Dokumentasi » Galerigis Pro

Dokumentasi Galerigis Pro

Panduan instalasi, impor data, styling peta, basemap offline, dan modul lanjutan.

Perubahan Penutupan Lahan (Land Cover Change)

Fitur ini membandingkan hasil klasifikasi tutupan lahan dari dua periode atau lebih dan menghitung apa yang berubah: kelas apa berubah jadi apa, seluas berapa hektar, dan di mana lokasinya. Prosesnya cross-tabulation antar raster klasifikasi — berjalan 100% offline di laptop Anda.

Output yang dihasilkan:

  • Matriks transisi — luas perpindahan antar kelas (ha & %), misalnya "Hutan → Terbangun: 120 ha".
  • Ringkasan perubahan per kelas (bertambah/berkurang).
  • Peta perubahan (change map) — raster yang menunjukkan lokasi area berubah.
  • File Excel berisi seluruh tabel di atas, siap dilampirkan ke laporan.

Cocok untuk: monitoring deforestasi, laporan pemantauan lahan (perkebunan, kehutanan, tata ruang), dokumen kajian, hingga skripsi/penelitian.

📋 Prasyarat

  1. Minimal 2 raster hasil klasifikasi yang sudah dimuat di peta — hasil Klasifikasi K-Means atau Random Forest, satu untuk tiap periode (misal citra 2020 dan citra 2024).
  2. Kedua raster mencakup area yang sama (disarankan: clip ke AOI yang sama sebelum klasifikasi).
  3. Urutan & jumlah kelas sama di semua raster — misal keduanya sama-sama 4 kelas dengan urutan Hutan, Sawah, Terbangun, Air. Cara paling aman: klasifikasikan kedua citra dengan metode dan training area yang konsisten.

🔍 Cara Menggunakan

  1. Buka tab Toolbox di sidebar kiri → Klasifikasi Machine Learning → klik Perubahan Penutupan Lahan.
  2. Pilih raster klasifikasi untuk tiap periode, lalu beri label periode (misal 2020 dan 2024). Butuh lebih dari 2 periode? Klik + Tambah Periode.
  3. Nama kelas terdeteksi otomatis dari legenda raster (muncul tanda ✅). Kalau tidak terdeteksi, ketik manual dipisah koma: Hutan, Sawah, Terbangun, Air.
  4. Klik Analisis.
  5. Hasil muncul di dialog: matriks transisi + ringkasan. Lokasi file Excel ditampilkan di log proses.

Membuka Kembali Hasil Terakhir

Hasil analisis terakhir bisa dibuka lagi tanpa menghitung ulang: Toolbox → Klasifikasi Machine Learning → Lihat Laporan Perubahan Terakhir.

💡 Tips Hasil Akurat

  • Clip dulu ke AOI yang sama sebelum klasifikasi — analisis lebih cepat dan kedua periode dijamin membandingkan area yang sama.
  • Pakai citra dari musim yang mirip (misal sama-sama musim kemarau) agar perbedaan yang terdeteksi benar-benar perubahan lahan, bukan perbedaan musim.
  • Perhatikan awan — pilih scene dengan cloud cover serendah mungkin di Data Catalog. Area yang tertutup awan di salah satu periode akan terbaca sebagai "perubahan" palsu.
  • Gunakan Uji Akurasi Klasifikasi (di kategori Toolbox yang sama) untuk memastikan kualitas tiap raster klasifikasi sebelum dibandingkan.

❓ FAQ

Citra periode lamanya ambil dari mana?

Dari Data Catalog — pencarian Sentinel-2 dan Landsat 8/9 bisa difilter per tanggal, jadi Anda bisa mengunduh citra tahun-tahun sebelumnya untuk area yang sama.

Bisa lebih dari 2 periode?

Bisa. Klik + Tambah Periode — misal 2018, 2021, dan 2024 sekaligus.

Hasilnya berbentuk vector (SHP)?

Belum — output berupa raster change map + tabel Excel. Kalau butuh polygon per kelas, hasil raster bisa di-polygonize di QGIS (Raster → Conversion → Polygonize).

Kenapa banyak "perubahan" di area yang saya tahu tidak berubah?

Penyebab paling umum: kelas antar periode tidak konsisten (urutan beda), perbedaan musim/awan antar citra, atau salah satu klasifikasi kurang akurat. Cek kembali prasyarat di atas dan jalankan Uji Akurasi.

Langkah lanjutan: lampirkan file Excel matriks transisi ke laporan Anda, atau gunakan Report Generator untuk menyusun dokumen .docx otomatis.