Anda di halaman 1dari 55

PERENTANGAN KONTRAS CITRA LANDSAT KOMPOSIT 432 UNTUK

ANALISIS PENUTUP LAHAN DENGAN PENDEKATAN POLA PANTULAN


SPEKTRAL
(Studi Kasus Pesisir Utara Jawa Tengah)
Erna Kurniati
(10/301460/GE/06865)
Fakultas Geografi Universitas Gadjah Mada
Abstrak
Penggunaan lahan dapat diinterpretasi visual dari citra penginderaan jauh, salah
satunya adalah dengan menggnakan citra Landsat dengan komposit 432. Komposit
432 pada Landsat sangat baik untuk interpretasi objek terutama objek vegetasi.
Interpretasi secara visual tetap memiliki kelemahan, antara lain adalah sifat data hasil
interpretasi yang cenderung objektif. Oleh karena itu, untuk memudahkan dalam
interpretasi visual, representassi citra komposit Landsat 432 ekstraksi dengan
perentangan

kontras

(enhancement

image).

Pola

pantulan

spektral

objek

mempengaruhi hasil enhancement image tanpa harus mengubah nilai pixel objek
sehingga mempermudah dalam identifikasi objek secara visual.
Kata kunci : enhancement image, interpretasi visual, pola pantulan spektral, Landsat
432.
1. Latar Belakang
Penutup lahan merupakan tipe kenampakan pada permukaan bumi. Secara
general tipe tersebut didasarkan pada jenis objek yang berupa vegetai, air, dan tanah.
pengetahuan tentang penutup lahan sangat pentting karena dapat diterapkan untuk
analisis perencanaan dan manajemen aktivitas serta untuk mempertimbangkan
elemen-elemen utama dalam representasi sistem kebumian.
Perkembangan teknologi penginderaan jauh terus berkembang pesat seiring
dengan kemajuan satelit dan teknologi komputer. Melalui data-data penginderaan
jauh dan sistem komputerisasi yang telah berkembang, analisis klasifikasi tutupan

lahan dapat dilakukan dengan berbagai cara, baik secara visual maupun digital. Salah
satu analisis sederhana untuk melakukan klasifikasi penutup lahan adalah dengan
menggunakan perentangan kontras (stretching contrast) melalui pendekatan pola
pantulan spektral objek. Pola pantulan paling umum menggambarkan pola pantula
objek vegetasi, tubuh air, dan tanah. Karakteristik objek dalam memantulkan energi
dijadikan acuan dalam merentangkan atau memapatkan nilai kontras dengan melihat
saluran yang digunakan dalam komposit.
Analisis dilakukan dengan menggunakan citra Landsat TM komposit 432
liputan pesisir utara Jawa Tengah. Pesisir utara Jawa Tengah merupakan daerah yang
kompleks karena memiliki daerah bervegetasi beragam dan mengalami banyak
pembangunan sehingga cocok untuk dijadikan objek kajian analisis klasifikasi
penutup lahan. Citra Landasat TM komposit 432 memiliki keunggulan dalam
kemampuan untuk analisis vegetasi.
Klasifikasi didasarkan pada klasifikasi USGS (1976) yang dikelompokkan
dengan level 1. Pada klasifikasi vegetasi dan air dapat diklasifikasikan menjadi lebih
detail karena komposit citra yang digunakan peka terhadap pola pantulan objek
vegetasi.
2. Rumusan Masalah
1) Apakah stretching contrast berpengaruh pada analisis klasifikasi penutup
lahan secara visual?
2) Bagaimana tingkat kedetailan interpretasi visual pada identifikasi objek
dengan menggunakan stretching contrast?
3. Tujuan Penulisan
Penggunaan stretching contrast pada klasifikasi penutup lahan bertujuan
untuk memudahkan interpretasi secara visual pada tingkat klasifikasi. Karakteristik
objek pada pola pantulan spektral dapat dijadikan acuan dalam merentangkan atau
memampatkan nilai warna/rona pada visualisasi citra.
4. Manfaat Penulisan
1. Meningkatkan pemahaman tentang hubungan pola pantulan spektral dengan
komposit citra.

2. Meningkatkan pemahaman tentang kegunaan dan aplikasi stretching contrast


pada klasifikasi penutup lahan.
5. Telaah Pustaka
Penginderaan Jauh
Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang
objek, daerah, atau gejala dengan jalan menganalisis data yang diperoleh dengan
menggunakan alat tanpa kontak langsung terhadap objek, daerah, atau gejala yang
dikaji (Lillesand dan Kiefer. 1979).
Penginderaan jauh merupakan suatu teknik untuk mengmpulkan informasi
mengenai objek dan lingkungannya dari jarak jauh tanpa sentuhan fisik. Biasanya
teknik ini menghasilkan beberapa bentuk citra yang selanjutnya diproses dan
diinterpretasi guna membuahkan data yang bermanfaat untuk aplikasi di berbagai
bidang. Informasi tentang objek disampaikan ke pengamangat dengan tenaga
elektromagnetik. Oleh karena itu penginderaan jauh dapat dianggap sebagai
informasi intensitas panjang gelombang

yang perlu diberikan kodenya sebelum

informasi tersebut dapat dipahami secara penuh. Proses pengkodean ini setara
dengan interpretasi citra penginderaan jauh yang sangat sesuai dengan sifat radiasi
tenaga elektromagnetik.
Citra Landsat TM 432
Landasat merupakan satelt tak berawak pertama yang diterbitkan oleh NASA.
Landast TM adalah salah satu jenis satelit landsat yang memiliki sensor Thematic
Mapper dengan resolusi spasial 30 m x 30 m.lansdat TM dibekali 8 saluran yang
terdiri dari 3 band visibel, 1 band inframerah dekat, 2 band inframerah tengah, 1
band inframerah thermal, dan 1 band pankromatik.
Saluran
1
2
3
4
5
6
7

Nama Gelombang
Biru
Hijau
Merah
Inframerah Dekat
Inframerah Tengah
Inframerah Termal
Inframerah Tengah

Panjang Gelombang (m)


0,45 0,52
0,52 0,60
0,63 0,69
0,76 0,90
1,55 1,75
10,40 12,50
2,08 2,35

Tabel 1. Panjang gelomabang pada saluran Landsat TM

Variasi band yang dimiliki oleh Landsat TM memungkinkan citra teersebut


diolah menjaaadi citra komposit. Komposit pada citra akan memudahkan dalam
identifikasi objek tertentu. Pada komposit Landsat 432 maka representasi RGB akan
setel dengan band 4 (inframerah dekat) untuk merah, 3 (merah) untuk hijau, dan band
2 (hijau) untuk biru. Objek yang paling banyak memantulkan gelombang inframerah
dekat maka akan tamapak pada citra dengan warna merah, begitu pula denga objk
yang memantulkan gelombang merah akan muncul dengan warna hijaun dan
memantulkan hijau akan muncul dengan warna biru. Ketika tidak ada nilai spektral
yang mendominasi maka warna yang akan muncul adalah perpaduan ketiganya.
Pola Pantulan Spektral
Tenaga elektromagnetik yang sampai ke bumi akan berinteraaksi dengan
seggala objek yang ada. Objek di permukaan bumi mempunyai karakteristik yang
berbeda satu sama lain. Terdapat objek yang memiliki sifat rfendah resapannya
(absorbsi) terhadap tenega elektromagnet tinggi sehingga pantulannya rendah, dan
ada pula yang memiliki daya serap rendah dengandaya pantul tinggi. Pada citra hitam
putih setiap objek memiliki tingkat kecerahan yang berbeda. Karakteristik objek
terhadap sinar seperti ini disebut dengan karakteristik spektral. Karena kaarakteristik
objek berbeda satu sama lain, maka objek-objek tersebut dapat dibedakan dan
diklasifikasikan.

Gambar 1. Kurva Pantulan Spektral

Gambar 2. Kurva Pantulan Spektral Vegetasi, Air, Tanah pada Gelombang Merah
dn Inframerah

Penajaman Kontras Citra


Penajaman citra (image enhancement) merupakan upaya peningkatan kualitas
visual citra agar informasi penting yang diperlukan dapat lebih ditonjolkan.
Algoritma peningkatan data citra digunakan baik untuk analisis visual (manusia)
maupun digital (komputer). Sedangkan penajaman kontras citra adalah upaya untuk
memperoleh perbedaan kecerahan jelas antara kenampakan objek satu dengan
lainnya. Hal ini disebabkan oleh dua objek dari material berbeda sering
menghasilkan citra dengan kontras. Material objek yang sama biasanya akan
menghasilkan kontras yang sama (mirip) atau memiliki tingkat kecerahan yang tidak
jauh berbeda (gradasi pada sistem komposit).
Penajaman linear paling baik digunakan pada citra yang memiliki fungsi
histrogram Gauss atau mendekati fungsi Gauss dengan nilai semua kecerahan
terdistribusi normal. Untuk melakukan proses penajaman proses linear pelu
dilakukan pengujian histogram citra dan penentuan nilai kecerahan minimum dan
maksimum.
Penajaman kontras linear untuk membentangkan nilai kecerahan

citra

masukan asli untuk memanfaatkan sensitivitas cara keluaran yang diperoleh. Pada
proses penajaman kontras linear, citra diskalakan secara linear dengan batas
minimum nilai pixel kecil dan batas maksimum nilai pixel besar.

Gambar 3. Hasil proses penajaman kontras linear minimum-maksimum dan penajaman


kontras linear presentasi terhadap data penginderaan jauh dengan ddistribusi normal (Sumber : Jensen,
1986)

Penajaman kontras non linear berlaku juga untuk citra dengan kontras rendah.
proses linear yang sering dipakai adalah ekualisasi histogram. Ekualisasi histogram
melakukan penajaman kontras dengan range populasi nilai kecerahan citra.
Pengurangan kontras otomatis karena terlalu banyak bagian terang dan gelap citra
diasosiasikan dengan ujung-ujung histogram distribusi normal.
Klasifikasi USGS
USGS (United State Geological Survey) telah membuat acuan klasifikassi penutup
lahan berdasarkan data penginderaan jauh dan telah dipublikasikan dalam USGS
Profesional paper 964. Dalam publikasinya tersebut berdasarkan ketinggiannya,
klasifikasi dibeedakan menjadi 4 level, masing-masing adalah level 1, level 2, level
3, dan level 4. Semakin tinggi level maka tingkat kedetailannya semakin rinci.
Level 1 pada umumnya berisi informasi sumberdaya alam level nasional atau
aplikasi pada tingkat makro. Level 2 untuk tingkat propinsi, level 3 untuk tingkat
kabupaten, dan level 4 untuk ti ngkat kecamatan.
No.
1

Level 1
Lahan terbangun/urban

Lahan pertanian

Level 2
1.1 Daerah permukiman
1.2 Daerah Komersial
1.3 Kawasan Industri
1.4 Perhubungan
1.5 Urban Campuran
1.6 Urban lain
2-1 tanaman musiman
2-2 Perkebunan
2-3 Tanaman buah-buahan

Padang rumput

2-4 Tanaman yang lain


3-1 Rumput-rumputan
3-2 Tanaman perdu

Lahan hutan

3-3 Campuran
4-1 Hutan primer
4-2 Hutan sekunder

Tubuh air

4-3 Hutan campuran


5-1 Laut
5-2 Teluk
5-3 Estuaria
5-4 Waduk

Daerah basah

5-5 Sungai
6-1 Rawa berhutan

6-2 Rawa tak berhutan


7

6-3 Lahan basah lain


7-1 Pantai

Lahan terbuka

7-2 Daerah pesisir


7-3 Batuan terbuka
7-4 Daerah terbuka sementara
7-5 Daerah tambang
7-6 Lahan terbuka lain

Tabel 2. Klasifikasi penutup lahan (USGS) level 1-2 dengan penyempurnaan


6. Metode
Metode yang digunakan dalam penulisan ini adalah dengan menggunakan
analisis pola pantulan spektral sebagai acuan perentangan kontras untuk identifikasi
Pola Pantulan Spektral Objek

Citra Penginderaan Jauh

dan klasifikasi
objek. Interpretasi dilakukan secara visual dengan perentangan kontas
( vegetasi, air, tanah)
linear dan non linear (gaaussian, ekualisasi, dan square root) pada tiga objek utama
yaitu vegetasi, tanah, dan air. Sistem klasifikasi yang digunakan adalah sistem
klasifikasi USGS untuk klasifikasi penutup lahan.

Komposit Citra
(Landsat 432)

Analisi pola pantulan

Enhancement streatching contrast

Ekstraksi citra

Analisis dan interpretasi visual

Delineasi objek

Klasifikasi objek USGS level 1-2

Vegetasi

Tubuh air

Tanah
Diagram
Alir
estuaria,
laut)
Permukiman dan Bangunan

Hutan
Air (sungai,
Lahan Pertanian (tanaman musiman, kebun, dan lainnya)

Lahan Terbuka

7. Hasil dan Pembahasan


Hasil
Hasil (terlampir) dari analisis klasifikasi dengan menggunakan image enhancement
adalah :
1. Citra asli Landasat Komposit 432
2. Citra Enhancement untuk Objek Vegetasi dan Transparansi
a. Linear
b. Gaussian
c. Equalization
d. Square root
3. Citra Enhancement untuk Objek Tubuh Air dan Transparansi
a. Linear
b. Gaussian
c. Equalization
d. Square root
4. Citra Enhancement untuk Objek Tanah dan Transparansi
a. Linear
b. Gaussian
c. Equalization
d. Square root
5. Histogram
6. Tabel Perbandingan Interpretasi Image Enhacement
Pembahasan
Citra landsat 432 merupakan citra yang menonjolkan kenampakan objek
vegetasi. Objek selain vegetasi tetap terlihat, namun pada pengelasan klasifikasi,
objeek lain belum tentu mendapatkan level yang tinggi. Untuk itu perlu dilakukan
ekstraksi citra yang dapat membantu dalam interpretasi dan klasifikasi objek penutup
lahan.
Salah satu cara yang dapat digunakan untuk mempermudah identifikasi objek
adalah dengan image enhancement (perentangan kontras). Perentangan kontras
dilakukan agar menghasilkan citra dengan visualisasi baru dimana batas anatar objek
terlihat jelas agar mudah untuk di delineasi dan diklasifikasikan. Perentangan kontras
akan memberikan informasi yang lebih banyak dibandingkan hanya menggunakan
citra komposit tanpa ada olahan. Nilai yang harus direntangkan atau dimampatkan
dalam image enhancement disetel berdasarkan informasi apa yang akan di tonjolkan
dari citra tersebut.

Acuan dalam perentangan kontras didasarkan dari karakteristik speektral tiap


objek (vegetasi,air, dan tanah). dengan melihat kurva pantulan spektral, maka akan
diketahui nilai apa yang dominan pada suatu objek di citra. Dengan begitu
perentangan dapat disesuaikan. Nilai yang di rentangkan adalah nilai dimana
pantulan objek yang akan ditonjolkan tersebut memiliki nilai pantulan yang besar.
Sedangkan nilai yang di mampatkan adalah nilai dimana saluran yang terpasang
merupaka saluran dengan nilai rendah pada suatu objek.
Image enhancement memiliki berbaga macam pola, antara lain perentangan
kontras linear, gaussian, equalization, dan square root. Citra landsat komposit 432
tersebut akan diproses dan diubah menjadi citra enhance yang baru.

Pada

perentangan kontras, hanya visualisasinya yang berubah, bukan nilai pixelnya. Oleh
karena itu, dalam analisis dengan menggunakan enhancement sebaiknya jangan
menggunakan klasifikasi secara digital (supervised).
Perbandingan hasil perentangan dengan 4 variabel enhancement sangat
berbeda, yaitu lineaar, gaussian, equalization, dan square root. Pada linear, gambar
hasil perentangan merupakan perpaduan dari penarikan nilai minimum dan
maksimum pada tiap range bandnya, sehingga menghasilkan nilai kecerahan yang
baru dengan julat lebih pendek. Hasilnya akan sesuai dengan presentase pemampatan
atau perenatangan nilai kecerahan. Pada gaussian, semua nilai kecerahan terdistribusi
normal. Pola gaussian menvisualisasilkan daratan yang luas dan tubuh air lebih baik
dibandingkan dengan linear. Sedangkan ekualisasi lebih condong menvisualisasikan
perbedaadn kontras di ujung histogram sehingga batas antar objek terlihat jelas
namun untuk tingkat gradasinya masih kurang baik. pada square root, perentangan
kontras yang paling tampak menonjol adalah pada warna merah. Gradasi yang
digunakan sangat mencolok, sehingga batas objek terlihat dengan baik serta terdapat
gradasi di dalamnya.
Vegetasi merupakan objek yang dominan muncul dalam citra. Vegetasi
memiliki pola pantulan spektral yang bervariasi yaitu rendah pada merah lalu tinggi
pada band hijau dan inframerah dekat. Itu sebabnya pada perentangn kontras untuk
analisis vegetasi, warna merah direntang kan dengan julat yang sempit sedangkan
untuk warna hijau dan biru dibuat dengaa julat yanng besar agar warna merah yang
menunjukkan objek vegetasi terlihat. Klasifikasi vegetasi dengan menggunakan

enhancement hanya dapat mengklasifikasikan ke dalam level 2. Berdaasarkan


keempar enhancement tersebut, vegetasi mudah dikenali hanya saja batas antar objek
vegetasi dengn objek lain tidak tegas pada pola linear dan gaussian. Ketegasan batas
garis pembeda objek paling baik adalah pada pola square root. Selain itu pada square
root terdapat perbedaan nilai kecerahan vegetasi yang diartikan sebagai tingkat
kerapatan vegetasi. Kerapatan vegetasi berhubungan dengan nilai vegetassi air, dan
tanah terhadap pantulan digelombang merah dan inframerah. Oleh sebab itu,gradasi
yanng semakin cerah (ke arah merah muda) diartikan sebagai daerah dengan
kerapatan vegetasi lebiih rendah.
Interpretasi objek vegetasi pada citra Landsat 432 wilayah pesisir utara Jawa
Tengah menghasilkan identifikasi dua jenis vegetasi, yaitu lahan pertanian dan
padang rumput. Lahan pertanian diidentifikasi dengan bentuk dan pola objek yang
teratur dan membentuk petak-petak. Sedangkan padang rumput terletak pada daerah
perairan dangkal. Padang rumput yang dimaksud disini adalah daerah tumbuh coral
reef atau seaweed. Karena dalam sistem klasifikasi USGS tidak terdapat
pengelomppokkan coral reef atau seaweed, maka objek tersebut digolongkan sebagai
rerumputan pada klasifikasi kali ini.
Tubuh air memiliki karakteristik spektral yang berbeda. Air menyerap seluruh
energi inframerah dan memantulkan nilai palling tinggi pada band hijau. Oleh ssebab
itu kontras yang digunakan untuk membedakan objek tubuh air adalah kontras
dimana warna biru memiliki range paling sempit agar perbedaan kedalaman air dapat
dibedakan. Semua enhancement mengklasifikasikan air menjadil 2 level, dan objek
yang dapat diidentifikasi antara lain adalah sungai, estuaria, dan laut. Untuk laut itu
sendiri memiliki gradasi yang sangat mencolok. Gradasi tersebut menunjukkan
tingkat kedalaman laut, yaitu dangkal, sedang, atau dalam. Pada pola perentangan
square root, terdapat 4 gradasi warna di laut. Hal ini menunjukkan bahwa kontras
square root lebih tinggi dibandingkan dengan ketiga kontras lainnya.
Identifikasi objek tanah dihubungkan dengan daerah terbangun dan lahan
kosong (penggunaan lahan). Visualisasi untuk objek tanah paling baik pada
enhancement equalization. Ekualisasi membentuk gambar dengan batas yang tajam
sehingga perubahan penggunaan lahan dapat terlihat jelas. Berdasarkan hasil
interpretasi keempat enhancement untuk objek tanah, gambar yang paling banyak

variasi objeknya adaah equalization. Klasifikasi objek pada tanah dibedakan sampai
2 tingkatan, dan objek yang berhassil diidentifikasi antaraa lain adalah daerah
permukiman, kawasan indutri, urban campuran, panatai, daerah pesisir, dan lahan
terbuka lain.
Perentangan kontras mempengaruhi tingkat analisis dan interpretasi secara
visual. Hal ini dibuktikan dengan perbedan visualisasi dalam memberikan batas yang
tegas pada objek yang berbeda. Analisis visual juga dipengaruhi oleh kualitas data
yang akan diinterpretasi. Citra cetak yang akan diiterpretasi dapat memberikan
informasi yang lebih sedikit jika kualitas gambar pada citra tersebut rendah. oleh
sebab itu dalam analisis visuali membutuhkan gambar citra dengan kualitas baik.
8. Kesimpulan
1. Analisis dan klassifikasi penutup lahan dapat dilakukan dengan menggunakan
interpratsi visual citra enhancement.
2. Image enhancement bertujuan untuk memudahkan interpretasi visual dengan
melakukan perentangan kontras sesuai dengan pola pantulan spektral.
3. Level klasifikasi yang ddiperoleh dengan enhancement citra Landsat 432
wilayah pesisir utara Jawa Tengah adalah level 2 dalam klasifikasi USGS.
4. Perentangan untuk analisis objek vegetasi paling kecil julatnya adalah pada
warna merah, untuk air pada warna bira, dan untuk tanah pada warna hijau.
5. Kontras yang telah dimampatkan dan atau di rentangkan akan membeikan
gambaran objek lebih jelas.
6. Analisis vegetasi paling baik divisualisasikan dengan square root karena
memiliki kontras yang tegas dan range yang sempit sehingga memunculkan
informasi lebih detail.
7. Analisis tubuh air paling baik menggunakan square root kareena dapat
memberikan informasi batas kedalaman air dengan lebih rinci.
8. Analisis tanah paling baik direpresentasikan dengan citra enhancement
equalization. Variasi objek penggunaan lahan lebih tampak.
9. Enhancement membantu dalam melakukan analisis secara visuaal tetapi tidak
pada analisis digital karena enhanceement hanya memperbaiki kualitas secara
visual, nilai pixel dalam perentangan kontras tidak berubah.
10. Analisis visual bergantung pada kualitas citra yang dicetak. Semakin rendah
mutu citra tersebut maka dapat mengurangi informasi yang dihasilkan darri
interpretasi visual.

DAFTAR PUSTAKA
Kusumowidagdo, Mulyadi, dkk. 2007. Penginderaan Jauh dan Interpretasi Citra.
Jakarta : LAPAN.
Lillesand, and Kiefer. 2004. Remote Sensing and Image Interpretation. USA : Willey.
Murti, Sigit Heru. 2007. Petunjuk Praktikum Penginderaan Jauh Sistem Non
Fotografi. Yogyakarta : Fakultas Geografi Universitas Gadjah Mada.
Purbowaseso, Bambang. 1996. Penginderaan Jauh Terapan. Jakarta : Univesitas
Indonesia.
Soenarmo, Sri Hartati. 2009. Penginderaan jauh dan Sistem Informasi Geografis
untuk Ilmu Kebumian. Bandung : Institut Teknologi Bandung (ITB).
Sutanto. 1992. Penginderaan Jauh Jilid 1. Yogyakarta : Gadjah Mada University
Press.
Sutanto. 1994. Penginderaan Jauh Jilid 2. Yogyakarta : Gadjah Mada University
Press.

LAMPIRAN
LANDSAT TM 432 JAWA TENGAH TAHUN 1999 (CITRA ASLI)
R : 10 255 G : 9 255 B : 25-255 (untuk analisis vegetasi
dan tubuh air)

R : 20 190 G : 37 90 B : 35 118 (untuk analisis tanah)

1. Perentangan Kontras untuk Analisis Vegetasi (R : 10 90 G : 9 255 B : 58 164)


a. Linear

b.
c. Gaussian

d.

e.

f. Equalization

g.

h.
i. Square Root

j.

k.

2. Perentangan Kontras untuk Analisis Tubuh Air (R : 58 137 G : 36 77 B : 41 87)


a. Linear

3.

4.
b. Gaussian

5.

6.

c. Equalization

7.

8.
d. Square Root

9.

10.

11.
a. Linear

Perentangan Kontras untuk Analisis Tanah (R : 1 255 G : 1 255 B : 39 - 84)

12.

13.
b. Gaussian

14.

15.

c. Equalization

16.

17.
18.
d. Square Root

19.

20.

21. HISTOGRAM
1. Perentangan Kontras untuk Analisis Vegetasi (R : 10 90 G : 9 255 B : 58 164)
a. Linear

22.

24.

23.

b. Gaussian
25.

26.

27.
28.

c. Equalization
29.

30.

31.
32.

d. Square Root
33.

34.

35.
36.

2. Perentangan Kontras untuk Analisis Tubuh Air (R : 58 137 G : 36 77 B : 41 87)


a. Linear
37.

38.

39.
b. Gaussian

40.

41.

42.
43.

c. Equalization
44.

45.

46.
47.

d. Square Root

48.
50.

51.

49.

3. Perentangan Kontrass untuk Analisis Tanah (R : 1 255 G : 1 255 B : 39 84)


a. Linear

52.

54.
55.

53.

b. Gaussian
56.

57.

58.
59.

c. Equalization
60.

61.

62.
d. Square Root

63.

64.

65.
66.