IDENTIFIKASI TUTUPAN LAHAN MENGGUNAKAN CITRA SATELIT SPOT 7

DENGAN METODE OBIA (OBJECT BASED IMAGE ANALYSIS)

(Studi Kasus : Kabupaten Garut, Provinsi Jawa Barat)

Remilla Sapta1, Rika Hernawati1

1
Jurusan Teknik Geodesi, Fakultas Teknik Sipil dan Perencanaan, Institut Teknologi Nasional, No. 23,
Jalan Penghulu Kyai Haji Mustopha, Bandung, Indonesia
Email: reminada@gmail.com

KATA KUNCI : Tutupan Lahan, Segmentasi, SPOT 7, OBIA

ABSTRAK: Garut merupakan salah satu kota priangan timur di Provinsi Jawa Barat dengan luas 306.519 Ha
(3.065.19 km²), terdiri dari 42 (Empat Puluh Dua) kecamatan yang masih didominasi oleh kegiatan pertanian, baik
pertanian lahan basah maupun lahan kering serta perkebunan dan kegiatan kehutanan. Areal tutupan lahan di
kabupaten garut masih sangat banyak dan luas, salah satu teknologi untuk melakukan proses analisis, identifikasi
dan klasfikasi yaitu dengan menggunakan penginderaan jauh serta data citra yang dapat digunakan untuk
menganalisis tutupan lahan yaitu dengan menggunakan Citra Satelit SPOT 7 yang memiliki resolusi mencapai 1,5
m cukup untuk menganalisis dan mengidentifikasi tutupan lahan. Penelitian ini bertujuan untuk mengidentifikasi
tutupan lahan di Kabupaten Garut dengan menggunakan teknik klasifikasi OBIA (Object Based Image Analysis)
yaitu proses klasifikasi tidak hanya mempertimbangkan nilai spektral saja, tetapi mempertimbangkan juga aspek
spasial objeknya. Teknik Klasifikasi OBIA ini dilakukan dengan dua tahap, yaitu segmentasi citra dan klasifikasi
citra. proses segmentasi dalam OBIA ini untuk mengklasifikasikan nilai-nilai pixel ke dalam satu poligon
berdasarkan warna informasi spasial. parameter yang digunakan pada klasifikasi OBIA ini yaitu nilai skala, nilai
shape dan nilai compactness. proses klasifikasi OBIA yaitu suatu proses pengelompokan seluruh pixel pada suatu
citra kedalam dalam kelompok sehingga dapat diinterpretasikan sebagai suatu properti yang spesifik. setelah proses
dilakukan proses Klasifikasi OBIA pada data Citra Satelit SPOT 7 di Kabupaten Garut, diperoleh 15 (lima belas)
kelas yaitu awan, bangunan industri, gumuk pasir, hutan, jalan, jalan kereta api, ladang, lahan kosong, pantai,
perkebunan, permukiman, sawah, tambak, dan tanaman campuran. Pada hasil klasifikasi tutupan lahan ini diperoleh
hasil akurasi yang baik yaitu dengan overall accuracy sebesar 87% dan Koefisien kappa yang diperoleh pada hasil
klasifikasi tutupan lahan ini sebesar 0,85.

1. PENDAHULUAN

Tutupan lahan yaitu kenampakan alam yang ada di muka bumi yang menggambarkan keterkaitan antara proses
alami dan proses sosial serta menyediakan informasi yang sangat penting untuk keperluan tertemtu untuk
memahami fenomena alam yang terjadi di permukaan bumi. Informasi tutupan lahan ini menjadi informasi dasar
yang dapat dijadikan sebagai penentu dalam memahami dan mempelajari perubahan-perubahan alam yang ada di
permukaan bumi (Sampurno dan Thoriq, 2016). Kabupaten Garut merupakan salah satu kota priangan timur di
Provinsi Jawa Barat yang memiliki luas daerah sebesar 306.519 Ha (3.065,19 km²) terdiri dari 42 kecamatan serta
masih didominasi oleh kegiatan pertanian, baik pertanian lahan basah maupun kering serta kegiatan perkebunan dan
kehutanan, serta merupakan potensi sumber daya alam bagi pemasukkan Kabupaten Garut (Pemerintah Kabupaten
Garut, 2018). Adapun potensi sumber daya alam yang menjadi andalan daerah Garut yaitu daerah Garut Selatan
yang memiliki sektor pertanian dan perkebunan, sektor perikanan dan kelautan, sektor pariwisata serta sektor
pertambangan yang menjadi penyumbang terbesar bagi pendapatan daerah Kabupaten Garut, namun daerah Garut
Utara pun memiliki sektor pertanian dan perkebunan, sektor perikanan, sektor pariwisata namun tdiak sebesar
sektor Garut Selatan, akan tetapi pembangunan di daerah Garut Selatan belum maksimal justru pembangunan
banyak dilakukan di daerah Garut Utara yang notabene merupakan pusat kota Kabupaten Garut. Perkembangan
teknologi satelit penginderaan jauh ini semakin meningkat seiring dengan kemajuan teknologi yang semakin maju,
Ada beberapa teknik dalam pengolahan atau menganalisis informasi tutupan lahan, salah satunya dengan teknik
penginderaan jauh yang dinilai cukup efektif dalam proses pemantauan, analisis maupun identifikasi pada tutupan
lahan. salah satu data citra satelit SPOT 7 yang memiliki resolusi mencapai 1,5 m cukup untuk menganalisis dan
mengidentifikasi tutupan lahan. Bagaimana teknik klasifikasi OBIA dapat mengidentifikasi tutupan lahan
menggunakan Citra SPOT 7 di Kabupaten Garut tahun 2015 dengan mencari parameter-parameter segmentasi yang
terbaik dan Berapa kelas yang diperoleh dengan mengidentifikasi tutupan lahan menggunakan Citra SPOT 7 di
Kabupaten Garut tahun 2015 menggunakan klasifikasi OBIA. Penelitian ini bertujuan untuk mengidentifikasi
tutupan lahan di Kabupaten Garut dengan menggunakan teknik klasifikasi OBIA dan berapa kelas yang diperoleh
dengan mengidentifikasi tutupan lahan menggunakan metode klasifikasi OBIA serta untuk mengetahui proses
ekstraksi informasi dari klasifikasi OBIA, besar akurasi dan deteksi tutupan lahan. Klasifikasi OBIA ini dilakukan
melalui dua tahapan utama yaitu segmentasi dan klasifikasi.

2. METODE

2.1 Lokasi Penelitian

Secara Geografis Kabupaten Garut terletak di Provinsi Jawa Barat bagian Selatan pada koordinat 6º 56’ 49” – 7º
45’ 00” Lintang Selatan dan 107º 25’ 8” – 108º 7’ 30” Bujur Timur dapat dilihat pada Gambar 1 dengan batas utara
Kabupaten Bandung dan Kabupaten Sumedang, batas timur Kabupaten Tasikmalaya, batas selatan Samudra Hindia,
serta batas barat Kabupaten Bandung dan Kabupaten Cianjur.

Gambar 1 Lokasi Penelitian

2.2 Data dan perangkat lunak yang digunakan

Data yang digunakan pada penelitian ini yaitu menggunakan Citra Satelit SPOT 7 Kabupaten Garut Tahun 2015
multispektral dengan resolusi spasial 6 meter dan pankromatik resolusi 1,5 meter, data batas administrasi kabupaten
garut tahun 2011. Data semua diperoleh dari Instansi Pemerintah BAPPEDA (Badan Perencanaan Pembangunan
Daerah) Kabupaten Garut. Perangkat lunak pendukung dalam penelitian ini yaitu menggunakan Google Earth
digunakan untuk proses memilah scene citra satelit yang akan digunakan dan uji akurasi dengan interpretasi citra.
ArcGIS 10.1 digunakan untuk melakukan pratinjau citra satelit yang digunakan, untuk proses perhitungan luas hasil
klasifikasi OBIA serta untuk proses kartografi. ENVI 4.5 digunakan untuk melakukan proses fusi citra dengan
menggunakan Gram Schimdt Spectral Sharpening, lalu digunakan untuk koreksi geomterik menggunakan metode
Image to image, dan digunakan untuk proses Cropping Area. ENVI 5.1 digunakan untuk melakukan proses mosaik
citra atau penggabungan semua citra yang sudah dipilih disamakan semua warnanya, dan digunakan untuk proses
koreksi radiometrik menggunakan metode Apply Gain and Offset Radiometric Correction. eCognition Developer
64 digunakan untuk melakukan proses OBIA (Object Based Image Analysis) mulai dari segmentasi sampai dengan
klasifikasi.
2.3 Pengolahan

Secara garis besar pengolahan penelitian ini dibagi menjadi 2 tahapan yaitu tahapan preprocessing data yang terdiri
dari pemilihan citra, fusi citra, mosaik data, koreksi geometrik, koreksi radiometrik, dan cropping citra berdasarkan
AOI (Area Of Interest). processing data terdiri dari proses segmentasi citra, klasfikasi citra dan uji akurasi seperti
pada gambar 2 merupakan diagram alir dari penelitian.

Gambar 2 Diagram Alir Penelitian

a. Preprocessing

Tahapan awal preprocessing data ini yaitu pemilihan scene citra dari data bulan yang berbeda karena dalam data
satu bulan tersebut Citra Satelit SPOT 7 tidak merekam area Kabupaten Garut secara penuh, dari satu bulan tersebut
hanya merekam area sebagian garut. Proses pemilihan scene untuk meminimalisir citra yang digunakan tidak
banyak awan agar mudah pada saat proses identifikasi tutupan lahan. setelah itu di gabungkan dan dioverlaykan
dengan batas administrasi garut.
Data Citra SPOT 7 yang digunakan yaitu pada bulan maret, juni dan juli. Setelah dilakukan pemilihan scene
langkah selanjutnya fusi citra dari tiap scene dengan metode Gram Schimdt Spectral Sharpening yaitu penajaman
citra dan meningkatkan ketelitian registrasi citra dengan mempertajam data multispektral resolusi spasial rendah
dengan menggunakan data citra resolusi spasial tinggi. Bila kedua set data tersebut bergeoreferenced, software akan
melakukan proses ko-registrasi tehadap citra-citra tersebut. Kanal-kanal spektral resolusi spasial rendah yang
digunakan untuk simulasi kanal pankromatik harus berada dalam kisaran kanal pankromatik resolusi spasial tinggi
atau kanal-kanal tersebut tidak dimasukkan dalam proses resampling, maka terlihat perbedaan hasil sebelum dan
sesudah dilakukan fusi citra (Sitanggang, 2008).
Setelah dilakukan proses fusi citra tahapan selanjutnya mosaic citra dari data yang sudah di fusi per scene dan pada
tahapan ini juga akan menyamakan warna setiap scene nya dengan satu scene yang menjadi referensi yang nantinya
ketika sudah digabungkan warna setiap scene akan sama dan menjadi satu data citra satelit.
Setelah dilakukan proses mosaik dilakukan proses koreksi geometrik proses perbaikan posisi citra atau proses
rektifikasi citra dengan tujuan meregistrasi (mencocokan) posisi citra agar bergeoreferencing, tahapan ini juga
menggunakan metode image to image dimana penyamaan posisi antara satu citra dengan citra lainnya dengan
mengabaikan sistem koordinat dari citra yang bersangkutan dan untuk memperoleh nilai RMS yang diharapkan dari
hasil koreksi geometrik ini (Kurniawan, 2013). Setelah dilakukan proses koreksi geometrik, dilakukan proses
koreksi radiometrik dengan metode Apply Gain and Offset untuk menghilangkan kesalahan yang disebabkan
adanya pengaruh atmosfer pada citra dan metode ini bertujuan menerapkan koreksi gain dan offset secara sederhana
kedalam satu set band. Pada metode ini akan dikalikan band yang dipilih dengan nilai gain yang sudah diinput dan
menambahkan nilai offset yang sudah tetapkan (Harris, 2018). Langkah terakhir pada preprocessing ini dilakukan
proses cropping area dengan meng-overlay-kan data batas administrasi agar citra tersebut mengikuti bentuk dari
batas adminitrasi tersebut dapat dilihat pada gambar 3 yang merupakan hasil dari koreksi geometrik, radiometrik,
dan cropping area.

Gambar 3 Hasil dari proses cropping citra

b. Processing

Pada tahapan processing data yaitu proses klasifikasi OBIA yang dilakukan dengan 3 tahapan yaitu segmentasi,
klasifikasi dan terakhir proses uji akrasi. Tahapan awal dilakukan porses segmentasi pada citra yang sudah
dilakukan preprocessing data, segementasi merupakan proses pengelompokan piksel yang memiliki kesamaan
tekstur, bertujuan untuk membuat setiap tesktur individual menjadi satu wilayah. Pada dasarnya proses segmentasi
dilakukan untuk membentuk objek-objek homogen berupa area yang dibentuk dari sekumpulan piksel yang
memiliki kesamaan atau kemiripan nilai spektral (Priatna, 2017). Pada citra SPOT 7, proses segmentasi
menggunakan parameter dengan nilai skala 50 sampai 100, karena cakupannya begitu besar angka tersebut sudah
menunjukan hasil segmentasi yang cukup baik serta dengan nilai shape yang digunakan 0.2 dan nilai compactness
0.7, nilai tersebut sudah cukup baik untuk proses segmentasi dan objek yang dihasilkan sudah cukup teliti dengan
resolusi spasial SPOT 7 1.5 meter dan objek yang tersegmentasi sudah sesuai. Lalu dilakukan training sample pada
hasil segmentasi tersebut sesuai kelas yang telah ditentukan, dapat dilihat pada gambar 4 dan tabel 1 yang
menunjukkan hasil segmentasi dan proses training sample pada hasil segmentasi.
 Gambar 4 Hasil dari segmentasi dari satu kecamatan

Tabel 1 Training sample tiap kelas

No Nama Kelas Tampilan Citra Training Sample
Tutupan Lahan
1 Awan

2 Bangunan
Industri

3 Gumuk Pasir

4 Hutan
5 Jalan Raya

6 Rel Kereta Api

7 Ladang

8 Lahan Kosong

9 Pantai

10 Perkebunan

11 Permukiman
12 Sawah

13 Tambak

14 Tanaman
Campuran

15 Sungai

Langkah selanjutnya dilakukan proses klasifikasi yaitu pengelompokan seluruh pixel pada suatu citra kedalam
dalam kelompok sehingga dapat diinterpretasikan sebagai suatu objek yang spesifik. Namun, pada klasifikasi
OBIA, proses klasifikasi tidak hanya mempertimbangkan dari nilai spektralnya tetapi juga pada objek spasial pada
citra (Wibowo dan Suharyadi, 2009), pada gambar 20 menunjukkan hasil dari proses segmentasi dan klasifikasi.

Gambar 6 Contoh hasil dari klasifikasi dalam satu kecamatan

Setelah dilakukan proses segmentasi dan klasikasi semua kecamatan di kabupaten garut, lalu dilakukan proses uji
akurasi terjun kelapangan melihat langsung obyek yang sudah dibuat kelas-kelasnya dan melihat juga pada citra
satelit yang sudah ada dan uji akurasi secara interpretasi visual. Dan dari hasil uji akurasi ini akan dihitung
menggunakan hitungan matriks kesalahan untuk melihat akurasi dari hasil klasifikasi keseluruhan (overall
accuracy), akurasi pembuat (procedur accuracy), akurasi pengguna (user accuracy) berikut indeks kappa.

3. HASIL

3.1 Hasil dan Pembahasan

Dari hasil proses klasifikasi berbasis obyek atau pengklasifikasian metode OBIA (Object Based Image Analysis) ini
diperoleh Peta Tutupan Lahan Kabupaten Garut dengan nilai skala segmentasi sebesar 50, nilai shape 0.2 dan nilai
compactness 0.7 sudah cukup baik atau akurat untuk Citra Satelit SPOT 7 dengan resolusi spasial 1.5 meter.
Gambar dibawah ini adalah hasil dari metode klasifikasi OBIA (Object Based Image Analysis) dengan kelas yang
mengacu pada aturan SNI BIG 7645 Tahun 2010 dengan diperoleh 15 (Lima Belas) kelas yaitu awan, bangunan
industri, gumuk pasir, hutan, jalan raya, rel kereta api, ladang, lahan kosong, pantai, perkebunan, permukiman,
sawah, tambak, tanaman campuran dan sungai.

Gambar 7 Peta Klasifikasi Tutupan Lahan Kabupaten Garut 2015

Dari hasil klasifikasi tersebut diperoleh luasan dari tiap kelas tersebut. Berikut tabel dibawah merupakan data
luasan hasil dari klasifikasi tutupan lahan kabupaten garut.

Tabel 2 Luas Tutupan Lahan

Data Luas Tutupan Lahan Kabupaten Garut 2015
No Kelas Warna Klasifikasi Luas (ha) Persentase (%)
1 Awan 21554.27652 6.96%
2 Gumuk Pasir 56.07069466 0.02%
3 Hutan 81918.11026 26.45%
4 Jalan 70.1055949 0.02%
5 Jalan Kereta Api 79.33816125 0.03%
6 Bangunan Industri 132.2839912 0.04%
7 Ladang 23357.34977 7.54%
8 Lahan Kosong 1557.176526 0.50%
9 Pantai 319.8905107 0.10%
10 Perkebunan 52769.62581 17.04%
11 Permukiman 37601.7902 12.14%
12 Sawah 35661.98901 11.51%
13 Tambak 87.85659356 0.03%
14 Sungai 2761.519958 0.89%
15 Tanaman Campuran 51606.80494 16.66%
Total 309725.2007 100%
Proses uji akurasi dilakukan dengan survei lapangan dan interpretasi pada citra satelit, dilakukan survei lapangan
sebanyak 53 (lima puluh tiga) titik menyebar semua area Kabupaten Garut dan dilakukan interpretasi citra sebanyak
54 (lima puluh empat) titik. Proses klasifikasi tutupan lahan menggunakan metode OBIA (Object Based Image
Analysis) dan menggunakan Citra Satelit SPOT 7 sudah cukup baik dengan parameter nilai skala 50 hingga 100,
nilai shape 0,2 dan nilai compactness 0,7 obyek yang tersegmentasi pun sudah cukup baik atau informasi spasial
yang terpolygon sudah cukup akurat. Proses uji akurasi dilakukan dengan survei ke lapangan langsung dan
menggunakan, kesulitan yang diperoleh pada uji akurasi di Kabupaten Garut yaitu areal yang cukup luas, topografi
yang beraneka ragam utara-selatan barat-timur, dan perubahan daerah yang signifikan, maka survei lapangan dan
interpretasi pada citra satelit, dilakukan survei lapangan sebanyak 53 (lima puluh tiga) titik menyebar semua area
Kabupaten Garut dan dilakukan interpretasi citra sebanyak 54 (lima puluh empat) titik.Pada klasifikasi tutupan
lahan diperoleh hasil akurasi yang baik yaitu dengan overall accuracy sebesar 87% dan Koefisien kappa yang
diperoleh pada hasil klasifikasi tutupan lahan ini sebesar 0,85. Matriks kesalahan pada tiap kelas dapat dilihat pada
tabel 2.

Tabel 3 Hasil Pengolahan Uji Akurasi

Gumuk Jalan Bangunan Lahan Tanaman Prosedur
Kelas Hutan Jalan Ladang Pantai Perkebunan Permukiman Sawah Tambak Sungai Total
Pasir Kereta Api Industri Kosong Campuran Accuracy
Gumuk Pasir 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 100%
Hutan 0 10 0 0 0 0 0 0 0 0 0 0 0 0 10 100%
Jalan 0 0 10 0 0 0 0 0 0 0 0 0 0 0 10 100%
Jalan Kereta Api 0 0 0 5 0 0 0 0 0 0 0 0 0 0 5 100%
Bangunan Industri 0 0 0 0 3 0 0 0 0 2 0 0 0 0 5 60%
Ladang 0 0 0 0 0 7 0 0 0 0 2 0 1 0 10 70%
Lahan Kosong 0 0 0 0 2 1 6 0 0 0 0 0 1 0 10 60%
Pantai 0 0 0 0 0 0 0 6 0 0 0 0 0 0 6 100%
Perkebunan 0 0 0 0 1 2 0 0 7 0 0 0 0 0 10 70%
Permukiman 0 0 0 0 0 0 0 0 0 10 0 0 0 0 10 100%
Sawah 0 0 0 0 0 2 0 0 0 0 8 0 0 0 10 80%
Tambak 0 0 0 0 0 0 0 0 0 0 0 5 0 0 5 100%
Tanaman Campuran 0 0 0 0 0 0 0 0 1 0 0 0 9 0 10 90%
Sungai 0 0 0 0 0 0 0 0 0 0 0 0 0 10 10 100%
total 1 10 10 5 6 12 6 6 8 12 10 5 11 10 112
user accuracy 100% 100% 100% 100% 50% 58% 100% 100% 87.5% 83% 80% 100% 82% 0%
Berdasarkan hasil dari penelitian klasifikasi tutupan lahan dengan Citra Satelit SPOT 7 Tahun 2015 menggunakan
metode OBIA di Kabupaten Garut luas daerah yang dominan yaitu Hutan sebesar 81918,1103 Ha (26,45%),
Perkebunan sebesar 52769,6258 Ha (17,04%), Tanaman Campuran sebesar 51606,8049 Ha (16,66%), Permukiman
sebesar 37601,7902 Ha (12,14%), dan Sawah sebesar 35661,989 Ha (11,51%). Dan kelas yang lain rata-rata
dibawah 10%.

3.2 Kesimpulan

Dari hasil penelitian identifikasi tutupan lahan di Kabupaten Garut menggunakan metode OBIA dan Citra Satelit
SPOT 7 Tahun 2015 dengan parameter yang digunakan nilai skala 50 hingga 100, nilai shape 0,2 dan nilai
compactness 0,7 diperoleh 15 (Lima Belas) kelas yaitu awan, bangunan industri, gumuk pasir, hutan, jalan raya,
jalan kereta api, lading, lahan kosong, pantai, perkebunan, permukiman, sawah, sungai, tambak, dan tanaman
campuran. Dan kawasan yang masih di dominasi kabupaten garut yaitu area hutan sebesar 26,45%, area perkebunan
sebesar 17,04%, tanaman campuran sebesar 16,66%, permukiman sebesar 12,14%, dan sawah sebesar 11,51%. Dan
kelas yang lainnya rata-rata luasannya dibawah 10%. Hasil uji akurasi menunjukkan bahwa analisis digital dengan
pendekatan berbasis objek memberikan hasil yang sangat baik untuk pemetaan dengan nilai akurasi tinggi sebesar
87% dengan indeks kappa 0,85.

UCAPAN TERIMA KASIH

Penulis mengucapkan terima kasih banyak kepada pihak mendukung dalam penulisan jurnal ini, salah satnya
BAPPEDA (Badan Perencanaan dan Pembangunan Daerah) Kabupaten Garut yang telah mendukung dalam
penyediaan data Citra Satelit SPOT 7 Tahun 2015 Kabupaten Garut.

DAFTAR PUSTAKA

Harris Geospatial Solutions, Inc., 2018. Other Radiometric Correction Tools : Apply Gain and Offset, diakses
tanggal 5 Juni 2018 dari https://www.harrisgeospatial.com/docs/OtherRadiometricCorrectionTools.html.

Kurniawan S., 2013. Koreksi Geometrik dan Radiometrik Pada Citra Landsat ETM+. Laporan Praktikum
Departemen Geofisika dan Meteorologi Fakultas Metematika dan Ilmu Pengetahuan Alam, Institut Pertanian
Bogor.

Pemerintah Kabupaten Garut., 2018. Tentang Garut. Sekilas Garut. Diakses tanggal 9 Maret 2018 dari
https://www.garutkab.go.id/page/letak-geografis.

Priatna F. A., 2017. Kajian Tutupan Lahan Berbasis Obyek Menggunakan Data UAV Trimble UX5 (studi kasus :
Desa Pagak, Kabupaten Purworejo, Jawa Tengah). Skripsi Program Studi Teknik Geodesi Jurusan Teknik Geodesi
Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Nasional,Bandung, halaman 17-18.

Sampurno R. M., dan Thoriq A., 2016. Klasifikasi Tutupan Lahan Menggunakan Citra Landsat 8 OLI di Kabupaten
Sumedang. Jurnal. Laboratorium Sistem dan Manajemen Mekanisasi Pertanian, Departemen Teknik Pertanian dan
Biosistem, Fakultas Teknologi Industri Pertanian, Universitas Padjadjaran, Jurnal Teknotan Vol. 10 No. 2, - ISSN
:1978-1067; E - ISSN : 2528-6285, halaman 62.

Sitanggang G., 2008. Teknik dan Metode Fusi (Pansharpening) Data ALOS (AVNIR-2 dan Prism) Untuk
Identifikasi Penutup Lahan/Tanaman Pertanian Sawah, Jurnal Peneliti Bidang Bangfatja, Pusat Pengembangan
Pemanfaatan, LAPAN, halaman 37.

Wibowo T. S., dan Suharyadi R., 2009. Aplikasi Object-Based Image Analysis (OBIA) untuk Deteksi Perubahan
Penggunaan Lahan Menggunakan Citra ALOS AVNIR-2. Jurnal Universitas Gadjah Mada, Yogyakarta.