LAPORAN RESMI

PRAKTIKUM PENGINDERAAN JAUH

MODUL 1

INTERFACE PENGENALAN ER MAPPER 7.0

Oleh

Hendri Zand F lahagu

26020113140118

PROGRAM STUDI ILMU KELAUTAN

JURUSAN ILMU KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS DIPONEGORO

SEMARANG

2013

LEMBAR PENILAIAN

(INTERFACE PENGENALAN ER MAPPER 7.0)

NO. KETERANGAN NILAI

1. Pendahuluan

2. Tinjauan Pustaka

3. Materi dan Metode

4. Hasil dan Pembahasan

5. Kesimpulan

6. Daftar Pustaka

TOTAL

Mengetahui,

Koordinator Asisten Asisten,

Tegar Ramadhan Rizki Adittio Taohid

26020212130039 26020212140021

Nama: Hendri Zand F Lahagu NIM: 26020113140118 Ttd: ................

I. PENDAHULUAN

1.1 Pendahuluan

Penginderaan jauh adalah suatu ilmu dan seni untuk memperoleh

informasi tentang objek, daerah atau gejala dengan cara menganalisis data

yang diperoleh dengan menggunakan alat tanpa kontak langsung terhadap

objek, daerah atau gejala yang dikaji. Pemanfaatan satelit penginderaan

jauh merupakan pilihan yang paling tepat untuk memperoleh data tentang

sumber daya alam tersebut yang tersebar di seluruh wilayah Indonesia

yang cukup luas

Penginderaan jauh sangat bermanfaat dalam membantu proses

pengukuran, penelitian dan pengelolaan suatu sumber daya bumi dengan

menggunakan konsep interpretasi foto udara, fotogrametri, interpretasi citra

dari sensor non-fotografi baik secara visual maupun menggunakan teknik

pemrosesan citra digital. Hal ini dapat mempermudah dalam pengumpulan

data dari jarak jauh yang dapat dianalisis untuk mendapatkan informasi

tentang objek, daerah maupun fenomena yang diinginkan atau dikaji.

Dalam praktikum ini, software/perangkat lunak yang digunakan adalah ER

Mapper. ER Mapper adalah salah satu software/ perangkat lunak yang

digunakan untuk mengolah data citra atau satelit. Perangkat lunak yang

dilengkapi dengan user-interface yang user-frendly, yaitu memiliki hampir

semua fungsionalitas pengolahan citra digital ini sangat mudah dan praktis

untuk digunakan oleh setiap pengguna.

1.2 Tujuan

Mahasiswa diharapkan mengetahui arti dan fungsi dari penginderaan

jauh.

Mahasiswa diharapkan mengetahui dan mampu mengoperasikan

software ER MAPPER 7.0 yang dapat membantu dalam proses

pengolahan data hasil citra penginderaan jauh.

Mahasiswa diharapkan dapat melakukan; Penggabungan citra; Croping

citra ; Penajaman citra; Reading data values dan Geolink

II. TINJAUAN PUSTAKA

2.1 Penginderaan Jauh

2.1.1 Pengertian Penginderaan Jauh

Dalam Cut Meurah (2004), banyak para ilmuwan yang

mendefinisikan penginderaan jauh, antara lain,

Penginderaan jauh merupakan upaya untuk memperoleh,

menemutunjukkan (mengidentifikasi) dan menganalisis objek

dengan sensor pada posisi pengamatan daerah kajian (Avery, 1985).

Penginderaan Jauh yaitu penggunaan sensor radiasi elektromagnetik

untuk merekam gambar lingkungan bumi yang dapat

diinterpretasikan sehingga menghasilkan informasi yang berguna

(Curran, 1985).

Secara umum 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 yang akan dikaji. Untuk melakukan

penginderaan jarak jauh diperlukan alat sensor, alat pengolah data dan

alat-alat lainnya sebagai pendukung. Oleh karena sensor tidak

ditempatkan pada objek, maka perlu adanya wahana atau alat sebagai

tempat untuk meletakkan sensor. Wahana tersebut dapat berupa balon

udara, pesawat terbang, satelit atau wahana lainnya Antara sensor,

wahana, dan citra diharapkan selalu berkaitan, karena hal itu akan

menentukan skala citra yang dihasilkan (Susanto, 1986).

2.1.2. Sistem Penginderaan Jauh

Sensor menangkap objek dari bumi, dimana suatu objek itu bisa

sampai ke sensor membutuhkan energi dari sinar matahari sebagai sumber

energi. Agar energi tersebut dapat sampai ke objek, harus melewati

pembatas atau hambatan yang dinamakan atmosfer. Namun tidak

semuanya sinar yang datang dari matahari mengenai objek karena adanya

hambatan atmosfer tersebut. Setelah itu, energi yang sampai ke objek

diterima dan dipantulkan ke sensor sebagai inti dari sistem tersebut.

Kemudian dari sensor mengeluarkan data didgital dan visual yang

kemudian samapai ke pengguna yang ada di permukaan bumi (Susanto,

1986).

2.2. Citra

Dalam penginderaan jauh didapat masukan data atau hasil

observasi yang disebut citra. Citra menurut Hornby merupakan gambaran

yang terekam oleh kamera atau oleh sensor lainnya. Sedangkan menurut

Simonett et al (1983), citra merupakan gambaran rekaman suatu obyek

yang dibuahkan dengan cara optic, elektro optic, optic mekanik, atau

elektronik. Pada umumnya digunakan bila radiasi elektronik yang

dipancarkan atau dipantulkan dari suatu obyek tidak langsung direkam

pada film (Sutanto, 1986).

2.2.1. Dasar Pengolahan Citra Satelit

Proses pengolahan citra atau interprestasi citra adalah

proses pengambilan informasi kenampakan objek pada citra, baik

secara kualitatif maupun kuantitatif yang memperhatikan

pengetahuan maupun pengalaman pengenalan sifat-sifat unsur yang

terkandung, melalui penerapan kunci-kunci pengenalan objek (rona

atau warna) (Dulbahri, 1985).

Teknik pengolahan citra penginderaan jauh diciptakan agar

dapat melakukan pekerjaan penafsiran citra secara mudah dengan

mendapatkan hasil penafsiran pada tingkat keakuratan dan

kelengkapan yang baik. Menurut Sutanto, teknik penafsiran citra

penginderaan jauh dilakukan dengan menggunakan komponen

penafsiran yang meliputi:

Data Acuan

Data acuan diperlukan untuk meningkatkan kemampuan dan

kecermatan seorang penafsir, data ini bisa berupa laporan

penelitian, monografi daerah, peta, dan yang terpenting disini

data diatas dapat meningkatkan local knowledge pemahaman

mengenai lokasi penelitian.

Kunci pengolahan citra atau unsur diagnostic citra

Pengenalan obyek merupakan bagian vital dalam interpretasi

citra. Untuk itu identitas dan jenis obyek pada citra sangat

diperlukan dalam analisis memecahkan masalah yang

dihadapi. Unsur interpretasi yang dimaksud disini adalah :

Rona / warna

Bentuk

Ukuran

Tekstur

Pola

Bayangan

Situs

Asosiasi

(Purwadhi & Sri Hardiyanti, 2001)

2.2.2. Operasi Pengolahan Citra

Operasi-operasi yang dilakukan didalam pengolahan citra

dapat diklasifikasikan dalam beberapa jenis sebagai berikut:

1. Perbaikan Citra (Image Restoration)

2. Perbaikan Kualitas Citra (Image Enhancment)

3. Pemampatan Citra (Image Compression)

4. Segmentasi Citra (Image Segmentation)

5. Analisa Citra (Image Analisys)

6. Rekonstruksi Citra (Image Reconstruction)

2.2.3. Macam-Macam Citra

a. Citra Foto

Citra foto adalah gambar yang dihasilkan dengan

menggunakan sensor kamera. Citra foto dapat dibedakan atas

beberapa dasar, yaitu :

Spektrum Elektromagnetik yang digunakan Berdasarkan spektrum

elektromagnetik yang digunakan, citra foto dapat dibedakan atas:

a) Foto ultra violet yaitu foto yang dibuat dengan

menggunakan spektrum ultra violet dekat dengan panjang

gelombang 0,29 mikrometer. Foto ini sangat baik untuk

mendeteksi: tumpahan minyak di laut, membedakan atap

logam yang tidak dicat, jaringan jalan aspal, batuan kapur.

b) Foto ortokromatik yaitu foto yang dibuat dengan

menggunakan spektrum tampak dari saluran biru hingga

sebagian hijau (0,4 0,56 mikrometer). Cirinya banyak obyek

yang tampak jelas. Foto ini bermanfaat untuk studi pantai

karena filmnya peka terhadap obyek di bawah permukaan air

hingga kedalaman kurang lebih 20 meter. Baik untuk survey

vegetasi karena daun hijau tergambar dengan kontras.

c) Foto pankromatik yaitu foto yang menggunakan seluruh

spektrum tampak mata mulai dari warna merah hingga ungu.

Kepekaan film hampir sama dengan kepekaan mata manusia.

Cirinya pada warna obyek sama dengan kesamaan mata

manusia. Baik untuk mendeteksi pencemaran air, kerusakan

banjir, penyebaran air tanah dan air permukaan.

d) Foto infra merah asli (true infrared photo), yaitu foto yang

dibuat dengan menggunakan spektrum infra merah dekat

hingga panjang gelombang 0,9 1,2 mikrometer yang dibuat

secara khusus. Cirinya dapat mencapai bagian dalam daun,

sehingga rona pada foto infra merah tidak ditentukan warna

daun tetapi oleh sifat jaringannya. Baik untuk mendeteksi

berbagai jenis tanaman termasuk tanaman yang sehat atau yang

sakit.

e) Foto infra merah modifikasi, yaitu foto yang dibuat dengan

infra merah dekat dan sebagian spektrum tampak pada saluran

merah dan sebagian saluran hijau. Dalam foto ini obyek tidak

segelap dengan film infra merah sebenarnya, sehingga dapat

dibedakan dengan air.

(Sutanto, 1986)

b. Citra Non Foto

Citra non foto adalah gambaran yang dihasilkan oleh sensor

bukan kamera. Citra non foto dibedakan atas :

1) 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.

2) Sensor yang digunakan berdasarkan sensor yang digunakan,

citra non foto terdiri dari : Citra tunggal, yakni citra yang

dibuat dengan sensor tunggal, yang salurannya lebar. Citra

multispektral, yakni cerita 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.

3) Wahana yang digunakan Berdasarkan wahana yang

digunakan, citra non foto dibagi atas :

a. Citra dirgantara (Airbone image), yaitu citra yang dibuat

dengan wahana yang beroperasi di udara (dirgantara).

b. Citra Satelit (Satellite/Spaceborne Image), yaitu citra

yang dibuat dari antariksa atau angkasa luar.

(Sutanto, 1986)

T

a

b

e

l

Tabel 1. Perbedaan Citra dan Non-Citra

2.3 Er Mapper 7.0

ER Mapper adalah salah satu software (perangkat lunak) yang

digunakan untuk mengolah data citra atau satelit. Masih banyak perangkat

lunak yang lain yang juga dapat digunakan untuk mengolah data citra,

diantaranya adalah Idrisi, Erdas Imagine, PCI dan lain-lain. Masing-

masing perangkat lunak mempunyai keunggulan dan kelebihannya sendiri.

ER Mapper dapat dijalankan pada workstation dengan sistem operasi

UNIX dan komputer PCs (Personal Computers) dengan sistem operasi

Windows 95 ke atas dan Windows NT (Cut Meurah, 2004).

ER Mapper adalah salah satu perangkat lunak pengolahan citra

digital. Perangkat lunak yang dilengkapi dengan user-interface yang user-

frendly, yaitu memiliki hampir semua fungsionalitas pengolahan citra

digital ini sangat mudah dan praktis untuk digunakan oleh setiap

pengguna; tidak terkecuali seorang pemula sekalipun. Selain itu, di

dalamnya, terdapat fasilitas help dan online tutorial yang dapat

memudahkan para pemakainya. Oleh karena itu, tidak heran, jika sejak

peluncuran versi awalnya, ER Mapper telah merebut hati setiap praktisi

bidang-bidang remote sensing dan digital image processing

(Sutanto,1986).

Keunggulan menggunakan ER Mapper 7.0 :

Mampu untuk mengolah sebagian citra penginderaan jauh.

Mampu mengimpor data citra yang tidak dikenal sekalipun.

Didukung lebih dari 100 kompatibilitas pencetakan citra.

Sangat mudah digunakan untuk tujuan analisis sekalipun oleh

user pemula.

Dapat digunakan secara cepat untuk lebih dari 130 aplikasi

khusus.

Tersedia lebih dari 160 formula atau algorithma matematis

pengolahan citra sehingga pengguna tidak perlu berfikir dan

menulis lagi algorithma yang rumit bagi pemula.

Realtime processing, pengolahan langsung dapat dilihat

hasilnya tanpa menyimpannya di media terlebih dahulu.

Pembuatan mosaik citra yang sangat mudah baik untuk citra

satelit juga citra foto udara.

Data yang berbeda dapat ditampilkan bersamaan bahkan saat

diproses.

Penyusunan model 3D dari citra sehingga lebih tampak seperti

kondisi aslinya di lapangan.

(Sutanto, 1986)

2.4 Satelit Landsat

Program Landsat adalah program paling lama untuk mendapatkan

citra bumi dari luar angkasa. Satelit Landsat (land Satellite) milik Amerika

Serikat, pertama kali diluncurkan pada tahun 1972 dengan nama ERTS-1.

Proyek tersebut sukses dan silanjutkan dengan peluncuran selanjutnya, seri

kedua, tetapi dengan nama baru yaitu Landsat. Seri tersebut hingga tahun

1991 telah sampai pada Landsat 5, dikelompokkan menjadi dua generasi,

yaitu generasi pertama (1-3) dan generasi kedua (4-5) (Achmad Siddik,

2008).

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 (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 (Spasiatama, 2004).

Landsat 5, diluncurkan pada 1 Maret 1984, sekarang ini masih

beroperasi pada orbit polar, membawa sensor TM (Thematic Mapper),

yang mempunyai resolusi spasial 30 x 30 m pada band 1, 2, 3, 4, 5 dan 7.

Sensor Thematic Mapper mengamati obyek-obyek di permukaan bumi

dalam 7 band spektral, yaitu band 1, 2 dan 3 adalah sinar tampak (visible),

band 4, 5 dan 7 adalah inframerah dekat, infra merah menengah, dan band

6 adalah infra merah termal yang mempunyai resolusi spasial 120 x 120 m.

Luas liputan satuan citra adalah 175 x 185 km pada permukaan bumi.

Landsat 5 mempunyai kemampuan untuk meliput daerah yang sama pada

permukaan bumi pada setiap 16 hari, pada ketinggian orbit 705 km

(Sitanggang, 1999 dalam Ratnasari, 2000).

Tahun 1992, berbagai upaya dilakukan untuk mengucurkan dana

untuk operasi lanjutan Landsat, namun pada akhir tahun EOSAT

menghentikan pengolahan data Landsat. Landsat 6 diluncurkan pada

tanggal 5 Oktober 1993, namun mengalami kegagalan peluncuran. NASA

akhirnya meluncurkan Landsat 7 pada tanggal 15 April 1999.

Landsat 1 (mulanya dinamakan Earth Resources Technology

Satellite 1) - diluncurkan 23 Juli 1972, operasi berakhir tahun

1978.

Landsat 2 - diluncurkan 22 Januari 1975, berakhir 1981.

Landsat 3 - diluncurkan 5 Maret 1978, berakhir 1983.

Landsat 4 - diluncurkan 16 Juli 1982, berakhir 1993.

Landsat 5 - diluncurkan 1 Maret 1984, masih berfungsi.

Landsat 6 - diluncurkan 5 Oktober 1993, gagal mencapai orbit.

Landsat 7 - diluncurkan 15 April 1999, masih berfungsi

(Sutanto, 1986)

2.5 Red Green Blue (RGB)

Citra yang menggunakan LUT RGB haruslah memiliki tiga

channel dapat dikatakan disusun terdiri atas tiga lapisan warna, superimpos

dari tiga lapisan ini akan menyusun citra dengan kedalaman warna

maksimal 2563 kode warna. Walaupun demikian, pada umumnya citra

penginderaan jauh hanya menggunakan ruang hingga 256 kode saja,

kecuali beberapa citra, misalnya : radar hingga 16 bit channel, dan citra-

citra yang telah direntangkan ruang warnanya. Pemerataan warna dari citra

dengan ruang warna 256 kode menjadi 2563 dapat dilaksanakan akan

tetapi tidak merubah kedalaman informasinya, kondisi ini dapat

disetarakan dengan pembesaran skala peta dari skala 1:3000 menjadi skal

1:1000 dengan cara di foto copy (Ningrum, A.D, 2012).

2.6. Teknik Interpretasi Visual

Proses Interprestasi citra adalah proses pengambilan informasi

kenampakan objek pada citra, baik secara kualitatif maupun kuantitatif

yang memperhatikan pengetahuan maupun pengalaman pengenalan sifat-

sifat unsur yang terkandung, melalui penerapan kunci-kunci pengenalan

objek (rona atau warna). Kunci-kunci dalam pengenalan objek antara lain :

Ukuran, merupakan bagian informasi konstektual selain bentuk

dan letak. Ukuran merupakan atribut obyek yang berupa jarak,

luas, tinggi, lereng dan volume. Ukuran merupakan cerminan

penyajian penyajian luas daerah yang ditempati oleh kelompok

individu.

Bentuk dan Ukuran merupakan asosiasi sangat erat. Bentuk

menunjukkan konfigurasi umum suatu obyek sebagaimana

terekam pada citra penginderaan jauh. Bentuk mempunyai dua

makna yakni:

Bentuk luar/umum.

Bentuk rinci atau sususnana bentuk yang lebih rinci dan

spesifik.

Asosiasi, menunjukkan komposisi sifat fisiogonomi seragam

dan tumbuh pada kondisi habitat yang sama. Asosiasi juga

berarti kedekatan erat suatu obyek dengan obyek lainnya.

Contoh permukiman kita identik dengan adanya jaringan

tarnsportasi jalan yang lebih kompleks dibanding permukiman

pedesaan. Konvergensi bukti dalam proses penafsiran citra

penginderaan jauh sebaiknya digunakan unsure diagnostic citra

sebanyak mungkin. Hal ini perlu dilakukan karena semakin

banyak unsure diagnostik citra yang digunakan semakin

menciut lingkupnya untuk sampai pada suatu kesimpulan suatu

obyek tertentu. Konsep ini yang sering disebut konvergensi

bukti.

Tekstur, merupakan frekuensi perubahan rona dalam citra.

Tekstur dihasilkan oleh kelompok unit kenampakan yang kecil,

tekstur sering dinyatakan kasar, halus, ataupun belang-belang.

Bayangan, merupakan unsur sekunder yang sering membantu

untuk identifikasi obyek secara visual, misalnya untuk

mengidentifikasi hutan jarang, gugur daun, tajuk ( hal ini lebih

berguna pada citra resolusi tinggi ataupun foto udara).

Pola, merupakan karakteristik makro yang digunakan untuk

mendeskripsikan tata ruang pada kenampakan di citra. Pola

atau susunan keruangan merupakan ciri yang yang menandai

bagi banyak obyek bentukan manusia dan beberapa obyek

alamiah. Hal ini membuat pola unsure penting untuk

membedakan pola alami dan hasil budidaya manusia. Sebagai

contoh perkebunan karet , kelapa sawit sanagt mudah

dibedakan dari hutan dengan polanya dan jarak tanam yang

seragam.

Lokasi geografis

(Purwadhi & Sri Hardiyanti, 2001).

2.7. Satelit Ikonos

Satelit Ikonos adalah satelit resolusi tinggi yang dioperasikan oleh

GeoEye. 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 relefan untuk studi

lingkungan. Ikonos menyediakan pandangan udara dan foto satelit untuk

banyak tempat di seluruh dunia (www.geocities.com)

Karaktreristik Satelit IKONOS No. Karakteristik Diskripsi.

1. Tanggal Peluncuran 24 September 1999 at Vandenberg Air

Force Base, California, USA.

2. Masa Operasi 7 tahun lebih.

3. Orbit 98.1 derajad, sun synchronous.

4. Kecepatan pada Orbit 7.5 km/detik.

5. Kecepatan diatas bumi 6.8 km/detik .

6. Kecepatan mengelilingi Bumi 14.7 kali tiap 24 pukul.

7. Ketinggian 681 kilometer (Low Earth Orbit).

8. Resolusi pada Nadir 0.82 meter (panchromatic); 3.2 meter

(multispectral).

9. Resolusi 26 Off-Nadir 1.0 meter(panchromatic);4.0 meter

(multispectral).

10. Cakupan Citra 11.3 kilometer pada nadir; 13.8 kilometer pada

26 off-nadir.

11. Waktu Melintas Ekuator 10:30 AM solar time.

12. Waktu Lintas Ulang 3 days at 40 latitude.

13. Saluran Citra Panchromatic, blue, green, red, near IR

(Sutanto, 1986)

2.8. Geolink

Geolink adalah menghubungkan dua atau lebih window image

dalam ruang koordinat geografik. Hal ini berguna untuk visualisasi dari

area geografik yang sama dengan tipe image yang berbeda. Apabila image

sudah diregistrasi, maka image tersebut bisa dihubungkan secara geografik

dengan window image yang lain. Dengan demikian kita dapat dengan

mudah membandingkan atau melakukan tindakan terhadap dua objek

sekaligus.

Pengertian Geopositioning adalah menyebutkan secara spesifik

posisi dan cakupan dari sebuah image dalam ruang koordinat geografis.

Hal ini bisa berguna untuk membuat peta yang mencakup suatu area

tertentu (Lillesand dan Kiefer, 1990)

Sedangkan geolinking adalah menghubungkan dua atau lebih

window image dalam ruang koordinat geografik. Hal ini bisa sangat

berguna untuk visualisasi dari area geografik yang sama dengan tipe image

yang berbeda atau algorithm pemrosesan yang berbeda, dan banyak

aplikasi lain. Apabila image sudah diregistrasi, maka image tersebut bisa

dihubungkan secara geografik dengan window image lain (Lillesand dan

Kiefer, 1990).

III. MATERI DAN METODE

3.1. Waktu dan Tempat

Hari/Tanggal : Rabu, 8 April 2015

Waktu : 15.00 17.00 WIB

Tempat : Laboratorium Komputasi, Gedung E Jurusan Ilmu

Kelautan, FPIK Universitas Diponegoro.

3.2. Materi

1. Penggabungan Citra

2. Cropping Data

3. Penajaman Citra

4. Reading Data Value

Mengetahui Jarak

Mengetahui Luas

Cell Values Profile

Cell Coordinate

5. Geolink

3.3 Metode

3.3.1 Penggabungkan Citra

1. Jalankan Program ER Mapper 7.0

Gambar 1. Program ER Mapper 7.0

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

makan akan muncul kotak seperti gambar dibawah ini

Gambar 2. Edit Algoritmh pada ER Mapper 7.0

3. Klik icon duplicate untuk menduplikat pseudo layer, dan

duplikat menjadi 6 layer dan ganti pseudo layer menjadi Band 1,

Band 2, Band 3, Band 4, Band 5, dan Band 7. Tulis nama dan nim

pada dialog box description.

Gambar 3. Proses Duplicate Pseudo Layer

4. Pada Band 1, cari file 2000_0204_B1.tif. Klik load dataset

pada window file, pilih volume dan tentukan letak file disimpan.

Kemudian klik ok this layer only. Dan begitu pula Pada Band 2, cari

file 2000_0204_B2.tif, kemudian klik ok this layer only. Dan pada

Band 3, cari file 2000_0204_B3.tif. Kemudian klik ok this layer only

dan seterusnya hingga pada Band 7.

Gambar 4. Proses Load Dataset pada ER Mapper

5. Save file dengan type raster dataset. Nama file

Gabung_HendriZandLahagu_26020113140118.ers. Klik OK.

Gambar 5. Save File Dengan format Type Raster Dataset

6. Pada kotak save as ER Mapper dataset, pilih default dilanjutkan klik

OK dan tunggu sampai proses save selesai.

Gambar 6. Proses Penggabungan citra selesai

3.3.2 Cropping Citra

1. Pilih edit algorithm , load dataset cari

Gabung_HendriZandLahagu_26020113140118.ers

Gambar 7. Load Dataset Gabung_Nama_Nim.ers

2. Duplikat pseudo layer menjadi 6, beri nama Band 1, Band 2, dst.

Gambar 8. Pemberian nama band 1 dst pada Pseudo layer

3. Ganti band sesuai namanya : Band 1=Band 1, Band 2=Band 2, dst.

Gambar 9. Pemberian Nama Band pada layer ER Mapper

4. Setelah itu klik (Create RGB Algoritmh), maka akan tanpak citra

gambar dari Provinsi Jawa Tengah.

Gambar 10. Proses ER Mapper

5. Klik Zoom Box Tool untuk mencrop daerah yang akan di crop.

Gambar 11. Cropping pada Citra

6. Save as dalam type raster dataset dengan nama file

Crop_HendriZandLahagu_26020113140118.ers lalu klik OK

Gambar 12. Proses Cropping Citra

7. Pada kotak save as ER Mapper dataset, pilih default dilanjutkan klik

OK dan tunggu sampai proses save selesai.

Gambar 13. Proses Save data

Gambar 14. Proses Cropping Citra Selesai

3.3.3 Penajaman Citra, Komposit Warna, dan Teknik Interpretasi

Visual

1. Pilih edit algorithm , load dataset cari file

Crop_HendriZandLahagu_26020113140118.ers. Pada bagian

surface, ubah color table menjadi greyscale

Gambar 15. Proses Load Dataset

Crop_HendriZandLahagu_26020113140118.ers

2. Pilih icon 99% Contrast Enchancement untuk menajamkan

contrast. Klik create RGB algorithm untuk menampilkan

warna. Kemudian klik refresh .

Gambar 16. Penajaman warna pada Citra

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

vector layer.

Gambar 17. Edit, Annote vector layer

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

lakukan digitasi pada area yang akan diukur panjangnya.

gambar 18. Pengukuran Line/garis pada Citra

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

window map composition extent yang menunjukan informasi

mengenai panjang area yang telah dilakukan digitasi

Gambar 19. Proses Edit Object Extent

6. Klik icon delete object untuk menghapus digitasi sebelumnya.

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

lakukan digitasi pada area yang akan diukur luasnya.

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

window map composition extent yang menunjukan informasi

mengenai luas area yang telah dilakukan digitasi.

Gambar 20. Informasi Luas daerah yang telah 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.

Gambar 21. Pemberian warna pada line digitasi

3.3.4 Reading Data Value

1. Pilih edit algorithm , load dataset cari file

Crop_HendriZandLahagu_26020113140118.ers

Gambar 22. Proses load dataset

2. Klik create RGB algorihtm untuk memunculkan warna

Gambar 23. Create RGB algorithm

3. Hilangkan efek smoothing, dengan cara menghilangkan tanda centang

pada kolom smoothing .

gambar 24. Efek Smoothing

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

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

kotak-kotak.

Gambar 25. Perbesaran dengan menggunakan Zoom Box Tool

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

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

Akan terlihat nilai pada window cell values profile.

Gambar 26. Proses menilai Pixel pada citra

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

tersebut.

Gambar 27. Proses Mengetahui koordinat dari citra

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

terlihat koordinat pada window cell coordinates

Gambar 28. Koordinat Pixel pada Citra

10. Lakukan mulai dari langkah 6 sekali lagi.

3.3.5 Geolink

1. Buka algorithm lalu load IKONOS2005

Gambar 29. Citra IKONOS20015

2. Klik icon RGB maka akan keluar gambar seperti ini

Gambar 30. Hasil RGB citra IKONOS2005

3. Klik new untuk membuka file IKONOS2009, lalu klik RGB

Gambar 31. Citra IKONOS2009

4. Copy window IKONOS2009 menjadi 3 bagian

Gambar 32. Penggandaan citra

5. Pada semua windows 2005 dan 2009, klik kanan pada masing-

masing windows lalu pilih Quick Zoom kemudian pilih set geolink

to window

Gambar 33. Set geolink to window

6. Pilih hand tool untuk melihat perbandingan antar windows

7. Untuk membuat empat frame menjadi satu dengan cara memilih set

geolink to screen

Gambar 34. Hasil geolink to screen

IV. HASIL DAN PEMBAHASAN

4.1.1. Penggabungan Citra

1.1.1. Penajaman Citra

Gambar 29. Hasil penajaman citra

1.1.2. Cropping Citra

Gambar 30. Hasil pemotongan citra

1.1.3. Reading Data Value

Gambar 31. Hasil reading data value

1.1.4. Geolink

Gambar 32. Hasil geolink to roam

Gambar 33. Hasil geolink to screen

4.1 Pembahasan

4.2.1. Penggabungan Citra

Penggabungan citra dapat didefinisikan sebagai

penggabungan dua atau lebih citra yang berbeda dari segi resolusi

(terutama spasial, spectral, temporal) ataupun dari segi sistem

untuk menghasilkan citra baru yang menggabungkan kelebihan dari

citra asal. Pada penggabungan citra, data citra yang digunakan

yaitu foto citra di Provinsi Jawa Tengah. Ada 7 jenis data yang

digunakan dalam penggabungan citra, yaitu 2000_0204_B1.tif

yang dimasukkan pada Pseudo Layer yang diganti namanya

menjadi BAND 1. Lalu 2000_0204_B2.tif yang dimasukkan pada

BAND 2, 2000_0204_B3.tif pada BAND 3, 2000_0204_B4.tif

pada BAND 4, 2000_0204_B5.tif pada BAND 5,

2000_0204_B6.tif pada BAND 6 dan 2000_0204_B7.tif pada

BAND 7. Dengan menggabungkan beberapa citra dari data yang

diperoleh, maka kondisi wilayah Provinsi Jawa Tengah dapat

dipandang dari tujuh sudut pandang sekaligus dalam satu layer .

Citra yang telah digabung lalu disimpan dengan nama file

Gabung_HendriZandLahagu_26020113140118.ers dengan format

ER Mapper Raster Dataset.

4.2.2. Cropping Citra

Cropping atau pemotongan citra adalah pengambilan area

tertentu yang akan diamati, bertujuan untuk mempermudah

penganalisaan citra dan memperkecil ukuran penyimpanan citra.

Dengan menggunakan Zoom Box Tool, kita melakukan perbesaran

pada area tertentu pada citra Kota Semarang untuk dianalisis lebih

lanjut. Setelah itu, foto citra yang telah di-crop disimpan dengan

nama file Crop_HendriZandLahagu_26020113140118.ers dengan

format ER Mapper Raster Dataset . Kegunaan dari cropping citra

yaitu untuk melihat citra dengan ukuran yang lebih besar.

4.2.3. Penajaman Citra

Penajaman citra adalah teknik peningkatan kontras warna

dan cahaya dari suatu citra sehingga memudahkan untuk interpetasi

dan analisis citra. Citra hasil cropping di ubah menjadi citra kontras

dengan komposisi warna merah, hijau dan biru (Red, Green, Blue)

dengan RGB Algorithm. Dengan komposit warna RGB ini, setiap

band pada citra terdiri atas merah, hijau dan biru berdasarkan

panjang gelombang warna.

4.2.4. Reading Data Values

Merupakan pembacaan data statistik dan analisis yang

ditampilkan oleh citra.

a. Mengukur jarak (panjang)

Pada pengukuran jarak (panjang) diambil dua titik yang

diinginkan, kemudian dianalisa berapa nilai jaraknya dalam km,

meters, mile, dan feet.

Dari gambar tabel diatas, dapat diketahui bahwa jarak kedua

titik pada garis pantai tersebut memiliki panjang 3,47 km atau

3466,4 m atau 2,15 mill atau 11372,8 kaki.

b. Menghitung Luas dan Keliling

Pada penghitungan luasan praktikan menentukan area yang

dipilih dengan cara meng-klik (polygon) area tersebut, kemudian

dianalisa berapa luasnya.

Dari tabel dan gambar diatas, dapat dilihat bahwa area yang

ditinjau memiliki keliling sepanjang Pada hasil diatas dapat

dilihat jarak yang ditinjau memiliki ukuran sebesar 35,31 km

atau 35311,4 m atau 21,94 miles atau 115855 kaki.

c. Cell Values Profile

Berfungsi untuk melihat profil tujuh band yang dihasilkan oleh

citra Landsat. Pada perlakuan ini, praktikan telah menganalisis

citra Kota Semarang yang telah di zoom (sangat besar)

kemudian dihilangkan smoothing-nya sehingga tampilan citra

menjadi pixel-pixel warna.

Pada data daerah tepatnya di sekitar bandara Ahmad yani

Semarang, memiliki data lapisan merah (Red Layer) dengan

nilai digital number sebesar 9136, lapisan hijau (Green Layer)

dengan digital number sebesar 9688, lapisan biru (Blue Layer)

dengan digital number 9000.

d. Cell Coordinates

Berfungsi untuk melihat koordinat atau posisi dari daerah yang

telah ditentukan.

Pada gambar diatas tepatnya pada daerah sekitar bandara

Ahmad Yani, Semarang, titik pixel yang ditinjau berada pada

citra koordinat kolom X=372,63 dan Y=483,05; berada pada

posisi 430443.79E ke arah timur dan -770326.54N ke arah utara;

berada pada 6:58:7.045S lintang selatan (LS) dan 110:22:13.11E

bujur timur (BT).

4.2.5. Geolink

Geolink adalah menghubungkan dua atau lebih window

image dalam ruang geografik. Hal ini berguna untuk visualisasi

dari area geografik yang sama dengan tipe image yang berbeda.

Dengan demikian kita dapat dengan mudah membandingkan atau

membedakan dua objek sekaligus atau lebih.

a. Geolink to Window

Memiliki fungsi menghubungkan 2 citra kemudian dapat

digerakkan bersama-sama. Pada materi ini praktikan

menghubungkan 2 citra dari satelit IKONOS yaitu citra

IKONOS 2005 dan citra IKONOS 2009, kemudian dengan

memilih Geolink to Window pada kedua citra, maka citra dapat

digerakkan bersama-sama.

b. Geolink to Screen

Memiliki fungsi yang hampir sama dengan geolink to window

menggabungkan beberapa citra yang berbeda pada window yang

berbeda menjadi satu screen. Akan tetapi, pada materi ini,

praktikan dapat menggabungkan 4 citra dengan ketentuan 2 citra

IKONOS 2005 dan 2 citra IKONOS 2009, sehingga nampak

citra-citra tersebut terhubung pada layar 1,2,3 dan 4 menjadi

satu screen dan bisa dilihat perbedaan atau perbandingan citra

IKONOS 2005 dengan citra IKONOS 2009.

c. Geolink to Overview Roam

Mengoperasikan dua atau lebih citra pada layar yang berbeda

tetapi hanya dioperasikan pada 1 layar saja. Interpretasi ini

dilakukan dengan tujuan untuk mengetahui titik suatu objek

pada citra. Proses ini bermanfaat untuk melihat unsure geografis

yang sama tetapi terdapat pada citra yang berbeda atau

pemrosesan/algotritma yang berbeda pula.

4.2.6. Analisa Satelit

Penyajian citra penginderaan jauh tidak selektif, artinya apa

saja yang dilalui atau di rekam oleh sensor akan tampak pada hasil

penginderaan jauh. Ketidakselektifan ini memberikan beberapa

kekurangan, antara lain kenampakan-kenampakan penting akan

sulit terlihat. Contohnya vegetasi yang tampak menonjol bagi

kepentingan geologi atau lainnya.

V. KESIMPULAN

5.1. Kesimpulan

1. Aplikasi dasar penggunaan software ER Mapper dalam

penginderaan jauh antara lain dalam melakukan Penggabungan

Citra, Croping Citra, Reading Data Value, Penapukulan Citra,

Komposit Warna dan Teknik Interpretasi Visual serta Geolink

2. ER Mapper adalah salah satu software (perangkat lunak) yang

digunakan untuk mengolah data citra atau satelit dan menganalisis

informasi kebumian termasuk untuk mengetahui perubahan dari

kenampakkan citra suatu wilayah

3. Penginderaan jauh merupakan suatu ilmu dan seni untuk

memperoleh informasi tentang objek suatu daerah dengan cara

memancarkan gelombang elektromagnetik dengan panjang

gelombang tertentu kemudia menganalisis data yang diperoleh data

secara langsung terhadap objek atau daerah yang dikaji.

4. Interpretasi visual pada citra satelit, digunakan untuk identifikasi

dan pengenalan objek pada citra untuk keperluan revisi peta,

dimana hasil interpretasi yang baik membutuhkan pengetahuan

yang cukup mengenai karakteristik citra yang digunakan dan

tujuan yang diharapkan.

5. Salah satu jenis citra adalah Citra Landsat, dimana pemanfaatan

data Citra Landsat dipadukan dengan data di lapangan, pada

intinya dapat memberikan fasilitas kemudahan yang lebih,

maksudnya lebih efisien dan akurat dalam menganalisis suatu

daerah,pulau dan lainnya.

6. Dari praktikum kali ini praktikan dapat melihat dengan jelas bahwa

terjadi berbagai perubahan yang secara nyata dari suatu wilayah

setiap tahunnya terkhususnya terhadap penggunaan tanah dari

suatu daerah dengan tujuan proyek industri atau rumah tangga.

7. Perbedaan yang terlihat pada suatu daerah di kota Semarang yang

terlihat dengan adanya foto satelit pada tahun 2005 dan pada tahun

2009.

8. Software ER Mapper sangat berguna dalam berbagai aplikasi dan

penggunaan analisa data digital citra untuk berbagai keperluan.

5.2. Saran

1. Pada saat praktikum hendaknya praktikan memperhatikan dengan

cermat setiap langkah kerja pada masing-masing materi.

2. Install ER Mapper dengan benar agar tidak terjadi kesalahan saat

praktikum berlangsung.

3. Diperlukan peninjauan langsung ke Lapangan untuk mengetahui

kondisi sebenarnya.

DAFTAR PUSTAKA

Avery, T. Eugene, 1985. Penafsiran Potret Udara. PT. Mailton Putra. Jakarta.

Colwell, R. N. 1984. The Visible Portion of The Spectrum, In ; Remote

Sensing of Environment, J. Lintz Jr and D.S Simonett, Addison-Wesly

Publishing of Company, Inc. London

Curran, pj, 1985, Principles of Remote Sensing, Longman, New York, 282p.

Dulbahri, 1985. Interpretasi Citra Untuk survey Vegetasi. Puspics Bakorsurtanal

UGM, Yogyakarta

Lillesand and Kiefer, 1993. Remote Sensing And Image Interpretation, Jhon

Villey and Sons, New York.

Lillesand dan Kiefer, 1990. Penginderaan Jauh dan Interpretasi Citra. Gadjah

Mada University Press, Yogyakarta.

Lillesand, T.M. and R.W. Kiefer. 1979. Remote Sensing and Image Interpretation.

Third Edition. John Wiley & Sons, Inc. New York, Singapore.

Meurah, Cut, 2004. Modul Penginderaan Jauh. Jakarta: Erlangga.

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

interpretasivisual.html ; diunduh Senin, 13 April 2015 : 23.00 WIB.

Purwadhi, Sri Hardiyanti. 2001. Interpretasi Citra Digital. PT. Grasindo, Jakarta.

Ratnasari, E. 2000. Pemantauan Kebakaran Hutan dengan Menggunakan Data

Citra NOAA-AVHRR dan Citra Landsat-TM. Skripsi Mahasiswa Jurusan

Manajemen Hutan, Fakultas Kehutanan IPB. Bogor. Tidak

Dipublikasikan.

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

Yogyakarta

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

Press, Yogyakarta.

Sutanto, Prof, Dr, 1999. Penginderaan Jauh Jilid II. Gadjah Mada University

Press, Yogyakarta.