Post on 25-Feb-2023
LAPORAN PRAKTIKUM
PENGINDRAAN JAUH
ACARA III
PRAKTIKUM CITRA MULTISPEKTRAL
Dsusun oleh: Dibina oleh:
Nurlaela Bapak Alfi Nur
Rosydi
120721403798 -
1
PENDIDIKAN GEOGRAFI
FAKULTAS ILMU SOSIAL
UNIVERSITAS NEGERI MALANG
November 2014
PRAKTIKUM CITRA MULTISPEKTRAL
A. Tujuan:
Melatih Keterampilan Mahasiswa Dalam Melakukan
Intrepretasi Citra Multispektral Secara Digital
Menggunakan Program Envi 4.5
B. Alat dan Bahan:
1. Program Envi 4.5 untuk mengidentifikasi citra
multispektral
2. Program RGB untuk penyusunan komposit warna
3. Program Mc. Excel untuk perhitungan data dan
pembuatan grafik garis
4. Program Mc. Word untuk pembuatan laporan
C. Dasar Teori
Citra multispectral adalah citra yang dibuat
dengan saluran jamak. Berbeda dengan citra tunggal
yang umumnya dibuat dengan saluran lebar, citra
multispectral umumnya dibuat dengan saluran sempit.
2
Dengan menggunakan sensor multispectral, maka
kenampakan yang diindera akan menghasilkan citra
dengan berbagai saluran. Citra dengan saluran yang
berbeda tersebut dapat digunakan untuk
mengidentifikasi kenampakan-kenampakan tertentu,
karena saluran-saluran tersebut memiliki kepekaan
terhadap suatu kenampakan (Alfi Nur Rusydi; 2014).
Citra multispektral: Sebuah citra
multispektral terdiri dari beberapa band data. Untuk
tampilan visual, setiap band dari gambar dapat
ditampilkan satu pita pada suatu waktu sebagai
gambar skala abu-abu, atau kombinasi dari tiga band
pada waktu sebagai gambar komposit warna.
Interpretasi warna multispektral citra komposit akan
memerlukan pengetahuan tentang tanda tangan
reflektansi spektral dari target dalam adegan. Dalam
hal ini, isi informasi spektral gambar digunakan
dalam penafsiran.
Tiga gambar berikut menunjukkan tiga band dari
citra multispektral yang diambil dari adegan
multispektral SPOT pada resolusi dasar 20 m. Daerah
yang dicakup adalah sama seperti yang ditunjukkan
pada gambar di atas pankromatik. Perhatikan bahwa
kedua XS1 (hijau) dan XS2 (red) band terlihat hampir
identik dengan citra pankromatik yang ditunjukkan di
atas. Sebaliknya, daerah yang bervegetasi kini
3
tampil cerah di XS3 (dekat inframerah) Band karena
reflektansi tinggi daun di dekat panjang gelombang
daerah inframerah. Beberapa warna abu-abu dapat
diidentifikasi untuk daerah bervegetasi, sesuai
dengan berbagai jenis vegetasi. Massa air (baik
sungai dan laut) tampak gelap dalam XS3 (dekat IR)
Band.
4
Sebuah gambar multispektral adalah salah satu
yang menangkap data gambar pada frekuensi tertentu
di seluruh spektrum elektromagnetik. Panjang
gelombang dapat dipisahkan oleh filter atau dengan
penggunaan instrumen yang sensitif terhadap panjang
gelombang tertentu, termasuk cahaya dari frekuensi
di luar jangkauan cahaya tampak, seperti inframerah.
Pencitraan spektral dapat memungkinkan ekstraksi
informasi tambahan mata manusia gagal untuk
menangkap dengan yang reseptor untuk merah, hijau
dan biru. Ini pada awalnya dikembangkan untuk ruang
berbasis pencitraan.
Citra multispektral adalah tipe utama dari
gambar yang diperoleh oleh penginderaan jauh (RS)
radiometers. Membagi spektrum dalam banyak band,
multispektral adalah kebalikan dari pankromatik,
yang mencatat hanya intensitas total radiasi yang
jatuh pada setiap pixel. Biasanya, satelit memiliki
tiga atau lebih radiometers (Landsat memiliki
5
tujuh). Masing-masing memperoleh satu gambar digital
(dalam penginderaan jauh, disebut ‘adegan’) di
sebuah band kecil dari spektrum yang terlihat, mulai
dari 0,7 pM sampai 0,4 pM, disebut merah-hijau-biru
(RGB) daerah, dan pergi ke panjang gelombang
inframerah 0,7 pM sampai 10 pM atau lebih,
diklasifikasikan sebagai dekat inframerah (NIR),
tengah inframerah (MIR) dan far infrared (FIR atau
termal). Dalam kasus Landsat, tujuh adegan terdiri
dari tujuh gambar-band multispektral. Pencitraan
spektral dengan band-band yang lebih banyak, lebih
halus resolusi spektral atau cakupan spektral yang
lebih luas dapat disebut itt atau ultraspectral.
Teknologi ini juga membantu dalam interpretasi
papirus kuno, seperti yang ditemukan di Herculaneum,
oleh pencitraan fragmen dalam kisaran inframerah
(1000 nm). Seringkali, teks pada dokumen tampaknya
sebagai tinta hitam pada kertas hitam dengan mata
telanjang. Pada 1000 nm, perbedaan reflektifitas
cahaya membuat teks jelas dibaca. Ini juga telah
digunakan untuk gambar palimpsest Archimedes oleh
pencitraan perkamen daun dalam bandwidth 365-870 nm,
dan kemudian menggunakan teknik pengolahan citra
digital canggih untuk mengungkapkan undertext karya
Archimedes.
6
Ketersediaan panjang gelombang untuk
penginderaan jauh dan pencitraan dibatasi oleh
jendela inframerah dan jendela optik. Panjang
gelombang adalah perkiraan, nilai-nilai yang tepat
bergantung pada instrumen satelit tertentu:
Biru, 450-515. 520 nm, yang digunakan untuk
pencitraan atmosfer dan air yang dalam, dan dapat
mencapai hingga 150 kaki (50 m) jauh di air yang
jernih.
Hijau, 515. 520-590. 600 nm, yang digunakan untuk
pencitraan vegetasi dan struktur air yang dalam,
hingga 90 kaki (30 m) di air jernih.
Merah, 600. 630-680. 690 nm, yang digunakan untuk
pencitraan benda buatan manusia, dalam air hingga
30 kaki (9 m) dalam, tanah, dan vegetasi.
Dekat inframerah, 750-900 nm, digunakan terutama
untuk pencitraan vegetasi.
Mid-inframerah, 1550-1750 nm, digunakan untuk
vegetasi pencitraan, kadar air tanah, dan beberapa
kebakaran hutan.
Mid-inframerah, 2080-2350 nm, digunakan untuk
pencitraan tanah, kelembaban, fitur geologi,
silikat, tanah liat, dan kebakaran.
7
Untuk tujuan yang berbeda, kombinasi yang
berbeda dari band spektral dapat digunakan. Mereka
biasanya diwakili dengan warna merah, hijau, dan
saluran biru. Pemetaan band untuk warna tergantung
pada tujuan dari gambar dan preferensi pribadi para
analis. Inframerah termal sering dihilangkan dari
pertimbangan karena resolusi spasial miskin, kecuali
untuk tujuan khusus.
Warna dasar, menggunakan saluran hanya merah,
hijau, dan biru, dipetakan ke warna masing-masing.
Sebagai sebuah foto warna polos, itu baik untuk
menganalisis obyek buatan manusia, dan mudah
dipahami bagi pemula analis.
Hijau-merah-inframerah, di mana saluran biru
diganti dengan dekat inframerah, digunakan untuk
vegetasi, yang sangat reflektif di IR dekat,
kemudian menunjukkan sebagai biru. Kombinasi ini
sering digunakan untuk mendeteksi vegetasi dan
kamuflase.
Blue-NIR-MIR, di mana saluran biru menggunakan
biru terlihat, hijau menggunakan NIR (sehingga
vegetasi tetap hijau), dan MIR ditampilkan sebagai
merah. Gambar tersebut memungkinkan melihat
kedalaman air, cakupan vegetasi, kadar air tanah,
dan adanya kebakaran, semua dalam satu gambar.
Banyak kombinasi lain sedang digunakan. NIR sering
8
ditampilkan sebagai merah, membuat vegetasi yang
tertutup daerah tampak merah.
Keunggulan dari citra multispectral
dibandingkan citra spectrum tunggal (dan lebar)
ialah adanya pembedaan obyek (penutup lahan) secara
lebih baik, karena variasi pantulan pada satu
spectrum yang relative sempit dapat di
presentasikan. Sebagai contoh, pada citra pankomatik
yang perekamanya dilakukan dalam julat yang lebar,
(sekitar 0,5-0,73 µm), keceahan air merupakan rata-
rata tingkat pantulan pada beberapa spectra yang
lebih sempit (0,5-0,6; 0,6-0,7 µm), yang sebenarnya
cukup berbeda satu sama lainya. Dengan demikian,
kecerahan ini dapat menyerupai pantulan jenis-jenis
tanah tertentu. Keunggulan lain dari citra
multispektral ialah dimungkinkanya pembentukan citra
komposit, dimana tiga saluran-saluran spectra
(bands) masukan diberi warna merah, hijau dan biru,
untuk membentuk satu citra tunggal yang bewarna.
Satu citra komposit ini sudah mampu menyajikan
variabilitas spectral seluruh saluran penyusunnya.
Masalahnya kemudian, citra komposit dapat
disusun secara standar atau tidak standar. Komposit
standar menggunakan tiga saluran masukan, yaitu
inframerah dekat, merah, dan hijau, dengan urutan
pewarnaan merah, hijau dan biru (RGB-red, green,
blue-dan urutan ini sering tidak disebutkan secara
9
eksplisit). Komposit tidak standar dapat (a)
mengubah urutan tersebut sesukanya-misalnya merah,
inframerah dekat dan hijau dengan pewarnaa RGB, (b)
menggunakan saluran-saluran lain-misalnya biru,
inframerah dekat, dan merah dengan pewarnaan RGB,
(c) menggunakan gabunan saluran terlebih dahulu
(misalnya indeks vegetasi) dan setelah itu baru
dikompositkan. Kerena citra komposit dapat disusun
secara tak standar, maka tanpa informasi dari
sipembuat atau penctak citra tentag komposisi
saluran penyusun citra komposit tersebut, seorang
pnafsir dapat terkecoh dan keliru melakukan
interpretasi.
Berpijak pada pemahaman tersebut, diperlukan
satu landasan konseptual tentang bagaimana warna
pada citra komposit tersebut dapat terbentuk. Untuk
itu, pengenalan pola spectral pada masing-masing
saluran penyusun diperlukan terlebih dahulu, sehinga
sebelum melihat citra kompositnya pun seorang
penafsir sudah dapat membayangkan, warna apa yang
muncul mewakili satu jenis obyek apabila saluran-
saluran tersebut disusun menjadi citra komposit
dengan kombinasi tertentu.
Komposit citra adalah citra baru hasil dari
penggabungan 3 saluran yang mampu menampilkan
keunggulan dari saluran-saluran penyusunnya
(Sigit,2011). Digunakan komposit citra ini
10
dikarenakan oleh keterbatasan mata yang kurang mampu
dalam membedakan gradasi warna dan lebih mudah
memahami dengan pemberian warna.
Dalam menampilkan gambar komposit warna, tiga
warna primer (merah, hijau dan biru) yang digunakan.
Ketika tiga warna digabungkan dalam berbagai
proporsi, mereka menghasilkan warna yang berbeda
dalam spektrum terlihat. Bergaul masing-masing band
spektral (tidak harus band terlihat) ke hasil warna
dasar yang terpisah dalam gambar komposit warna.
Pada citra multispektral yang terdiri dari
banyak saluran, apabila hanya menampilkan satu
saluran saja maka citra yang dihasilkan merupakan
gradasi rona. Dan mata manusia hanya bisa membedakan
objek yang menonjol pada suatu saluran, objek yg
lain maka kita sulit untuk mengidentifikasinya. Oleh
sebab itu pada citra komposit ini, hasilnya kita
akan lebih mudah mengidentifikasi suatu objek pada
citra.
Dasar dari pembuatan komposit citra adalah
berdasarkan :
11
Tujuan penelitian yaitu keunggulan di setiap
saluran. Contoh, apabila dalam penelitian, kita
lebih fokus pada objek air, maka saluran yang kita
gunakan adalah band 1, band 2 dan band 3. Selain
dari band tersebut air memiliki nilai 0 dalam
pemantulannya. Jadi komposit citra yang bisa
dibuat adalah citra komposit 123, sehingga air
akan berwarna merah.
OIF (Optimum Index Factor) yaitu kemampuan citra
untuk menampilkan suatu objek. OIF semakin tinggi
maka semakin banyak objek berbeda yang dapat
ditampilkan pada citra komposit tersebut. OIF ini
digunakan apabila kita ingin menonjolkan
pengguanaan lahan dari suatu daerah jika
diidentifikasi dari citra.
Komposit citra dapat dibagi menjadi 2, yaitu:
Komposit warna asli yaitu gabungan dari warna
merah-hijau-biru. Citra yang dapat menghasilkan
komposit warna asli yaitu Landsat, ALOS dll.
Komposit warna tidak asli, terbagi 2 :
1. Standar yaitu gabungan dari infrared dekat-
merah-hijau. Dianggap standar karena pada
awalnya penginderaan jauh lebih banyak digunakan
dalam bidang kehutanan jadi komposit warna ini
dianggap standar karena citra kompositnya lebih
menonjolakan objek vegetasi
12
2. Tidak standar yaitu dapat dilakukan
penggabungan dengan bebas
Dalam konsepnya, citra komposit dibuat oleh 3
saluran, dimana nilai piksel pada saluran-saluran
tersebut akan direduksi terlebih dahulu yang pada
awalnya nilai piksel berkisar antara 0 – 255 menjadi
nilai piksel yang berkisar antara 0 – 5 yang
selanjutnya baru bisa dilakukan komposit. Nilai
piksel pada citra komposit berkisar antara nilai 0
(hitam) – 215 ( putih). Untuk penyajian citra
komposit, nilai piksel citra komposit yang
didapatkan dapat mengikuti colour pallet atau Look-
up table.
D. Cara Kerja
1. Jalankan aplikasi ENVI 4.5
2.Klik file – open image file – pilih smg_raw pada
image asli – pada RGB colour pilih band yang akan
di interpretasikan.
3.Klik new display – ulangi langkah ke 2.
4.Klik tools – link – link displays – ok.
5.Klik tools – cursor locations/value.
6.Tentukan 6 objek (air, vegetasi kerapatan rendah,
sedang, dan tinggi, lahan kosong, serta atap
13
rumah), masing-masing objek periksa 9 piksel yang
berbeda
7.Catat nilai piksel, dan nilai rata-rata piksel
untuk setiap objek pada band tertentu.
8.Isi tabel identifikasi nilai pikel sebelum koreksi
naskah radiometrik.
9.Buat grafik garis sesuai dengan tabel identifikasi
nilai piksel.
10.Ulangi langkah 2 – 9 tatapi perbandingannya
menggunakan nilai piksel setelah koreksi naskah
radiometrik.
14
E. Hasil Praktikum
1. Identifikasi Nilai Piksel sebelum Koreksi Radiometrik (Citra Asli)
Berikut tabel identifikasi nilai piksel sebelum koreksi radiometrik
Band (nm)
Objek
1
Blue
(450-520)
2
Green
(520-600)
3
Red
(630-690)
4
NIR
(760-900)
5
MIR1
(1550-1750)
6
MIR2
(2080-2350)
Obyek Pada Citra
Komposit (321) dan(456)
Air 270, 264, 223, 257, 230, 223, 257, 277, 264
177, 197, 164, 230, 204, 158, 223, 269, 223
84, 88,92, 110, 88, 75,110, 131, 114
17, 17,17, 13,13, 13,13, 13,13
11, 11, 9, 11, 9, 7, 9,11, 11
17, 13, 10, 17, 24, 13, 17, 13, 17
Rerata 251,67 205 99,11 14,33 9,89 15,67
15
Lahan Kosong (LK)
250, 223, 237, 230, 196, 216, 284, 196, 223
263, 243, 250, 243, 210, 204, 282, 184, 243
284, 272, 255, 263, 208, 225, 284, 199, 250
160, 153, 167, 153, 191, 208, 160, 133, 122
229, 225, 272, 215, 255, 213, 237, 203, 189
235, 255, 235, 224, 255, 172, 231, 242, 217
Rerata 187 235,78 248,89 160,78 221,44 229,56
Vegetasi Kerapatan Rendah (VKR)
183, 183, 196, 196, 196, 210, 210, 189, 189
184, 190, 204, 223, 204, 230, 243, 204, 210
144, 144, 165, 178, 178, 199, 229, 169, 182
174, 153. 163, 136, 163, 163, 177, 153, 146
175, 196, 175, 187, 182, 194, 163, 175, 201
159, 190, 152, 179, 162, 193, 134, 159, 193
Rerata 183,56 210,22 176,44 158,67 183,11 169
16
Vegetasi Kerapatan Sedang (VKS)
163, 189, 149, 142, 136, 129, 156, 176, 156
171, 190, 151, 145, 164, 164, 164, 177, 158
134, 161, 114, 122, 127, 127, 144, 148, 135
191, 194, 174, 167, 197, 194, 191, 180, 167
118, 144, 149, 125, 130, 151, 130, 130, 144
89, 96, 110, 103, 86,114, 100, 96,138
Rerata 155,11 164,89 134,78 183,89 135,67 102,44
Vegetasi Kerapatan Tinggi (VKT)
62, 75,68, 68,102, 115, 115, 115, 102
85, 85,66, 79,105, 125, 118, 118, 125
54, 54,46, 50,75, 80,84, 88,84
221, 255, 255, 215, 204, 215, 221, 177, 201
104, 151, 154, 132, 127, 132, 127, 106, 101
62, 86, 86, 86, 83, 83, 79, 65, 58
Rerata 91,33 100,67 68,33 214,89 216 76,44
17
Atap Rumah (AR)
317, 264, 284, 237, 257, 237, 243, 277, 264
289, 263, 276, 223, 263, 223, 230, 263, 236
272, 272, 276, 195, 272, 220, 220, 250, 225
122, 133, 136, 116, 112, 122, 126, 136, 136
203, 196, 203, 182, 175, 165, 177, 194, 184
255, 245, 238, 231, 231, 204, 204, 238, 224
Rerata 264,44 251,78 244,67 126,56 186,56 230
Berikut grafik garis identifikasi nilai piksel sebelum koreksi radiometrik
18
2. Identifikasi Nilai Piksel setelah Koreksi Radiometrik
Berikut tabel identifikasi nilai piksel setelah koreksi radiometrik
19
Band (nm)
Objek
1
Blue
(450-520)
2
Green
(520-600)
3
Red
(630-690)
4
NIR
(760-900)
5
MIR1
(1550-1750)
6
MIR2
(2080-2350)
Obyek Pada Citra
Komposit 432
Air 208, 202, 161, 195, 168, 161, 195, 215, 202
137, 157, 124, 190, 164, 118, 183, 229, 183
55, 59,63, 81,59, 46,81, 102, 85
11, 11,11, 7, 7, 7, 7, 7, 7
11, 11, 9, 11, 9, 7, 9,11, 11
17, 13, 10, 17, 24, 13, 17, 13, 17
Rerata 189,67 165 70,11 8,33 9,89 15,67
20
Lahan Kosong (LK)
188, 161, 175, 168, 134, 154, 222, 134, 161
223, 203, 218, 203, 170, 164, 242, 144, 203
255, 243, 226, 234, 179, 196, 255, 170, 221
154, 147, 161, 147, 185, 202, 154, 127, 116
229, 225, 272, 215, 255, 213, 237, 203, 189
235, 255, 235, 224, 255, 172, 231, 242, 217
Rerata 166,34 196,67 219,89 154,78 211,44 229,56
Vegetasi Kerapatan Rendah (VKR)
121, 121, 134, 134, 134, 148, 148, 127, 127
144, 150, 164, 183, 164, 190, 203, 164, 170
115, 115, 136, 149, 149, 170, 200, 140, 153
168, 147, 157, 130, 157, 157, 171, 147, 140
175, 196, 175, 187, 182, 194, 163, 175, 201
159, 190, 152, 179, 162, 193, 134, 159, 193
Rerata 132,67 170,22 147,44 152,67 183,11 169
21
Vegetasi Kerapatan Sedang (VKS)
101, 127, 87, 80,74, 67,94, 114, 94
131, 150, 111, 105, 124, 124, 124, 137, 118
106, 132, 83, 93,98, 98,115, 119, 106
185, 188, 168, 161, 191, 188, 185, 174, 161
118, 144, 149, 125, 130, 151, 130, 130, 144
89, 96, 110, 103, 86,114, 100, 96,138
Rerata 93,11 124,89 105,78 177,89 135,67 102,44
Vegetasi Kerapatan Tinggi (VKT)
0, 13, 6, 6, 40, 53,53, 53,40
45, 45,26, 39,65, 85,78, 78,85
25, 25,17, 21,46, 51,55, 59,55
215, 249, 249, 209, 198, 209, 215, 171, 195
104, 151, 154, 132, 127, 132, 127, 106, 101
62, 86, 86, 86, 83, 83, 79, 65, 58
Rerata 29,33 60,67 39,33 212,22 216 76,44
22
Atap Rumah (AR)
255, 202, 222, 175, 195, 175, 181, 215, 202
249, 223, 236, 183, 223, 183, 190, 223, 196
243, 243, 247, 166, 243, 191, 191, 196
116, 127, 130, 110, 106, 116, 120, 130, 130
203, 196, 203, 182, 175, 165, 177, 194, 184
255, 245, 238, 231, 231, 204, 204, 238, 224
Rerata 202,44 211,78 215,67 120,56 186,56 230
23
3. Perbandingan Hasil Sebelum Koreksi Radimetrik
dengan Hasil Setelah Koreksi Radiometrik
Vs
Dari grafik hasil interpretasi dapat
diketahui bahwa perbandingan nilai piksel antara
citra foto udara yang asli dengan citra foto udara
yang sudah mengalami koreksi radiometrik berbeda.
Citra asli cenderung memiliki piksel lebih besar
karena efek atmosfer saat pengambilan citra
25
menyebabkan nilai pantulan objek dipermukaan bumi
yang terekam oleh sensor menjadi bukan merupakan
nilai aslinya, tetapi menjadi lebih besar oleh
karena adanya hamburan. Untuk itu perlu adanya
koreksi radiometrik yang bertujuan untuk
memperbaiki nilai piksel supaya sesuai dengan yang
seharusnya dan informasi yang terdapat dalam data
citra dapat dengan jelas dibaca dan
diinterpretasikan.
Selain itu, nilai piksel yang
terinterpretasi berbeda pada setiap bandnya
tergantung pada setiap jenis titik fokus objek.
Seperti band blue memiliki informasi yang tinggi
terhadap tubuh air jadi band blue sangat baik
untuk menginterpretasikan objek air daripada band
lainnya baik itu pada citra asli maupun citra
setelah mengalami koreksi radiometrik.
Band inframerah dekat lebih difokuskan untuk
menginterpretasi vegetasi dari pada band-band
lain, itu dibuktikan dengan tingkat kurva yang ada
pada hasil interpretasi dimana pada band merah,
kurva meningkat dari band-band lain.
Band red digunakan untuk pencitraan benda
buatan manusia seperti pemukiman atau atap rumah,
dan lahan yang kosong, sehingga hasil kurva
intrepretasi lahan kosong dan atap rumah meningkat
pada band red daripada band-band lain.
26
4. Perbandingan Grafik Spektral Objek Standar Dengan
Grafik Citra Setelah Koreksi Radiometrik
Vs
Dari kurva hasil interpretasi dapat
diketahui bahwa perbandingan kurva antara citra
foto udara yang sudah mengalami koreksi
radiometrik dengan kurva spektral objek standar
hasilnya hampir sama.
27
Pada kurva spektral objek standar
mengidentifikasi air akan lebih baik menggunakan
band blue daripada band-band lain, itu terlihat
dari garis kurva yang semakin mengalami penurunan
secara kontinue dari band blue, green, red, dan
berakhir pada inframerah dekat atau nir. Selain
itu pada kurva citra foto udara yang sudah
mengalami koreksi radiometrik hasil yang
didapatkan sama dengan kurva spektral objek
standar dimana untuk mengidentifikasi air lebih
baik menggunakan band blue dan mengalami penurunan
pada band-band lain secara kontinue.
Pada kurva spektral objek standar
mengidentifikasikan vegetasi lebih baik
menggunakan band inframerah dekat dan band green
dari pada band-band lain, itu terlihat dari garis
kurva yang semakin meningkat, namun pada band red
terjadi sedikit penurunan. Selain itu pada kurva
citra foto udara yang sudah mengalami koreksi
radiometrik hasil yang didapatkan sama dengan
kurva spektral objek standar dimana untuk
mengidentifikasi vegetasi lebih baik menggunakan
band inframerah dekat atau nir dan bend green yang
mengalami peningkatan pada setiap bandnya namun
terjadi sedikit penurunan pada band red.
28
5. Penyusunan Komposit Warna
Berikut Penyusunan Komposit Warna dari Citra Multispektral yang sudah mengalami koreksi
radiometrik:
OBJEKPANTULAN PADA RGB DISPLAY
WARNA OBJEKPENGENALAN
OBJEKWARNA OBJEK
RED GUN GREEN GUN BLUE GUN
AIR
321
B3-RED BAND
Rendah (70)
B2-GREEN BAND
Sedang (165)
BI-BLUE BAND
Tinggi (190)
Viking
(Blue)
Sangat
mudah
AIR
432
B4-NIR BAND
Rendah (7)
B3-RED BAND
Rendah (55)
B2-GREEN BAND
Sedang (150)
Smalt
(Blue)
Sangat
mudah
AIR
456
B4-NIR BAND
Rendah (8)
B5-MIR1 BAND
Rendah (10)
B6-MIR2 BAND
Rendah (16)
Midnight
Express
(Blue)
Sangat
mudah
LK B3-RED BAND B2-GREEN BAND BI-BLUE BAND Raffia Mudah
30
321 Tinggi
(220)
Tinggi (197) Sedang (166) (Yellow)
LK
432
B4-NIR BAND
Sedang
(151)
B3-RED BAND
Tinggi (243)
B2-GREEN BAND
Tinggi (216)
Magic Mint
(Green)
Sedang
LK
456
B4-NIR BAND
Sedang
(155)
B5-MIR1 BAND
Tinggi (221)
B6-MIR2 BAND
Tinggi (230)
Charlotte
(Blue)
Sukar
VKR
321
B3-RED BAND
Sedang
(147)
B2-GREEN BAND
Sedang (170)
BI-BLUE BAND
Sedang (133)
Sage
(Green)
Sedang
VKR
432
B4-NIR BAND
Sedang
(147)
B3-RED BAND
Tinggi (226)
B2-GREEN BAND
Tinggi (229)
Charlotte
(Blue)
Sedang
31
VKR
456
B4-NIR BAND
Sedang
(153)
B5-MIR1 BAND
Tinggi (183)
B6-MIR2 BAND
Sedang (169)
Skeptic
(Green)
Sukar
VKS
321
B3-RED BAND
Sedang
(106)
B2-GREEN BAND
Sedang (125)
BI-BLUE BAND
Sedang (93)
Axoloti
(Green)
Sedang
VKS
432
B4-NIR BAND
Sedang
(157)
B3-RED BAND
Sedang (110)
B2-GREEN BAND
Sedang (118)
Turkish rose
(Red)
Sedang
VKS
456
B4-NIR BAND
Tinggi
(178)
B5-MIR1 BAND
Sedang (136)
B6-MIR2 BAND
Sedang (102)
Barley corn
(Yellow)
Sukar
VKT
321
B3-RED BAND
Rendah (39)
B2-GREEN BAND
Rendah (61)
BI-BLUE BAND
Rendah (29)
Myrtle
(Green)
Mudah
32
VKT
432
B4-NIR BAND
Sedang
(154)
B3-RED BAND
Rendah (17)
B2-GREEN BAND
Rendah (26)
Falu red
(Red)
Sedang
VKT
456
B4-NIR BAND
Tinggi
(212)
B5-MIR1 BAND
Tinggi (216)
B6-MIR2 BAND
Rendah (76)
Wattle
(Green)
Sedang
AR
321
B3-RED BAND
Tinggi
(216)
B2-GREEN BAND
Tinggi (212)
BI-BLUE BAND
Tinggi (202)
White
pointer
(Grey)
Mudah
AR
432
B4-NIR BAND
Sedang
(116)
B3-RED BAND
Tinggi (255)
B2-GREEN BAND
Tinggi (255)
Baby Blue
(Blue)
Sukar
AR
456
B4-NIR BAND
Sedang
(121)
B5-MIR1 BAND
Tinggi (187)
B6-MIR2 BAND
Tinggi (230)
Malibu
(Blue)
Sedang
33
F. Pembahasan
1. Komposit warna apa yang benar dan bagaimana cara
menyusunnya?
Apa yang menjadi komposit yang salah?
Komposit warna pada citra dikatakan true atau
benar apabila citra tersebut dapat dilihat dan
diatrikan oleh mata telanjang dimana warna yang
ada pada citra menyerupai warna yang sebenarnya
dipermukaan bumi (natural color). Komposit warna
yang natural color adalah komposit warna 321,
dimana tutupan vegetasi ditunjukan dengan warna
hijau dari band green atau bisa dikatakan sama
dengan warna asli dari vegetasi yang tampak oleh
mata. Selain vegetasi, air ditunjukan dengan warna
biru dari band blue atau bisa dikatakan sama
dengan warna asli dari laut yang tampak oleh mata.
False colour atau warna yang salah adalah
warna yang tidak sesuai dengan keadaan nyata
dimuka bumi seperti pada komposit warna 432 dan
456. Pada komposit warna 432 kenampakan vegetasi
berwarna merah sedangkan pada komposit 456
vegetasi tampak berwarna kuning atau orange.
Langkah menyusun komposit warna yaitu dengan
Pre-procesing image yang merupakan proses
pengolahan data citra untuk dianalisis lebih
lanjut. Preprocesing ni bisa pembersih noise pada
citra, pengubahan format warna citra, proses
35
deteksi edge dan pojokan-pojokan pada citra.
Beberapa proses yang ada diantaranya adalah
komposit, cropping, dan mozaik citra.
Komposit adalah penggabungan dari beberapa
band dalam proses interpretasi citra
multispektral. Komposit warna terdiri dari true
color dan false color.
Cropping image atau pemotongan citra
bertujuan untuk membuat area of interest,
untuk mempertegas fenomena geospasial dan
pembahasan pada daerah kajian. Hal ini dilakukan
untuk menghindari adanya analisis di luar daerah
kajian. Selain itu, hal ini dilakukan untuk
lebihmemudahkan perencana melakukan analisis citra
dari daerah kajian. Pemotongan juga mengakibatkan
ukuran obyek menjadi lebih besar, sehingga konten
yang ada (informasi berupa warna) terlihat lebih
jelas. Cropping citra merupakan salah satu langkah
yang dilakukan setelah koreksi geometrik dan
radiometrik.
Mosaik citra merupakan penggabungan beberapa
citra ke dalam satu citra pada suatukenampakan
yang utuh dari suatu wilayah. Dengan menampilkan
dua citra akan memperberatkerja sistem, maka
penggabungan citra akan lebih memudahkan pekerjaan
sehingga analisaterhadap citra dapat lebih cepat,
persyaratan utama dalam pengabungan ini adalah
36
denganmenggabungkan 2 citra dengan kualitas dan
band yang sama. Dalam proses mosaiking,
perludilakukan penajaman warna dan image
balancing antar scene, dan untuk itu perlu
dilakukannormalisasi nilai digital number.
Pemotongan citra untuk daerah penelitian dilakukan
setelah proses mosaiking selesai. Hal ini
dilakukan untuk menghilangkan data yang bukan
termasuk dalamwilayah kajian. Pemotongan citra
didasarkan pada batas administrasi, selanjutnya
citra satelit yangtelah dipotong digunakan sebagai
acuan interpretasi/klasifikasi di setiap daerah
kajian.
2.Dari hasil pikselmu dalam 3 komposit warna yang
berbeda, mengapa vegetasi pada komposit 432
berwarna merah sedangkan pada komposit 321
berwarna hijau tua? Mengapa demikian?
Identifikasikanlah!
Pada komposit warna 432 vegetasi tampak merah
karena komposit 432 ini merupakan tipikal
kombinasi komposit false color dimana kenampakan
yang ada dicitra tidak sama dengan kenampakan
sesungguhnya. Saluran 4 mendeteksi puncak pantulan
dari vegetasi, membedakan tipe vegetasi, selain
itu membedakan tanah dan perairan. Kombinasi ini
menampilkan vegetasi berwarna merah, merah yang
37
lebih terang menandakan vegetasi yang lebih
dewasa. Tanah dengan sedikit atau tanpa vegetasi
antara putih (pasir atau garam) sampai hijau atau
coklat tergantung kelembapan dan kandungan
organik. Air nampak biru, perairan jernih akan
terlihat biru gelap atau hitam sedangkan perairan
dangkal atau air dengan konsentrasi sedimen tinggi
akan nampak biru muda. Area permukiman berwarna
biru kecoklatan.
Selain itu, warna vegetasi kerapatan tinggi
pada citra komposit 432 berwarna merah pekat,
dikarenakan pada warna komposit RGB pada saluran
Red diberi warna Band ETM4 (inframerah dekat),
saluran Green diberi warna Band ETM3 (merah) dan
saluran Biru diberi warna Band ETM2 (Hijau).
Warna vegetasi berwarna merah pekat, dikarenakan
hampir tidak ada sumbangan warna lain selain warna
merah hanya warna biru pada saluran biru.
Sedangkan warna biru lebih banyak dibiaskan dalam
perjalanannya ketika melewati jendela atmosfir.
Oleh karena itu vegetasi dengan kerapatan tinggi
berwarna merah pekat, warna ini dihasilkan dari
kombinasi band ETM4 dan Band ETM3.
Sedangkan komposit warna 321 merupakan
komposit warna natural sehingga merupakan
pendekatan terbaik untuk melihat realitas
landskap. Saluran 3 mendeteksi penyerapan
38
klorofil, saluran 2 mendeteksi reflektan hijau
dari vegetasi dan saluran 1 cocok untuk penetrasi
air, pada perairan jernih bisa masuk sekitar 25
meter, dengan kata lain kita bisa juga mendeteksi
transportasi sedimen di perairan. Saluran 1 juga
membedakan tanah dan vegetasi serta tipe tipe
hutan.
Selain itu, Pada citra komposit 321 pada
salura RGB diberi warna sesuai dengan warna Band
yang ada dimana warna Band3 (merah) ditempatkan
pada saluran Red,Band2 (Hijau) ditempatkan pada
saluran Hijau dan Band1 (Biru), ditempatkan
padasaluran Biru. Sehingga penampakkan obyek yang
berwarna biru akan dipantulkanberwarna biru, obyek
hijau berwarna hijau sesuai dengan pantulan obyek.
3.Dari gabungan 3 komposit warna, buatlah tabel dan
analisislah berdasarkan tingkat kesukaran (sangat
mudah, mudah, sedang, sukar, sangat sukar).
Buatlah kesimpulan dari perbandingan ini!
Berikut tabel 3 komposit warna, yaitu komposit
321, 432, dan 456 dengan 6 objek yang berbeda
yaitu air, lahan kosong, vegetasi (kerapatan
rendah, sedang, tinggi) dan atap rumah atau
pemukiman (AR/PM)
Objek Warna objek Pengenalan Gambar objek
39
objek
Air
321
Viking (Blue) Sangat mudah
Air
432
Smalt (Blue) Sangat mudah
Air
456
Midnight
express (Blue)
Sangat mudah
LK 321 Raffia
(Yellow)
Mudah
LK 432 Magic mint
(Green)
Sukar
LK 456 Charlotte
(Blue)
Sukar
VKR
321
Sage (Green) Sedang
VKR
432
Charlotte
(Blue)
Sedang
VKR
456
Skeptic
(Green)
Sukar
VKS
321
Axolotl
(Green)
Sedang
VKS
432
Turkishrose
(Red)
Sedang
40
VKS
456
Barley corn
(Yellow)
Sukar
VKT
321
Myrtle (Green) Mudah
VKT
432
Falu red (Red) Sedang
VKT
456
Wattle (Green) Sedang
PM 321 White pointer
(Grey)
Mudah
PM 432 Baby blue
(Blue)
Sukar
PM 456 Malibu (Blue) Sedang
Berikut analisis dari tabel diatas:
Objek air pada ketiga komposit warna
cenderung sangat mudah untuk diidentifikasikan,
karena ketiganya memiliki warna yang berbeda
dengan objek lainnya. Kontras warna yang berbeda
membuat objek air tersebut sangat mudah untuk
diidentifikasikan. Objek lahan kosong pada
komposit 321 sangat mudah diindetifikasikan karena
warna yang berbeda dengan warna lainnya, selain
itu degradasi warna dengan objek disekitarnya
berbeda, itu memudahkan kita dalam
mengidentifikasikannya. Lahan kosong pada komposit
41
warna 432 terbilang sukar karena degradasi warna
antara lahan kosong dan pemukiman atau atap rumah
memiliki warna yang sama sehingga sangat sulit
untuk dibedakan. Sedangkan lahan kosong pada
komposit 456 sukar untuk diidentifikasikan karena
degradasi warna pada wilayah sekitar tidak terlalu
nampak sehingga sulit untuk membedakan lahan
kosong dengan daerah sekiatnya.
Objek vegetasi pada komposit 321 dan 432
terbilang sedang untuk diidentifikasikan, karena
perpaduan warna yang mencolok dengan warna
disekitarnya, akan tetapi objek vegeasi pada
komposit 456 terbilang sukar atau sulit untuk
diidentifikasikan, karena degradasi warna dari
vegetasi kerapatan rendah ke vegetasi kerapatan
sedang tidak begitu nampak bahkan cnderung hampir
sama tanpa adanya perbedaan.
Kesimpulan dari analisis ini adalah komposit
warna 321 sangat mudah hingga mudah untuk
diidentifikasikan karena ada permainan atau
degradasi warna didalamnya, selain itu komposit
321 ini termasuk kedalam natural colour sehingga
warna yang tampak pada cita sama dengan warna yang
tampak pada kenampakan aslinya. Sedangkan komposit
432 dan 456 terbilang sedang hingga sukar karena
degradasi warna yang tidak begitu nampak pada
citra sehingga sulit untuk dibedakan.
42
4.Jelaskan prinsip menyusun komposit warna citra
pada objek tanah dengan menggunakan citra landsat!
Prinsip membuat citra komposit yang lebih
menonjolkan objek tanah menggunakan citra landsat
adalah dengan melihat panjang gelombang tertinggi
yang dipantulkan dari nilai spektral yang
dipantulkan oleh objek dan besarnya nilai
presentase pantulan objek. Bila dilihat dari
grafik spektral nilai pantulan obyek tanah akan
memantulkan panjang gelombang sebesar 40% pada
panjang gelombang 1200-1300nm. Itu berarti untuk
citra landsat nilai tersebut berada pada band ETM4
dengan ETM5. Dengan demikian untuk objek tanah
dapat dibuat komposit yang melibatkan kedua band
tersebut seperti 452 atau 432
G. Kesimpulan
Dari praktikum interpretasi citra
multispektral menggunakan program ENVI 4.5 mahasiswa
mampu mengetahui cara kerja dari program ENVI 4.5
dan mampu mengidentifikasi kenampakan yang ada dalam
citra, selain itu mahasiswa mampu mengetahui adanya
komposit warna true and false color serta dapat
membedakan diantara keduanya.
H. Daftar Pustaka
43
Banata. 2013. Kombinasi band untuk pengenalan objek
landsat. Dalam
http://www.banata.net/2013/04/15/kombinasi-band-
untuk-pengenalan-obyek-di-landsat/ diakses pada
15 November 2014
Danoedoro, Projo. 1996. Pengolahan Citra Digital : Teori dan
Aplikasinya dalam Bidang Penginderaan Jauh. Yogyakarta.
Fakultas Geografi UGM
Danoedoro, Projo. 2007. Petunjuk Praktikum Pemrosesan Citra
Digital. Yogyakarta. Fakultas Geografi UGM
Inggit, et al. 2012. Kajian Penutup LAhan Provinsi
Lampung Bagian Selatan Menggunakan CitraSpot-4.
Peneliti Pustekdata: LAPAN
Heru, Sigit. 2011. Catatan kuliah Pemrosesan Citra Digital.
Yogyakarta.
Lillesand, T. M. and R. W. Kiefer 1990. Penginderaan
Jauh dan Interpretasi Citra. Diterjemahkan:
Sutanto. Gadjah Mada Universitas Press
Nur, Rusydi Alfi. 2014. Mata Kuliah Penginderaan Jauh
Interpretasi Citra Multispektral. Malang. Universitas
Negeri Malang
44