Anda di halaman 1dari 42

LAPORAN RESMI

PRAKTIKUM PENGINDERAAN JAUH


MODUL 1
INTERFACE PENGENALAN ER MAPPER 7.0



Oleh
Muhammad Teguh Adi Wibowo
26020112140018


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,




Jasmine Khairai Zainal Nova Putri Dewanti
K2D009036 26020211120002

Nama: Muhammad Teguh Adi Wibowo NIM: 26020112140018 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 (Sutanto, 1999).
Pemanfaatan satelit penginderaan jauh adalah merupakan pilihan yang paling
tepat untuk memperoleh data tentang sumber daya alam tersebut yang tersebar
di seluruh wilayah Indonesia yang cukup luas (Avery, 1985)
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 (Avery, 1985).
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)


1.2. Tujuan
1. Mahasiswa diharapkan mengetahui arti dan fungsi dari penginderaan jauh.
2. Mahasiswa diharapkan mengetahui dan mampu mengoperasikan software ER
MAPPER 7.0 yang dapat membantu dalam proses pengolahan data hasil citra
penginderaan jauh.
3. Mahasiswa diharapkan dapat melakukan,
Penggabungan citra
Croping citra
Penajaman citra
Reading data values
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,
1. Penginderaan jauh merupakan upaya untuk memperoleh,
menemutunjukkan (mengidentifikasi) dan menganalisis objek dengan
sensor pada posisi pengamatan daerah kajian (Avery, 1985).
2. Penginderaan Jauh yaitu penggunaan sensor radiasi elektromagnetik
untuk merekam gambar lingkungan bumi yang dapat diinterpretasikan
sehingga menghasilkan informasi yang berguna (Curran, 1985).
3. Penginderaaan Jauh yaitu suatu pengukuran atau perolehan data pada
objek di permukaan bumi dari satelit atau instrumen lain di atas atau jauh
dari objek yang diindera (Colwell, 1984).
4. Penginderaan Jauh adalah ilmu dan seni untuk memperoleh informasi
tentang obyek, daerah, atau gejala dengan jalan menganalisis data yang
diperoleh dengan menggunakan alat tanpa kontak langsung terhadap
obyek, daerah, atau gejala yang dikaji (Lillesand dan Kiefer, 1979).
5. Penginderaan jauh merupakan teknik yang dikembangkan untuk
memperoleh dan menganalisis informasi tentang bumi. Informasi itu
berbentuk radiasi elektromagnetik yang dipantulkan atau dipancarkan
dari permukaan bumi (Lindgren, 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 (Lillesand dan Kiefer, 1990).
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

Sistem Penginderaan Jauh (Susanto, 1986)
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. Pengertian 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).
Pengolahan citra visual dapat didefiniskan sebagai aktivitas visual
untuk mengkaji citra yang menunjukkan gambaran muka bumi yang tergambar
di dalam citra tersebut untuk tujuan identifikasi obyek dan menilai maknanya
(Howard, 1991). Pengolahan citra merupakan kegiatan yang didasarkan pada
deteksi dan identifikasi obyek dipermukaan bumi pada citra satelit landsat
TM7+ (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. Karakteristik obyek pada citra dapat
digunakan untuk mengenali obyek yang dimaksud dengan unsur
interpretasi. 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)
Pada hakikatnya semua operasi dalam pengolahan citra bertujuan
untuk memperbaiki kualitas citra untuk suatu keperluan tertentu.
Perbaikan citra diartikan sebagai proses untuk mengolah citra digital
yang di dapat agar lebih mendekati bentuk aslinya, atau sering
disebut sebagai proses mendapatkan kembali (rekonstruksi) citra asli
dari suatu citra yang telah mengalami proses degradasi.
2. Perbaikan Kualitas Citra (Image Enhancment)
Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan
cara memaniulasi parameter-parameter citra. Dengan operasi ini,
ciri-ciri khusus yang terdapat didalam citra lebih ditonjolkan.
Contoh-contoh operasi perbaikan kualitas citra :
a. Perbaikan Kontras
b. Perbaikan tepian Objek (Edge Enhancement)
c. Penajaman (Sharpening)
d. Pemberian Warna Semu (Pseudocolorin)
e. Penapisan Derau (Noise Filtering)
3. Pemampatan Citra (Image Compression)
Operasi ini bertujuan untuk memampatkan citra sehingga memori
yang dibutuhkan untuk menyimpan citra lebih kecil, tetapi hasil citra
yang telah dimampatkan tetap memiliki kualitas gambar yang bagus.
Contohnya adalah metode JPEG (Joint Photographic Experts
Group) yang mndukung 24 bit (jutaan warna) dan mendukung
banyak jenis dan variasi warna dan kecerahan, pewarnaan, dan tata
cahaya.
4. Segmentasi Citra (Image Segmentation)
Operasi ini bertujuan untuk memecah suatu citra kedalam beberapa
segmen suatu kriteria tertentu. Jenis operasi ini erat kaitannya
dengan pengenalan pola.
5. Analisa Citra (Image Analisys)
Operasi ini bertujuan unutk menghitung besaran kuantitatif citra
untuk menghasilkan deskripsinya. Teknik analisa citra
mengekstraksi ciri-ciri tertentu yang membantu daam identifikasi
obyek. Proses segmentasi kadang kala diperlukan untuk meloklisasi
obyek yang diinginkan dari sekelilingnya.
Yang termasuk dalam klasifikasi analisis citra antara lain:
1. Pendeteksian Tepian (Edge Detection)
2. Ekstraksi Batas (Boundary)
3. Representasi Daerah (Region)
6. Rekonstruksi Citra (Image Reconstruction)
Operasi ini bertujuan untuk membentuk ulang obyek dari beberapa
citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan
dalam bidang medis. Contohnya adalah foto rontgen dengan sinar X
digunakan untuk membentuk ulang gambar organ tubuh.

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 :
A. 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. Cirinya
tidak banyak informasi yang dapat disadap, tetapi untuk beberapa obyek
dari foto ini mudah pengenalannya karena kontrasnya yang besar. 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.
B. Sumbu Kamera Sumbu kamera dapat dibedakan berdasarkan arah sumbu
kamera ke permukaan bumi, yaitu :
Foto vertikal atau foto tegak (orto photograph) yaitu foto yang dibuat
dengan sumbu kamera tegak lurus terhadap permukaan bumi.
Foto condong atau foto miring (oblique photograph), yaitu foto yang
dibuat dengan sumbu kamera menyudut terhadap garis tegak lurus ke
permukaan bumi. Sudut ini umumnya sebesar 10 derajat atau lebih
besar. Tapi bila sudut condongnya masih berkisar antara 1 4 derajat,
foto yang dihasilkan masih digolongkan sebagai foto vertikal.
Foto condong masih dibedakan lagi menjadi Foto agak condong (low
oblique photograph), yaitu apabila cakrawala tidak tergambar pada
foto. Foto sangat condong (high oblique photograph), yaitu apabila
pada foto tampak cakrawalanya.
C. Sudut liputan kamera
Paine (1981) membedakan citra foto berdasarkan sudut liputan (angular
coverage) atas 4 jenis.
D. Berdasarkan jenis kamera yang digunakan foto dapat dibedakan atas:
1) Foto tunggal, yaitu foto yang dibuat dengan kamera tunggal. Tiap
daerah liputan foto hanya tergambar oleh satu lembar foto.
2) Foto jamak, yaitu beberapa foto yang dibuat pada saat yang sama dan
menggambarkan daerah liputan yang sama.
E. Warna yang digunakan:
1) Foto berwarna semu (false color) atau foto infra merah berwarna. Pada
foto berwarna semu, warna obyek tidak sama dengan warna foto.
Misalnya vegetasi yang berwarna hijau dan banyak memantulkan
spektrum infra merah, tampak merah pada foto.
2) Foto warna asli (true color), yaitu foto pankromatik berwarna.
F. Sistem wahana Berdasarkan wahana yang digunakan dibedakan foto udara
yaitu foto yang dibuat dari pesawat/ balon udara. Foto satelit atau foto
orbital, yaitu foto yang dibuat dari satelit.
(Sutanto, 1986)

b. Citra Non Foto
Citra non foto adalah gambaran yang dihasilkan oleh sensor bukan
kamera. Citra non foto dibedakan atas :
A. 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. Penginderaan pada spektrum ini
berdasarkan atas beda suhu obyek dan daya pancarnya pada citra
tercermin dengan beda rona atau beda warnanya. Citra radar dan citra
gelombang mikro, yaitu citra yang dibuat dengan spektrum gelombang
mikro. Citra radar merupakan hasil penginderaan dengan sistem aktif
yaitu dengan sumber tenaga buatan, sedang citra gelombang mikro
dihasilkan dengan sistem pasif yaitu dengan menggunakan sumber tenaga
alamiah.
B. 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. Citra MSS (Multi Spektral Scanner), sensornya dapat
menggunakan spektrum tampak maupun spektrum infra merah thermal.
Citra ini dapat dibuat dari pesawat udara.
C. 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). Contoh: Citra Infra
Merah Thermal, Citra Radar dan Citra MSS. Citra dirgantara ini jarang
digunakan.
b. Citra Satelit (Satellite/Spaceborne Image), yaitu citra yang dibuat dari
antariksa atau angkasa luar. Citra ini dibedakan lagi atas
penggunaannya, yakni :
Citra satelit untuk penginderaan planet. Contoh: Citra Satelit Viking
(AS), Citra Satelit Venera (Rusia).
Citra Satelit untuk penginderaan cuaca. Contoh: NOAA (AS), Citra
Meteor (Rusia).
Citra Satelit untuk penginderaan sumber daya bumi. Contoh: Citra
Landsat (AS), Citra Soyuz (Rusia) dan Citra SPOT (Perancis).
Citra Satelit untuk penginderaan laut. Contoh: Citra Seasat (AS),
Citra MOS (Jepang).
(Sutanto, 1986)

Perbedaan Citra dan Non-Citra

2.3. 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
(www.id.wikipedia.org/landsat).
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
(www.id.wikipedia.org/landsat).

2.4. 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
(www.geocities.com)

2.5. 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)

2.6. 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. 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 (Geomedia, 2004).



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 : Kamis, 8 Mei 2014
Waktu : 14.40 16.20 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. Penggabungan Citra
Jalankan program ER Mapper 7.0
Klik Edit Algorithm , untuk membuat lembar kerja baru

Duplikat Pseudo Layer sebanyak 6 kali. Kemudian ganti nama Pseudo
layer dengan nama Band 1 - Band 7 (tanpa Band 6).

Klik Load Dataset , cari lokasi penyimpanan file citra kemudian
pilih file 2000_0204_B1.tif yang ada pada folder cilacap untuk Band 1,
file 2000_0204_B2.tif untuk Band 2 dan seterusnya hingga Band 7.


Save file dengan format NAMA_NIM_PenggabunganCitra, pilih files of
type yang digunakan ER Mapper Raster Dataset (.ers)

Setelah selesai klik OK dan tutup lembar kerja Er Mapper.

3.3.2. Cropping Data
Pilih Edit Algorithm untuk membuat lembar kerja baru, kemudian
Load Dataset file yang telah disimpan pada materi penggabungan
citra.


Duplikat Pseudo Layer sebanyak 6 kali. Kemudian sesuaikan nilai
Bandnya (B1: Band 1, B2: Band 2, dan seterusnya)

Crop pada daerah yang ditentukan dengan cara klik Zoom Box Tool
kemudian zoom daerah yang akan di crop.


Save file dengan format NAMA_NIM_CroppingCitra, pilih files of type
yang digunakan ER Mapper Raster Dataset (.ers)

Setelah selesai klik OK dan tutup lembar kerja Er Mapper.

3.3.3. Penajaman Citra
Pilih Edit Algorithm untuk memuat lembar kerja baru, kemudian
Load Dataset file yang telah disimpan pada materi Cropping Citra.

Klik RGB Algorithm untuk menajamkan citra

Hapus Pseduo Layer dengan cara menggunting atau cut kemudian save
file dengan format NAMA_NIM_Penajaman Citra, pilih files of type yang
digunakan ER Mapper Raster Dataset (.ers)

Setelah selesai klik OK dan tutup lembar kerja Er Mapper.
3.3.4. Reading Data Value
Pilih Edit Algorithm untuk memuat lembar kerja baru, kemudian
Load Dataset file yang telah disimpan pada materi Penajaman Citra.

Pilih Edit kemudian pilih Annotate Vector Layer dan akan muncul tools
box.


a. Mengetahui Jarak
Pada Tools box, pilih Polyline lalu lakukan digitasi pada titik awal
dan titik akhir daerah yang ingin diketahui panjang jaraknya.

Pilih icon Edit Object Extents . ER Mapper akan menampilkan
window Map Composition Extent yang menunjukan informasi
mengenai panjang jarak area yang telah di digitasi.

Setelah selesai close window Map Composition Extents dan klik
Delete Object untuk menghapus digitasi.

b. Mengetahui Luas
Pada Tools box, pilih Polygone lalu lakukan digitasi mengelilingi
area yang ingin diketahui luasnya.

Pilih icon Edit Object Extents . ER Mapper akan menampilkan
window Map Composition Extent yang menunjukan informasi
mengenai luas dan keliling area yang telah di digitasi.

Setelah selesai close window Map Composition Extents dan klik
Delete Object untuk menghapus digitasi.

c. Cell Values Profil
Hilangkan efek Smoothing, dengan menghilangkan tanda centang pada
kolom Smoothing.

Zoom citra hingga terlihat pixelnya. Pilih View kemudian Cell Values
Profile untuk melihat nilai pixel pada citra, pilih pointer kemudian klik
pada salah satu pixel dalam citra. Maka akan terlihat nilai pixel pada
window Cell Values Profile


Setelah selesai close window Cell Values Profile.

d. Cell Coordinates
Pilih View, kemudian Cell Coordinates untuk mengetahui koordinat
dari pixel tersebut lalu pilih pointer dan klik dimana saja pada citra,
maka akan terlihat nilai pixel pada window Cell Coordinates.


Setelah selesai close window Cell Coordinates.

3.3.5. Geolink
Pilih Edit Algorithm untuk membuat lembar kerja baru, kemudian
pilih Duplicate untuk menduplikasi layer atau lembar kerja dan Load
Dataset pada masing-masing layer.


Pilih file IKONOS2005.ers untuk layer pertama dan file
IKONOS2009.ers untuk layer kedua.



Pertajam kedua citra dengan RGB Algorithm


a. Geolink to Window
Perlakukan Layer 1 dan Layer 2 seperti berikut : Klik kanan pada
masing-masing layer, pilih Quick Zoom, pilih Set Geolink to Window.


Gerakkan citra pada salah satu layer maka dimanapun kita pilih daerah
yang terdapat pada salah satu layer, maka akan diperlihatkan juga pada
layer yang lainnya dengan koordinat yang sama.


b. Geolink to Screen
Duplicate layer 1 dan 2 masing-masing 1 (satu) kali, sehingga ada 4
(empat) layer. Atur besar dan posisinya sehingga keempat layer tersebut
seperti membentuk satu layar yang saling berhubungan.


Perlakukan semua Layer seperti berikut : Klik kanan pada masing-
masing layer, pilih Quick Zoom, pilih Set Geolink to Screen, setelah
keempat layer selesai dipilih Set Geolink to Screen akan ada 1 (satu)
layer yang tetap menampilkan gambar citra.



Gerakkan 1 gambar citra tersebut kedalam layer yang lain, akan terlihat
citra tersebut dapat berpindah pada semua layer dan berubah gambarnya
tergantung pada kondisi citra tersebut di ambil (Citra 1 & 3 tahun 2005,
Citra 2 & 4 tahun 2009)



Setelah selesai kembalikan semua layer dengan cara klik kanan pada
setiap layer, pilih Quick Zoom, pilih Zoom to All Datasets.

c. Geolink to Overview Roam
Pada keempat layer, klik kanan pilih Quick Zoom, dan pilih Set
Geolink to None.


Kemudian pada layer pertama klik kanan, pilih Quick Zoom, pilis Set
Geolink to Roam. Maka pada saat layer pertama dilakukan klik dengan
tool Zoom In, maka ketiga layer yang lainnya akan menunjukkan
tampilan di daerah yang sedang di lakukan zooming tersebut.



IV. HASIL DAN PEMBAHASAN

4.1. Hasil
4.1.1. Penggabungan Citra


4.1.2. Cropping Citra


4.1.3. Penajaman Citra



4.1.4. Reading Data Value
a. Mengetahui Jarak


b. Mengetahui Luas


c. Cell Values Profil




d. Cell Coordinate


4.1.5. Geolink
a. Geolink to Window


b. Geolink to Screen

c. Geolink to Over Roam


4.2. 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 praktikum ini menggunakan
data citra Kabupaten Cilacap oleh satelit Landsat yang berjumlah 6 band yaitu
band 1, band 2, band 3, band 4, band 5 dan band 7. Pada perlakuan ini Band 6
tidak digunakan karena band ini bersifat data termal atau data suhu (digunakan
untuk pemetaan termal). Penggabungan citra untuk dapat menganalisis suatu
daerah yang berada di Kabupaten Cilacap.

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 Kabupaten
Cilacap untuk dianalisis lebih lanjut.

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.
Pada hasil diatas dapat dilihat jarak yang ditinjau memiliki ukuran sebesar
2,6 km atau 2630,6 m atau 1,63 miles atau 8631 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 dapat dilihat bahwa area yang ditinjau memiliki keliling
sepanjang 9,5 km atau 9501 m atau 5,9 miles atau 31174,1 kaki.

c. Cell Values Profile
Berfungsi untuk melihat profil tujuh band yang dihasilkan oleh citra
Landsat. Pada perlakuan ini, praktikan telah menganalisis citra Kabupaten
Cilacap yang telah di zoom (sangat besar) kemudian dihilangkan
smoothing-nya sehingga tampilan citra menjadi pixel-pixel warna. Pixel
yang diklik tersusun oleh lapisan merah (Red Layer) dengan nilai digital
number sebesar 20, lapisan hijau (Green Layer) dengan digital number
sebesar 58, lapisan biru (Blue Layer) dengan digital number 51.



d. Cell Coordinates
Berfungsi untuk melihat koordinat atau posisi dari daerah yang telah
ditentukan. Titik pixel yang ditinjau berada pada citra koordinat kolom
X=58,31 dan Y=272,58; berada pada posisi 256352,74E ke arah timur dan
9145435,62N ke arah utara; berada pada 7:43:31.19S lintang selatan (LS)
dan 108:47:27.65E 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. Perbedaan yang terlihat pada suatu daerah di kota Semarang yang terlihat
dengan adanya foto satelit pada tahun 2005 dan pada tahun 2009.
3. Dari data yang diperoleh, ditentukan luas salah satu daerah di cilacap yaitu 5,39
km, dan jarak antara dua daerah di Cilacap adalah sebesar 2,79 km.
4. 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.















DAFTAR PUSTAKA

Avery, T. Eugene, 1985. Penafsiran Potret Udara. PT. Mailton Putra. Jakarta.
Curran, pj, 1985, Principles of Remote Sensing, Longman, New York, 282p.
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
Dulbahri, 1985. Interpretasi Citra Untuk survey Vegetasi. Puspics Bakorsurtanal UGM,
Yogyakarta
Lillesand dan Kiefer, 1990. Penginderaan Jauh dan Interpretasi Citra. Gadjah Mada
University Press, Yogyakarta.
Lillesand and Kiefer, 1993. Remote Sensing And Image Interpretation, Jhon Villey and Sons,
New York.
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.
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.