Anda di halaman 1dari 34

FINAL PROJECT

PENGOLAHAN CITRA DIGITAL

Disusun oleh:
Nama
NIM

: Rahmat Hanif Ashari


: 12/333836/TK/40178

JURUSAN TEKNIK GEODESI


FAKULTAS TEKNIK
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2014

Daftar Isi
BAB I Pendahuluan .................................................................................................................................... 3
A.

Tujuan .............................................................................................................................................. 3

B.

Landasan Teori ............................................................................................................................... 4

BAB II Pelaksanaan.................................................................................................................................... 6
Diagram Alir.................................................................................................................................... 6

I.
II.

Waktu dan Tempat ..................................................................................................................... 7

III.

Alat dan Bahan ............................................................................................................................ 7

IV.

Langkah Kerja ............................................................................................................................ 8

IV.1 Persiapan ..................................................................................................................................... 8


IV.2 Cropping citra ........................................................................................................................... 10
IV.3 Georeferencing Citra ................................................................................................................ 12
IV.4 Image Enhancement ................................................................................................................. 21
II.4 Fusi .............................................................................................................................................. 22
IV.5 Classification ............................................................................................................................. 24
IV.6 Change Detection ...................................................................................................................... 27
IV.7 Penyajian Peta .......................................................................................................................... 29
BAB V Hasil dan Pembahasan ................................................................................................................ 30
V.1 Hasil ................................................................................................................................................. 30
V.2 Pembahasan .................................................................................................................................... 32
BAB VI ....................................................................................................................................................... 33
PENUTUP .................................................................................................................................................. 33
I.
II.

Kesimpulan .................................................................................................................................... 33
Saran .......................................................................................................................................... 33

DAFTAR PUSTAKA ................................................................................................................................ 34

BAB I
Pendahuluan
A. Tujuan

Mahasiswa mampu melakukan proses pengolahan citra digital menggunakan citra


landsat 7 dan citra landsat 8, yang meliputi rangkaian praktikum yang telah
dilakukan sebelumnya.

Mahasiswa mampu melakukan proses Cropping citra.

Mahasiswa mampu melakukan proses koreksi geometric citra dengan cara


merektifikasi citra menggunakan titik GCP yang didapatkan menggunakan perangkat
software Google Earth.

Mahasiswa mampu melakukan proses Fusi / Image Sharpening.

Mahasiswa mampu melakukan klasifikasi citra terutama klasifikasi supervised.

Mahasiswa melakukan proses Change Detection untuk mengetahui perubahan yang


terjadi di suatu daerah yang sama setelah jangka waktu tertentu.

Mahasiswa dapat menyajikan data statistic dan peta perubahan yang terjadi di daerah
tersebut.

Mahasiswa dapat melaporkan hasil dari praktikum dengan cara yang baik.

B. Landasan Teori
Berdasarkan poin-poin aktivitas pengolahan citra yang dikerjakan, dapat kita bagi
menjadi beberapa poin berikut :
Cropping citra
Cropping citra merupakan proses pemotongan sebagian wilayah citra, gunanya untuk
mengecilkan dimensi dari citra yang digunakan. Misalnya kita akan menggunakan
luasan tertentu untuk pengolahan citra lebih lanjut. Selain untuk efesiensi juga agar
hasilnya lebih maksimal.
Georeferencing
Merupakan aktivitas untuk melakukan koreksi geometric dari sebuah citra. Selain itu
untuk membawa citra dari koordinat foto ke koordinat tanah. Sehingga koordinat
citra bisa sesuai dengan koordinat sebenarnya di permukaan bumi. Proses ini bisa
dilakukan dengan berbagai cara, namun untuk praktukum ini menggunakan titik-titik
GCP yang nilai koordinatnya didapatkan menggunakan google earth.
Nilai koordinat di praktikum kali ini menggunakan system koordinat UTM dan
menggunakan datum WGS 84.
Image Enhancement
Image Enhancement proses perbaikan kualitas citra atau gambar dengan cara
memanipulasi parameter-parameter citra. dengan adanya perbaikan citra maka ciri-ciri
khusus yang terdapat di dalam citra lebih ditajamkan. contoh-contoh perbaikan citra :

- perbaikan kontras/terang
- perbaikan tepian objek (edge enhancement)
- penajaman (sharpening)
- pemberian warna semu (pseudocoloring)
- penapisan derau (noise filtering)
Fusi
Sebuah citra natural color biasanya memiliki resolusi yang rendah dibandingkan
resolusi yang dimiliki citra pankromatik. Masing-masin citra tersebut memiliki
kekurangan dan kelebihan masing-masing. Oleh karena itu, untuk mendapatkan
kelebihan citra tersebut digabungkan menjadi sebuah citra yang dilakukan dengan
proses fusi citra.
Citra natural color akan mudah dilakukan klasifikasi karena perbedaan/gradasi
warna yang jelas, namun pada citra multispectral ini hanya memiliki resolusi yang
kecil. Sebaliknya pada citra pankromatik, citra tersebut memiliki resolusi yang cukup
baik, namun untuk gradasi warnanya kurang jelas sehingga susah untuk melakukan
klasifikasi. Oleh karna itu dilakukan fusi citra untuk menghasilkan sebuah citra
natural color (multispectral) yang juga memiliki resolusi yang tinggi. Sehingga
dalam proses analisis citra akan lebih mudah.
Klasifikasi Supervised
Klasifikasi citra digital merupakan proses pengelompokkan piksel ke dalam
kelas-kelas tertentu. Metode klasifikasinya juga ada berbagai macam, contohnya
max likelihood, parallepiped, minimum distance. Namun sebelumnya diperlukan
pendefinisian ROI (Region of Interest). Untuk menentukan kelompok piksel sesuai
nilai valuenya.
Change Detection
Change Detection merupakan identifikasi perbedaan suatu objek dari waktu ke
waktu yang berbeda. Pebedaan ini terjadi karena aktivitas pembangunan dari
manusia itu sendiri, perbedaan yang terjadi misalnya perubahan lahan dari yang
awalnya daerah vegetasi menjadi area pemukiman. Identifikasi ini penting untuk

mengetahui interaksi antra manusia dan lingkungan serta untuk pembuatan kebijakan
penggunaan lahan suatu wilayah.

Mulai

Komposit RGB
(Narutal Color)

Komposit RGB
(Narutal Color)

Cropping
(20x20 km)

Cropping
(20x20 km)

Georeferencing
(RMS < 1p)

Georeferencing
(RMS < 1p)

Image Enhacement

Image Enhacement

Image Fusion

Klasifikasi

I.

Image Fusion

BAB II
Pelaksanaan

Klasifikasi

Diagram Alir

Selesai
Landsat 7

Landsat 8
6

Citra Pankromatik

Citra Pankromatik

Cropping
(20x20 km)

Cropping
(20x20 km)

Georeferencing
(RMS < 1p)

Georeferencing
(RMS < 1p)

Image Enhacement

Peta Landuse
landsat 7

Image Enhacement

Change Detection

Peta Landuse
landsat 8

II. Waktu dan Tempat


Tanggal

: 1 14 Desember 2014

Pukul

:-

tempat

: Laboratorium Fotogrametri dan kos masing-masing

III. Alat dan Bahan

Laptop/Komputer

Software ENVI, Google Earth, ArcGIS.

Citra Landsat 7 dan Landsat 8 di lokasi yang sama

IV. Langkah Kerja


IV.1 Persiapan
1. Untuk memulai praktikum, siapkan lah komputer/laptop yang telah terinstall aplikasi
ENVI, kemudian persiapkan citra landsat 7 dan landsat 8 untuk lokasi jawa barat (daerah
yang sama untuk kedua citra), kemudian google earth yang akan kita gunakan untuk
mendapatkan titik kontrol yang akan digunakan untuk rektifikasi citra tersebut.
2. Membuka aplikasi ENVI

3. Membuka citra komposit RGB (Natural color) untuk citra landsat 8 dengan gabungan
antara band 4, band 3, dan band 2. Juga untuk citra landsat 7 dengan gabungan band 3,
band 2, dan band 1. Membuka citra pankromatik landsat 7 (band 8) dan citra
pankromatik landsat 8 (band 8)

Landsat 7

Landsat 8

4. Kemudian membuka komposit RGB, pilih menu RGB


color. Buka citra landsat 7, pilih band 3 di kolom R, band

2 di

kolom G, band 1 di kolom B. Lalu klik Load band.


Kemudian klik new display untuk menampilkan citra
landsat 8. Pilih menu RGB Color, lalu pilih band 4 di
kolom R, band 3 kolom G, band 2 kolom B, kemudian

klik

load band.

5. Lalu membuka citra pankromatik landsat 8 dan landsat 7. Caranya klik menu grey scale
dan membuka band 8 masing-masing citra landsat, lalu klik load band.

IV.2 Cropping citra


1. Akan dilakukan cropping citra untuk landsat 8 dan landsat 7 dengan luasan 20kmx20km.
Maka nilainya di dalam piksel untuk citra landsat natural color / komposit RGB adalah
667x667. Dan untuk cita pankromatik adalah 1334x1334.
2. Pada display landsat 7, klik file save image as image file. Akan muncul jendela
cropping.

3. Pada jendela cropping, klik spasial subset untuk memilih lokasi cropping. Klik image,
pada samples isi dengan 667x667. Lalu klik ok. Kemudian pilih lokasi penyimpanan

10

hasil cropping. Lalu klik OK. Maka di jendela available band list akan muncul citra
baru.

4. Lakukan cropping untuk landsat 8 dengan daerah yang sama dengan cropping landsat 7.
Caranya sama seperti langkah sebelumnya, namun pada spasial subset klik file, lalu pilih
file cropping landsat 7. Kemudian klik ok, tentukan lokasi penyimpanan dan klik ok.

5. Bukalah hasil cropping citra landsat 7 dan 8.

11

6. Lakukanlah cropping untuk citra pankromatik landsat 7 dan 8 dengan cara yang sama
untuk cropp citra landsat 8.
Hasil :

IV.3 Georeferencing Citra


1. Akan dilakukan koreksi geometrik citra, menggunakan titik-titik GCP yang didapatkan
dengan google earth.
2. Yang pertama dilakukan adalah membuat titik GCP.
3. Bukalah google earth, kemudian cari lokasi yang sama di citra landsat dan di google
earth, kemudian pin kan di titik tersebut. Titik tersebut akan kita jadikan sebagai GCP.

12

4. Kemudian untuk melihat koordinatnya klik kanan pada nama titik pin di menu places.
Lalu pilih properties. Kemudian catalah koordinatnya.
5. Buatlah beberapa titik GCP berdasarkan google earth. Lalu catatlah koordinatnya.

13

6. Kemudian lakukan rektifikasi terhadap citra berdasarkan GCP yang telah kita peroleh.
Lakukanlah rektifikasi ke salah satu citra terlebih dahulu, misal landsat 7. Klik map
registration Selcet GCP : Image to map.

14

7. Akan muncul jendela berikutnya. Pilih display dimana

citra

landsat 7 ditampilkan pilih sistem proyeksi UTM, datum


WGS 84, dan unitnya adalah meter. Kemudian memilih

zone,

daerah citra merupakan daerah yang berada di zona 48 S.

Lalu

klik OK.

8. Kemudian di window berikutnya, masukkan koordinat UTM untuk easting dan northing
dari titik GCP, kemudian di display 1 arahkan salib sumbu merah ke titik gcpnya, setelah
dapat klik OK. Lakukanlah pendefinisian untuk beberapa titik. Lakukanlah sampai RMS
<1. Untuk melihat, mengedit, menghapus titik bisa klik show list.

15

9. Dilakukan rektifikasi dengan menggunakan 6 titik GCP. Dan memiliki RMS =


0.393714.

10. Kemudian menyimpan file gcp. Klik file Save GCP's w/ map coords... kemudian beri
nama output file GCP dan direktori penyimpanannya. Setelah selesai klik Ok.
11. Setelah ditentukan titik gcpnya, melakukan rektifikasi. Klik menu Map Registration
Wrap from GCP's Image to Map. Pilihlah file gcp yang telah kita simpan sebelumnya.

16

12. Kemudian muncul jendela Image to map registration. Lalu cek sistem proyeksi, datum,
zona, dan ukuran piksel yang digunakan. Setelah sesuai klik Ok. Kemudian memilih
citra landsat 7 hasil crop yang kita gunakan sebelumnya untuk menentukan gcp.

Pada jendela Registration Parameters tentukan parameter-parameter rektifikasinya, termasuk


metode yang digunakan dan resampling yang digunakan. Selanjutnya beri nama file output
dan direktori penyimpanan citra hasil rektifikasi nantinya. Lalu klik Ok maka citra akan
terproses (terektifikasi)

17

13. Kemudian lakukanlah rektifikasi untuk landsat 8. Klik menu Map Registration
Wrap from GCP's Image to Map. Pilihlah file gcp yang telah kita simpan sebelumnya.

14. Kemudian muncul jendela Image to map registration. Lalu cek sistem proyeksi, datum,
zona, dan ukuran piksel yang digunakan. Setelah sesuai klik Ok. Kemudian memilih
citra landsat 7 hasil crop yang kita gunakan sebelumnya untuk menentukan gcp.

18

Pada jendela Registration Parameters tentukan parameter-parameter rektifikasinya, termasuk


metode yang digunakan dan resampling yang digunakan. Selanjutnya beri nama file output
dan direktori penyimpanan citra hasil rektifikasi nantinya. Lalu klik Ok maka citra akan
terproses (terektifikasi)

15. Kemudian melakukan rektifikasi untuk citra pankromatik, akan dilakukan penentuan gcp
ulang. Tidak bisa menggunakan gcp sebelumnya karena resolusi antara citra
pankromatik dan citra komposit RGB yang berbeda. Namun kita bisa menggunakan data
koordinat UTM dari titik sebelumnya, karena tidak ada perubahan.
16. Klik map registration Selcet GCP : Image to map.

19

17. Akan muncul jendela berikutnya. Pilih display dimana citra landsat 7 ditampilkan pilih
sistem proyeksi UTM, datum WGS 84, dan unitnya adalah meter. Kemudian memilih
zone, daerah citra merupakan daerah yang berada di zona 48 S. Lalu klik OK.
18. Masukkan koordinat UTM dari titik kontrolnya, lalu pilih lokasi titik GCPnya.
Kemudian jika sudah fix, klik Add point. Maka akan muncul titik gcp baru disana.
Lakukanlah untuk titik GCP lainnya.

19. Dalam praktikum kali ini menggunakan 6 buah titik GCP dan menghasilkan RMS =
0.234844

20. Kemudian menyimpan file gcp. Klik file Save GCP's w/ map coords... kemudian beri
nama output file GCP dan direktori penyimpanannya. Setelah selesai klik Ok.

20

21. Kemudian melakukan rektifikasi untuk cirtra pankromatik seperti langkah sebelumnya.
22. Berikut hasil rektifikasi untuk semua citra

IV.4 Image Enhancement


1. Kemudian melakukan Image Enhancement untuk masing-masing citra. Sekarang kita
memiliki 4 buah citra yang telah terektifikasi, yaitu :

Landsat 7 Komposit RGB

Landsat 8 Komposit RGB

Landsat 7 Pankromatik, dan

Landsat 8 Pankromatik.

2. Lakukan proses image enhancement untuk citra


Landsat 7 Komposit RGB. Klik Enhance di
displaynya. Lalu pilih menu enhancement di pilihan
[scroll]. Hasilnya menurut saya yang paling baik
menggunakan metode linier.

21

3. Lakukan proses image enhancement untuk citra Landsat 8


Komposit RGB. Klik Enhance di displaynya. Lalu pilih
menu enhancement di pilihan [scroll]. Hasilnya menurut
saya yang paling baik menggunakan metode linier.

4. Lakukan proses image enhancement untuk citra Landsat 7


Pankromatik. Klik Enhance di displaynya. Lalu pilih menu
enhancement di pilihan [scroll]. Hasilnya menurut saya yang
paling baik menggunakan metode linier 2%.

5. Lakukan proses image enhancement untuk citra Landsat 8


Pankromatik. Klik Enhance di displaynya. Lalu pilih menu
enhancement di pilihan [scroll]. Hasilnya menurut saya yang
paling baik menggunakan metode linier 2%.

II.4 Fusi
1. Pada proses ini akan dilakukan penggabungan antara citra komposit RGB dengan citra
Pankromatik. Tujuannya agar menghasilkan citra berwarna yang resolusinya tinggi.
2. Akan dilakukan 2 kali proses Fusi, yaitu untuk citra landsat 7 dan citra landsat 8.
Sehingga menghasilkan 2 buah hasil pansharpening untuk citra landsat 7 dan landsat 8.

22

3. Melakukan proses fusi untuk citra Landsat 7 terlebih dahulu.


4. Pada praktikum kali ini akan menggunakan metode HSV (high saturation value).
5. Klik Transform Image Sharpening HSV. Maka akan muncul jendela untuk
memilih citra RGB. Pilih citra landsat 7 komposit RGB yang telah terektifikasi.
Kemdudian klik ok, akan muncul jendela untuk memilih citra high resolution, yang
artinya akan kita inputkan citra landsat 7 pankromatik telah terktifikasi. Lalu klik ok.
Kemudian muncul jendela baru, tentukan directory penyimpanan hasil proses fusi, lalu
ok.

6. Tunggu hingga proses selesai, maka akan muncul citra


baru di jendela available band list. Itu adalah hasil proses
fusi. Berikut hasilnya:

23

7. Kemudian dengan cara yang sama, lakukanlah proses fusi


untuk citra landsat 8. Hasilnya sebagai berikut:

IV.5 Classification
1. Untuk melakukan klasifikasi supervised terlebih dahulu dilakukan pemilihan region of
interest untuk memberikan acuan pada klasifikasi tersebut. Caranya, pada display citra
landsat 7 yang telah kita fusi tadi, klik menu Overlay Region Of Interest dan akan
muncul jendela ROI Tool.

2. Kemudian menandai daerah-daerah dengan sampel klasifikasi tertentu. Pada ROI name
diganti dengan sasaran klasifikasi (vegetasi, pemukiman, dsb) kemudian buatlah sampel
dengan menandai daerah yang karakteristiknya sesuai dengan sasaran klasifikasi. Cara
menandainya dengan mendigit dalam luasan-luasan tertentu lalu klik kanan jika sudah
selesai. Color/warna yang akan menentukan tampilan hasil klasifikasi sesuai sasaran
klasifikasi.

24

3. Setelah selesai membuat ROI, simpan dengan klik File Save ROIs Select All Items
pilih directory penyimpanan ROI dan nama hasil penyimpanan ROI OK.

4. Melakukan proses klasifikasi dengan algoritma tertentu, yang pertama menggunakan


parallelepiped. Klik pada menu Classification Supervised Parallelepiped Pilih
file citra yang telah kita buat roi-nya OK Select All items (semua ROI) pilih
directory penyimpanan hasil klasifikasi dan nama file hasil klasifikasi OK.

25

Hasil klasifikasi supervised metode Max Likeihood:

5. Lakukan proses yang sama mulai dari penentuan ROI untuk landsat 8 hingga lakukan
klasifikasinya.

26

Hasil Klasifikasi Landsat 8

6. Berikut hasil klasifikasi dari masing-masing citra.


Landsat 7

Landsat 8

IV.6 Change Detection


1. Setelah dilakukan klasifikasi , langkah selanjutnya adalah menghitung statistik deteksi

27

perubahan yang terjadi pada kedua citra. Klik Basic Tools Change Detection
Change Detection Statistics. Kemudian akan muncul jendela kotak dialog select initial
state image , pilihlah citra landsat 7 hasil klasifikasi. Dan selanjutnya akan muncul
jendela kotak dialog select final state image, pilih citra landsat 8 hasil klasifikasi.

2. Sehingga muncul kotak dialog define equivalent classes untuk menentukan hubungan
antara klas klasifikasi antara kedua citra. Sambungkan kotak yang sama pada kotak initial
state class dengan final state class klik add pair OK.

28

3. Kemudian akan muncul kotak dialog pelaporan statistiknya, centang semua jenis data
yang diinginkan. Kemudian pilih directory penyimpanannya, kemudian klik OK. Maka
akan muncul data statistic change detection.

4. Hasil citra Change Detection

IV.7 Penyajian Peta


Peta akan disajikan dengan pembuatan layout, layouting dilakukan di software ArcGIS
dengan kaidah-kaidah kartografi. Hasil layouting akan ditampilkan di Bab berikutnya.

29

BAB V
Hasil dan Pembahasan
V.1 Hasil
Hasil Peta Change Detection

30

31

Data statistic hasil operasi Change Detection.

V.2 Pembahasan

32

Data statistic di atas adalah data perubahan penggunaan lahan ditinjau dari citra satelit Landsat
7 th 2001 dibandingkan dengan citra Landsat 8 th 2013.

Dari statistic di atas menampilkan adanya perubahan piksel dari training area saat
pengklasifikasian yang di ambil dari citra landsat 7 dan landsat 8.
Pada data statistic change detection baris image difference terlihat hasil dari perhitungan
perubahan piksel tiap training area yang dibuat. Dari hasil tersebut dapat disimpulkan :
-

Daerah pemukiman mengalami penambahan 8074 point (warna merah)

Vegetasi mengalami pengurangan -14400 point (warna hijau)

Awan mengalami penambahan 7224 point (warna putih)

Perairan mengalami penambahan 340 point (warna cyan)

Tanah kosong mengalami pengurangan -12786 point (warna kuning).


BAB VI
PENUTUP

I.

Kesimpulan
Berdasarkan praktikum yang telah dilakukan dapat disimpulkan bahwa di daerah citra
dari tahun 2001 hingga 2013 mengalami perubahan yang cukup banyak, mulai dari
bertambahnya daerah pemukiman, dan berbanding lurus dengan pengurangan jumlah lahan
kosong dan area vegetasi.

II.

Saran
-

Bagi pemerintah perlu adanya aturan-aturan yang jelas mengenai syarat-syarat pendirian
tempat tinggal maupun area industry. Hal ini bertujuan agar kawasan vegetasi dan sawah
tidak tergerus habis oleh pesatnya pertumbuhan pemukiman dan area industry.

Bagi masyarakat umum perlu adanya kesadaran tentang pembangunan pemukiman dan
area industry yang tidak mengganggu kelestarian lingkungan.

33

DAFTAR PUSTAKA
1. http://informatika.web.id/operasi-cropping.htm (Diakses tanggal 12-10-2014 pukul 17.00
WIB).
2. http://pratamaismail.wordpress.com/2012/04/17/penyusunan-citra-komposit-warna/
(Diakses tanggal 12-10-2014 pukul 17.00 WIB).
3. http://geod-4-us.blogspot.com/2012/09/citra-fusi.html (Diakses tanggal 12-10-2014 pukul
17.00 WIB).
4. http://wilycahyadi.blogspot.com/2012/09/image-enhancement.html (Diakses tanggal 1210-2014 pukul 17.00 WIB).
5. http://geomatikainderaja.blogspot.com/p/koreksi-geometrik.html (Diakses tanggal 12-102014 pukul 17.00 WIB).

34