7

BAB 2
LANDASAN TEORI

2.1 Pengertian Segmentasi
Dalam computer vision, segmentasi merukuk pada proses partisi gambar
digital menjadi beberapa bagian atau kita kenal sebagai superpixels. Tujuan
segmentasi adalah untuk memudahkan atau mengganti sebuah gambar menjadi
lebih berarti dan mudah dianalisa.
Image segmentation adalah proses pemberian label untuk setiap pixel dalam
gambar dengan pixel yang memilik label sama memiliki karakterisik yang sama.
Ada banyak sekali metode-metode segmentasi ini, contohnya ialah thresholding,
clustering, compression-based, histogram-based, edge detection, partial
differential equation-based, graph partitioning, watershed transformation, model
based segmentation, multi-scale segmentation, semi-automatic segmentation, split-
and-merge, neural networks segmentation dan region growing. Untuk kedepannya,
kami akan membahas tentang algoritma Region Growing dengan lebih jelas.

2.2 Pengertian Citra
Citra atau image (Kulkarni, 2001) adalah representasi spasial dari suatu
objek yang sebenarnya dalam bidang dua dimensi yang biasanya ditulis
dalam koordinat cartesian x-y, dan setiap koordinat merepresentasikan satu
sinyal terkecil dari objek. Fungsi citra adalah model matematika yang sering
digunakan untuk menganalisis dimana semua fungsi analisis digunakan untuk
8

mempertimbangkan citra sebagai fungsi dengan 2 variabel.

Citra merupakan gambaran yang terekam oleh kamera atau oleh sensor.
Simonett and Joseph, 1983 mengutarakan pengertian tentang citra yaitu:
a) Gambaran obyek yang dibuahkan oleh pantulan atau pembiasan sinar yang
difokuskan oleh sebuah lensa atau sebuah cermin.
b) Gambaran rekaman suatu obyek (biasanya berupa gambaran pada foto) yang
dibuat dengan cara optik, elektro-optik, optik mekanik atau elektronik. Pada
umumnya gambar digunakan bila radiasi elektromagnetik yang dipancarkan
atau dipantulkan dari suatu obyek tidak langsung direkam pada film.
Sedangkan penginderaan jauh ialah ilmu dan seni untuk memperoleh
informasi tentang obyek, daerah, atau gejala dengan jalan menganalisis data yang
diperoleh dengan menggunakan alat tanpa kontak langsung terhadap obyek,
daerah, atau gejala yang dikaji (Lillesand and Kiefer, 2004).
Alat yang dimaksud di dalam batasan ini ialah alat pengindera atau sensor.
Pada umumnya sensor dipasang pada wahana (platform) yang berupa pesawat
terbang, satelit. pesawat ulang-alik, atau wahana lainnya. Obyek yang diindera
atau yang ingin diketahui berupa obyek di permukaan bumi, di dirgantara, atau di
antariksa. Penginderaannya dilakukan dari jarak jauh sehingga ia disebut
penginderaan jauh.
Penginderaan jauh juga merupakan berbagai teknik yang dikembangkan
untuk perolehan dan analisis informasi tentang bumi. Informasi tersebut khusus
berbentuk radiasi elektromagnetik yang dipantulkan atau dipancarkan dari
permukaan bumi (Lindgren, 1985).

2.2.1

Elemen Ci
Menu
a. Kecera
Kecera
citra
citra ak

Gamba
b. Kontra
Kontra
citra d
memil
Dan se
citra d
G
itra
urut Burger
ahan (Bright
ahan pada
tersebut. S
kan semakin
ar 2.1 Eleme
as (Contrast)
as ialah seb
dikatakan m
liki komposi
ebaliknya, ji
dikatakan me
Gambar 2.2 E
et al ( 2008)
tness)
citra ialah
Semakin tin
n tampak put
en citra untu
)
aran terang
memiliki ko
isi sebagian
ika komposi
emiliki kontr
Elemen citra
), elemen c
intensitas c
nggi intensit
tih.
uk kecerahan
dan gelap d
ntras yang
besar teran
isi sebagai k
ras yang ting
a untuk kontr
citra adalah s
cahaya yan
tas cahaya p
n (brightness
dalam sebua
rendah jik
g atau sebag
kecil terang
ggi.
ras (contrast
sebagai berik
ng terdapat
pada citra, m
s)
ah citra. Se
ka citra ter
gian besar g
atau gelap m
t)
9
kut :
pada
maka
ebuah
rsebut
gelap.
maka

c. Warna
Persep
yang
terting
terend


Gam
d. Bentuk
Pada
sebena
dari c
segme
e. Tekstu
Distrib
yang b
per pi
satuan
a (Color)
psi yang dira
dipantulkan
ggi adalah
ah ialah ung
mbar 2.3 Ele
k (Shape)
citra yang
arnya objekn
citra yang d
ntasi citra.
ur (Texture)
busi spasial
bertetangga.
iksel, namun
n.
asakan mata
n objek.
merah dan
gu (violet).
emen citra u
dilihat de
nya berupa
ditangkap si
dari deraja
Sistem vis
n yang diter
a terhadap p
Warna de
n warna d
untuk warna
engan mata
3D. Inform
istem visual
at keabuan
sual manusi
rima adalah
panjang gelo
engan panj
dengan panj
(color)
a adalah ci
masi bentuk
l atau yang
didalam sek
a tidak men
h sekumpula
ombang caha
ang gelom
jang gelom
itra 2D, na
objek dipe
g disebut de
kumpulan p
nerima infor
an piksel seb
10
aya
mbang
mbang
amun
eroleh
engan
piksel
rmasi
bagai

2.2.2



f. Resolu
Resolu
menya
(Sema
inci, co

Format Ci
Menu
perusahaan
atau grafik
Rincian y
informasi
ubah sesu
harus diku
a. GIF (G
Gambar 2
usi (Resoluti
usi menunju
atakan banya
akin kecil u
ontoh : 72dp
itra
urut Shapir
nperusahaan
k; perangkat
yang diberik
praktis untu
uai dengan
uasai.
Graphics Int
Format fil
2.4 Elemen
ion)
ukkan ting
ak piksel pe
ukuran, sem
pi (Semakin
ro et al, 2
n yang me
t lunak dok
kan selanju
uk mengatas
teknologi,
terchange Fo
le GIF ini
citra untuk
kat kerinci
er satuan pa
makin tingg
besar dpi, re
2001, beber
embuat perl
kumentasi u
utnya seharu
si citra kom
ada bebe
ormat)
dirilis tahu
tekstur
an suatu c
anjang, conto
i resolusi)
esolusi juga
rapa forma
lengkapan p
umum dan k
usnya mem
mputer. Wa
rapa konse
un 1987, d
citra dan d
oh: 120 x 1
atau piksel
semakin ting
at berasal
pengolahan
konversi ters
mberikan ba
alaupun beru
ep umum
digunakan u
11
dapat
00 m
l per
ggi).
dari
citra
sedia.
acaan
ubah-
yang
untuk
12

menyimpan dan mentransfer gambar dalam mode indeks warna

(tidak lebih dari 256). Pada tahun 1989 format telah diupdate. Nama
versi baru terlihat seperti gif89. Ini mendukung saluran tambahan
untuk melakukan efek transparansi dan untuk mengadakan satu set
gambar dalam sebuah file tunggal di mana kerangka menunjukkan
waktu dan animasi yang ditampilkan.
Saat ini format GIF ini adalah salah satu format grafis paling
populer. Meskipun tidak cocok untuk memegang gambar fotorealistik,
karena tidak dapat berisi lebih dari 256 warna. Hal ini sebagian besar
digunakan untuk menampilkan animasi dan gambar-gambar
tanpa campuran.
Format file gif ini telah mendapat serangkaian fitur algoritma
kompresi yang memungkinkan mengkompresi gambar dengan warna
horizontal yang berurutan. Itu berarti bahwa file, yang berisi bar
horizontal, akan mengambil tempat lebih sedikit daripada file yang
sama dengan bar vertikal.

b. TIFF (Tagged Image File Format)
Format ini dirilis pada tahun 1986 dan umumnya digunakan untuk
menahan putih dan hitam dari scan gambar (Tiff 3.0). Dirilis pada
tahun 1987, Tiff 4.0 mempunyai kemampuan untuk warna gambar
RGB. Format Tiff saat ini (Tiff 6.0) adalah format file yang kaya dan
fleksibel, didukung oleh banyak program. Format ini mampu merekam
13

gambar halftone dengan berbagai intensitas pixel. Jadi, itu dianggap

menjadi format yang sempurna untuk data grafis penyimpanan dan
pengolahan.

c. JPEG (Joint Photographic Experts Group)
Format Jpeg dirancang untuk mentransfer data grafis dan gambar
melalui jaringan telekomunikasi digital dan umumnya digunakan
untuk menyimpan dan mentransfer penuh warna
fotorealistik gambar. Sebelum Jpeg, ada format sangat sedikit, yang
mendukung 24 bit gambar. TIFF dan BMP format yang diizinkan
memegang 24 bit data, tetapi mereka gagal untuk melakukan kompresi
lossless data, yang berisi ribu warna dari dunia nyata, pada tingkat
kualitas tinggi. Algoritma kompresi adalah data yang dihapus untuk
dealokasi (memungkinkan untuk menaikkan derajat kompresi). Data
dipegang sebagai blok pixel dalam warna tertentu dengan informasi
intensitas yang disimpan (masalah ini adalah bahwa mata manusia
lebih baik dari perubahan warna).Foto dan multi-warna gambar,
ditransfer dalam format ini, yang ideal untuk jaringan telekomunikasi
digital. Hal ini tidak mungkin untuk memperbaiki gambar Jpeg,
meskipun mungkin untuk merendahkan kualitas gambar
mereka dengan mengurangi ukuran file.


14

d. Bitmap
Bitmap adalah format Windows Home, yang digunakan secara praktis
untuk semua kemungkinan penyimpanan data raster. Semua versi
BMP dirancang untuk komputer dengan prosesor Intel. Arus versi
format adalah perangkat independable (berarti Bitmap yang
menentukan warna piksel tanpa referensi ke layar perangkat) dan
memungkinkan untuk merekam gambar dari tingkat kualitas yang
berbeda (ke titik 32 bit). Setelah direvisi, format ini digunakan untuk
menahan warna dan gambar hitam dan putih, sehingga
menjadi umum. Keuntungan utama dari format dianggap kegunaan
dan dukungan perangkat lunak yang luas.

e. PNG (Portable Network Graphic)
Format file png adalah format progresif relatif baru yang awalnya
dirancang untuk menggantikan Gif. Format png telah mendapat satu
set fitur baru yang tidak ada di Gif. Format ini menangani tingkat
transparansi 256 (yang berarti bahwa gambar mungkin transparan
sebagian). Faktanya, bahwa format ini mendukung kedalaman warna
hingga 48 bit dan melakukan kompresi lossless, memungkinkan untuk
mengadakan gambar fotorealistik.



15

2.3 Pengertian Segmentasi Citra

Segmentasi citra adalah suatu proses membagi suatu citra menjadi wilayah-
wilayah yang homogen (Jain, 1989). Menurut Jain (1989), segmentasi citra dapat
dibagi dalam beberapa jenis, yaitu dividing image space dan clustering feature
space. Jenis yang pertama adalah teknik segmentasi dengan membagi image
manjadi beberapa bagian untuk mengetahui batasannya, sedangkan teknik yang
kedua dilakukan dengan cara memberi index warna pada tiap piksel yang
menunjukkan keanggotaan dalam suatu segmentasi. Teknik segmentasi citra,
menurut Jain(1989), dapat dilihat pada diagram berikut

Gambar 2.5 Teknik segmentasi citra
Adapun teknik segmentasi tersebut dapat dilakukan dengan beberapa
pendekatan sebagai berikut :
1) Pendekatan Edge-Based
Pendekatan ini melakukan proses deteksi sisi dengan operator gradient.
Masukannya berupa citra gray level dan keluarannya berupa citra edge (biner).
Selanjutnya dilakukan proses region growing dengan masukan citra asli (gray-
16

level) dan citra edge. Proses pembentukan suatu wilayah akan berhenti bila
menjumpai piksel edge. Kekurangan dari pendekatan ini adalah belum tentu
menghasilkan edge yang kontinu, mengakibatkan terjadinya kebocoran
wilayah (wilayah-wilayah yang tidak tertutup).
2) Pendekatan Region-Based
Pendekatan ini memerlukan criteria of uniformity, memerlukan penyebaran
seeds atau dapat juga dengan pendekatan scan line, kemudian dilakukan
proses region growing. Kekurangan dari pendekatan ini adalah belum tentu
menghasilkan wilayah-wilayah yang bersambungan.
3) Pendekatan Hybrid
Pendekatan ini melakukan proses deteksi sisi untuk menhasilkan citra sisi
(piksel edge dan piksel non-edge), melakukan pemisahan wilayah dengan
metode connected region. (Connected regions adalah set piksel 4-tetangga
yang bukan piksel edge), dan selanjutnya dilakukan proses merging regions.
Pendekatan ini bertujuan untuk mendapatkan hasil segmentasi dengan
wilayah-wilayah yang tertutup dan bersambungan.

2.4 Pengertian Multi Resolusi
Di dalam penginderaan jauh ada 4 istilah resolusi yakni:
1) Resolusi Spasial
Resolusi spasial adalah ukuran terkecil obyek yang dapat direkam oleh suatu
sistem sensor. Dengan kata lain maka resolusi spasial mencerminkan
17

kerincian informasi yang dapat disajikan oleh suatu sistem sensor. Ada dua
cara menyatakan resolusi spasial, yakni:
a) Resolusi citra.
Resolusi Citra (image resolution) dapat diartikan sebagai kualitas lensa
yang dinyatakan dengan jumlah maksimum garis pada tiap milimeter
yang masih dapat dipisahkan pada citra. Misal tiap garis tebalnya 0,01
mm. Ruang pemisah antara tiap garis juga sebesar 0,01 mm. Berarti tiap
garis menempati ruang selebar 0,02 mm atau pada tiap mm ada 50
garis. Dalam contoh ini berarti resolusi citranya sebesar 50
garis/mm. Secara teoritik maka resolusi citra yang terbaik 1.430 garis/mm.
b) Resolusi medan.
Resolusi Medan (ground resolution) ialah ukuran terkecil obyek di
medan yang dapat direkam pada data digital maupun pada citra. Pada
data digital resolusi medan dinyatakan dengan piksel. Semakin kecil
ukuran terkecil yang dapat direkam oleh suatu sistem sensor, berarti
sensor itu semakin baik karena dapat menyajikan data dan informasi yang
semakin rinci.
Resolusi spasial yang baik dikatakan resolusi tinggi atau halus, sedang yang
kurang baik berupa resolusi kasar atau rendah. Disamping itu dinyatakan
dengan ukuran dalam meter di lap atau dalam meter per piksel pada citra
(Rm/piksel), resolusi medan juga dapat dinyatakan dengan ukuran dalam
meter di lap yang dapat digambarkan oleh sepasang garis pada citra atau
Rm/Lp (meter per line pairs).
18

Resolusi Spasial dipengaruhi:

a) Skala; semakin besar skala semakin baik resolusinya.
b) Panjang gelombang tenaga elektromagnetik yang digunakan.

2) Resolusi spectral
Resolusi spektral menunjukkan kerincian yang digunakan dalam perekaman
obyek.Contoh resolusi spektral SPOT-XS lebih rinci daripada SPOT-
P. Keunggulan citra multispektral ialah meningkatkan kemampuan mengenali
obyek karena perbedaan nilai spektralnya sering lebih mudah dilakukan pada
saluran sempit. Tiga data multi spektral hitam putih dapat dihasilkan citra
berwarna. Apabila data multispektral itu tersedia dalam digital akan dapat
diolah dengan bantuan komputer. Kelemahannya ialah bahwa resolusi
spasialnya menjadi lebih rendah. Artinya antara resolusi spasial dan resolusi
spektral terjadi hubungan berkebalikan.

3) Resolusi Temporal
Resolusi temporal adalah frekuensi perekaman ulang atas daerah yang
sama. Sebagai contoh resolusi temporal ini:
a) Landsat generasi 1 : 18 hari
b) Landsat generasi 2 : 16 hari
c) SPOT : 26 hari atau 6-7 kali/bulan karena sensor dapat ditengokkan arah
perekamannya
d) Satca NOAA : 12 jam
19

4) Resolusi Radiometrik
Resolusi radiometrik memiliki arti sebagai kepekaan sensor terhadap
perbedaan terkecil kekuatan sinyal. Dengan sensor termal misalnya, kalau
sensor 1 mampu merekam beda suhu terkecil 0,2 C dan sensor 2 mampu
merekam beda suhu terkecil 0,5 C; berarti resolusi radiometrik sensor 1 lebih
baik dari pada sensor 2.

Dari keempat jenis resolusi ini maka resolusi spasial merupakan resolusi yang
terpenting. Kalau orang menyebut resolusi tanpa diikuti keterangan apapun, maka
yang dimaksud adalah resolusi spasial.
Resolusi spasial berbanding terbalik dengan resolusi spectral dan resolusi
temporal sedangkan berbanding lurus dengan resolusi radiometrik. Hubungan
antara resolusi spasial dengan resolusi temporal menimbulkan pilihan yang tidak
mudah antara keduanya. Sulit untuk memilih antara foto udara (rinci) atau citra
satelit yang frekuensi perekaman ulangnya lebih sering. Kerincian penting untuk
studi kekotaan misalnya dan resolusi temporal yang tinggi penting untuk
memantau perubahan cepat seperti pemekaran kota, pengurangan luas hutan, dsb.

2.5 Resolusi Spasial
Resolusi spasial adalah ukuran terkecil obyek yang dapat direkam oleh suatu
sistem sensor. Dengan kata lain maka resolusi spasial mencerminkan kerincian
informasi yang dapat disajikan oleh suatu sistem sensor.
20

Resolusi spasial merupakan luas suatu objek di bumi yang diukur dalam
satuan piksel pada citra satelit. Apabila suatu objek dilakukan pengambilan
gambar yang mempunyai ukuran luas aslinya 30 m x 30 m ditampilkan pada citra
satelit dengan ukuran 1 piksel maka citra satelit tersebut mempunyai resolusi
spasial 30 m. Dengan kata lain apabila citra mempunyai resolusi spasial 30 m,
maka 1 piksel pada citra satelit mewakili luasan aslinya berukuran 30 m x 30 m.
Jadi semakin kecil ukuran asli suatu objek tersebut dalam 1 piksel pada citra satelit
maka semakin jelas dan detail tampilan objek tersebut pada citra satelit.
Berikut jenis-jenis dari resolusi spasial menurut Satellite Imaging
Corporation, yaitu :
1) High spatial resolution
Resolusi spasial ini biasa disebut juga dengan citra resolusi besar, dengan
jarak 0.6 m sampai dengan 4 m. Dengan jarak demikian, maka hasil citra yang
didapat akan lebih jelas. Contoh dari citra resolusi besar ini, antara lain
GeoEye, WorldView-1, WorldView-2, Aerial Photograph, Quickbird,
IKONOS, FORMOSAT-2, ALOS, SPOT-5.

2) Medium spatial resolution
Resolusi spasial ini biasa dikenal sebagai citra resolusi sedang, dimana
jaraknya antara 4 m sampai dengan 30 m. ASTER, LANDSAT-7, CBERS-2
merupakan contoh dari citra resolusi sedang ini.


21

3) Low spatial resolution

Resolusi spasial ini dikenal dengan citra resolusi kecil. Dikatakan citra
resolusi kecil karena resolusinya berjarak 30 m sampai dengan kurang dari
1000 m, sehingga menghasilkan citra dengan resolusi yang kecil.

2.5.1 QuickBird
Menurut DigitalGlobe, satelit quickBird adalah satelit resolusi
tinggi yang dimiliki dan dioperasikan oleh DigitalGlobe. QuickBird
mengumpulkan data detail gambar untuk 0.61 m tingkat resolusi
piksel. Dengan resolusi setinggi ini, sebuah lokasi permukiman dapat
diidentifikasi per individu bangunan, sebuah jaringan jalan dapat
didentifikasi sebagai poligon dua sisi, dan yang tidak kalah pentingnya
adalah pemesanan data sangat mudah dilakukan, tidak serumit pembuatan
foto udara yang mengharuskan adanya security clearance (ijin dari pihak
keamanan), ijin jalur terbang, sewa hanggar, sewa pesawat dll.
Berikut bidang-bidang yang memanfaatkan satelit quickbird :
a) Pertanian.
Resolusi 61 cm sangat ideal untuk melakukan observasi pada lahan
yang luas, petak tanaman hingga per individu tanaman. Melakukan
identifikasi jenis tanaman dan kondisi tanah, potensi panen,
efektifitas pengairan, kesuburan tanaman, kandungan air. Secara
urutan waktu, quickbird dapat digunakan untuk memantau
pertumbuhan tanaman, banyaknya tanah yang hilang, laju
22

penanaman, pemilihan tananaman yang siap panen, tingkat

kerusakan tanaman akibat hama dan penyakit dll.
b) Pertambangan.
Satelit ini biasa digunakan untuk memetakan kondisi penutupan
lahan pertambangan yang akan dibuka. Dengan dibuatnya peta
penutupan lahan yang paling mutakhir dapat disusun suatu
perencanaan pembuatan jaringan jalan, pemasangan jaringan pipa,
site plan, mengidentifikasi peruntukan lahan di sekitar areal konsesi,
dll. Jika data peta ini dianalisis menggunakan Sistem Informasi
Geografis, maka dengan mudah dapat dihitung berapa luas dari
masing-masing kelas penutupan lahan, berapa biaya yang harus
dikeluarkan seandainya dilakukan pembebasan lahan, berapa
panjang pipa yang dibutuhkan, dll.
c) Kehutanan.
Resolusi yang tinggi memungkinkan pengusaha perhutanan
melakukan inventarisasi luas lahan, menghitung potensi kubik kayu,
menentukan jalur transportasi kayu, mengidentifikasi batas-batas
kawasan, mengevaluasi laju kerusakan areal. Untuk perusahaan
tertentu, hasil dari data quickbird sangat ideal digunakan untuk
melakukan kompartemenisasi, yakni membagi areal usaha kedalam
blok, petak dan anak petak, memetakan lokasi cekungan air sebagai
cadangan mengendalikan bahaya kebakaran, menentukan lokasi
perkemahan, lokasi menara pengawas api, lokasi persemaian, dll.
23

Secara berkala, quickbird dapat digunakan untuk memantau

pertumbuhan tanaman, banyaknya tanah yang hilang, laju
penanaman, pemilihan tananaman yang siap panen, tingkat
kerusakan tanaman akibat hama dan penyakit, menghitung
kehilangan tanaman akibat kebakaran hutan, dll.
d) Perencanaan Wilayah dan Perkotaan.
Sejak kemunculan quickbird yang pertama kali di Indonesia, satelit
ini langsung mendapat respon positif dari berbagai institusi
pemerintah. Didorong pula oleh pemberian otonomi yang lebih luas
kepada PEMDA. Quickbird telah dimanfaatkan untuk menyusun
peta penggunaan lahan yang paling up to date. Beberapa wilayah
yang telah dipetakan menggunakan jasa satelit ini diantaranya, DKI
Jakarta, Surabaya, Sidoharjo, Bandung kawasan Bopunjur (Bogor,
Puncak, Cianjur), Yogyakarta, Bontang, dll. Institusi yang paling
sering memanfaatkan data dari quickbird ini diantaranya Badan
Pertanahan Nasional, Bappedda Provinsi maupun Bappedda
Kabupaten/Kota, Dinas Tata Kota, Dinas Kehutanan, Dinas
Kimpraswil, Dinas Pajak, lembaga pendidikan dll. Kajian yang
dapat dilakukan menggunakan quickbird diantaranya, perencanaan
tata ruang, identifikasi kawasan kumuh, pembuatan site plan,
identifikasi wajib pajak, inventarisasi pelanggan (telepon, air bersih,
listrik, gas), monitoring perubahan penggunaan lahan, identifikasi
kawasan banjir, dll.
24

2.5.2 Foto Udara

Citra foto udara adalah gambar yang dicetak dari hasil pemotretan
dengan kamera dengan perekaman secara fotografi dari atas udara (Kiefer,
et al, 1993). Biasanya, citra foto ini didapat dengan sebuah alat
transportasi seperti balon udara, gantole, pesawat tanpa awak, dll.
Terdapat beberapa jenis pemotretan, yaitu:
1) Pemotretan secara tegak(vertical)
Pemotretan secara tegak ini dapat dikatakan dengan posisi kamera
persis dibawah alat transportasi(misal pesawat) yang terbang secara
tegak lurus dengan permukaan bumi.
2) Pemotretan secara condong(oblique)
Pemotretan secara condong dilakukan dengan posisi antara pesawat
dengan permukaan bumi memiliki sudut yang agak miring(kurang
dari 45 derajat). Bedanya dengan pemotretan secara sangat condong
ialah, pada teknik oblique ini, batas cakrawala atau horizon tidak
terlihat.
Ketinggian pesawat udara terhadap permukaan bumi pun
berpengaruh terhadap skala foto udara yang dihasilkan. Semakin tinggi
pesawat maka hasilnya gambar akan semakin kecil tapi memiliki cakupan
yang luas dan jika terlalu rendah, cakupannya semakin kecil walaupun
detil gambarnya lebih jelas. Jadi untuk mengambil hasil yang maksimal
diperlukan ketinggian tertentu yang tidak terlalu tinggi dan tidak terlalu
rendah agar cakupannya luas dan detil obyeknya pun terlihat.
25

2.6 Tutupan Lahan

Tutupan lahan atau bisa disebut dengan Land Cover ialah materi fisik yang
ada di permukaan bumi, tutupan lahan termasuk rumput, aspal, pohon, tanah,
gunung, pemukiman penduduk, air, dan lain-lain. Pengetahuan tentang tutupan
lahan sangat penting untuk banyak perencanaan dan manajemen lahan seta
esensial untuk pemodelan dan pemahaman tentang bumi sebagai suatu
sistem(Kiefer, et al, 1993). Unites State Geological Survey (USGS) mendesain
penggunaan lahan (land use) dan sistem klasifikasi tutupan lahan (land cover)
untuk digunakan pada penginderaan jauh pada pertengahan tahun 1970
an(Anderson et al., 1976).
Ada 2 metode utama untuk mendapatkan informasi mengenai tutupan lahan,
yaitu dengan studi lapangan atau dengan penginderaan jauh. Tutupan lahan (land
cover) berbeda dengan penggunaan lahan (land use) walau mereka sering
disalahartikan. Penggunaan lahan lebih memfokuskan pada bagaimana orang
mengatur lahan untuk kegiatan sosial ekonomi, migrasi, dan agrikultur. Sedangkan
tutupan lahan lebih mengarah kepada penampakan lahan secara alamiah tanpa
diatur manusia seperti hutan, laut, danau. Pemetaan penggunaan lahan dan tutupan
lahan sebaiknya dipisah menurut sistem USGS, tapi, biasanya akan lebih efisisen
jika kita menggabungkan keduanya. Jadi, informasi dari tutupan lahan itu dapat
digunakan oleh penggunaan lahan, misalnya untuk mendeteksi kegiatan manusia
di lingkungan tersebut.
Sistem klasifikasi tutupan lahan dan penggunaan lahan USGS memiliki
kriteria yang harus dipenuhi seperti: (1) akurasi interpretasi penginderaan jauh
26

level minimum setidaknya 85%, (2) akurasi interpretasi untuk beberapa kategori
setidaknya sama, (3) hasil yang berulang harus didapat oleh banyak interpreter dan
dari penginderaan jauh yang berbeda-beda pula, (4) sistem klasifikasi dapat di
aplikasikan pada area yang ekstensif, (5) pengkategorisasian memperbolehkan
penggunaan lahan disimpulkan dari jenis tutupan lahan, (6) sistem klasifikasi
harus cocok pada penginderaan jauh dan juga dapat dipakai untuk tahun
mendatang, (7) kategori harus dapat dibagi lagi menjadi sub kategori yang lebih
detail yang didapat dari gambar skala besar atau survey lahan, (8) pengagregasian
kateogri dimungkinkan (9) perbandingan antara penggunaan lahan dan tutupan
lahan antara yang sekarang dan yang akan datang dimungkinkan, (10)
penggunaan-penggunaan dari lahan harus bisa di ketahui jika memungkinkan.
USGS membagi tutupan lahan dan penggunaan lahan menjadi IV level
dimana level I merepresentasikan data yang diambil dari satelit dengan resolusi
rendah sampai menengah (Landsat MSS data; resolusi 20-100m ), level II dengan
foto udara skala kecil dengan resolusi menengah (Landsat TM data; resolusi 5-20
m), level III dengan foto udara skala medium; satelit dengan resolusi tinggi
(IKONOS; resolusi 1-5m) dan level IV merupakan foto udara dengan skala besar
(resolusi 0,25-1 m).
Berikut akan dijelaskan klasifikasi umum USGS dari Level I Level III,
diambil contoh perkotaan (urban) atau daerah terbangun (built-up area) (level I)
dan dibagi-bagi menjadi beberapa kategori pada level II-nya yaitu tempat tinggal,
komersial dan layanan; industri; trasnportasi, komunikasi, dan keperluan lain;
komplek industri dan komersial; gabungan perkotaan atau bangunan; perkotaan
27

lain atau lahan buatan. Dari level II tempat tinggal, dapat dibagi-bagi lagi menjadi
yang lebih kecil pada level III seperti 1 keluarga, lebih dari 1 keluarga, kelompok,
hotel, parkir mobil, penginapan sementara, dan masih banyak lagi.

Berikut sistem Klasifikasi USGS level I dan Level II
Level I Level II
1 Urban or built-up land 1 1 Residential
1 2 commercial and service
1 3 Industrial
1 4 transportation, communication, and utilities
1 5 Industrial and commercial complexes
1 6 Mixed urban or built-up land
1 7 Other urban or built-up land
2 Agricultural land 2 1 Cropland and pasture
2 2 Orchards, groves, vineyards, nurseries and
ornamental horticultural areas
2 3 Confined feeding operation
2 4 Other agricultural land
3 Range land 3 1 Herbaceous rangeland
3 2 Shrub and brush rangeland
3 3 Mixed rangeland
4 Forest Land 4 1 Deciduous forest land
4 2 Evergreen forest land
4 3 Mixed forest land
5 water 5 1 Streams and canals
5 2 Lakes
5 3 reservoirs
5 4 Bays and estuaries
6 wetland 6 1 Forested wetland
6 2 Nonforested Wetland
7 Barren Land 7 1 Dry salt flats
7 2 Beaches
7 3 Sandy areas other than beaches
7 4 Bare Exposed Rock
7 5 Strip mines, quarries, and gravel pits
7 6 transitional areas
28

8 Tundra 8 1 Shrub and brush tundra

8 2 Herbaceous Tundra
8 3 Bare ground tundra
8 4 wet tundra
9 Parennial snow or ice 9 1 Parennial snowfileds
9 2 glaciers
Tabel 2.1 Sistem Klasifikasi USGS level I dan Level II

Selain itu juga dijelaskan mengenai daerah terbangun (built-up land) untuk setiap
level dari level I, level II dan level III dan dapat dilihat secara lebih rinci pada bagan
berikut.

Gambar 2.6 Level I, Level II dan Level III pada perkotaan atau daerah terbangun


29

2.7 Algoritma Region Growing

Algoritma berbasis region adalah algoritma segmentasi yang akan digunakan
dalam penelitian ini untuk mensegmentasi tutupan lahan. Dari namanya, kita dapat
menyimpulkan bahwa region growing adalah prosedur pengelompokan piksel atau
sub region menjadi region yang lebih besar berdasar kriteria yang ada (Gonzales
and Wintz, 1987). Pemilihan satu starting point atau lebih berdasar pada
masalahnya. Jika informasinya kurang lengkap, maka prosedurnya adalah dengan
mengkomputasi semua piksel dengan properti yang sama untuk membuatnya
menjadi region selama proses growing, jika hasilnya menunjukkan nilai kluster,
maka piksel di mana propertinya mendekati kluster tersebut akan menjadi seed.
Algoritma ini umum digunakan untuk segmentasi obyek pada berbagai
karakteristik citra multi resolusi dan multi spektral yang dipengaruhi oleh
beberapa faktor seperti image layer weight, scale parameter, shape and color dan
smoothness and compactness.
Parameter image layer weight dapat diketahui dari masing-masing layer
pada citra yang akan diteliti sedangkan scale parameter diperoleh dari nilai
keragaman maksimum yang dimungkinkan dari suatu obyek pada citra.
Shape and color merupakan parameter tambahan yang dapat mempengaruhi
penggabungan piksel kedalam group. Bentuk (shape) suatu obyek pada citra
dipengaruhi oleh smoothness (kehalusan) dan compactness (kekompakan) dari
obyek tersebut. Smoothness adalah hubungan antara panjang batas suatu obyek (l)
dengan perimeter dari bounding box suatu obyek. Sedangkan kekompakan adalah
30

hubungan antar panjang batas suatu obyek (l) dengan akar dari jumlah piksel (n)
yang menyusun obyek tersebut.
Metode region growing pertama ialah seeded region growing yang
mengambil seed sebagai input bersama dengan image. Seed ini menandai setiap
obyek yang akan di segmentasi. Region atau wilayahnya secara berulang-ulang
dikembangkan dengan membandingkan semua piksel berikutnya yang tidak
dialokasikan ke dalam region dan perbedaan antara nilai intensitas piksel dan nilai
rata-rata dari region digunakan untuk mengukur kesamaan. Piksel yang memiliki
perbedaan paling kecil setelah diukur dialokasikan ke respective region dan diulang
sampai semua piksel telah teralokasikan ke region. Seeded region growing ini
membutuhkan seed sebagai input tambahan, hasil segmentasinya dependan
tergantung dari pilihan seednya.
Noise dalam image dapat menyebabkan seed diletakkan ditempat yang
kurang baik. Unseeded region growing memiliki algoritma yang telah dimodifikasi
sehingga tidak membutuhkan explicit seeds. Semua di mulai dari single region (tidak
akan berpengaruh pada hasil segmentasi) dan setiap perulangan itu dianggap sebagai
piksel berikutnya seperti dalam algoritma region growing. Jika perbedaannya lebih
kecil dari threshold maka akan ditambah dalam respective region, jika tidak, maka
piksel itu akan dianggap sangat berbeda dan akan dibuat region baru dengan piksel
ini.
Satu varian dari teknik ini berdasar pada intensitas piksel. Rata-rata dan
sebaran region serta intensitas kandidat piksel digunakan untuk mengkomputasi
31

sebuah test statistic, jika hasilnya cukup kecil, maka piksel itu akan di tambahkan ke
dalam region dan rata-rata serta sebaran dari region itu akan dikomputasi ulang. Jika
tidak, maka akan dibuat region baru. Secara keseluruhan, proses region growing
yang kami lakukan dalam skripsi ini dapat digambarkan dengan activity diagram
berikut ini

Gambar 2.7 Proses segmentasi citra spasial multi resolusi dengan region growing