalogi, drag data shapefile area Kota Semarang ke dalam layar kerja, untuk selanjutnya akan digunakan sebagai bahan clipping data citra. 

Langkah clipping data citra sesuai bentuk wilayah administrasi Kota Semarang, dilakukan dengan tools Clip. Tools Clip terletak di ArcToolBox ? Data Management Tools > Raster > Raster Processing > Clip. Pada kotak dialog Clip, input data citra hasil komposit yang sudah dikoreksi sistem koordinatnya ke dalam kolom Input Raster, dan masukkan data shapefile area Kota Semarang ke dalam kolom Output Extent. Centang Use Input Features for Clipping Geometry agar hasil clipping sesuai dengan bentuk wilayah administrasi Kota Semarang. Apabila hal tersebut tidak dicentang, maka hasil clipping akan berbentuk persegi. 

Gambar di atas adalah hasil clipping data citra yang telah dikomposit dengan area administrasi Kota Semarang. 

Langkah ini untuk memperlihatkan citra Kota Semarang sesuai dengan warna yang dilihat oleh manusia. Klik kanan pada layer data citra yang telah dikomposit dan dikoreksi sistem koordinatnya, kemudian klik Properties untuk membuka kotak dialog Layer Properties. Pada tab Symbology dan bagian RGB Composite, atur kanal Red menjadi Band 4, kanal Green menjadi Band 3, dan kanal Blue menjadi Band 2, kemudian klik OK. 

Gambar di atas merupakan data citra Kota Semarang dengan komposisi RGB adalah 4-3-2, yang memperlihatkan citra sesuai warna yang dilihat oleh manusia dari atas Kota Semarang. 

Untuk mengidentifikasi tutupan lahan berupa vegetasi, digunakan RGB 5-4-3. Vegetasi akan ditandai dengan warna merah, dan lahan terbangun akan berwarna putih. Semakin lebat vegetasi yang ada, maka semakin gelap warna merah yang ditampilkan. 

Gambar di atas merupakan citra Kota Semarang dengan komposisi RGB 5-4-3. Diketahui bahwa tutupan lahan berupa vegetasi lebih banyak ditemukan di bagian barat Kota Semarang daripada di bagian timur Kota Semarang. 

#Proses Penajaman Citra (Pan-Sharpening)

Selanjutnya adalah pendetailan data citra, dengan menambahkan Band 8 sebagai data pankromatik ukuran 15 m x 15 m. Penambahan data pankromatik ini dilakukan dengan menggunakan ArcToolBox > Data Management Tools > Raster > Raster Processing > Create Pan-sharpened Raster Dataset, Masukkan data citra hasil komposit di kolom Input Raster, masukkan data citra Band 8 ke dalam kolom Panchromatic Image, kemudian klik OK. 

#Proses Aktivasi Ekstensi "Spatial Analyst" dan Klasifikasi Tidak Terbimbing (Iso Cluster Unsupervised Classification)

   

Aktifkan Extensions Spatial Analyst di tab Customize. 

   

Aktifkan Image Classification. Pada Classification, pilih Iso Cluster Unsupervised Classification. 

Gambar di atas merupakan hasil dari Unsupervised Classification. Data citra akan terkelaskan berdasarkan sesuai nilai pada masing-masing pixel, sehingga tiap angka pixel yang mirip akan digabung dalam kelas yang sama.

#Proses Klasifikasi Terbimbing (Maximum Likelihood Classification)

   

Buka ArcToolBox > Spatial Analyst Tools > Multivariate > Create Signature. 

Tool "Create Signature" akan lebih mudah ditemukan melalui fungsi/icon "Search" di ArcGIS.

Save signature untuk citra Supervised. Kemudian, klik Draw Polygon. 

Identifikasi setiap jenis penggunaan lahan yang sama, kemudian gunakan tools Merge Training Samples untuk menyatukan jenis-jenis penggunaan lahan yang sama. 

Buka Layer Properties pada layer data citra hasil komposit band yang sudah diclip. Tentukan persentase kontras menjadi 50%, untuk mempermudah dalam identfikasi jenis penggunaan lahan dalam metode supervised.

Save hasil Training Sample Manager. Hal ini sebagai bahan dalam klasifikasi supervised. 

Klik Classification, kemudian klik Maximum Likelihood Classification.

 

Klik Classification, kemudian klik Maximum Likelihood Classification. Pada kotak dialog yang munful, masukkan layer hasil komposit band (yang sudah dikoreksi sistem koordinatnya), masukkan signature file yang telah dibuat sebelumnya, tentukan lokasi penyimpanan, dan klik OK. 

Gambar di atas merupakan hasil Maximum Likelihood Classification, dengan lima kelas jenis lahan. 

Semoga berguna.

Salam, 

Abdurrahman Zaki