Laporan Praktikum Inderaja Modul 1 FIX

7/27/2019 Laporan Praktikum Inderaja Modul 1 FIX

1/46

LAPORAN RESMI PRAKTIKUM

PENGINDERAAN JAUH

MODUL I

INTERFACEPERANGKAT LUNAK ER MAPPER 7.0

MUHAMMAD SULAIMAN

26020212140030

Shift II

PROGRAM STUDI OSEANOGRAFI

JURUSAN ILMU KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS DIPONEGORO

SEMARANG

2013


2/46

LEMBAR PENILAIAN

MODUL I :INTERFACEPERANGKAT LUNAK ER MAPPER 7.0

Nama : Muhammad Sulaiman NIM : 26020212140030 Ttd : ..

NO KETERANGAN NILAI

1. Pendahuluan

2. Tinjauan Pustaka

3. Materi dan Metode

4. Hasil dan Pembahasan

5. Kesimpulan

6. Daftar Pustaka

JUMLAH

Semarang, 23 Oktober 2013

Mengetahui,

Koordinator Praktikum Asisten

Jasmine Khairani Zainal Oscar Agustino

K2D 009 036 K2E 009 058

Shift : 2 (Dua)

Tanggal Praktikum : 17 September 2013

Tanggal Pengumpulan : 23 September 2013


3/46

I. PENDAHULUAN

1.1 Latar Belakang

Dalam penginderaan jauh kita mempelajari tentang penggambaran

bentuk muka bumi tetapi kita tidak menyentuh objeknya. Sehingga kita

membutuhkan suatu software yang dapat membantu kita dalam mengolah

data. Pada praktikum ini kita menggunakan ER Mapper yaitu sebuah

software yang digunakan dalam pengolahan data pengindraan jauh, dengan

memasukan hasil pemotretan bumi dari satelit.

Kegunaan hasil pemotretan bumi dari satelit merupakan

perkembangan dari pengukuran permukaan bumi dengan alat ukur tanah

yang dikembangkan dengan foto udara dan kemudian dengan satelit.

Klasifikasi citra penginderaan jauh (inderaja) bertujuan untuk menghasilkan

peta tematik, dimana tiap warna mewakili sebuah objek, misalkan hutan,

laut, sungai, sawah, dan lain-lain. Metode berbasis unsupervised yang

diusulkan ini adalah integrasi dari metode feature extraction, hierarchical

(hirarki) clustering, dan partitional (partisi) clustering. Feature extraction

dimaksudkan untuk mendapatkan komponen utama citra multispektral

tersebut, sekaligus mengeliminir komponen yang redundan, sehingga akan

mengurangi kompleksitas komputasi. Histogram komponen utama ini

dianalisa untuk melihat lokasi terkonsentasinyapixeldalamfeature space.

1.2 Tujuan

Mahasiswa diharapkan mengetahui arti dan fungsi dari penginderaan jauh.


4/46

Mahasiswa diharapkan mengetahui dan mampu mengoperasikansoftware

ER Mapper 7.0 yang dapatmembantu dalam proses pengolahan data hasil

dari citra penginderaan jauh.

II. TINJAUAN PUSTAKA

2.1 Penginderaan Jauh

Pengideraan jauh adalah teknik dan seni untuk memperoleh

informasi tentang suatu sasaran/objek, wilayah atau fenomena dengan

menganalisa data yang diperoleh dari alat, tanpa menyentuh/kontak

langsung dengan objek, wilayah atau fenomena yang dikaji. Objek yang

diambil berupa gejala di permukaan bumi atau ruang angkasa terbatas pada

objek yang tampat, yaitu objek permukaan bumi (atmosfer, biosfer,

hodrosfer dan litosfer) yang tidak terlindungi oleh objek lain (Marthina, B.

2011).

Menurut Lillesand dan Kiefer (1990), Penginderaan Jauh adalah

ilmu dan seni untuk memperoleh informasi tentang obyek, daerah, atau

gejala dengan jalan menganalisis data yang diperoleh dengan menggunakan

alat tanpa kontak langsung terhadap obyek, daerah, atau gejala yang dikaji.

Dari pengertian diatas dapat disimpulkan bahwa pengindraan jauh

adalah ilmu atau seni cara merekam suatu objek tanpa kontak fisik dengan

menggunakan alat pada pesawat terbang, balon udara, satelit, dan lain-lain.

Dalam hal ini yang direkam adalah permukaan bumi untuk berbagai

kepentingan manusia (Purnomo, D, 2012).

2.2 Citra


5/46

Dalam penginderaan jauh di dapat masukkan data atau hasil

observasi yang disebut citra. Citra dapat diartikan sebagai gambatan yang

tampak dari suatu obyek yang sedang diamati, sebagai hasil liputan atau

rekaman suatu alat pemantau. Sebagai contoh, memotret bunga di taman.

Foto bunga yang berhasil kita buat itu merupakan citra bunga tersebut

(Efendi, M. 2009).

Citra adalah gambaran rekaman suatu obyek (biasanya berupa

gambaran pada foto) yang dibuahkan dengan cara optik, elektro - optik,

optik mekanik, atau elektronik. Pada umumnya ia digunakan bila radiasi

elektromagnetik yang dipancarkan atau dipantulkan dari suatu obyek tidak

langsung direkam pada film. Citra dihasilkan dari sensor yang dipasang

pada wahana (Zu'ama, 2011).

2.2.1 Jenis Jenis Citra

1. Citra Foto

Citra foto adalah gambaran yang dihasilkan dengan menggunakan

sensor kamera. Citra foto dapat dibedakan berdasarkan:

a. Spektrum Elektromagnetik yang digunakan :

Berdasarkan spektrum elektromagnetik yang digunakan, citra foto

dapat dibedakan atas:

Foto ultra violet yaitu foto yang dibuat dengan menggunakan

spektrum ultra violet dekat dengan panjang gelombang 0,29

mikrometer.

Foto ortokromatik yaitu foto yang dibuat dengan menggunakanspektrum tampak dari saluran biru hingga sebagian hijau (0,4 - 0,56

mikrometer).

Foto pankromatik yaitu foto yang dengan menggunakan spektrum

tampak mata.

Foto infra merah yang terdiri dari foto warna asli (true infrared photo)

yang dibuat dengan menggunakan spektrum infra merah dekat sampai


6/46

panjang gelombang 0,9 mikrometer hingga 1,2 mikrometer dan infra

merah modifikasi (infra merah dekat) dengan sebagian spektrum

tampak pada saluran merah dan saluran hijau.

(Puremind, 2012)

b. Sumbu Kamera

Foto udara dapat dibedakan berdasarkan arah sumbu kamera ke

permukaan bumi, yaitu:

Foto vertikal atau foto tegak (orto photograph), yaitu foto yang dibuat

dengan sumbu kamera tegak lurus terhadap permukaan bumi.

Foto condong atau foto miring (oblique photograph), yaitu foto yang

dibuat dengan sumbu kamera menyudut terhadap garis tegak lurus ke

permukaan bumi. Sudut ini pada umumnya sebesar 10 derajat atau lebih

besar. Tapi apabila sudut condongnya masih berkisar antara 1 - 4 derajat,

foto yang dihasilkan masih digolongkan sebagai foto vertikal.

Foto condong masih dibedakan lagi menjadi:

Foto agak condong (low oblique photograph), yaitu apabila cakrawala

tidak tergambar pada foto.

Foto sangat condong (high oblique photograph), yaitu apabila pada foto

tampak cakrawalanya.

(Puremind, 2012)

c. Warna yang digunakan :

Berdasarkan warna yang digunakan, citra foto dapat dibedakan atas:

Foto berwarna semua (false colour).

Warna citra pada foto tidak sama dengan warna aslinya. Misalnya pohon

-pohon yang berwarna hijau dan banyak memantulkan spektrum infra

merah, pada foto tampak berwarna merah.

Foto berwarna asli (true colour).


7/46

Contoh: foto pankromatik berwarna.

(Puremind, 2012)

d. Wahana yang digunakan

Berdasarkan wahana yang digunakan, ada 2 (dua) jenis citra, yakni:

Foto udara, dibuat dari pesawat udara atau balon.

Foto satelit/orbital, dibuat dari satelit.

(Puremind, 2012)

2. Citra Non FotoCitra non foto adalah gambaran yang dihasilkan oleh sensor bukan

kamera. Citra non foto dibedakan atas:

a. Spektrum elektromagnetik yang digunakan

Berdasarkan spektrum elektromagnetik yang digunakan dalam

penginderaan, citra non foto dibedakan atas:

Citra infra merah thermal, yaitu citra yang dibuat dengan spektrum infra

merah thermal. Penginderaan pada spektrum ini mendasarkan atas bedasuhu objek dan daya pancarnya pada citra tercermin dengan beda rona atau

beda warnanya.

Citra radar dan citra gelombang mikro, yaitu citra yang dibuat dengan

spektrum gelombang mikro. Citra radar merupakan hasil penginderaan

dengan sistem aktif yaitu dengan sumber tenaga buatan, sedang citra

gelombang mikro dihasilkan dengan sistim pasif yaitu dengan

menggunakan sumber tenaga alamiah.

(Puremind, 2012)

b. Sensor yang digunakan

Berdasarkan sensor yang digunakan, citra non foto terdiri dari:

Citra tunggal, yakni citra yang dibuat dengan sensor tunggal, yang

salurannya lebar.


8/46

Citra multispektral, yakni citra yang dibuat dengan sensor jamak, tetapi

salurannya sempit, yang terdiri dari:

Citra RBV (Return Beam Vidicon), sensornya berupa kamera yang

hasilnya tidak dalam bentuk foto karena detektornya bukan film dan

prosesnya non fotografik.

Citra MSS (Multi Spektral Scanner), sensornya dapat menggunakan

spektrum tampak maupun spektrum infra merah thermal. Citra ini dapat

dibuat dari pesawat udara.

(Puremind, 2012)

c. Wahana yang digunakan

Berdasarkan wahana yang digunakan, citra non foto dibagi atas:

Citra Dirgantara (Airborne Image), yaitu citra yang dibuat dengan wahana

yang beroperasi di udara (dirgantara). Contoh: Citra infra merah thermal,

citra radar dan citra MSS. Citra dirgantara ini jarang digunakan.

Citra Satelit (Satellite/Spaceborne Image), yaitu citra yang dibuat dariantariksa atau angkasa luar. Citra ini dibedakan lagi atas penggunaannya,

yakni:

Citra satelit untuk penginderaan planet. Contoh: Citra satelit Viking (AS),

Citra satelit Venera (Rusia).

Citra satelit untuk penginderaan cuaca. Contoh: NOAA (AS), Citra Meteor

(Rusia).

Citra satelit untuk penginderaan sumber daya bumi. Contoh: Citra Landsat

(AS), Citra Soyuz (Rusia) dan Citra SPOT (Perancis).

Citra satelit untuk penginderaan laut. Contoh: Citra Seasat (AS), Citra

MOS (Jepang).

(Puremind, 2012)


9/46

2.3 ER Mapper

ER Mapper merupakan salah satu software (perangkat lunak) yang

digunakan untuk mengolah data citra. Beberapa perangkat lunak serupa

yang juga memiliki fungsi yang sama antara lain ERDAS Imagine, PCL,

dan lain-lain. Masing-masing software memiliki keunggulan dan

kekurangannya masing-masing. ER Mapper sendiri dikeluarkan oleh Earth

Resource Mapping, yang merupakan salah satu vendor piranti pemrosesan

citra yang berpusat di Australia dengan berbagai cabang utama dan cabang

pembantudi beberapa negara. Meyngingat software ini mudah dipelajari dan

proses penyimpanan data yang lebih cepat dan sederhana dibandingkan

softwae lain, ER Mapper lebih banyak dipilih dan diminati pengolah citra

satelit. Secara umum ada dua tipe tombol operasi pada ER Mapper, yaitu

tombol menu pulldown dan toolbar. Sebagian besar perintah operasional

telah terfasilitasi dalam menupulldown, namun dalam kasus-kasus tertentu,

menu toolbarsangat efisien dan reflatif lebih mudah digunakan (Tansya, D,

2013).

2.4 Satelit Landsat

Satelit Landsat (Land Satellite) milik Amerika Serikat, pertama kali

diluncurkan pada tahun 1972 dengan nama ERTS-1. Proyek tersebut sukses

dan dilanjutkan dengan peluncuran selanjutnya, seri kedua, tetapi dengan

nama baru yaituLandsat. Seri tersebut hingga tahun 1991 telah sampai pada

Landsat 5, dikelompokkan menjadi dua generasi, yaitu generasi pertama (1-

3) dan generasi kedua (4-5).

(Sutanto, 1986)

Landsat 1-2 dan dua sensor, yaitu RBV (memiliki 3 saluran dengan

resolusi spasial 79 m) dan MSS (memiliki 4 saluraan). Landsat 3 masih

memiliki 2 sensor itu, tapi sensor RBV hanya memiliki 1 saluran dengan

resolusi spasial 40 m. Landsat 4-5 memiliki dua sensor; TM (dengan 7

saluran, dimana saluraan TM5 dan TM7-nya beresolusi spasial 30 m) dan

MSS.


10/46

(Spasiatama, 2004).

Program Landsat adalah program paling lama untuk mendapatkan citra

Bumi dari luar angkasa. Satelit Landsat pertama diluncurkan pada tahun

1972; yang paling akhir Landsat 7, diluncurkan tanggal 15 April 1999.

Instrumen satelit-satelitLandsattelah menghasilkan jutaan citra. Citra-citra

tersebut diarsipkan di Amerika Serikat dan stasiun-stasiun penerima Landsat

di seluruh dunia, dimana merupakan sumber daya yang unik untuk riset

perubahan global dan aplikasinya pada pertanian, geologi, kehutanan,

perencanaan daerah, pendidikan, dan keamanan nasional. Landsat 7

memiliki resolusi 15-30 meter.

(Sutanto, 1986)

Program ini dulunya disebut Earth Resources Observation Satellites

Program ketika dimulai tahun 1966, namun diubah menjadi Landsat pada

tahun 1975. Tahun 1979, Presidential Directive 54 di bawah Presiden AS

Jimmy Carter mengalihkan operasi Landsat dari NASA ke NOAA,

merekomendasikan pengembangan sistem operasional jangka panjang

dengan 4 satelit tambahan, serta merekomendasikan transisi swastanisasi

Landsat. Ini terjadi tahun 1985 ketika EOSAT, rekan Hughes Aircraft dan

RCA, dipilih oleh NOAA untuk mengoperasikan sistem Landsat dalam

kontrak 10 tahun. EOSAT mengoperasikan Landsat 4 and 5, memiliki hak

ekslusif untuk memasarkan data Landsat, serta mengembangkan Landsat 6

dan 7. Citra satelit dengan warna-simulasi Kolkata diambil dari satelit

Landsat 7.

Landsat 1- (mulanya dinamakanEarth Resources Technology Satellite 1) -

diluncurkan 23 Juli1972, operasi berakhir tahun 1978

Landsat 2 - diluncurkan 22 Januari1975, terminatedin 1981

Landsat 3 - diluncurkan 5 Maret1978, berakhir1983

Landsat 4 - diluncurkan 16 Juli1982, berakhir1993

Landsat 5 - diluncurkan 1 Maret1984, masih berfungsi
http://var/www/apps/wiki/Bumihttp://var/www/apps/wiki/Landsat_7http://var/www/apps/wiki/15_Aprilhttp://var/www/apps/wiki/1999http://var/www/apps/wiki/1999http://var/www/apps/wiki/Pertanianhttp://var/www/apps/wiki/Geologihttp://var/www/apps/wiki/Kehutananhttp://var/www/apps/wiki/Kehutananhttp://var/www/apps/w/index.phphttp://var/www/apps/wiki/Pendidikanhttp://var/www/apps/wiki/Pendidikanhttp://var/www/apps/wiki/Keamanan_nasionalhttp://var/www/apps/wiki/Resolusihttp://var/www/apps/wiki/1966http://var/www/apps/wiki/1979http://var/www/apps/wiki/Jimmy_Carterhttp://var/www/apps/wiki/NASAhttp://var/www/apps/w/index.phphttp://var/www/apps/w/index.phphttp://var/www/apps/w/index.phphttp://var/www/apps/w/index.phphttp://var/www/apps/w/index.phphttp://var/www/apps/wiki/23_Julihttp://var/www/apps/wiki/1972http://var/www/apps/wiki/1972http://var/www/apps/wiki/1978http://var/www/apps/w/index.phphttp://var/www/apps/wiki/22_Januarihttp://var/www/apps/wiki/1975http://var/www/apps/wiki/1975http://var/www/apps/wiki/1981http://var/www/apps/w/index.phphttp://var/www/apps/wiki/5_Marethttp://var/www/apps/wiki/1978http://var/www/apps/wiki/1978http://var/www/apps/wiki/1983http://var/www/apps/w/index.phphttp://var/www/apps/wiki/16_Julihttp://var/www/apps/wiki/1982http://var/www/apps/wiki/1993http://var/www/apps/w/index.phphttp://var/www/apps/wiki/1_Marethttp://var/www/apps/wiki/1984http://var/www/apps/wiki/1984http://var/www/apps/wiki/Bumihttp://var/www/apps/wiki/Landsat_7http://var/www/apps/wiki/15_Aprilhttp://var/www/apps/wiki/1999http://var/www/apps/wiki/Pertanianhttp://var/www/apps/wiki/Geologihttp://var/www/apps/wiki/Kehutananhttp://var/www/apps/w/index.phphttp://var/www/apps/wiki/Pendidikanhttp://var/www/apps/wiki/Keamanan_nasionalhttp://var/www/apps/wiki/Resolusihttp://var/www/apps/wiki/1966http://var/www/apps/wiki/1979http://var/www/apps/wiki/Jimmy_Carterhttp://var/www/apps/wiki/NASAhttp://var/www/apps/w/index.phphttp://var/www/apps/w/index.phphttp://var/www/apps/w/index.phphttp://var/www/apps/w/index.phphttp://var/www/apps/w/index.phphttp://var/www/apps/wiki/23_Julihttp://var/www/apps/wiki/1972http://var/www/apps/wiki/1978http://var/www/apps/w/index.phphttp://var/www/apps/wiki/22_Januarihttp://var/www/apps/wiki/1975http://var/www/apps/wiki/1981http://var/www/apps/w/index.phphttp://var/www/apps/wiki/5_Marethttp://var/www/apps/wiki/1978http://var/www/apps/wiki/1983http://var/www/apps/w/index.phphttp://var/www/apps/wiki/16_Julihttp://var/www/apps/wiki/1982http://var/www/apps/wiki/1993http://var/www/apps/w/index.phphttp://var/www/apps/wiki/1_Marethttp://var/www/apps/wiki/1984


11/46

Landsat 6 - diluncurkan 5 Oktober1993, gagal mencapai orbit

Landsat 7 - diluncurkan 15 April1999, masih berfungsi

(Sutanto, 1986)

2.5 RGB

Model warna RGB adalah model warna berdasarkan konsep

penambahan kuat cahaya primer yaitu Red, Green dan Blue. Dalam suatu

ruang yang sama sekali tidak ada cahaya, maka ruangan tersebut adalah

gelap total. Tidak ada signal gelombang cahaya yang diserap oleh mata kita

atau RGB (0,0,0). Apabila kita menambahkan cahaya merah pada ruangan

tersebut, maka ruangan akan berubah warna menjadi merah misalnya RGB

(255,0,0), semua benda dalam ruangan tersebut hanya dapat terlihat

berwarna merah. Demikian apabila cahaya kita ganti dengan hijau atau biru

(Ningrum, A.D, 2012).

Apabila kita melanjutkan percobaan memberikan 2 macam cahaya

primer dalam ruangan tersebut seperti (merah dan hijau), atau (merah dan

biru) atau (hijau dan biru), maka ruangan akan berubah warna masing-

masing menjadi kuning, atau magenta atau cyan. Warna-warna yang

dibentuk oleh kombinasi dua macam cahaya tersebut disebut warna

sekunder(Ningrum, A.D, 2012).

Pada perhitungan dalam program-program komputer model warna

direpresentasi dengan nilai komponennya, seperti dalam RGB (r, g, b)

masing-masing nilai antara 0 hingga 255 sesuai dengan urusan masing-

masing yaitu pertama Red, kedua Green dan ketigha adalah nilai Blue

dengan demikian masing-masing komponen ada 256 tingkat. Apabila

dikombinasikan maka ada 256 x 256 x 256 atau 16.777.216 kombinasi

warna RGB yang dapat dibentuk (Ningrum, A.D, 2012).

Dalam mendesign web warna RGB kerapkali direpresentasikan

dengan Hex Triplet atau kombinasi 2 pasang bilangan hexadecimal, seperti

#FF5D25 artinya Red = FF atau 15*16 + 15 = 255, Green = 5D atau 5*16 +
http://var/www/apps/w/index.phphttp://var/www/apps/wiki/5_Oktoberhttp://var/www/apps/wiki/1993http://var/www/apps/wiki/Landsat_7http://var/www/apps/wiki/15_Aprilhttp://var/www/apps/wiki/1999http://var/www/apps/w/index.phphttp://var/www/apps/wiki/5_Oktoberhttp://var/www/apps/wiki/1993http://var/www/apps/wiki/Landsat_7http://var/www/apps/wiki/15_Aprilhttp://var/www/apps/wiki/1999


12/46

13 = 93 dan Blue = 25 atau 2*16 + 5 = 37. Jadi RGB (255,93,37) (Ningrum,

A.D, 2012).

2.6 Teknik Interpretasi Visual

Teknik interpretasi visual (manual) citra satelit yang merupakan

adaptasi dari teknik interpretasi foto udara. Citra satelit yang dimaksudkan

disini adalah citra satelit pada saluran tampak dan perluasannya. Adaptasi

teknik ini bisa dilakukan karena baik citra satelit tesebut dan foto udara,

sama-sama merupakan rekaman nilai pantulan dari obyek. Namun karena

perbedaan karakteristik spasial dan spektralnya, maka tidak keseluruhan

kunci interpretasi dalam teknik interpretasi visual ini bisa digunakan.

Kelebihan dari teknik interpretasi visual ini dibandingkan dengan

interpretasi otomatis adalah dasar interpretasi tidak semata-mata kepada

nilai kecerahan, tetapi konteks keruangan pada daerah yang dikaji juga ikut

dipertimbangkan. Interpretasi manual ini peranan interpreter dalam

mengontrol hasil klasifikasi menjadi sangat dominan, sehingga hasil

klasifikasi yang diperoleh relatif lebih masuk akal (Ningrum, A.D, 2012).

Berdasarkan kerangka pemikiran tersebut maka interpretasi citra

Landsat 7 ETM digital menggunakan gabungan metode penafsiran secara

klasifikasi teracu (supervised classification) dan metode secara

manual/visual atau delineasi secara on screen digitation. Penggabungan

kedua metode ini (manual dan otomatis) menghasilkan klasifikasi yang

lebih rinci dan cepat sebab klasifikasi teracu akan membantu mempermudah

klasifikasi secara keseluruhan, terutama untuk memperoleh batas delineasi

pada kelas-kelas dengan poligon yang besar seperti kelas hutan, laut, danau

dan yang lainnya. Sedangkan metode secara manual/visual dapat lebih

memperinci hasil kliasifikasi teracu, terutama untuk memisahkan,

menggabungkan atau menambahkan kelas-kelas yang tidak bisa dilakukan

secara klasifikasi teracu (Ningrum, A.D, 2012).

2.7 Satelit IKONOS


13/46

Satelit IKONOS adalah satelit resolusi tinggi yang dioperasikan oleh

Geo Eye. Kemampuannya yang terliput adalah mencitrakan dengan resolusi

multispektral 3,2 meter dan inframerah dekat (0,82mm) pankromatik.

Aplikasinya untuk pemetaan sumberdaya alam daerah pedalaman dan

perkotaan, analisis bencana alam, kehutanan, pertanian, pertambangan,

teknik konstruksi, pemetaan perpajakan, dan deteksi perubahan. Mampu

menyediakan data yang relevan untuk studi lingkungan. Ikonos

menyediakan pandangan udara dan foto satelit untuk banyak tempat di

seluruh dunia (Anomin, 2013).

IKONOS adalah satelit milik Space Imaging (USA) yang

diluncurkan bulan September 1999 dan menyediakan data untuk tujuan

komersial pada awal 2000. Sebelum berganti nama menjadi ikonos, dulu

ikonos disebut sebagai Space Imaging. IKONOS berasal daribahasa Yunani

kata untuk "gambar". IKONOSadalah satelit dengan resolusi spasial tinggi

yang merekam data multispektral 4 kanal pada resolusi 4 m (citra berwarna)

dan sebuah kanal pankromatik dengan resolusi 1 m (hitam-putih). Ini berarti

IKONOSmerupakan satelit komersial pertama yang dapat membuat image

beresolusi tinggi (Lillesand and Kiefer, 1990).

2.8 Geolink

Geolink adalah salah satu cara yang di gunakan untuk mempermudah

dalam penggolahan register atau rektifikasi citra untuk penepatan GCP

antara 2 buah citra satelit. Geolink hanya bisa digunakan pada beberapa citra

yang mempunyai koordinat sama (citra yang telah tergeoreference). Jika

beberapa citra tesebut belum mempunyai koordinnat yang sama maka

dengan melakukan rektifikasi terlebih dulu pada citra yang sudah

mempunyai koordinatnya (Ningrum, A.D, 2012).

III. MATERI DAN METODE

3.1 Waktu dan Tempat
http://translate.googleusercontent.com/translate_c?hl=id&sl=en&u=http://en.wikipedia.org/wiki/Greek_language&prev=/search%3Fq%3Dikonos%26hl%3Did%26biw%3D1024%26bih%3D440%26prmd%3Divns&rurl=translate.google.co.id&usg=ALkJrhhPHa2GXAJacmtOJRc9QkXGmNis3Qhttp://translate.googleusercontent.com/translate_c?hl=id&sl=en&u=http://en.wikipedia.org/wiki/Greek_language&prev=/search%3Fq%3Dikonos%26hl%3Did%26biw%3D1024%26bih%3D440%26prmd%3Divns&rurl=translate.google.co.id&usg=ALkJrhhPHa2GXAJacmtOJRc9QkXGmNis3Q


14/46

Hari : Selasa, 10 September 2013.

Waktu : 14.40 WIB Selesai.

Tempat : Laboratorium Komputasi, Gedung E, Lantai 2, Fakultas

Perikanan dan Ilmu kelautan, UNDIP, Semarang.

3.2 Materi

Materi praktikum inderaja yang disampaikan adalah :

1. Penggabungan Citra

2. CroppingCitra

3. Penajaman Citra, Komposit Warna, dan Teknik Interpretasi Visual

4. Reading Data Value

5. Geolink

3.3 Metode

3.3.1 Penggabungkan Citra

1. Jalankan ProgramER Mapper 7.0

2. Klik icon edit algorithm pada active window ER Mapper, makan

akan muncul kotak seperti gambar dibawah ini


15/46

3. Klik icon duplicate untuk menduplikat pseudo layer, dan duplikat

menjadi 6 layer.

4. Ganti pseudo layermenjadiBand 1, Band 2, Band 3, Band 4, Band 5, dan

Band 7. Tulis nama dan nim pada dialog box description.

5. Pada Band 1, cari file 2000_0204_B1.tif. Klik load dataset padawindow file cilacap, pilih volume dan tentukan letak file disimpan.

Kemudian klikok this layer only.


16/46

6. Pada Band 2, cari file 2000_0204_B2.tif. Kemudian klik ok this layer

only.


only.


only.


only.


only. Maka akan muncul gambar dibawah ini


17/46

11. Save file dengan type raster dataset. Nama file

Gabung_MuhammadSulaiman_26020212140030.ers. KlikOK.

12. Pada kotaksave as ER Mapper dataset, pilih default dilanjutkan klikOK.


18/46

3.3.2 CroppingCitra

1. Pilih edit algorithm , load datasetcari file

Gabung_MuhammadSulaiman_26020212140030.ers


19/46

2. Klik iconzoom box tool , dragarea yang akan di crop.

3. Duplikatpseudo layermenjadi 6, beri namaBand 1, Band 2, dst.

4. Ganti bandsesuai namanya :Band 1=Band 1, Band 2=Band 2, dst.

5. Save as dalam type raster dataset dengan nama file

Crop_MuhammadSulaiman_26020212140030.ers


20/46

6. Lalu Klik OK

7. Pada kotaksave as ER Mapper dataset, pilih default dilanjutkan klikOK.


21/46

3.3.3 Penajaman Citra, Komposit Warna, dan Teknik Interpretasi

Visual

1. Pilih edit algorithm , load dataset cari fileCrop_MuhammadSulaiman_26020212140030.ers. Pada bagian surface,

ubah color table menjadigreyscale

2. Pil

ih

icon 99% Contrast Enchancement untuk menajamkan contrast.

Klik create RGB algorithm untuk menampilkan warna. Kemudian

klikrefresh .

3. Untuk mengetahui panjang atau luas dalam citra, pilih edit, annote vector

layer.

4. Untuk mengukur panjang, pada tools pilih poly line lalu lakukan

digitasipada area yang akan diukur panjangnya.


22/46

5. Klik icon edit object extent , maka akan muncul tampilan window

map composition extent yang menunjukan informasi mengenai panjang

area yang telah dilakukan digitasi


23/46

6. Klik icon delete object untuk menghapus digitasi sebelumnya.

7. Atau untuk mengukur luas, pada tools pilih polygon lalu lakukan

digitasipada area yang akan diukur luasnya.


24/46

8. Klik icon edit object extent , maka akan muncul tampilan window

map composition extent yang menunjukan informasi mengenai luas area

yang telah dilakukan digitasi.

9. Setelah dilakukan digitasi , area akan diberi tanda dengan memberi warna

pada garis hasil digitasi area. Dengan cara mengganti hand tool menjadi

pointer. Klik 2 kali pada hasil digitasi area , maka akan muncul set colour.

Pilih warna sesuai ketentuan.


25/46

3.3.4 Reading Data Value

1. Pilih edit algorithm , load dataset cari file

Crop_MuhammadSulaiman_26020212140030.ers

2. Klik create RGB algorihtm untuk memunculkan warna

3. Hilangkan efeksmoothing, dengan cara menghilangkan tanda centang

pada kolomsmoothing .

4. Setelah warna muncul , hapus pseudo layer yang memiliki tanda silang.

5. Perbesar gambar dengan zoom box tool, hingga gambar tampak

kotak-kotak.

6. Pilih view, cell values profileuntuk melihat nilai pixel pada citra.

7. Klik pada pointer , kemudian klik pada salah satu pixeldalam citra.

Akan terlihat nilai pada window cell values profile.


26/46

8. Pilih view, cell coordinates untuk mengetahui koordinat dari pixel

tersebut.


27/46

9. Klik pada pointer, kemudian klik pada salah satu pixel dalam citra. Akan

terlihat koordinat pada window cell coordinates

10. Lakukan mulai dari langkah 6 sekali lagi.

3.3.5 Geolink

1. Klik icon new kemudian klik icon copy window , untuk membuat

layer menjadi dua. Untuk layer pertama, klikedit algorithm, load dataset,

pilih file IKONOS2005.ers. Sedangkan untuk layer kedua isikan dengan

citra IKONOS2009.ers.

2. KlikRGB algorihtm untuk memberi warna pada citra.

a. Geolink To Window

1). Klik kanan pada window, quick zoom, set geolink to window.

2). Lakukan hal yang sama pada window kedua


28/46

b. Geolink To Screen

1) Klik copy windowpada toolbars untuk menggandakan salah

satu window. Gandakan window kedua sebanyak dua kali,

sehingga terdapat empat window. Atur besar dan posisikan agar

membentuk satu layer.2) Klik kanan, quick zoom, set geolink to nonepada semua

window.

3) Klik kanan, quick zoom, set geolink to screenpada semua

window.


29/46

c. Geolink To Roam

1) Klik kanan, quick zoom, set geolink to nonepada semua

window.

2) Pada setiap window ambil titik yang berbeda ketinggiannya

3) Pada window 1, klik kanan, quick zoom, set geolink to

overview roam


30/46


31/46


32/46

IV. HASIL DAN PEMBAHASAN

4.1 Hasil

4.1.1 Penggabungan Citra


33/46

4.1.2 Cropping


34/46

4.1.3 Penajaman Citra, Komposit Warna , dan Teknik Interpretasi Visual

a. Penajaman Citra


35/46

b. Pengukuran Panjang

c. Pengukuran Luas


36/46



37/46


38/46

4.1.5 Geolink

a. Geolink to Window


39/46

b. Geolink to Screen

c. Geolink to Overview Roam


40/46


41/46

4.2 Pembahasan

4.2.1 Penggabungan Citra

Metode penggabungan citra pada praktikum kali ini menggunakan

data citra foto wilayah Cilacap. Ada enam jenis data yang digunakan,

masing-masing data tersebut adalah 2000_0204_B1.tif yang akan

dimasukan ke dalam band 1, 2000_0204_B2.tif yang akan dimasukan ke

dalam band 2, 2000_0204_B3.tif yang akan dimasukan ke dalam band 3,

2000_0204_B4.tif yang akan dimasukan ke dalam band 4,

2000_0204_B5.tif yang akan dimasukan ke dalam band 5, dan

2000_0204_B7.tif yang akan dimasukan ke dalam band 6. Namun pada

penggabungan data citra tidak semua data citra dimasukan, salah satunya

adalah 2000_0204_B6 tidak dimasukan kedalam band 6karena data citra

tersebut merupakan peta batimetri dan indicator thermal. Dengan

menggabung kan beberapa citra dari data yang diperoleh maka kondisi

wilayah Cilacap dapat dipandang dari enam sudut pandang sekaligus

dalam satu layersehingga pengintrepratsi jauh lebih lengkap.

4.2.2 Cropping Citra

Teknik cropping dilakukan dengan menggunakan data citra Cilacap

Gabung_MuhammadSulaiman_26020212140030.ers yang tersimpan dan

telah digabungkan. Kemudian dengan menggunakan icon zoom box tool

pada area yang diinginkan sehingga akan nampak foto citra yang lebih

besar dari sebelumnya.

4.2.3 Penajaman Citra, Komposit Warna, dan Teknik Intepretasi Visual

Untuk penajaman citra, data citra yang digunakan adalah data citra

Cilacap Gabung_MuhammadSulaiman_26020212140030.ersyang telah di

crop yang telah tersimpan, penajaman warna citra dan memberi warna

pada sebuah citra, dengan menggunakan menggunakan icon99% Contrast

Enhacement yang terdapat pada toolbar ER Mapper. Hal ini sangat

berguna untuk membantu mencari panjang suatu area maupun luas daerah


42/46

dengan cara mendigitasi obyek yang diiinginkan. Ukuran dari luas dan

panjang akan langsung muncul pada kotakMap Composition Extents.


Pada metode ini juga digunakan data penggabungan citra Cilacap

yang telah di crop. Dengan melakukan zoom pada suatu area dan

menghapus efeksmoothing, maka akan tampakpixel-pixel dari tersebut.

Tujuan dari metode ini adalah untuk mengetahui nilai gradasi dan

koordinat dari sebuah pixel dalam citra tersebut. Hasil dari pembacaan

pixel pixeldari citra tersebut dapat kita baca dalam Cell Values Profile

dan Cell Coordinates.

4.2.5 Mengetahui Jarak dan Luas suatu Daerah

Untuk mengetahui jarak dan luas suatu daerah kita dapat

menggunakan toolbarZoom Box Tool terlebih dahulu sebelum memulai

mengukur panjang maupun luas suatu daerah. Setelah itu kita melakukan

Edit lalu Annotate Vector Layer, sehingga akan muncul toolbarpolygon

dan polyline.Polygon untuk mengukur luas sutu area sedangkan polyline

untuk mengukur jarak. Setelah itu kita dapat mengetahui panjang dan luas

sutu daerah dengan meng-klik icon Edit ,lalu Object Extent.ER Mapper

akan menampilkan window Map Composition Extent yang menunjukkan

informasi mengenai keliling, luas dan lain-lain area yang telah dilakukan

digitasi, tetapi sebelumnya RGB (Red, Green, Blue) digunakan untuk

menampilkan warna antara batas daratan dan perairan tampak lebih jelas

sehingga dapat dihitung luasan vegetasi tersebut. Refresh kita gunakan

untuk me-refresh gambar.

4.2.6 Geolink

Pada metodegeolinkini digunakan Data IKONOS 2005 dan 2009.

Dalam praktikum ini metode geolink terbagi menjadi geolink to window,

geolink to screen, dangeolink to overview roam. Geolinkbertujuan untuk

menghubungkan dua atau atau lebih windows windows image dalam ruang

koordinat geografik, dengan syarat image tersebut telah diregistrasi


43/46

terlebih dahulu. Dengan geolink dapat mempermudah dalam

membandingkan atau melakukan tindakan dalam dua objek sekaligus.

4.2.6.1 Geolink to window

Penggunaangeolink to window akan memperlihatkan gambar

dari koordinat yang sama dari dua citra dalam waktu yang berbeda.

4.2.6.2 Geolink to screen

Pada geolink to screen, akan menampilkan dua citra yang

saling terhubung dari window yang terpisah. Dimana , 2 citra yang

terhubung akan ditampilkan dalam 4 layer sekaligus.

4.2.6.3 Geolink to overview roam

Sedangkan, jika geolink to overview roam di aktifkan pada salah

satu layer, maka window lain juga akan menunjukan gambar yang sama

pada koordinat yang ditunjuk.

4.2.7 Perbandingan Data IKONOS Tahun 2005 dan 2009

Pada pengamatan kali ini diamati citra sekitar bandara Ahmad

Yani pada tahun 2005 dan 2009. Terlihat bahwa terdapat perbedaann

bentuk sungai dan panjangnya landasan udara di bandara Ahmad Yani.

Pada bentuk sungai di tahun 2005 terdapat lekukan berbentuk V di ujung

area bandara, tetapi dari citra 2009 diketahui bahwa telah dilakukan

pembelokan aliran sungai untuk menghilangkan lekukan berbentuk V

tersebut. Sedangkan untuk landasan udara, dari perbandingan data citra

satelit tahun 2005 dan 2009 terlihat bahwa pada tahun 2009 terlihat adanya

landasan udara yang lebih panjang dari sebelumnya.

IV.2.8 Mengapa Band 6 Tidak Dipakai ?

Namun pada penggabungan data citra tidak semua data citra

dimasukan, salah satunya adalah 2000_0204_B6 tidak dimasukan ke


44/46

dalam band 6pada Landsat TM merupakan panjang gelombang thermal

yang biasanya tidak digunakan untuk klasifikasi karena data citra tersebut

merupakan peta batimetri dan indicator thermal.

V. KESIMPULAN

1. Penggabungan beberapa citra dari data kondisi wilayah Cilacap dapat

dipandang dari enam sudut pandang sekaligus dalam satu layer sehingga

pengintrepratsi jauh lebih lengkap.

2. Teknik croppingdilakukan dengan menggunakan data citra Cilacap .

3. Penajaman citra, data citra yang digunakan adalah data citra Cilacap yang

telah di crop yang telah tersimpan, penajaman warna citra dan memberi

warna pada sebuah citra, dengan menggunakan icon 99% Contrast. Hal ini

bertujuan untuk membantu mencari panjang suatu area maupun luas daerah.

4. Polygon untuk mengukur luas sutu area sedangkan polyline untuk mengukur

jarak

5. Tujuan dari metode reading data values adalah untuk mengetahui nilai

gradasi dan koordinat dari sebuahpixeldalam citra tersebut.

6. Penggunaan geolink to window akan memperlihatkan gambar dari koordinat

yang sama dari dua citra dalam waktu yang berbeda.

7. Pada geolink to screen, akan menampilkan dua citra yang saling terhubung

dari window yang terpisah. Dimana , 2 citra yang terhubung akan ditampilkan

dalam 4 layer sekaligus.

8. Pada geolink to overview roam di aktifkan pada salah satu layer, maka

window lain juga akan menunjukan gambar yang sama pada koordinat yang

ditunjuk.


45/46

9. Dari perbandingan data citra satelit tahun 2005 dan 2009 terlihat bahwa pada

tahun 2009 terlihat adanya landasan udara yang lebih panjang dari

sebelumnya.

10. Band 6 pada Landsat TM merupakan panjang gelombang thermal yang

biasanya tidak digunakan untuk klasifikasi karena data citra tersebut

merupakan peta batimetri dan indicator thermal.

DAFTAR PUSTAKA

Anomin. 2013. http://citragamasakti.com/main_sub.php?id=29&m_id=7 ;

diunduh Jumat, 20 September 2013 : 21.50 WIB.

Efendi, M. 2009. http://geografi84.blogspot.com/2009/11/materi-geografi-kelas-

xiipenginderaan.html ; diunduh Jumat, 20 September 2013 : 20.46 WIB.

Lillesand, T.M dan R.W. Kiefer. 1990.Penginderaan Jauh dan interpretasiCitra.

Penerj. Dulbahri, et al. Gadjah Mada University Press. Yogayakarta.

Marthina, B. 2011. http://geo-smancis.blogspot.com/p/penginderaan-jauh-

pengertian-dan-macam.html ; diunduh Jumat, 20 September 2013 : 22.00

WIB.

Ningrum, A.D. 2012. http://ocean076.blogspot.com/2012/05/teknik-visual-teknik-

interpretasivisual.html ; diunduh Jumat, 20 September 2013 : 23.00 WIB.

Puremind. 2012. http://kamusmeteorology.blogspot.com/2012/09/jenis-jenis-citra-

pengindraan-jauh.html ; diunduh Jumat, 20 September 2013 : 22.10 WIB.

Purnomo, D. 2012. http://pinterdw.blogspot.com/2012/08/pengertian-

penginderaan-jauh.html ; diunduh Jumat, 20 September 2013 : 23.15 WIB.

Spasiatama, Geomedia. 2004. Modul Pelatihan Er Mapper. GoeMedia Sp.

Yogyakarta.

Sutanto, 1986. Penginderaan Jauh Jilid I. Gadjah Mada University

Press.Yogyakarta.


46/46

Tansya, D. 2013. http://bahankuliah-tha.blogspot.com/2013/01/er-mapper.html ;

diunduh Jumat, 20 September 2013 : 21.44 WIB.

Zu'ama. 2011.http://zuamahilma.blogspot.com/2011/06/makalah-penginderaan-jauh.html ; diunduh Jumat, 20 September 2013 : 22.56 WIB.

Laporan Praktikum Inderaja Modul 1 FIX

Documents

Transcript of Laporan Praktikum Inderaja Modul 1 FIX