UTM dan sistem koordinat geografik yang menggunakan garis latitude garis Timur-Barat dan garis longitude garis Utara-Selatan
Perbaikan distorsi geometrik dapat dilakukan dengan mengambil titik-titik ikatkontrol dilapangan atau menggunakan petacitra acuan yang telah terkoreksi.
Langkah selanjutnya adalah melakukan proses resampling dengan nearest neighborhood
dimana nilai digital piksel yang diisikan dari citra acuan ke citra yang akan dikoreksi adalah nilai-nilai digital tiap piksel yang memiliki nilailokasi
terdekat.
2. Pemotongan citra
Subset image
Pemotongan citra dilakukan dengan memotong wilayah yang menjadi objek penelitian. Batas wilayah yang akan dipotong dibuat dengan area of interest
aoi yaitu pada wilayah yang masuk kedalam kawasan hutan adat Citorek.
3. Klasifikasi citra
Image classifcation
Persiapan yang harus dilakukan sebelum melakukan pengklasifikasian adalah menetapkan kelas-kelas spektral yang terliput oleh citra satelit, kemudian
membuat aturan penetapan klasifikasi untuk setiap piksel kedalam kelas-kelas yang telah ditentukan. Pemilihan kelompok-kelompok piksel kedalam kelas
klasifikasi merupakan proses pemilihan objek feature selection. Pembagian kelas klasifikasi dibuat berdasarkan kondisi penutupan lahan sebenarnya
dilapangan dan dibatasi menurut kebutuhan pengklasifikasian. Kelas klasifikasi tersebut meliputi hutan, perkebunan, sawah, ladang, semak, pemukiman, lahan
kosong, dan air. Klasifikasi dilakukan dua tahap, yaitu klasifikasi tak terbimbing
unsupervised classification dan klasifikasi terbimbing supervised classification
. Klasifikasi tak terbimbing dilakukan sebelum kegiatan cek lapangan ground check. Pada metode ini, proses klasifikasi mengelompokkan
piksel-piksel citra berdasarkan aspek statistik semata tanpa kelas-kelas yang didefinisikan sendiri training area. Peta hasil klasifikasi ini selanjutnya
digunakan sebagai pedoman dalan kegiatan cek lapangan. Klasifikasi terbimbing menggunakan training area berdasarkan titik-titik
koordinat yang diambil di lapangan dengan menggunakan GPS. Training area merupakan identifikasi area-area tertentu di atas citra yang berisi tipe-tipe
penutupan lahan yang diinginkan. Kemudian karakteristik spektral milik area-area ini digunakan untuk membimbing program aplikasi dalam menandai setiap piksel
ke dalam salah satu kelas yang tersedia. Oleh karena itu, beberapa parameter statistik multivariat seperti halnya rata-rata, standar deviasi, dan matrik korelasi
akan dihitung untuk setiap training areanya, sementara setiap pikselnya akan dievaluasi dan kemudian ditandai sebagai anggota suatu kelas yang paling
memungkinkan maximum likelihood. Uraian pengolahan citra satelit seperti tersebut diatas dapat dijelaskan
melalui Gambar 3.
Gambar 3. Proses Pengolahan Citra
3.5.3. Analisis Perubahan Penutupan Lahan
