Glosarium

Glosarium ini memuat istilah teknis yang dipakai di buku ini, diurutkan menurut abjad. Angka di akhir tiap entri menunjuk bab tempat istilah itu pertama kali dijelaskan.

Acuan (reference): kelas sebenarnya di lapangan pada sebuah titik uji. Peta dinilai dengan membandingkannya terhadap acuan. Bab 6.

Akurasi keseluruhan (overall accuracy): jumlah titik uji yang benar dibagi jumlah semua titik uji. Bab 6.

Akurasi pembuat (producer's accuracy): untuk satu kelas, titik yang benar dibagi jumlah baris kelas itu pada matriks kesalahan. Ia menjawab: dari yang benar-benar kelas itu di lapangan, berapa yang tertangkap di peta. Bab 6.

Akurasi pengguna (user's accuracy): untuk satu kelas, titik yang benar dibagi jumlah kolom kelas itu pada matriks kesalahan. Ia menjawab: dari yang ditandai kelas itu di peta, berapa yang benar di lapangan. Bab 6.

Aljabar raster (raster algebra): berhitung pada raster, yaitu rumus yang dijalankan di setiap piksel pada letak yang sama, lalu hasilnya menjadi raster baru. Bab 1.

Alpha (band alpha): band yang menandai transparansi. GDAL menandai band keempat Citra_Komposit.tif demikian, tetapi perhitungan tetap memakainya sebagai angka biasa. Bab 1.

Ambang (threshold): batas nilai yang dipilih untuk memisahkan dua keadaan, misalnya NDVI di atas 0,3 dianggap bervegetasi. Tentukan ambang dari data dan tujuan Anda. Bab 1.

Arah lereng (aspect): arah hadap lereng, diukur dari utara searah jarum jam. Nilai 0° berarti utara, 90° timur, 180° selatan, 270° barat. Bab 2.

Area latih (training area): poligon dengan kelas yang sudah pasti, dipakai komputer untuk belajar ciri tiap kelas. Pada klasifikasi tak terbimbing ia hanya dipakai untuk memberi nama kluster. Bab 4, 5.

Aturan batas (range boundaries): ketentuan apakah nilai yang tepat di batas masuk kelas bawah atau kelas atas. Di buku ini nilai itu masuk kelas bawah. Bab 3.

Azimuth: arah datangnya sinar matahari buatan pada hillshade, diukur dalam derajat dari utara. Buku ini memakai 315. Bab 2.

CHM (canopy height model): tinggi tajuk, yaitu DSM dikurangi DTM, dihitung piksel demi piksel. Bab 1.

Citra komposit warna semu (false color composite): tampilan citra dengan band NIR diberi warna merah, band merah diberi warna hijau, dan band hijau diberi warna biru. Tumbuhan lebat tampak merah muda sampai merah. Bab 4.

Data sintetis: data buatan untuk belajar. Hasil analisisnya bukan kondisi lapangan sebenarnya. Pendahuluan.

DEM (digital elevation model): raster yang tiap pikselnya menyimpan tinggi tanah. Bab 2.

Diagonal (matriks kesalahan): deretan sel dari kiri atas ke kanan bawah pada matriks kesalahan. Isinya titik yang benar, yaitu kelas acuan sama dengan kelas peta. Bab 6.

DSM (digital surface model): model permukaan, dari berkas hasil terbang drone. Bab 1.

DTM (digital terrain model): model tanah, dari berkas hasil terbang drone. Bab 1.

Ekspresi (expression): rumus yang Anda tulis di Raster Calculator, misalnya "A@1" - "B@1". Bab 1.

Faktor Z (Z factor): pengali tinggi bila satuan tinggi dan satuan peta berbeda. Pada DEM berkoordinat meter dengan tinggi meter, faktor Z = 1. Bab 2.

Galat penambahan (commission error): kebalikan akurasi pengguna, yaitu hal yang ditandai suatu kelas di peta padahal bukan kelas itu di lapangan. Bab 6.

Galat penghilangan (omission error): kebalikan akurasi pembuat, yaitu titik yang sebenarnya suatu kelas tetapi tidak dipetakan sebagai kelas itu. Bab 6.

Hillshade (bayangan bukit): gambar bayangan dari sinar matahari buatan. Ia hanya tampilan, bukan data untuk dianalisis. Bab 2.

Histogram zonal (zonal histogram): jumlah piksel tiap kelas di dalam tiap zona. Bab 3.

Image Analyst: ekstensi Esri untuk ArcGIS Pro yang berisi alat analisis raster. Ketersediaannya bergantung pada lisensi Anda. Pendahuluan.

ISODATA: algoritma pengelompokan pada alat Esri. Mirip k-means, tetapi jumlah kluster akhir bisa berbeda dari angka yang diminta. Bab 4.

Jarak minimum (minimum distance): aturan klasifikasi terbimbing yang memasukkan piksel ke kelas yang rata-ratanya paling dekat. Bab 5.

Kappa: ukuran kecocokan peta dengan acuan setelah dikurangi kecocokan karena kebetulan. Bab 6.

Kemiringan (slope): sudut miring permukaan, dalam derajat atau persen. Dihitung dari selisih tinggi piksel yang bertetangga. Bab 2.

Kemiringan persen: kemiringan dalam persen, yaitu tan(derajat) x 100. Lereng 45° sama dengan 100%. Bab 2.

Kemiripan maksimum (maximum likelihood): aturan klasifikasi terbimbing yang memasukkan piksel ke kelas yang paling mungkin, dengan memperhitungkan sebaran tiap kelas. Bab 5.

Klasifikasi (classification): mengubah citra yang berisi angka pantulan menjadi peta kelas, misalnya hutan atau sawah. Bab 4.

Klasifikasi tak terbimbing (unsupervised classification): klasifikasi ketika komputer mengelompokkan piksel menurut kemiripan angka bandnya tanpa contoh, lalu Anda memberi nama kelompoknya. Bab 4.

Klasifikasi terbimbing (supervised classification): klasifikasi ketika Anda memberi contoh kelas lebih dulu (area latih), lalu komputer menerapkannya ke seluruh citra. Bab 5.

Kluster (cluster): kelompok piksel yang angka bandnya mirip. Bab 4.

K-means: cara mengelompokkan piksel dengan meletakkan pusat kluster, menugaskan tiap piksel ke pusat terdekat, lalu memindahkan pusat ke rata-rata anggotanya. Langkah diulang sampai pusat tidak bergeser. Bab 4.

Kovarians (covariance): ukuran sebaran band dan hubungan antarband di dalam satu kelas. Bab 5.

KPH Contoh: kantor pengelola hutan fiktif tempat cerita buku ini berlangsung. Terdiri atas tiga petak: Alpha, Beta, dan Gamma. Pendahuluan.

Matriks kesalahan (confusion matrix): tabel kelas acuan lawan kelas peta. Baris adalah kelas sebenarnya dan kolom adalah kelas pada peta. Bab 6.

Metode Horn: cara menghitung kemiringan dari tetangga 3 x 3 piksel. Hitungan mandiri dengan metode ini cocok dengan Slope QGIS pada piksel bagian dalam. Bab 2.

NDVI (normalized difference vegetation index): ukuran kehijauan dengan rumus (NIR − R) ÷ (NIR + R). Bab 1.

NIR (near infrared): inframerah dekat, band yang dipakai bersama band merah untuk menghitung NDVI. Bab 1.

NoData: piksel tanpa nilai. Bila satu piksel masukan NoData, hasil hitungan di letak itu juga NoData. Bab 1.

Perbandingan logika (logical comparison): ekspresi seperti "x@1" > 5 yang menghasilkan 1 bila benar dan 0 bila salah. Bab 1.

Raster Calculator: alat untuk menjalankan aljabar raster. Di QGIS ada pada menu Raster. Bab 1.

Reklasifikasi (reclassification): mengganti rentang angka menjadi kelas, seperti mengubah nilai ujian menjadi huruf. Bab 3.

Ruang spektral (spectral space): grafik dengan sumbu berupa pantulan band, tempat satu piksel menjadi satu titik. Bab 4.

Selang ketidakpastian (confidence interval): rentang perkiraan akurasi sebenarnya. Dengan 100 titik uji, selangnya cukup lebar. Bab 6.

Setengah terbimbing (semi-supervised): sebutan untuk klasifikasi tak terbimbing yang kluster-klusternya diberi nama memakai area latih. Bab 4.

Spatial Analyst: ekstensi Esri untuk analisis raster di ArcGIS Pro dan ArcMap. Alatnya umumnya butuh ekstensi ini. Pendahuluan.

Statistik zona (zonal statistics): perhitungan isi raster di dalam tiap poligon, misalnya berapa piksel tiap kelas di tiap petak. Bab 3.

Tabel reklasifikasi: daftar rentang awal, rentang akhir, dan kelas baru yang dipakai saat reklasifikasi. Bab 3.

Tanda spektral (signature): ciri angka band satu kelas, yaitu rata-rata dan sebarannya. Bab 5.

Titik uji (test point): titik dengan kelas sebenarnya yang tidak ikut melatih, dipakai untuk menilai akurasi peta. Bab 6.

Vertical angle (sudut tinggi): tinggi sinar matahari buatan di atas cakrawala pada hillshade. Buku ini memakai 45. Bab 2.

Zona (zone): poligon tempat raster dirangkum. Di buku ini zona adalah petak KPH. Bab 3.