I. PENDAHULUAN

1.1. Latar Belakang

Satelit penginderaan jauh (observasi bumi dan lingkungan) dapat

memberikan data secara cepat dan tepat waktu untuk bencana alam, deteksi

kebakaran hutan, deteksi penyakit tanaman, tata guna tanah, penetapan/

pembangunan fasilitas, perlindungan lingkungan, pemantauan lingkungan global,

preservasi tempat/bangunan arkeologi survei dan pemetaan, pengintaian

(reconnaisance, detection and surveillance) dan penegakan hukum serta penilaian,

perijinan dan penentuan pajak “real estate” (Sutanto, 1986).

Pemanfaatan satelit penginderaan jauh merupakan pilihan yang paling tepat

untuk memperoleh data tentang sumber daya alam tersebut yang tersebar diseluruh

wilayah Indonesia yang cukup luas. Indonesia yang dilimpahi dengan kekayaan

sumber daya alam yang besar memerlukan pengelolaan secara efisien dan efektif

(Danoedoro, 1996).

Selain itu, deteksi Perubahan Lahan (Landuse Change Detection) yang dikaji

dari data inderaja merupakan sarana peringatan dini yang tepat bagi pengelolaan

lahan pesisir yang berkelanjutan. Melalui data ini dapat dilihat luas lahan yang

terdegradasi dan kondisi kerusakan lingkungan yang terjadi sebagai dasar untuk

menghitung aset sumberdaya yang hilang (Anonim, 2013).

Melihat kondisi ini, data dan informasi yang diperoleh dari penginderaan

jauh memegang peranan yang sangat penting. Melalui analisa data ini secara kontinyu

dapat di monitor perubahan penggunaan lahan yang terjadi. Akan tetapi, monitoring

tidak dapat berbicara banyak tanpa dapat mendeteksi nilai aset yang hilang karena

konversi penggunaan lahan tersebut. (Anonim, 2013).

1.2. Tujuan

Adapun tujuan dari praktikum kali ini adalah:

Mahasiswa diharapkan mampu menampilkan citra.

Mahasiswa mampu mendeteksi perubahan panjang garis pantai

dan mampu mendeteksi perubahan luas tambak.

Mahasiswa mampu menganalisa spasial perubahan panjang garis

pantai dan perubahan luas tambak.

II. TINJAUAN PUSTAKA

2.1. Pantai Utara Jawa dan Sekitarnya

Panjang garis pantai yang di miliki Jawa Tengah adalah 791,76 km, yang

terdiri atas pantai utara sepanjang 502,69 km dan pantai selatan sepanjang 289,07 km.

Selain itu, Jawa Tengah mempunyai 34 pulau-pulau kecil. Provinsi Jawa Tengah di

apit oleh tiga provinsi yaitu Jawa Timur di sebelah timur, Jawa Barat di sebelah barat

dan Daerah Istimewa Yogyakarta (DIY) di sebelah selatan (Saputra, 2013)

Di sepanjang pantai utara Jawa Tengah terletak beberapa kota/kabupaten dari

bagian timur hingga barat adalah Kabupaten Rembang, Pati, Jepara, Demak, Kota

Semarang, Kabupaten Kendal, Batang, Kota Pekalongan, Kabupaten Pekalongan,

Pemalang, Tegal, Kota Tegal, dan Kabupaten Brebes. Di bagian selatan, terdiri dari 4

(empat) kabupaten yaitu Wonogiri, Purworejo, Kebumen dan Cilacap (Saputra,

2013).

Kondisi pantai utara Jawa Tengah yang landai dan perairan yang relatif tenang

menjadikan pantai utara Jawa Tengah sebagai daerah yang memiliki cukup banyak

sentra nelayan dan penangkapan ikan terutama dengan skala kecil dan

menengah,namun saat ini kondisinya sudah padat tangkap. Dipantai selatan yang

berbatasan dengan Samudera Indonesia masih mempunyai potensibesar untuk

perikanan tangkap khususnya untuk kapal penangkap ikan besar tetapi kondisinya

yang curam dengan ombak yang besar mengakibatkan kurangnya sentra nelayan dan

penangkapan ikan di pantai selatan Jawa Tengah (Saputra, 2013).

2.1.1 Cilacap dan Segara Anakan

Kabupaten Cilacap terletak di 109◦ 01’ 18,4” BT sampai 7◦ 43’ 31,2” LS

(PPS Cilacap. 2009). Batas wilayah Kabupaten Cilacap adalah sebagai berikut:

1) Sebelah Utara : Kabupaten Banyumas dan Kabupaten Brebes

2) Sebelah Timur : Kabupaten Kebumen

3) Sebelah Barat : Propinsi Jawa Barat

4) Sebelah Selatan : Samudera Hindia/Indonesia

Kabupaten Cilacap dengan luas wilayah 225.361 km, secara geografis berada

di selatan Pulau Jawa yang berhadapan langsung dengan perairan Samudera Hindia.

Panjang garis pantai keseluruhan 201,9 km, yang terdiri dari garis pantai yang

berhadapan langsung dengan Samudera Hindia ± 105 km, serta garis pantai di

perairan Segara Anakan ± 96,9 km. Kabupaten Cilacap terbagi atas 24 kecamatan

dengan jumlah desa/kelurahannya mencapai 284 desa/kelurahan. Kecamatan yang

memiliki wilayah pantai mencapai 11 kecamatan dengan jumlah desanya mencapai

72 desa/kelurahan. Melihat luas wilayah dan wilayah yang memiliki daerah pantai

maka Kabupaten Cilacap baik langsung maupun tidak langsung memiliki potensi

pengembangan yang cukup besar di bidang perikanan tangkap maupun perikanan

budidaya (PPS Cilacap,2010).

Kabupaten Cilacap adalah daerah di selatan Jawa yang ditunjang dengan

aksesibilitas yang mudah ke kota-kota besar di Jawa seperti Jakarta, Bogor, Bandung,

Yogyakarta, Semarang maupun Surabaya. Aksesibilitas tersebut memudahkan dalam

pemasaran produk-produk perikanannya (PPS Cilacap,2010).

Lahan di Kabupaten Cilacap terbagi atas lahan sawah dan bukan lahan sawah.

Lahan sawah lebih banyak yaitu 150.787,91 ha (70.50%) sedangkan lahan bukan

sawah sebesar 63.062,37 ha (21.50%). Lahan sawah sendiri terdiri atas irigasi teknis,

irigasi setengah teknis, irigasi sederhana, irigasi desa atau non pekerjaan umum (PU),

tadah hujan dan pasang surut serta lainnya. Lahan bukan sawah terdiri atas

pekarangan, kebun, ladang, padang rumput, hutan rakyat, hutan Negara, perkebunan,

sementara tidak diusahakan dan lain-lain (rawa, tambak dan kolam). Wilayah

Kabupaten Cilacap memiliki ketinggian 0-198 m dari permukaan laut (PPS

Cilacap,2010).

Pembanguan PPS Cilacap berasal dari gagasan pembangunan PPI

Sentolokawat pada tahun 1980, namun gagasan ini menemui hambatan karena

lokasinya berdekatan dengan dermaga, dan lalu lintas kapal tangker Pertamina.

Kondisi ini mengakibatkan lokasi pembangunan Pelabuhan Perikanan Cilacap di

pindahkan ke Kelurahan Tegal Kamulyan, Kecamatan Cilacap Selatan, Kabupaten

Cilacap, Jawa tengah (PPS Cilacap,2010).

2.2. Citra Satelit Multi Temporal

Sistem penginderaan jauh sebenarnya bekerja dalam dua domain, yaitu

domain elektromagnetik dan domain ruang. Pada prinsipnya sebuah benda

memantulkan dan atau memancarkan gelombang elektromagnetik. Apabila dalam

suatu luasan tertentu terdapat beberapa jenis benda, maka masing-masing benda akan

memberikan pantulan dan atau pancaran gelombang elektromagnetik yang dapat

diterima oleh sensor. Dengan demikian, kehadiran suatu benda dapat dideteksi

berdasarkan pantulan atau pancaran elektromagnetik yang dilakukan oleh benda itu,

asal karakteristik pancaran atau pantulan elektromagnetiknya telah diketahui

(Danoedoro, 1996).

Sistem penginderaan jauh didesain memiliki sifat multi aplikasi yaitu multi spektral,

multi spasial dan multi temporal. Sifat multi spektral dari sistem penginderaan jauh

dikarenakan sensor kamera satelit menggunakan saluran penginderaan dua atau lebih

pada saat yang bersamaan. Semakin banyak kanal atau saluran yang digunakan maka

informasi yang didapat semakin banyak dan lengkap. Sifat multi spasial berarti

sistem penginderaan jauh memiliki ketajaman (ketelitian) spasial sebanyak dua atau

lebih, sering juga disebutkan ketelitian spasial ini sebagai resolusi spasial

(Anonim,2013).

Setiap benda pada dasarnya mempunyai struktur partikel yang berbeda, baik

mikro maupun makro. Perbedaan struktur ini mempengaruhi pola respon

elektromagnetiknya. Oleh karena itu, perbedaan respon elektormagnetik tersebut

dapat dijadikan landasan bagi pembedaan obyek. Fisika modern telah membuktikan

bahwa gelombang elektromagnetik terdiri atas sekumpulan “pita“ atau saluran dengan

wilayah atau julat panjang gelombang yang berbeda-beda. Tiap wilayah

elektromagnetik dengan julat panjang gelombang tertentu inilah yang disebut dengan

spektrum (jamak: spektra). Setiap wilayah yang kita sebut warna itu adalah suatu

wilayah spektrum sendiri (Danoedoro, 1996).

2.3. Analisa Spasial

Menurut Estes dan Simonett (1975) dalam Sutanto (1986) dinyatakan bahwa

interpretasi citra merupakan perbuatan mengkaji foto udara dan atau citra dengan

maksud untuk mengidentifikasi obyek dan menilai arti pentingnya obyek tersebut.

Sutanto (1986). Dalam interpretasi citra, penafsir citra berupaya untuk mengenali

obyek yang tergambar pada citra dan menerjemahkannya dalam disiplin ilmu tertentu

seperti geologi, geografi, ekologi, dan lain sebagainya (Sutanto, 1986).

Ada tiga rangkaian dalam interpretasi citra, yakni deteksi, identifikasi, dan

analisis. Deteksi ialah pengamatan adanya suatu obyek. Identifikasi adalah upaya

mencirikan obyek yang terdeteksi. Sedangkan pada tahap analisis, dikumpulkan

keterangan lebih lanjut (Sutanto, 1986).

Salah satu subsistem yang merupakan bagian dari SIG yang mampu

menangani data yang bereferensi kebumian, yaitu Manipulasi dan analisis data yang

merupakan kekuatan utama dalam penyelesaian masalah keruangan/ spasial.

Subsistem ini merupakan fungsi untuk menentukan apa yang dapat diperoleh dari

SIG. SIG untuk keperluan rekayasa dan manipulasi data, antara lain adalah dengan

tumpang susun (overlay) yaitu menggabungkan dua data spasial polygon sehingga

menghasilkan coverage polygon baru (Aronoff, 1989).

2.4. Deteksi Perubahan Menggunakan Citra Satelit

Deteksi perubahan adalah sebuah proses untuk mengidentifikasi perbedaan

keberadaan suatu obyek atau fenomena yang diamati pada waktu yang berbeda.

Kegiatan ini perlu mendapat perhatian khusus dari sisi waktu maupun keakurasian.

Mengetahui perubahan menjadi penting dalam hal mengetahui hubungan dan

interaksi antara manusia dan fenomena alam sehingga dapat dibuat kebijakan

penggunaan lahan yang tepat (D. Lu, 2003).

Umumnya deteksi perubahan meliputi aplikasi sejumlah multi-temporal untuk

analisis kuantitatif pengaruh temporal dari suatu fenomena. Keunggulan

pengumpulan data berulang, synoptic views, dan format digital yang sesuai untuk

pengolahan komputer, data penginderaan jauh seperti ; Thematic Mapper (TM),

Satellite Probatoire d'Observation de la Terre (SPOT), radar dan Advanced Very

High Resolution Radiometer (AVHRR), menjadi sumber data utama yang digunakan

untuk applikasi deteksi perubahan. LULC. D. Lu, (2003), merangkum hasil-hasil riset

yang berkaitan dengan penggunaan data penginderaan jauh untuk deteksi perubahan

(D. Lu, 2003).

Adanya kebutuhan data satelit yang terdiri dari data lama dan data baru

dengan tenggang waktu yang relatif lama sehingga dapat dilakukan kajian perubahan

lahan.

Dilain pihak lifetime satelit umumnya sekitar 5 tahun dan tidak diperpanjang

dengan generasi berikut. Atas dasar tersebut mau tidak mau harus menggunakan data

dari satelit yang berbeda. Oleh karena itu diperlukan kajian perbedaan karakteristik

dari satelit yang berbeda , teknik teknik pengolahan data untuk mendapatkan

informasi penutup lahan. Juga dengan pemanfaatan GIS yang dapat memanfaatkan

banyak sumber data yang berbeda, dapat dijadikan sebagai komplemen untuk

analisis metode detaksi perubahan (Anonim, 2013).

D. Lu, (2003) dalam ringkasannya menemukan 7 Jenis metode yang

digunakan dalam menerapkan deteksi perubahan, yaitu :

1. Aljabar, Kategori aljabar meliputi perbedaan citra, regresi citra, perbandingan

citra, perbedaan indeks vegetasi, change vector analysis (CVA) dan

substraksi background. Metoda ini ( selain CVA) relatif mudah, secara

langsung, mudah untuk diterapkan dan diinterpretasikan, tetapi tidak dapat

menunjukkan matriks informasi perubahan (Lu, D, P. Mausel at all, 2003).

2. Transformasi Kategori transformasi meliputi: PCA, KT, Gramm-Schmidt (G),

dan transformasi Chi-square. Keuntungan metoda ini adalah dalam hal

mengurangi redundans antar band dan penekanan informasi yang berbeda

pada komponen yang diturunkan. Metode ini tidak bisa memberikan

perubahan terperinci dan memerlukan pemilihan treshold untuk

mengidentifikasi area yang berubah. Kerugiannya adalah kesulitan untuk

menginterpretasi dan memberikan label informasi perubahan pada citra yang

sudah ditransformasi (Lu, D, P. Mausel at all, 2003).

3. Klasifikasi, Kategori ini meliputi perbandingan post klasifikasi, analisa

kombinasi spektral-temporal, algoritma deteksi perubahan expectation-

maximization (EM), deteksi perubahan unsupervised, deteksi perubahan

hybrid, dan ANN. Metoda ini didasarkan pada kasifikasi citra, di mana

kwantitas dan kualitas data sample sangat krusial untuk menghasilkan hasil

klasifikasi yang baik. Keuntungan utama dari metoda ini adalah kemampuan

untuk memberikan matrik informasi perubahan dan mengurangi dampak

eksternal pengaruh perbedaan atmosfer dan lingkungan diantara data citra

multi-temporal (Lu, D, P. Mausel at all, 2003).

4. Advance Model, Advance Models berdasarkan kategori deteksi perubahan

meliputi model reflektansi Li- Strahler, model spectral mixture, dan model

penilaian parameter biofisik (biopyisical parameter estimation). Dalam

metoda-metoda ini, nilai reflektansi citra sering dikonversi menjadi parameter

fisik atau fraksi melalui model linier atau nonlinear. Parameter yang

ditransformasi lebih intuitif diinterpretasi dan lebih baik mengekstraksi

informasi vegetasi dengan dibandingkan dengan signatures spektral. (Lu, D,

P. Mausel at all, 2003).

5. SIG (Sistem Informasi Geografis), Kategori deteksi perubahan berdasarkan

GIS meliputi integrasi GIS denga metode penginderaan jauh dan metoda GIS

murni. Keuntungan GIS adalah kemampuan untuk menyertakan data dari

sumber berbeda untuk aplikasi deteksi perubahan. Walaupun, penggabungan

sumber data dengan perbedaan akurasi sering mempengaruhi hasil deteksi

perubahan (Lu, D, P. Mausel at all, 2003).

6. Analisa Visual , Kategori analisis visual meliputi interpretasi visual dari citra

komposit multi-temporal dan digitasi on-screen areal yang berubah. Metoda

ini dapat digunakan secara penuh oleh analis berpengalaman dan ilmuan.

Tekstur, bentuk, ukuran dan pola citra adalah elemen kunci yang digunakan

untuk identifikasi perubahan LULC melalui interpretasi visual. Elemen ini

tidak sering digunakan dalam analisa deteksi perubahan secara digital sebab

sulit untuk mengekstraksi unsur-unsur tersebut (Lu, D, P. Mausel at all, 2003).

7. Teknik Deteksi Perubahan lainnya, Sebagai tambahan dari enam kategori

teknik deteksi perubahan yang dibahas diatas, ada beberapa metoda yang tidak

bisa dimasukkan dengan salah satu kategori di atas, dan saat ini belum banyak

digunakan (Lu, D, P. Mausel at all, 2003).

III. MATERI METODE

3.1. Waktu dan Tempat Praktikum

Hari : Selasa, 8 Oktober 2013

Waktu : 09.30 – 11.30 WIB.

Tempat : Laboratorium Komputasi Ilmu Kelautan, Universitas

Diponegoro, Semarang

3.2. Materi

Adapun materi pada praktikum indraja kali ini sebagai berikut :

1. Menampilkan citra multi temporal

2. Deteksi perubahan garis pantai

3. Analisis perubahan spasial

3.3. Metode

a. Menampilkan Citra Satelit Multitemporal

1. Buka software ER Mapper, lalu buat window baru. Kemudian klik icon

Edit Algorithm .

2. Lalu di window Algorithm, klik icon Load Dataset . Setelah muncul

window Raster Dataset, pilih file Landsat_5Juli2001. ers. Lalu klik

OK

3. Kemudian pada window ER Mapper, klik icon RGB dan ganti

description pada window algorithm menjadi 2001_nurfitriana

4. Lalu pseudo layer pada window algorithm di cut

5. Kemudian pada window algorithm ubah band dari citra menjadi band 5

untuk Red Layer, band 4 untuk Green Layer, dan band 2 untuk Blue

Layer. Lalu tajamkan dengan mengklik icon Refresh Image with 99%.

Lalu klik lagi icon refresh pada window ER Mapper.

6. Kemudian pada default surface klik dua kali untuk mengganti nama

“default surface“ menjadi nama kita 2001

7. Membuat window baru dengan klik edit pilih new maka akan muncul

window sebagai berikut

8. Pada window Algorthm, klik icon Load Dataset dan kali ini pilih file

Landsat_9April2003.ers. Lalu klik OK.

9. Kemudian pada window ER Mapper, klik icon RGB dan ganti

description pada window algorithm menjadi 2003_nurfitriana

10. Lalu pseudo layer pada window algorithm di cut

11. Kemudian pada window algorithm ubah band dari citra menjadi band 5

untuk Red Layer, band 4 untuk Green Layer, dan band 2 untuk Blue

Layer. Lalu tajamkan dengan mengklik icon Refresh Image with 99%.

Lalu klik lagi icon refresh pada window ER Mapper.

12. Kemudian pada default surface klik dua kali untuk mengganti nama

“default surface“ menjadi nama kita 2003

13. Maka akan terdapat dua citra dengan waktu yang berbeda, akan tetapi

menunjukan daerah yang sama, yaitu citra tahun 2001 dan citra tahun

2003.

b. Deteksi Perubahan Garis Pantai

1. Pada layer citra 2003 di klik , lalu klik icon copy pada window algorithm

dan paste ke citra layer 2001.

2. Karena tujuan kita adalah untuk mendeteksi, maka pada citra

2001_nurfitriana klik surface pada window algorithm kemudian pilih

transparency dan geser-gesr ke kanan untuk melihat perubahan yang terjadi

dari tahun 2001-2003. Semakin ke kanan sampai transparency 100%

berarti citra menunjukkan tahun 2003.

Transparency 0%

Transparency 25%

Transparency 50%

Transparency 75%

Transparency 100%

c. Analisis Spasial Perubahan Garis Pantai

1. Pada window utama, pilih bagian Edit lalu Annotate Vector Layer. Lalu

muncul window New Map Composition klik OK kemudian klik Close pada

window ER Mapper baru

2. Lalukan pembesaran sedikit lagi dengan zoom box tool, lalu transparency di

geser kekiri 0% sampai kembali ke citra tahun 2001 .

3. Mengukur panjang garis pantai dengan Polyline. Kemudian digitasi panjang

garis pantai dengan mengklik icon polyline pada window tools baru.

4. Lalu lihat panjangnya dengan mengklik icon edit object extend pada window

tools baru yang tadi.

5. Lalu ganti warna digitasi dengan mengklik ikon pointer yang ada pada

window tools yang baru tadi.

6. Kemudian klik dua kali pada garis pantai yang telah didigitasi sehingga

muncul window line style.

7. Lalu ganti warnanya menjadi warna Kuning dan mengganti kolom width

menjadi 2.0

8. Lalu pilih close dan lihat di citra layer

9. Kemudian untuk menghitung panjang garis pantai di tahun 2003, maka

tranparancy di geser ke kanan sampai 100% yang menunjukkan citra tahun

2003.

10. Lalu digitasi kembali panjang garis pantainya dengan polyline pada window

tools yang baru tadi. Kemudian lihat panjang garis pantainya dengan

mengklik ikon edit object extend pada window tools.

11. Lalu pilih close maka citranya menjadi:

12. Maka untuk citra hasil digitasi dari tahun 2001-2003 menjadi:

13. Kemudian pada citra 2001 klik kanan pilih zoom all dataset. Mengamati

perbedaan luas perubahan tambak dengan Polygon. Ubah transparency

sampai ke 0% untuk tahun 2001 kembali.

14. Pilih zoom box tools lagi untuk memperbesar citra yang ingin diketahui

perubahan luas tambak

15. Lalu lakukan digitasi dengan mengklik icon Polygon pada window tools.

16. Lalu lihat hasil luasan perubahan tambaknya dengan mengklik edit object

extend pada window tools.

17. Lalu ganti warna digitasi dengan mengklik ikon pointer yang ada pada

window tools yang baru tadi. Kemudian klik dua kali pada garis pantai yang

telah didigitasi sehingga muncul window line style. Lalu ganti warnanya

menjadi warna Hijau dan mengganti kolom width menjadi 2.0

18. Sehingga citra akan terlihat sebagai berikut :

19. Kemudian lakukan hal yang sama pada citra dengan transparency 100% ,

lalu lihat luasnya.

20. Dari hasil pengamatan adanya perubahan luas tambak yang terjadi dari tahun

2001-2003.

21. Lalu tutup semua windowsnya.

IV. HASIL DAN PEMBAHASAN

4.1. HASIL

4.1.1 Menampilkan Citra Satelit

Citra satelit tahun 2001

Citra satelit tahun 2003

4.1.2. Deteksi Perubahan Garis Pantai

Transparency 0%

Transparency 25%

Transparency 50%

Transparency 75%

Transparency 100%

Citra 2003

4.1.3. Analisa Spasial perubahan garis pantai

A. Menentukan dan Menganalisis Perubahan Panjang Garis Pantai

B. Menentukan dan Menganalisis Perubahan Luasan Tambak di Sekitar Pantai

Utara Jawa

4.2. Pembahasan

4.2.1 Menampilkan Citra Multi Temporal

Pada praktikum kali ini menggunakan citra pada tahun 2001 dan 2003 pada

daerah yang sama namun waktunya berbeda. Tujuan dari menampilkan citra temporal

kita dapat mengetahui perubahan keadaan sekitar dari tahun 2001 sampai 2003.

Dengan menggunakan ini maka identifikasi perubahan akan menjadi mudah untuk

mendeteksinya.

4.2.2 Deteksi Perubahan Garis Pantai

Deteksi perubahan garis pantai dapat diketahui menggunakan transparency

ketika nilainya 0% diubah menjadi 25% akan terlihat sedikit perubahan kemudian

diubah menjadi 50% samapi 100% maka akan terlihat sekali perubahannya. 0%

menunjukan citra pada tahun 2001 dan ketika diubah menjadi 100% merupakan citra

tahun 2003.

4.2.3 Menganalisa Perubahan Garis Pantai dan Luas Tambak

Cara menganalisanya juga dengan menggunakan data tahun 2001 dan 2003.

Untuk mendeteksi perubahan garis pantai menggunakan polyline kemudian pada

transparency 0% digitasi maka akan dapat terlihat panjang garis pantai pada tahun

2001 kemudian transparecy 100% sehingga citra berubah menjadi tahun 2003. Lalu

menggunakan polyline lalu digitasi dan akan terlihat panjang garis pantai pada

wilayah yang sama namun pada tahun 2003. Dari data ini maka akan terlihat

perbedaan panjang garis pantainya.

Untuk mengetahui perubahan luasan tambak dengan cara yang sama namun

menggunakan tool polygon. Dari data 2001 dan 2003 maka akan terlihat perbedaan

luas tambaknya. Pada praktikum kali ini dapat terlihat bahwa luasan tambak berta,bah

besar dibandingkan tahun 2001.

V. KESIMPULAN

Dari praktikum penginderaan jauh modul ke-4 Deteksi Perubahan Dengan

Citra Satelit adalah sebagai berikut :

1. Dengan resolusi temporal yang tinggi proses perubahan gambar peta dapat

dianalisis lebih detail, misal kita dapat menghitung luasan daerah yang

mengalami abrasi sepenjang tahun, kita dapat menghitung pertambahan luasan

lahan, dan berkurangnya area vegetasi setiap tahun sehingga kita dapat

menganalisa pengaruh dari berkurangnya vegetasi dengan proses abrasi.

2. Untuk mengetahui perubahan panjang garis pantai dapat menggunakan tool

polyline dengan mengaplikasikannya menggunakan citra temporal.

3. Untuk mengetahui perubahan luasan tambak dapat menggunakan tool polygon

dengan mengaplikasikannya menggunakan citra temporal

DAFTAR PUSTAKA

Aronoff, S., 1989, Geographic Information System: A Management Perspective,

WDL Publication, Ottawa, Canada.

Danoedoro, Projo. 1996. Pengolahan Citra Digital Teori dan Aplikasinya Dalam

Bidang Penginderaan Jauh. Gadjah Mada University Press. Yogyakarta.

Estes J.E dan D.S. Simonett, 1975. Fundamental of Image Interpretatation:

Manual of remote Sensing, vol 1, first edition. R.G. Revees: ed-in-chief,

American Society of Fotogrmetri, Falls Chourch, Virginia.

Lu, D, P. Mausel at all, Change Detection Techniques, International J. Remote

Sensing, Juni 2003, Vol 25, No 12, P.2365 -2407.

http://innntan.multiply.com/journal/item/157/REmote_Sensing?

&item_id=157&view:replies=reverse. Diakses pada hari Rabu tanggal 17

April 2013 WIB.

http://library.pelangi.or.id/?pilih=arsip&topik=7&nid=2594 Diakses pada hari Selasa

tanggal 15 Oktober 2013 pukul 19.00 WIB.

http://www.lapanrs.com/INOVS/PENLI/ind/INOVS--PENLI--255--ind--laplengkap--

jansen_upap_2006.pdf Diakses pada hari Selasa tanggal 15 Oktober 2013

pukul 19.00WIB.

Pratikto, W.A, Armono H.D, Suntoyo. 1997. Perencanaan Fasilitas Pantai dan Laut.

Edisi Pertama. BPFE. Yoyakarta. 226 hlm.

Saputra, Ichwan. 2013. http://udayanailmu.blogspot.com/2013/02/mitigasi-bencana-

gelombang-pasang-di.html. diunggah pada tanggal 15 Oktober 2013 pukul

19.53

Triatmodjo, B. 1999. Teknik Pantai. Beta Ofset. Yogyakarta.

Triatmodjo, B. 2003. Pelabuhan. Beta Ofset. Yogyakarta.

LAPORAN RESMI

PRAKTIKUM PENGINDERAAN JAUH

MODUL III

KOREKSI GEOMETRI

OLEH :

NUR FITRIANA HARYANTO

2602020212130058

SHIFT 1

PROGRAM STUDI OSEANOGRAFI

JURUSAN ILMU KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS DIPONEGORO

SEMARANG

2013

LEMBAR PENILAIAN

MODUL II : KOREKSI GEOMETRI

Nama : Nur Fitriana .H NIM : 26020212130058 Ttd:……………………

NO KETERANGAN NILAI

1. Pendahuluan

2. Tinjauan Pustaka3. Materi dan Metode

4. Hasil dan Pembahasan

5. Kesimpulan

6. Daftar Pustaka

JUMLAH

Semarang, 16 September 2013

Mengetahui,Koordinator Praktikum Asisten

Jasmine Khairani Zainal Peddy DarwinK2D009036 K2E009013

Shift : 1 (satu)

Tanggal Praktikum : 8 Oktober 2013

Tanggal Pengumpulan : 16 Oktober 2013