Download - Penginderaan Jauh 1

Transcript
Page 1: Penginderaan Jauh 1

BAB I

PENDAHULUAN

1.1. Latar Belakang

Awal mulanya, manusia melakukan suatu pemetaan terhadap obyek

seperti daerah, luasan, dan gejala-gejala dengan menggambar secara manual

ataupun dengan pemotretan udara. Dengan semakin berkembangnya ilmu

pengetahuan dan teknologi, manusia mencari suatu alat untuk mempermudah

proses pemetaan dengan alat-alat seperti satelit. Proses pemetaan ini kemudian

dikenal dengan sebutan penginderaan jauh.

Dalam bahasa Inggris, penginderaan jauh sering disebut Remote Sensing,

bahasa Jerman adalah Fernerkundung, orang Portugis menyebutnya

Sensoriamento Remota, dan Teledetection dalam bahasa Prancis. Meski masih

tergolong pengetahuan baru, pemakaian penginderaan jauh di Indonesia sangat

banyak, antara lain untuk memperoleh informasi dari seluruh wilayah Indonesia.

Informasi-informasi ini dipakai untuk berbagai keperluan seperti mendeteksi

sumber daya alam, daerah banjir, kebakaran hutan, dan sebaran ikan di laut.

Contoh dari penginderaan jauh antara lain satelit pengamatan bumi, satelit

cuaca, dan wahana luar angkasa.

Penginderaan jauh ini sendiri banyak bermanfaat bagi bidang kehidupan,

khususnya di bidang kelautan, hidrologi, klimatologi, lingkungan dan

kedirgantaraan.

1.2. Tujuan

Tujuan dari praktikum ini adalah :

a. Mahasiswa mampu mengerti dan memahami tentang konsep

penginderaan jauh.

b. Mahasiswa diharapkan mampu menggunakan perangkat lunak ER

Mapper 7.0.

c. Mahasiswa dapat mengetahui manfaat dan aplikasi teknologi

penginderaan jauh.

Page 2: Penginderaan Jauh 1

BAB II

TINJAUAN PUSTAKA

2.1. Penginderaan Jauh

Penginderaan jauh atau sering disingkat Inderaja adalah pengukuran atau

akuisisi data dari sebuah objek atau fenomena oleh sebuah alat yang tidak

secara fisik melakukan kontak dengan objek tersebut atau pengukuran atau

akuisisi data dari sebuah objek atau fenomena oleh sebuah alat dari jarak jauh.

Penginderaan jauh adalah ilmu atau seni untuk memperoleh informasi

tentang objek, daerah atau gejala, dengan jalan menganalisis data yang

diperoleh dengan menggunakan alat, tanpa kontak langsung dengan objek,

daerah atau gejala yang akan dikaji,

(Lillesand dan Kiefer, 1990).

Penginderaan jauh merupakan untuk memperoleh, menemutunjukkan

(mengidentifikasi) dan menganalisis objek dengan sensor pada posisi

pengamatan daerah kajian,

(Avery, 1985).

Penginderaan jauh adalah teknik yang dikembangkan untuk memperoleh

dan menganalisis informasi tentang bumi. Informasi itu berbentuk radiasi

elektromagnetik yang dipantulkan atau dipancarkan dari permukaan bumi,

(Lindgren, 1985).

Penginderaan jauh sendiri membutuhkan komponen-komponen untuk

menunjang kinerjanya, seperti :

a. Tenaga

Sumber tenaga yang digunakan dalam penginderaan jauh yaitu

tenaga alami (sinar matahari) dan tenaga buatan atau biasa disebut

pulsa.

b. Objek

Objek penginderaan jauh adalah semua benda yang berada di

permukaan bumi seperti tanah, gunung, air, manusia, atau benda di

angkasa seperti awan.

c. Sensor

Sensor adalah alat yang digunakan untuk menerima tenaga pantulan

maupun pancaran radiasi elektromagnetik. Contohnya kamera udara

dan scanner.

Page 3: Penginderaan Jauh 1

d. Detektor

Alat perekam yang terdapat pada sensor untuk merekam tenaga

pantulan maupun pancaran.

e. Wahana

Sarana untuk menyimpan sensor, seperti pesawat terbang, satelit,

pesawat ulang-alik, dan balon udara.

Data penginderaan jauh yang diperoleh dari suatu satelit, pesawat udara

balon udara atau wahana lainnya, memiliki karakteristik berbeda-beda pada

masing-masing tingkat ketinggian yang akhirnya menentukan perbedaan dari

data penginderaan jauh yang di hasilkan. Alat sensor dalam penginderaan jauh

dapat menerima informasi dalam berbagai bentuk antara lain sinar atau cahaya,

gelombang bunyi dan daya elektromagnetik,

(Purwadhi, 2001).

Gambar 2.1. Wahana Penginderaan Jauh (Lindgren, 1985)

Penggunaan program penginderaan jauh sendiri tidak hanya berguna

dalam bidang geologi, tetapi dapat bermanfaat dalam berbagai bidang lain

seperti :

a. Kelautan (Seasat, MOSS)

Pengamatan sifat fisis air laut

Pengamatan pasang surut air laut dan gelombang laut

Pemetaan perubahan pantai, abrasi, sedimentasi.

b. Hydrologi (Landsat, SPOT)

Page 4: Penginderaan Jauh 1

Pengamatan DAS

Pengamatan luas daerah dan intensitas banjir

Pemetaan pola aliran sungai

Studi sedimentasi sungai

c. Klimatologi (NOAA, Meteor dan GMS)

Pengamatan iklim suatu daerah

Analisis cuaca

Pemetaan iklim dan perubahannya

d. Sumber Daya Bumi dan Lingkungan (Landsat, Soyuz, SPOT)

Pemetaan penggunaan lahan

Mengumpulkan data kerusakan lingkungan karena berbagai sebab

Mendeteksi lahan kritis

Pemantauan distribusi sumber daya alam

Pemetaan untuk keperluan HANKAMNAS

Perencanaan pembangunan wilayah

e. Angkasa Luar (Ranger, Viking, Luna, Venera)

Penelitian tentang planet-planet

Pengamatan benda-benda angkasa

2.2. Citra

Dalam penginderaan jauh didapat masukan data atau hasil observasi yang

disebut citra. Citra dapat diartikan sebagai gambaran yang tampak dari suatu

objek yang sedang diamati, sebagai hasil liputan atau rekaman suatu alat

pemantau.

Terdapat beberapa alasan yang melandasi peningkatan penggunaan citra

penginderaan jauh, yaitu sebagai berikut :

a. Citra menggambarkan objek, daerah, dan gejala di permukaan bumi

dengan wujud dan letaknya yang mirip dengan permukaan bumi,

b. Citra menggambarkan objek, daerah, dan gejala yang relatif lengkap,

meliputi daerah yang luas dan permanen,

c. Jenis citra tertentu dapat ditimbulkan gambaran tiga dimensi apabila

pengamatannya dilakukan dengan stereoskop,

d. Citra dapat dibuat secara cepat meskipun daerahnya sulit dijelajahi

secara terestrial.

Page 5: Penginderaan Jauh 1

Benda yang terekam pada citra dapat dikenali berdasarkan ciri yang

terekam oleh sensor. Tiga ciri yang terekam adalah :

1. Spasial

Ciri yang berkaitan dengan ruang, meliputi : bentuk, ukuran, bayangan,

tekstur, situs, asosiasi, dan pola.

2. Temporal

Ciri yang terkait dengan umur benda atau waktu saat perekaman.

3. Spektral

Ciri yang dihasilkan oleh tenaga elektromagnetik dengan benda yang

dinyatakan dengan rona dan warna.

Untuk dapat dimanfaatkan, maka citra harus diinterpretasikan atau

diterjemahkan terlebih dahulu. Interpretasi citra merupakan kegiatan mengkaji

foto udara dan atau citra dengan maksud untuk mengidentifikasi objek dan

menilai arti pentingnya objek tersebut,

(Estes dan Simonett, 1975).

Dalam menginterpretasikan citra dibagi menjadi beberapa tahapan, yaitu :

Deteksi

Pengenalan objek yang mempunyai karakteristik tertentu oleh sensor.

Identifikasi

Mencirikan objek dengan menggunakan data rujukan.

Analisis

Mengumpulkan keterangan lebih lanjut secara terinci.

Secara umum, citra penginderaan jauh dapat dibedakan menjadi dua, yaitu

citra foto dan citra non foto.

1. Citra Foto

Citra objek yang merupakan hasil dari pemotretan kamera. Citra foto

dapat dibedakan menurut :

Spectrum Elektromagnetik :

a. Foto Ultraviolet

Citra foto yang dibuat dengan menggunakan spectrum

ultraviolet dengan panjang gelombang 0,1 – 0,4 mikron.

Page 6: Penginderaan Jauh 1

b. Foto Ortokromatik

Citra foto yang dibuat dengan menggunakan spectrum sinar

tampak. Mulia dari warna biru sampai warna hijau dengan

panjang gelombang 0,4 – 0,56 mikron.

c. Foto Pankromatik

Citra foto yang dibuat dengan menggunakan spectrum tampak

mulai dari warna merah sampai warna ungu dengan panjang

gelombang 0,4 – 0,7 mikron.

d. Foto Inframerah

Citra foto yang dibuat dengan menggunakan spectrum

inframerah dengan panjang gelombang 0,7 – 30,0 mikron.

Sumbu Kamera :

a. Foto Vertikal

Citra foto yang dibuat dengan sumbu kamera tegak lurus

terhadap objek dipermukaan bumi.

b. Foto Miring/condong

Citra foto yang dibuat dengan menggunakan sumbu kamera

yang condong dan membentuk sudut terhadap objek

dipermukaan bumi. Citra foto condong/miring dapat dibedakan

menjadi dua yaiutu foto agak condong atau low oblique

photograph (cakrawala tidak tergambar pada citra foto) dan

sangat condong atau high oblique photograph (cakrawala

tergambar pada citra foto).

Jenis Kamera :

a. Foto Tunggal

Citra foto yang dihasilkan dari kamera tunggal.

b. Foto Jamak

Citra foto yang dibuat pada waktu yang sama dan meliputi

daerah yang sama pula.

Page 7: Penginderaan Jauh 1

Wahana :

a. Foto Udara

Citra yang alat perekam/sensornya menggunakan wahana

balon udara ataupun pesawat terbang.

b. Foto Satelit

Perekam sensor dengan menggunakan wahana satelit.

A B C

Gambar 2.2. Hasil citra foto udara berdasarkan sumbu kamera

A = Foto vertikal, B = Foto agak condong, C = Foto sangat condong

2. Citra Non Foto

Foto yang dibuat dengan menggunakan sensor non kamera.

Gambarnya diperoleh dengan menggunakan penyinaran scanner. Citra

non foto dapat dibedakan berdasarkan :

Spektrum Gelombang Elektromagnetik :

a. Citra Inframerah Termal

Citra yang terbentuk dari penyerapan spectrum inframerah

termal.

b. Citra Gelombang Mikro

Citra yang terbentuk dari penyerapan gelombang mikro.

c. Citra Radar

Citra yang dibuat dari sumber tenaga buatan.

Jenis Sensor :

a. Citra Tunggal

Citra yang dibuat melalui sensor tunggal.

b. Citra Jamak

Citra yang dibuat melalui sensor jamak.

Jenis Wahana :

Page 8: Penginderaan Jauh 1

a. Citra Dirgantara

Citra yang dibuat dari wahana yang berada di atmosfer.

b. Citra Satelit

Citra yang dibuat dari wahana yang berada di luar angkasa.

Berdasarkan penggunaanya citra satelit dibedakan atas :

1. Citra satelit untuk penginderaan planet,

Contoh : Citra satelit Viking (AS) dan Citra satelit Vanera (Rusia)

2. Citra satelit untuk penginderaan cuaca,

Contoh : NOAA (AS) dan Citra Meteor (Rusia)

3. Citra satelit untuk penginderaan SDA

Contoh : Landsat (AS), Soyuz (Rusia), dan SPOT (Perancis)

4. Citra satelit untuk Oseanografi (kelautan)

Contoh : Citra Seasat (AS) dan Citra MOS (Jepang)

2.3. Landsat

Satelit Landsat merupakan salah satu satelit sumber daya bumi yang

dikembangkan oleh NASA dan Departemen Dalam Negeri Amerika Serikat.

Sejak 1972, satelit Landsat sudah mengumpulkan informasi tentang bumi.

Instrumen satelit-satelit Landsat telah menghasilkan jutaan citra yang 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.

Awalnya satelit ini terbagi dalam dua generasi yakni generasi pertama dan

generasi kedua. Generasi pertama adalah satelit Landsat 1 sampai Landsat 3.

Generasi ini merupakan satelit percobaan eksperimental). Sedangkan satelit

generasi kedua adalah satelit Landsat 4 dan Landsat 5 yang merupakan satelit

operasional. Sampai saat ini telah diorbitkan 7 satelit Landsat.

Satelit generasi pertama memiliki dua jenis sensor, yaitu Multi Spektral

Scanner (MSS) dengan empat saluran dan tiga kamera RBV (Return Beam

Vidicon). Satelit generasi kedua adalah satelit yang membawa dua jenis sensor

yaitu sensor MSS dan sensor Thematic Mapper (TM). Sensor TM menggunakan

tujuh saluran, dimana terdapat enam saluran untuk studi vegetasi dan satu

saluran untuk studi geologi.

Berikut data peluncuran satelit Landsat :

Page 9: Penginderaan Jauh 1

Landsat 1 - diluncurkan 23 Juli 1972, berakhir tahun 1978

Landsat 2 - diluncurkan 22 Januari 1975, berakhir tahun 1981

Landsat 3 - diluncurkan 5 Maret 1978, berakhir 1983

Landsat 4 - diluncurkan 16 Juli 1982, berakhir 1993

Landsat 5 - diluncurkan 1 Maret 1984 dan masih berfungsi

Landsat 6 - diluncurkan 5 Oktober 1993, gagal mencapai orbit

Landsat 7 - diluncurkan 15 April 1999, dan masih berfungsi

Gambar 2.3. Persiapan peluncuran Landsat 1, 23 Juli 1972

Gambar 2.4. Satelit Landsat

Page 10: Penginderaan Jauh 1

Gambar 2.5. Bagian satelit Landsat

Orbitan satelit Landsat adalah dari kutub ke kutub (orbit polar) dengan

ketinggian sekitar 700 Km dengan inklinasi 98,20 dengan waktu orbit ulang untuk

daerah tertentu 16 hari, artinya setiap 16 hari sekali, satelit itu melewati daerah

yang sama.

Gambar 2.6. Orbit satelit Landsat

Dengan cakupan perekaman 180 x 180 Km2 dan resolusi spasial 30 meter,

maka data Landsat merupakan salah satu data yang paling banyak dipakai

dalam pemetaan.

Gambar 2.7. Ruang cakupan perekaman satelit Landsat

Page 11: Penginderaan Jauh 1

2.4. Ikonos

Satelit Ikonos adalah satelit resolusi tinggi milik Space Imaging (AS) yang

dioperasikan oleh GeoEye dan diluncurkan pada bulan 24 September 1999.

Kemampuannya yang terliput adalah mencitrakan dengan resolusi multispektral

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

pemetaan sumber daya alam daerah pedalaman dan perkotaan, analisis

bencana alam, kehutanan, pertanian, pertambangan, teknik konstruksi,

pemetaan perpajakan, dan deteksi perubahan. Orbit satelit Ikonos dengan

ketinggian sekitar 680 Km dan inklinasi 98,10 serta waktu orbit 98,33 menit.

Gambar 2.8. Satelit Ikonos

2.5. ER Mapper

ER Mapper adalah perangkat lunak untuk mengolah data citra atau satelit.

Selain ER Mapper masih banyak lagi perangkat lunak yang dapat digunakan

untuk mengolah data citra seperti Idrisi, Erdas Imagine, PCI, dan lain-lain,

(http://oocities.org).

Pengolahan data citra merupakan suatu cara memanipulasi data citra atau

mengolah suatu data citra menjadi suatu keluaran yang sesuai dengan

keinginan. Tujuan pengolahan citra adalah mempertajam data geografis dalam

bentuk digital menjadi suatu tampilan bagi pengguna, dapat memberikan

informasi kuantitatif suatu obyek, serta dapat memecahkan masalah. Data digital

disimpan dalam bentuk barisan kotak kecil dua dimensi yang disebut pixels.

Masing-masing pixel mewakili suatu wilayah yang berada dipermukaan bumi.

Struktur ini sering disebut raster, sehingga data citra dapat disebut data raster.

Page 12: Penginderaan Jauh 1

File Proses

AlgoritmaFormula, filters,

contrast, brightness,

dll…….

monitor

Data raster tersusun oleh baris dan kolom dan pada setiap pixel pada raster

memiliki nilai digital.

Gambar 2.9. Struktur data Raster

Data yang didapat dari satelit terdiri dari bands (layers) yang mencakup

wilayah yang sama. Setiap bands mencatat pantulan obyek dari permukaan bumi

pada panjang gelombang yang berbeda. Data ini disebut juga multispectral data.

Di dalam pengolahan citra juga dilakukan penggabungan kombinasi antara

beberapa band untuk mengekstraksi informasi dari obyek yang spesifik seperti

indeks vegetasi, parameter kualitas air, terumbu karang, dan lain-lain.

ER Mapper mengembangkan metode pengolahan citra terbaru dengan

pendekatan yang interaktif, dimana kita dapat langsung melihat hasil dari setiap

perlakuan terhadap citra pada monitor komputer. ER Mapper memberikan

kemudahan dalam pengolahan data sehingga kita dapat mengkombinasikan

berbagai operasi pengolahan citra dan hasilnya langsung terlihat tanpa

menunggu komputer menuliskannya menjadi file yang baru. Cara pengolahan ini

dalam ER Mapper disebut Algoritma.

Gambar 2.10. Pengolahan citra menggunakan ER Mapper

Konsep Algoritma ini adalah salah satu keunggulan ER Mapper. Selain itu

beberapa keunggulan lain yang dimiliki oleh ER Mapper adalah :

a. Didukung 130 format pengimpor data

b. Didukung 250 format pencetakan data keluaran

c. Visualisasi tiga dimensi

d. Memiliki fasilitas Dynamics Links (Fasilitas khusus ER Mapper untuk

menampilkan data file eksternal pada citra tanpa perlu mengimportnya

terlebih dahulu).

ER Mapper juga memiliki keterbatasan, yaitu :

a. Terbatasnya format pengeksport data

b. Data yang dapat dikerjakan adalah data 8 bit

Page 13: Penginderaan Jauh 1

2.6. RGB (Red-Green-Blue)

Citra RGB disebut juga citra truecolor. Citra RGB merupakan citra digital

yang mengandung matriks data berukuran M x n x 3 yang merepresentasikan

warna merah, hijau, biru untuk setiap pixelnya. Setiap warna dasar diberi rentang

nilai. Untuk monitor komputer, nilai rentang paling kecil 0 dan paling besar 255.

Warna dari tiap pixel ditentukan oleh kombinasi dari intensitas merah, hijau, dan

biru.

2.7. Teknik Interpretasi Visual

Agar citra satelit dapat digunakan oleh beberapa kalangan maka citra

satelit harus diinterpretasi atau ditafsirkan menjadi suatu informasi. Dalam teori

penginderaan jauh, terdapat dua pendekatan untuk proses interpretasi satelit

yaitu interpretasi otomatis dan interpretasi manual.

Interpretasi otomatis hanya mampu dilakukan pada citra satelit format

digital dengan bantuan sistem komputer sehingga lebih mempercepat pekerjaan,

tapi interpretasi ini mengandalkan kecerahan untuk membedakan obyek yang

terekam sehingga gangguan atmosfer maupun awan dapat menganggu kerja

dari citra satelit.

Sedangkan interpretasi manual memiliki dasar interpretasi yang tidak

semata-mata kepada nilai kecerahan, tetapi konteks keruangan pada daerah

yang dikaji juga ikut dipertimbangkan.

Pengenalan objek adalah bagian terpenting dalam interpretasi citra karena

tanpa mengenali identitas dan jenis objek yang tergambar, kita tidak mungkin

melakukan analisis untuk menyelesaikan masalah. Ada beberapa hal yang

diperhatikan dalam mengamati kenampakan objek dalam foto udara, yaitu :

1. Rona dan warna rona (tone)

Tingkat kecerahan atau kegelapan suatu objek di foto udara atau

pada citra lainnya. Tingkat kecerahan tergantung keadaan cuaca saat

pengambilan objek, arah datangnya sinar matahari, waktu pengambilan

gambar, dan sebagainya.

Pada foto hitam putih, rona yang ada biasanya adalah hitam, putih,

atau kelabu. Pada foto berwarna, rona sangat dipengaruhi oleh

spektrum gelombang elektromagnetik yang digunakan, misalnya

memakai spektrum ultraviolet, spektrum tampak, spektrum inframerah,

dan sebaginya. Perbedaan penggunaan spektrum gelombang tersebut

Page 14: Penginderaan Jauh 1

mengakibatkan rona yang berbeda - beda. Selain itu karakter

pemantulan objek terhadap spektrum gelombang yang digunakan juga

mempengaruhi warna dan rona pada foto udara berwarna.

2. Bentuk

Bentuk yang terdapat pada foto udara merupakan konfigurasi atau

kerangka suatu objek. Bentuk merupakan ciri yang jelas, sehingga

banyak objek yang dapat dikenalinya hanya berdasarkan bentuknya

saja.

3. Ukuran

Ukuran meliputi jarak, luas, tinggi, lereng, dan volume. Ukuran objek

pada citra berupa skala, karena itu dalam memanfaatkan ukuran

sebagai interpretasi citra harus diingat skalanya (80 m – 100 m).

4. Tekstur

Tekstur merupakan frekuensi perubahan rona pada citra, atau dapat

diartikan sebagai pengulangan pada rona kelompok objek yang terlalu

kecil untuk dibedakan secara individual. Tekstur dinyatakan dengan

kasar, halus, dan sedang.

5. Pola

Pola sering disebut susunan keruangan, merupakan ciri yang

menandai bagi objek bentukan manusia dan alamiah. Contohnya

seperti pola aliran sungai yang menandakan stuktur geologis.

6. Bayangan

Bayangan bersifat menyembunyikan detail atau objek yang berada di

daerah gelap. Walaupun demikian, bayangan juga dapat merupakan

kunci pengenalan yang penting bagi beberapa objek yang menjadi lebih

jelas dengan adanya bayangan.

7. Situs

Situs adalah letak suatu objek terhadap objek lain disekitarnya,

misalnya pemukiman yang memanjang sepanjang tepi jalan.

8. Asosiasi

Asosiasi adalah keterkaitan antara objek yang satu dengan lainnya.

Contohnya adalah stasiun kereta api berasosiasi dengan jalan kereta

api yang jumlahnya lebih dari satu.

Page 15: Penginderaan Jauh 1

9. Konvergensi Bukti

Konvergensi bukti adalah penggunaan beberapa unsur interpretasi

citra sehingga lingkupnya menjadi menyempit kearah satu kesimpulan

tertentu.

(Lillesand and Kiefer ,1993).

2.8. Geolink

Icon Geolink pada window di dua buah citra yang berbeda akan

menghasilkan sebuah fungsi yaitu apabila pada salah satu citra di klik atau

dibesarkan pada suatu koordinat maka pada citra tersebut yang lain akan

menunjukkan koordinat yang sama. Sedangkan geolink to sreen pada 3 buah

layers maka akan membentuk satu citra yang akan berhubungan. Sedangkan

geolink to roam pada 3 citra jika salah satunya dibesarkan maka kedua citra yang

lain akan menunjukkan daerah yang sama pula.

(www.e_dukasi.net).

Page 16: Penginderaan Jauh 1

BAB III

MATERI DAN METODE

3.1. Waktu dan Tempat Pelaksanaan

Hari : Selasa, 15 Maret 2011

Waktu : 15.00 – 16.30 WIB

Tempat : Laboratorium Komputasi Kampus Ilmu Kelautan,Universitas Diponegoro, Semarang

3.2. Materi

Materi yang disampaikan pada praktikum pertama mata kuliah

penginderaan jarak jauh yaitu :

1. Pengenalan perangkat lunak dan pengolahan citra yaitu ER Mapper 7.0

2. Penggabungan Citra

3. Croping

4. Penajaman Citra dan Komposit Warna

5. Point Treading Data Value

6. Geolink Window, Screen, Roam

3.3. Metode

3.3.1. Penggabungan Citra

1. Jalankan program ER Mapper 7.0

Fungsi icon pada Toolbars :

Memilih menu perintah; menunjuk pada image untuk

melihat nilai data atau koordinat

Membuka window baru

Page 17: Penginderaan Jauh 1

Membuka proyek yang telah disimpan

Menggandakan window

Menggeser image dalam image window

Melakukan zoom pada image dalam image window

Melakukan drag membentuk kotak untuk melakukan zoom

2. Klik Edit Algorithm pada active window ER Mapper kemudian

akan muncul window Algorithm.

3. Klik Duplicate untuk menduplikat Pseudo Layer, dan duplikat

menjadi 6 layer.

4. Ganti nama Pseudo Layer menjadi Band 1, Band 2, Band 3, Band 4,

Band 5, dan Band 7. Tuliskan nama dan NIM pada Discription.

Page 18: Penginderaan Jauh 1

5. Pada Band 1, cari file 2000_0204_B1.tif. Klik Load Dataset pada

window, pilih Volumes dan tentukan letak file disimpan.

6. Pada Band 2, cari file 2000_0204_B2.tif. Untuk Band 3, cari file

2000_004_B3.tif dan seterusnya lakukan langkah yang sama.

7. Save file dengan type raster dataset. Nama file Cilacap_gabung.ers.

Page 19: Penginderaan Jauh 1

3.3.2. Cropping Citra

1. Pilih Edit Algorithm, Load Dataset, cari file Cilacap_gabung.ers.

2. Klik icon Zoom Box Tool , drag area yang akan di crop.

3. Duplikat Pseudo Layer menjadi 6, dan diberi nama Band 1, Band 2,

Band 3, Band 4, Band 5, dan Band 7.

4. Ganti Band sesuai dengan namanya, Band 1 = B1:Band 1, dst.

5. Save As dalam type raster dataset dengan nama file

Crop_Cilacap.ers.

3.3.3. Penajaman Citra dan Komposit Warna

1. Pilih Edit Algorithm, Load Dataset, cari file Crop_Cilacap.ers.

2. Pada bagian Surface, ubah Color Table menjadi greyscale.

3. Pilih icon 99% Contrast Enhancement untuk menajamkan

contrast. Klik Create RGB Algorithm untuk menampilkan warna.

Kemudian klik Refresh

Page 20: Penginderaan Jauh 1

4. Untuk mengukur panjang atau luas daerah dalam image, pilih Edit

kemudian pilih Annote Vector Layer.

5. Untuk mengukur panjang, pada tools pilih Poly Line , lalu lakukan

digitasi pada daerahyang akan diukur panjangnya.

6. Klik icon Edit Object Extents , maka akan muncul window Map

Composition Extents yang menunjukan informasi mengenai panjang

area yang telah didigitasi.

Page 21: Penginderaan Jauh 1

7. Klik icon Delete Object , dan Refresh untuk menghapus digitasi

sebelumnya.

8. Untuk mengukur luas, pada tools pilih Polygon , lalu lakukan

digitasi pada area yang akan diukur luasnya.

9. Klik icon Edit Object Extent, maka akan muncul window Map

Composition Extents yang menunjukan informasi mengenai luas area

yang telah didigitasi.

3.3.4. Point Treading Data Value

1. Pilih Edit Algorithm, Load Dataset, cari file Crop_Cilacap.ers.

2. Klik Create RGB Algorithm untuk memunculkan warna.

Page 22: Penginderaan Jauh 1

3. Hilangkan efek Smoothing, dengan menghilangkan tanda centang

pada kolom Smoothing

4. Perbesar image dengan Zoom Box Tool, hingga gambar tampak

pixel.

5. Pilih View, Cell Values Profile untuk melihat nilai pixel pada citra.

6. Klik Pointer , kemudian klik pada salah satu pixel dalam citra.

Nilai dari pixel, akan terlihat pada window Cell Values Profile.

7. Pilih View, Cell Values Coordinates untuk melihat nilai koordinat

pada pixel.

8. Klik Pointer, kemudian klik pada salah satu pixel dalam citra. Nilai dari

koordinat, akan terlihat pada window Cell Coordinates.

Lakukan sebanyak dua kali pengulangan sehingga didapat dua hasil.

3.3.5. Geolink Window, Screen, Roam

1. Klik icon Copy Window , untuk membuat layer menjadi dua.

Untuk layer pertama, klik Edit Algorithm, Load Dataset, pilih file

Page 23: Penginderaan Jauh 1

IKONOS2005.ers. Sedangkan untuk layer kedua isikan dengan citra

IKONOS2009.ers.

2. Pada window Algorithm, dibagian Surface, ubah Color Table menjadi

rgb untuk memberi warna pada citra.

a. Geolink to Window

1) Klik kanan pada window, pilih Ouick Zoom, kemudian pilih Set

Geolink to Window.

2) Lakukan hal yang sama pada window kedua.

b. Geolink to Screen

1) Klik icon Copy Window pada 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, pilih Ouick Zoom, kemudian pilih Set Geolink to

None pada semua window.

Page 24: Penginderaan Jauh 1

3) Klik kanan, pilih Quick Zoom, kemudian pilih Set Geolink to

Screen pada semua window.

4) Maka window akan menampilkan citra berbeda yang saling

menghubungkan satu sama lain.

c. Geolink to Roam

1) Klik kanan, pilih Quick Zoom, terus pilih Set Geolink to None

pada semua window.

2) Ubah ukuran gambar pada window 2, 3, dan 4 agar tampak

perbedaannya dengan cara di zoom.

3) Pada window 1, klik kanan lalu pilih Quick Zoom, kemudian pilih

Set Geolink to Overview Roam.

Page 25: Penginderaan Jauh 1

BAB IV

HASIL DAN PEMBAHASAN

4.1. Hasil

4.1.1. Penggabungan Citra

Page 26: Penginderaan Jauh 1

4.1.2. Crooping

Page 27: Penginderaan Jauh 1

4.1.3. Penajaman Citra dan Koposit Warna

Page 28: Penginderaan Jauh 1
Page 29: Penginderaan Jauh 1
Page 30: Penginderaan Jauh 1

4.1.4. Point Treading Data Value

Page 31: Penginderaan Jauh 1

4.1.5. Geolink

a. Geolink to Window

b. Geolink to Screen

Page 32: Penginderaan Jauh 1

c. Geolink to Overview Roam

Page 33: Penginderaan Jauh 1

4.2. Pembahasan

4.2.1. Penggabungan Citra

Pada metode ini, data citra yang digunakan adalah foto Cilacap. Dalam

citra ini terdapat 6 jenis foto yang digabungkan menjadi satu untuk melihat

kondisi Cilacap berdasarkan 6 sudut pandang, dan mempermudah

penginterpretasikan.

4.2.2. Cropping

Pada metode ini, data yang dipakai adalah data penggabungan citra

Cilacap, yangkemudian di cropping untuk memperoleh gambar citra yang

lebih jelas.

4.2.3. Penajaman Citra dan Komposit Warna

Metode ini bertujuan untuk mempertajam dan memberi warna pada

sebuah citra. Data citra yang digunakan adalah data penggabungan Cilacap

yang telah di cropping. Di dalam metode ini, adapun bab untuk mengetahui

panjangdan luas dari daerah yang telah didigitasi.

4.2.4. Point Treading Data Value

Metode ini bertujuan untuk mengetahui nilai gradasi dan koordinat dari

suatu pixel dalam citra. Metode ini menggunakan data penggabungan Cilacap

yang telah di cropping dan di zoom dan dihilangkan smoothing agar tampak

pixel dari citra tersebut.

4.2.5. Geolink

Data yang digunakan pada metode ini adalah data citra satelit Ikonos di

daerah Semarang pada tahun 2005 dan 2009. Metode ini terdiri dari beberapa

bab, yaitu Geolink to Window, dimana dalam bab ini memperlihatkan

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

adalah Geolink to Screen, di sini memperlihatkan dua citra yang saling

terhubung dalam 4 window yang terpisah satu dengan lainnya. Dan yang

terakhir adalah Geolink to Overview Room. Dengan mengaktifkannya pada

salah satu layer, maka gambar pada ketiga window lainnya akan

menunjukkan gambar yang sama dengan koordinat gambar yang ditunjuk.

Page 34: Penginderaan Jauh 1

BAB V

KESIMPULAN

1. Penginderaan jauh adalah ilmu atau seni untuk memperoleh informasi

tentang objek, daerah atau gejala, dengan jalan menganalisis data yang

diperoleh dengan menggunakan alat, tanpa kontak langsung dengan

objek, daerah atau gejala yang akan dikaji.

2. Beberapa satelit penginderaan jauh yang digunakan antara lain Landsat,

Ikonos, Seasat, MOSS, SPOT, NOAA, Meteor, GMS, Soyuz, Ranger,

Viking, Luna, dan Venera.

3. Citra adalah gambaran yang tampak dari suatu objek yang sedang

diamati, sebagai hasil liputan atau rekaman suatu alat pemantau.

4. ER Mapper adalah perangkat lunak untuk mengolah data citra atau

satelit.

Page 35: Penginderaan Jauh 1

DAFTAR PUSTAKA

Page 36: Penginderaan Jauh 1

LAMPIRAN

Pengukuran Panjang

Page 37: Penginderaan Jauh 1

Pengukuran Luas