TUGAS PENGINDERAAN JAUH

MEMBUAT BUKU TUTORIAL ER MAPPER 6.4

“Disusun untuk memenuhi salah satu tugas Penginderaan Jauh”

Disusun oleh

Aulia Nofrianti

1202483

JURUSAN PENDIDIKAN GEOGRAFI

FAKULTAS PENDIDIKAN ILMU PENGETAHUAN SOSIAL

UNIVERSITAS PENDIDIKAN INDONESIA

BANDUNG

2013

PEMBAHASAN

1. Langkah-langkah cara membuka citra

a. Langkah pertama yang harus dilakukan adalah dengan cara membuka aplikasi Er

Mapper 6.4 dengan catatan :

- Jika shortcut aplikasi Er Mapper sudah ada terdapat di layar desktop, tinggal

meng-klik 2 kali lalu menunggu aplikasi Er Mapper terbuka.

- Jika shortcut aplikasi Er Mapper tidak terdapat di layar desktop, maka klik

Start Menu → All Program → Er Mapper

Setelah itu muncul program Er Mapper dengan tampilan layar seperti ini :

Gambar 1 Tampilan Er Mapper 6.4

b. Kedua, dari menu yang ditampilkan di layar desktop dapat meng-klik icon

algorithm pada gambar dibawah ini :

Gambar 2 Tampilan Menu yang ada dalam Er Mapper

Setelah mengklik icon algorithm akan muncul tampilan seperti ini pada layar

desktop :

Gambar 3 Tampilan untuk Algorithm

c. Ketiga, Dari kotak dialog Algorithm klik icon yang berada dibawah kata No

Dataset setelah itu akan muncul kotak dialog Raster Dataset.

Gambar 4 Tampilan untuk Raster Dataset

Lalu, klik menu volumes untuk membuka dimana folder citra disimpan. Karena

daerah kajian merupakan daerah Garut Selatan, maka file yang dibuka adalah

garut_selatan.ers

Setelah meng-klik OK. Maka tampilan yang muncul adalah sebagai berikut :

Tampilan citra diatas belum selesai, yang harus dilakukan adalah meng-klik icon

(refresh image 99%) yang terletak pada kotak dialog algorithm. Setelah meng-

klik icon tersebut, citra yang ditampilkan akan berubah menjadi seperti dibawah

ini :

Catatan : Citra ini masih dalam bentuk Pseudo.

2. Langkah-langkah Meng-cropping Citra

a. Langkah pertama yaitu, mengklik icon (algorithm) lalu copy pseudo layer

menjadi 8 layer. (catatan : khusus untuk citra landsat 8). Dengan menggunakan

icon (duplicate).

d. Setelah pseudo layer tercopy menjadi 8 layer baru masukkan citra landsat 8

dengan mengklik icon (load dataset) sehingga muncul kotak dialog Raster

Dataset.

Lalu, klik menu volumes untuk membuka dimana folder citra disimpan. Setelah

itu masukkan satu per satu citra sesuai urutan. (untuk citra landsat 8 jenis band

yang digunakan adalah band 2 sampai dengan band 8 dan band bqa). Jangan lupa

untuk mengklik OK this layer only setelah memilih citra yang dimaksud.

e. Setelah semua pseudo layer terisi oleh citra, maka langkah selanjutnya adalah

mengubah nama pseudo layer menjadi nama band yang berurutan. karena citra

yang digunakan mulai dari band 2 maka penamaannya dimulai dari b2, b3, b4, dan

seterusnya sampai bqa. Cara mengubah nama pseudo layer tersebut dengan

mengklik dua kali pada pseudo layer.

f. Setelah semua nama diganti, maka langkah selanjutnya adalah menyimpan data

tersebut dengan mengklik icon (save as) pada kotak dialog Er Mapper.

Setelah itu akan muncul kotak dialog save as. Lalu save data tersebut pada satu

folder yang sama dengan citra yang disimpan. Berilah nama yang berbeda

misalnya PamengpeukAULIA. Dengan files of type yaitu ER Mapper

Algorithm (alg). Lalu klik OK. Setelah itu lakukan save as lagi dengan nama

yang sama namun files of type yang berbeda, yaitu ER Mapper Dataset (ers)

lalu klik OK.

g. Langkah terakhir adalah menutup semua kotak dialog kecuali menu utama pada

Er Mapper dan lakukan pembukaan citra kembali seperti langkah pada no. 1 dan

mengklik kanan pada citra dan pilih refresh image. Setelah itu tampilan layarnya

akan seperti ini :

h. klik icon (zoom box tool) lalu perbesar citra dan cari wilayah yang akan

dipotong atau dicropping (daerah kajian). Jika menggunakan titik koordinat

sebagai acuan cropping, maka klik kanan pada citra dan pilih cell coordinates.

Lalu akan muncul kotak dialog cell coordinates dan klik sembarang untuk

mengetahui titik koordinatnya.

i. setelah menemukan di sisi manakah citra yang harus dicropping, langkah

selanjutnya adalah meng-save as ulang dengan cara yang sama seperti yang sudah

dicontohkan pada no. 2.f hanya saja untuk save kali ini dilakukan 1 kali dengan

files of type yakni ER Mapper Dataset (ers) dengan penambahan kata “Cropping”

misalnya : PamengpeukAULIAcropping.ers

j. setelah dilakukan save as maka lakukan pengecekan ulang kembali dengan

membuka ulang citra.

3. Menampilkan Komposisi Band pada Citra Landsat

Setelah melakukan cropping citra, maka langkah selanjutnya adalah menampilkan

komposisi band pada citra landsat. Sesuaikan dengan kajian yang diambil, seperti

untuk penggunaan lahan, maka komposisi band yang digunakan yaitu RGB 4, 5, 3.

Untuk kajian kehutanan atau vegetasi komposisi band yang digunakan yaitu RGB 4,

3, 2. Langkah-langkah yang dilakukan yaitu :

a. Membuka citra (seperti yang telah dijelaskan pada nomor 1) maka tampilan layar

akan seperti ini : (karena kajiannya berada di daerah Garut Selatan maka yang

digunakan adalah citra Garut Selatan dengan citra landsat 7)

b. Setelah itu klik kanan pada PS Default Surface, lalu pilih Red, Green, Blue.

Maka pseudo layer akan berubah menjadi silang. Pseudo layer tersebut di-

duplicate menjadi 3 layer dan ubah sesuai urutannya dengan mengklik kanan dan

menggantinya menjadi layer red, green, blue.

c. Setelah semua layer diganti, maka langkah selanjutnya adalah mengubah band

sesuai komposisi band yang digunakan. Untuk penggunaan lahan maka gantilah

secara berurutan komposisi bandnya dengan 4, 5, 3. Sedangkan untuk kehutanan

atau vegetasi maka ganti komposisinya dengan 4, 3, 2.

d. Klik icon (refresh image with 99% clip on limits) lalu tampilan citranya akan

berubah seperti gambar dibawah ini.

Gambar citra dengan komposisi RGB 4, 5, 3 (sebelum diklik refresh image)

Gambar citra dengan komposisi RGB 4, 5, 3 (setelah diklik refresh image)

Gambar citra dengan komposisi RGB 4, 3, 2 (sebelum diklik refresh image)

Gambar citra dengan komposisi RGB 4, 3, 2 (setelah diklik refresh

image)

4. Klasifikasi

Ada dua macam jenis klasifikasi dalam Er Mapper yakni Supervised dan

Unsupervised. Berikut adalah cara melakukan klasifikasi dengan metode supervised.

1) Supervised

a. Setelah melakukan kombinasi band sesuai kajian yang akan dikaji, maka

pada menu bar klik process → calculate statistics. Setelah itu muncul

kotak dialog seperti dibawah ini :

Isi subsampling interval dengan angka 1 dan jangan lupa mencentang

kotak disamping kata force recalculate stats setelah itu klik OK. Setelah

itu akan muncul kotak dialog sampai calculate statistics dinyatakan

SUCCESS. Lalu klik OK, pada kotak dialog calculate statistics – status

klik close dan pada kotak dialog calculate statistic klik cancel.

b. Setelah itu pada menu bar terdapat menu edit lalu pilih

edit/create regions... lalu muncul kotak dialog New Map Composition.

Pada kotak tersebut terdapat mode yang terdiri dari 3 pilihan yakni vector

file, raster region, ARC/INFO Coverage. Pilih raster region lalu klik OK.

Setelah itu muncul tools seperti gambar disamping.

c. Untuk mendeliniasi citra dapat digunakan icon

(rectangle) atau (polygon). Untuk Non penggunaan

lahan kajian hanya sampai 11 – 15 macam penggunaan lahan, sedangkan

untuk kajian penggunaan lahan harus lebih dari 25 macam penggunaan

lahan. Dan contoh hasil deliniasi citra untuk penggunaan lahan seperti ini :

d. Setelah mendeliniasi 11-15 penggunaan lahan klik icon (save)

pada tools. Setelah itu muncul kotak dialog seperti dibawah ini :

e. Lalu klik (save as) pada menu Er Mapper dan pada nama file

ditambah kata “Penggunaan Lahan” atau PL jika terlalu panjang. Dengan

files of type yaitu ER Mapper Dataset (ers) lalu klik OK.

f. Selanjutnya kembali ke menu Er Mapper klik edit → edit class/region

name and color... lalu muncul kotak dialog seperti dibawah ini :

Pada dataset, masukkan file yang merupakan

data yang kita edit. Pilih pada volumes (drives)

dimana kita menyimpan file tersebut. Lalu ganti warna

penggunaan lahan sesuai dengan keinginan atau

menyesuaikan dengan peta RBI. Untuk mengganti

warna tersebut dengan menggunakan set color... jika

sudah selesai, maka klik save dan close. Setelah itu

citra akan berubah warna seperti gambar disamping.

g. Lalu kembali lagi ke calculate statistics, lakukan kembali seperti langkah pada

supervised (a)

h. Setelah itu pada menu Er Mapper, klik Process → classification → supervised

clasification. Maka akan muncul kotak dialog seperti dibawah :

Untuk input dataset, pilih file yang sudah di save as seperti yang

dilakukan pada supervised (e). Dan untuk output dataset, secara otomatis

nama file akan bertambah nama “class”.

Lalu klik OK. Sehingga muncul kotak dialog kembali seperti ini :

Lalu klik OK dan klik close kotak dialog

supervised classification – status nya.

i.

j.

k.

l.

m.

i. Setelah itu buka citra supervised tadi dengan cara membuka citra ulang

seperti pada nomor 1 jangan lupa untuk mengklik kanan pada pseudo layer

dan ganti class display. Maka tampilannya akan seperti ini :

2) Unsupervised

a. Untuk unsupervised, langkah yang dilakukan adalah membuka citra yang

sudah disesuai dengan kajian yang akan dikaji (untuk komposisi band

penggunaan lahan = 4, 5, 3 sedangkan untuk vegetasi = 4, 3, 2).

Gambar citra dengan komposisi RGB 4, 3, 2 Gambar citra dengan komposisi RGB 4, 5, 3

b. Setelah itu lakukan calculate statistics seperti yang ada pada langkah di

supervised (a).

c. Selanjutnya adalah mengklik menu bar Process pada Er Mapper →

classification → ISOCLASS unsupervised classfication... setelah itu

akan muncul tampilan seperti ini :

Catatan :

- Untuk input dataset masukkan file data citra yang dibuka sejak awal

melakukan tahapan unsupervised

- Untuk output dataset masukkan file data citra yang sama dengan input

dataset namun diberi tambahan nama ISOCLASS

- Untuk maximum iterations dan maximum number of classes, ubah

angka sesuai dengan jumlah kajian yang akan dikaji. Misalnya untuk

penggunaan lahan ada 10 macam penggunaan lahan maka ubahlah

keduanya menjadi angka 10. Lalu klik OK. Akan muncul tampilan

seperti dibawah ini :

- Lalu klik OK dan close semua kotak dialog kecuali menu bar Er

Mapper.

d. Buka icon (edit algorithm) pada menu bar Er Mapper lalu pada load

dataset buka file citra ISOCLASS. Lalu klik OK. Maka muncul blank

berwarna biru pada kotak dialog algorithm. Setelah itu klik kanan pada

pseudo layer di kotak algorithm ganti dengan class display. Maka citra

tersebut akan berubah menjadi warna hitam-putih.

e. Setelah itu klik kanan pada citra tersebut lalu pilih cell values profile...

maka muncul kotak dialog baru.

Fungsi cell values profile tersebut adalah untuk mengetahui angka yang

tertera pada Band ketika kita mengklik sembarang pada citra berwarna

hitam-putih tersebut dan sebagai acuan untuk menentukan nama objek

pada saat pemberian label nanti.

f. Selanjutnya adalah mengklik edit pada menu bar Er Mapper → edit

class/region color and name... lalu muncul kotak dialog seperti ini :

g. Klik auto gen colors... yang terletak pada sisi kiri atas maka muncul kotak

dialog lagi bernama auto generate colors, klik centang pada full

saturation dan klik auto gen. Secara otomatis warna pada kotak dialog

edit class/region details akan berubah. Lalu klik close pada kotak dialog

auto generate colors.

h. Pada kotak dialog edit class/region details inilah kita akan melabeli citra

yang berwarna hitam-putih tersebut dengan analisis interpretasi citra yang

sudah kita pelajari.

Klik secara sembarang di bagian citra hitam-putih.

lihat angkanya yang terdapat pada kotak dialog cell values profile...

analisis interpretasi citra tersebut lalu labeli dengan nama penggunaan

lahan yang sesuai dengan apa yang kita klik pada citra tersebut.

Isi semua nomor pada edit class/region details sampai tidak ada lagi

nomor yang masih unlabelled. Lalu klik Save.

Jika muncul kotak dialog seperti dibawah ini maka klik saja YES.

Setelah itu tutup semua kotak dialog hingga menyisakan menu bar Er

Mapper. Lalu klik icon (edit algorithm) pada menu bar Er Mapper

lalu pada load dataset buka file citra ISOCLASS tadi. Lalu klik OK.

Maka muncul blank berwarna biru pada kotak dialog algorithm.

Setelah itu klik kanan pada pseudo layer di kotak algorithm ganti

dengan class display. Maka citra tersebut akan berubah menjadi

seperti dibawah ini :

Hasil Unsupervised Classification untuk kajian

Penggunaan Lahan Hasil Unsupervised Classification untuk kajian

Kehutanan/Vegetasi