modul 1. interface er mapper
Embed Size (px)
DESCRIPTION
interface ER MapperTRANSCRIPT
-
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.