modul 1. interface er mapper

45
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

Upload: henry-lahagu

Post on 29-Sep-2015

244 views

Category:

Documents


24 download

DESCRIPTION

interface ER Mapper

TRANSCRIPT

  • 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.