LAPORAN PRAKTIKUM

PENGINDERAAN JAUH

ACARA IV
PAKTIKUM CITRA MULTISPEKTRAL IDENTIFIKASI NILAI PIXEL
PADA OBJEK MENGGUNAKAN BERBAGAI SUSUNAN KOMPOSIT
WARNA

Oleh:
RAHMAWATI SRI P
120721435402
Yang dibimbing oleh bapak Alfi Nur Rusydi, S.Si.,M.Sc.

PENDIDIKAN GEOGRAFI
FAKULTAS ILMU SOSIAL
UNIVERSITAS NEGERI MALANG
2014

PAKTIKUM CITRA MULTISPEKTRAL IDENTIFIKASI NILAI PIXEL

PADA OBJEK MENGGUNAKAN BERBAGAI SUSUNAN KOMPOSIT
WARNA

A. Tujuan :Melatih mahasiswa untuk dapat mengidentifikasi beberapa objek

menggunakan berbagai susunan komposit warna.
B. Alat dan Bahan :
1. Software ENVI 4.5
2. Citra Satelit Lansat 7 ETM+ Semarang
C. Dasar Teori
CITRA MULTISPEKTRAL
Citra multispectral adalah citra yang dibuat dengan saluran jamak.
Berbeda dengan citra tunggal yang umumnya dibuat dengan saluran lebar, citra
multispectral umumnya dibuat dengan saluran sempit. Dengan menggunakan
sensor multispectral, maka kenampakan yang diindera akan menghasilkan citra
dengan berbagai saluran. Citra dengan saluran yang berbeda tersebut dapat
digunakan untuk mengidentifikasi kenampakan-kenampakan tertentu, karena
saluran-saluran tersebut memiliki kepekaan terhadap suatu kenampakan.
Sensor multispectral akan menghasilkan beberapa citra dengan saluran
yang berbeda dan masing-masing memiliki variasi nilai spectral yang berbeda.
Citra-citra

tersebut

akan

menggambarkan

berbagai

variasi

interaksi

kenampakan objek dengan panjang gelombang yang digunakan. Satu citra

mungkin akan sangat jelas menggambarkan vegetasi dengan mampu
membedakan berdasarkan kerapatan namun lemah dalam menggambarkan
kenampakan tanah, kemudian dari citra yang lain mungkin sebaliknya. Untuk
melakukan perbandingan dari citra-citra tersebut akan sangat tidak efektif.

Namun apabila digunakan saluran lebar, maka kenampakan keseluruhan justru

tidak dapat dibedakan dengan baik. Sehingga untuk dapat membedakan
kenampakan-kenampakan

tersebut

digunakan

citra

komposit,

yaitu

menggabungkan saluran dari banyak citra tersebut menjadi satu citra yang
mampu membedakan kenampakan secara lebih baik.
KOREKSI RADIOMETRIK
Koreksi citra merupakan suatu operasi pengkondisian supaya citra yang
akan digunakan benar-benar memberikan informasi yang akurat secara
geometric maupun radiometric. Oleh karena itu, operasi koreksi disebut juga
dengan operasi prapengolahan (preprocessing) (Danoedoro, 1996). Ada dua
koreksi yang dilakukan yaitu koreksi radiometrik dan koreksi geometri.
Koreksi radiometrik diperlukan atas dua dasar alasan, yaitu untuk
memperbaiki kualitas visual citra dan sekaligus memperbaiki nilai-nilai piksel
yang atidak sesuai dengan nilai pantulan atau pancaran spektral obyek yang
sebenarnya. Koreksi radiometrik yang ditujukan untuk memperbaiki kualitas
viasul citra berupa pengisian kembali baris yan kosong karena drop out baris
maupun masalah kesalahan awal pelarikan (scanning start). Baris yang tidak
sesuai dengan yang seharusnya dikoreksi dengan mengambil nilai piksel satu
baris di atas dan di bawahnya, kemudian dirata-ratakan (Guindon, 1984, dalam
Danoedoro, 2012).
Koreksi radiometrik ditujukan untuk memperbaiki nilai piksel agar sesuai
dengan yang seharusnya yang biasanya mempertimbangkan faktor gangguan
atmosfer sebagai sumber kesalahan utama (Soenarmo, 2009), dan juga untuk
menghilangkan atau meminimalisir kesalahan radiometrik akibat aspek
eksternal berupa gangguan atmosfer pada saat proses perekaman. Biasanya
gangguan atmosfer ini dapat berupa serapan, hamburan, dan pantulan yang
menyebabkan nilai piksel pada citra hasil perekaman tidak sesuai dengan nilai
piksel obyek sebenarnya di lapangan.
Kesalahan radiometrik

pada citra dapat menyebabkan kesalahan

interpretasi terutama jika interpretasi dilakukan secara digital

yang

mendasarkan pada nilai piksel. Koreksi radiometrik ini sangat penting untuk
dilakukan agar hasil yang diperoleh sesuai dengan yang diinginkan (Chander,
et al., 2007). Secara garis besar, koreksi radiometric meliputi 2 kelompok besar
metode, yaitu (a) koreksi yang bertumpu pada informasi dalam citra, (b)
koreksi yang mempertimbangkan factor-faktor luar yang berpengaruh terhadap
kesalahan informasi yang ada pada citra.
Sistem Satelit Landsat
Satelit Landsat merupakan salah satu satelit sumber daya bumi yang
dikembangkan oleh NASA dan Departemen Dalam Negeri Amerika Serikat.
Satelit ini terbagi dalam dua generasi yakni generasi pertama dan generasi kedua.
Generasi pertama adalah satelit Landsat 1 sampai Landsat 3, generasi ini
merupakan satelit percobaan (eksperimental) sedangkan satelit generasi kedua
(Landsat 4 dan Landsat 5) merupakan satelit operasional (Lindgren, 1985),
sedangkan Short (1982) menamakan sebagai satelit penelitian dan pengembangan
(Sutanto, 1994). Satelit generasi pertama memiliki dua jenis sensor, yaitu penyiam
multi spektral (MSS) dengan empat saluran dan tiga kamera RBV (Return Beam
Vidicon).

KOMBINASI KOMPOSITBAND LANDSAT

Landsat 7 (ETM+ sensor)

Wavelength (micrometers)

Resolution
(meters)

Band 1

0.45 - 0.515

30

Band 2

0.525 - 0.605

30

Band 3

0.63 - 0.69

30

Band 4

0.75 - 0.90

30

Band 5

1.55 - 1.75

30

Band 6

10.40 - 12.5

60

Band 7

2.09 - 2.35

30

Pan Band

.52 - .90

15

Citra khususnya landsat , seperti citra lainnya , tersusun atas beberapa

saluran (band), dengan berbasis warna dasar (Merah, Hijau, Biru), kita bisa
mengkombinasikan saluran-saluran tersebut pada saluran warna dasar, yang
nantinya akan menonjolkan informasi tertentu yang kita inginkan, berikut
kombinasi untuk Landsat

Kombinasi 321 :
Kombinasi ini merupakan warna natural sehingga merupakan pendekatan
terbaik untuk melihat realitas lanskap. Saluran 3 mendeteksi penyerapan klorofil,
saluran 2 mendeteksi reflektan hijau dari vegetasi dan saluran 1 cocok untuk
penetrasi air, pada perairan jernih bisa masuk sekitar 25 meter, dengan kata lain
kita bisa juga mendeteksi transportasi sedimen di perairan. Saluran 1 juga
membedakan tanah dan vegetasi serta tipe tipe hutan.
Kombinasi 432:
Tipikal kombinasi komposit false color seperti di foto udara. Saluran 4
mendeteksi puncak pantulan dari vegetasi, juga membedakan tipe vegetasi, selain
itu membedakan tanah dan perairan. Kombinasi ini menampilkan vegetasi
berwarna merah, merah yang lebih terang menandakan vegetasi yang lebih
dewasa. Tanah dengan sedikit atau tanpa vegetasi antara putih (pasir atau garam)
sampai hijau atau coklat tergantung kelembapan dan kandungan organik. Air
nampak biru, perairan jernih akan terlihat biru gelap atau hitam sedangkan
perairan dangkal atau air dengan konsentrasi sedimen tinggi akan nampak biru
muda. Area permukiman berwarna biru kecoklatan .

Kombinasi 453:
Saluran 5 sensitif akan variasi kandungan air, vegetasi berdaun banyak dan
kelembapan tanah. Saluran ini mencirikan tingkat penyerapan air yang tinggi,
sehingga memungkinkan deteksi lapisan air yang tipis (kurang dari 1 cm). Variasi
dari kandungan Fe2O3 pada batuan dan tanah dapat dideteksi, pantulan yang
tinggi berarti kandungan yang banyak. Pada kombinasi ini, vegetasi berwarna
kemerahan, ketika tanaman mempunyai kondisi kelembapan yang sedikit rendah,
tingkat pantulan saluran 5 relatif tinggi, yang berarti semakin banyak warna hijau,

sehingga menghasilkan warna oranye. Hijau akan semakin mendominasi ketika

pantulan vegetasi semakin rendah di VNIR dan meninggi di SWIR. tanah tanpa
vegetasi dan area permukiman akan nampak biru kecoklatan.

Kombinasi 742:
Vegetasi memperlihatkan variasi kehijauan dikarenakan saluran 4
direpresentasikan dengan warna hijau. Saluran 7 sensitif terhadap variasi
kelembapan dan khususnya mendeteksi mineral hidro pada setting geologi,
contohnya lempung. Saluran ini dapat membedakan berbagai macam batuan dan
tipe mineral. Perbedaan asal usul dari berbagai tipe batuan direpresentasikan
dengan warna merah menuju oranye dan juga warna yang lebih terang pada warna
biru dapat memberikan informasi kepada kita mengenai tanah. Dibandingkan
saluran infra merah lainnya, saluran 7 sangat sensitif terhadap radiasi pancaran
sehingga dapat mendeteksi sumber panas. Titik hijau terang mengindikasikan
vegetasi dan perairan nampak berwarna biru gelap atau hitam. Daerah
permukiman berwarna biru gelap atau pink.
Kombinasi 4.5.1 :
Vegetasi sehat terlihat kemerahan, coklat, oranye dan kuning. Tanah
mungkin hijau dan coklat, pemukiman putih, cyan, dan abu-abu, biru terang
merepresentasikan area yang dibersihkan dari vegetasi dan area kemerahan
merupakan vegetasi yang baru tumbuh, atau padang rumput yang jarang. Perairan
yang jernih dan dalam akan berwarna hitam, jika perairan dangkal atau
mengandung sedimen maka akan terlihat kebiruan atau biru terang. Untuk studi
vegetasi, adanya saluran IR menengah menambah sensitifitas untuk mendeteksi
variasi tahap pertumbuhan vegetasi, tetapi interpretasi harus hati-hati jika akuisisi
data bertepatan dengan hujan. Saluran 4 dan 5 menunjukkan pantulan tinggi untuk
area vegetasi sehat. Kombinasi ini sangat berguna untuk membandingkan area
terendam dan are bervegetasi merah dengan warna yang berkaitan di saluran 3.2.1
untuk menjamin interpretasi yang benar. Kombinasi ini tidak bagus untuk studi
fitur budaya seperti jalan dan landasan pacu.

Kombinasi 7.5.3 :
Kombinasi ini memberikan pembawaan warna seperti natural dan juga
kemampuan penetrasi partikel atmosfer, asap dan kabut. Vegetasi tampak
kehitaman dan hijau muda ketika musim tumbuh, permukiman berwarna putih,
abu-abu, cyan, atau ungu. pasir, tanah dan mineral terlihat dalam berbagai variasi
warna. Penyerapan hampir semua di IR menengah adalah di air, es, dan salju
memberikan kita batas yang jelas akan garis pantai dan perairan. Salju dan es
terlihat biru gelap, dan air berwarna hitam atau biru gelap. Permukaan panas
seperti kebakaran hutan dan kaldera gunung api menyerap IR menengah dan
terlihat bernuansa merah atau kuning. Aplikasi untuk kombinasi ini adalah
monitoring kebakaran hutan. Selama musim pertumbuhan vegetasi muda,
kombinasi 7.4.2 harus diganti dengan kombinasi ini. Area tergenang banjir akan
terlihat biru tua atau hitam, dibandingkan kombinasi 3.2.1 yang memperlihatkan
area terendam dangkal sebagai abu-abu dan sulit dibedakan.
Kombinasi 5.4.3 :
Kombinasi ini memberikan pengguna banyak informasi dan kontras
warna. Vegetasi sehat berwarna hijau terang, dan tanah berwarna ungu muda.
Kombinasi ini menggunakan saluran 5 yang memberikan kita informasi
agrikultur. Kombinasi ini memberikan kita informasi berguna mengenai vegetasi,
dan banyak digunakan pada aplikasi manajemen kayu dan serangan hama.
Kombinasi 5.4.1 :
Mirp dengan kombinasi 7.4.2, vegetasi sehat akan berwarna hijau terang,
kecuali kombinasi 5.4.1 yang lebih baik untuk studi agrikultur
Kombinasi 7.5.4 :
Kombinasi ini tidak melibatkan saluran visibel, memberikan kita penetrasi
atmosfer yang terbaik. Pesisir dan garis pantai terdefinisikan dengan baik. Dapat
digunakan untuk mencari karakteristik tekstural dan kelembapan tanah. Vegetasi
terlihat biru. Jika berkeinginan untuk melihat vegetasi sebagai hijau maka
kombinasi 7.4.5 dapat sebagai pengganti. Kombinasi ini dapat berguna untuk
studi geologi.
Kombinasi 3.5.1 :

Kombinasi ini memperlihatkan tekstur topografi sedangkan kombinasi

7.3.1 dapat membedakan jenis batuan.

Tipe Penutup Lahan

Kombinasi Saluran Spektral

Perairan

Band 1, 4 & 7 / Band 1, 2 & 3

Permukiman

Band 1,4 & 7

Pertanian

Band 1, 2 & 3

Hutan

Band 1, 4 & 7

Garam

Band 1, 2 & 3

Sisa Vegetasi

Band 1, 4 & 7

Vegetasi teririgasi

Band 1, 4 & 7

D. Cara Kerja
1. Buka software Envi 4.5 > file > tampilkan image asli dari citra landsat dari
daerah semarang
2. Pilih band yaitu 321 pada band list > load band maka akan terlihat tampilan
dengan komposit 321.
3. Pada jendela band list > new display > file > pilih gambar setelah radiometrik
dan sisipkan gambar yang ada pada file
4. setelah itu load display.Maka akan muncul jendela baru dan tentukan rgbnya
sesuai dengan display pertama.
5. link display 1 dan dua. Kemudian pilih obyek dan tentukan 9 nilai pixel tiap
obyek tersebut dan isikan data data nilai pixel tersebut pada tabel.
6.Setelah itu buatlah grafik dari data dat yang sudah dicatat.
7. Bandingkan grafik sebelum radiometrik dan sesudah radiometrik.
8. setelah itu bandingkan dengan grafik spektral

9. setelah itu lakukan perbandingan komposit warna dengan menggunakan

komposit 321,432, dan 452. Catat nilai pixelnya.
10. Kemudian gunakan software rgb editor untuk mengetahui kode warna
obyek.setelah itu kunjungi www.colblindor.com pilih nama color&hu
11. Isikan kode yang tertera pada rgb editor pada kolom yang tersedia pada
website tersebut.
12. Setelah itu tentukan tingkat pengenalan obyek dengan kriteria sangat mudah,
mudah, sedang, sulit, sangat sulit.
E. Hasil Praktikum
Lampiran