Anda di halaman 1dari 54

III.

MATERI DAN METODE


3.1 Waktu dan Tempat
Hari / Tanggal

: Kamis, 116 April 2015.

Waktu

: 15.00 WIB Selesai.

Tempat

: Laboratorium Komputasi, Gedung E, Lantai 2, Jurusan


Ilmu Kelautan UNDIP, Semarang.

3.2 Materi
Materi praktikum inderaja yang disampaikan adalah :
1. Memeriksa nilai atmosfer bias citra.
2. Penyesuaian histogram
3. Pengecekan data, penyesuaian histogram
4. Regresi

DPC ( Dark Pixel Correction )

EDPC ( Enhanched Dark Pixel Correction )

Cut Off ( Scattergram )

3.3 Metode
3.3.1 Koreksi Radiometri
1) Buka aplikasi ER Mapper, lalu klik icon

2) Klik

Edit Algorithm

Load Dataset , buka file citra Landsat_TM_23Apr85.ers ,

lalu klik ok.

3) Lalu Duplicate

pseudo layer menjadi 6. Ganti namanya dengan

band 1 hingga band 7 (tanpa mengikuti Band 6).

4) Ganti Band sesuai dengan namanya, klik pada bagian pilih B1 ; Band 1
dan seterusnya sampai Band 7.

5) Untuk melihat nilai transform bias , klik icon

Edit Transform

Limits dan pilih Band 1 sampai dengan Band 7. Maka akan muncul
nilai atmosfer bias masing masing Band.

3.3.2 Penyesuaian Histogram


1) Pada aplikasi ER Mapper, lalu klik icon

2) Klik

Edit Algorithm

Load Dataset , buka file citra Landsat_TM_23Apr85.ers,

lalu klik ok.

3) Lalu Duplicate

pseudo layer menjadi 6. Ganti namanya dengan

band 1 hingga band 7 (tanpa mengikuti Band 6).

4) Ganti Band sesuai dengan namanya, klik pada bagian pilih B1 ; Band 1
dan seterusnya sampai Band 7.

5) Untuk melihat nilai transfor bias, klik icon Edit Transform Limits dan
pilih Band 1 sampai dengan Band 7. Maka akan muncul nilai atmosfer
bias masing masing Band. Pilih band 1, klik icon Formula Editor,
maka akan muncul Window Formula Editor. Pada dialog box dimana
terdapat tulisan INPUT1, ketik nilai nilai atmospheric biasnya. Contoh
pada Band 1, INPUT1-68. klik apply changes.

6) Lakukan hal yang sama seperti di atas pada pada setiap band mulai dari
band 1 sampai dengan band 7.
7) Klik icon edit transform limits, pada active windows klik Edit, Delete
this Transform. Lakukan hingga pada setiap band.

8) Lalu simpan dengan nama file


Koreksi_Histogram_HendriZandLahagu_26020212140030.ers. Pada
file types pilih ER Mapper Raster Dataset(.ers). klik OK.

3.3.2.1 Pengecekan Data


1) Tutup semua windows, Pada aplikasi ER Mapper, lalu klik icon
Edit Algorithm, kemudian klik icon
file

load dataset untuk membuka

Koreksi_Histogram_HendriZandLahagu_26020113140118.ers.

Kemudian klik icon edit transform limits dan cek nilai atmospheric
Amati nilai Actual Input Limits, pastikan bernilai 1 dari band 1
sampai band 7, Lakukan pada setiap Band.

3.3.3

Penyesuaian Regresi
3.3.4.1 Dark Pixel Correction (DPC)
1) Klik icon Land Application Wizard pada aplikasi Er-Mapper

2) Pada Window Land Aplication Wizard, klik next

3) Pilih Process TM Imagenary, lalu klik next

4) Pilih Athmospheric Effect Correction, lalu klik next

5) Pilih Dark Pixel Correction, lalu klik next

6) Pada dialog box specify an input TM dataset, masukkan citra yang akan
dikoreksi berupa citra Landsat_TM_23Apr85.ers , lalu klik ok

7) Pada dialog box specify an output filename, masukkan nama file outputnya.DPC_BELUMKOREKSI_HendriZandLahagu_26020113140118.er
s. Kemudian klik Finish.

8) Akan muncul citra dengan 7 band yang belum terkoreksi

9)

Cut pada band DPC_TM6.

10) Kemudian klik icon edit transform limits dan cek nilai atmosferik
biasnya pada window Transform.

11) Pada window Transform klik edit dan pilih Delete this Transform,
lakukan hingga pada setiap band.

12)

Lalu
simpan
dengan

nama

file

SUDAHKOREKSI_DPC_HendriZandLahagu_26020113140118.

Pada

file types pilih ER Mapper Raster Dataset(.ers). klik OK.

13) Tutup semua windows, kemudian klik , kemudian klik Edit Algorithm ,
lalu klik icon load dataset untuk membuka baru file yang telah dikoreksi

14) Kemudian klik icon edit transform limits dan cek nilai atmospheric,
Amati nilai Actual Input Limits, pastikan bernilai 1 dari band 1 sampai
band 7, Lakukan pada setiap Band.

3.3.4.2 Enchanched Dark Pixel Correction (EDPC)


1) Klik icon Land Application Wizard pada aplikasi Er-Mapper

2) Pada window Land Application Wizard , klik next

3) Pilih Process TM Imagery , klik next

4) Pilih Atmospheric Effect Corecction , klik next

5) Pada

window

Processing

TM

Imagery Atmospheric,

pilih

Enchanced Dark Pixel


Correction.

Lalu klik

next

6) Masukkan

file

citra

yang

Landsat_TM_23Aprr85.ers. klik next

akan

dikoreksi,

citra

7) Pilih Use TM1 as Initial Band dan masukkan nilai atmospheric


biasnya. Nilai atmospheric bias dapat dilihat pada windows transform,
klik next.

8) Pada select an option pilih sesuai dengan nilai atmospheric biasnya


dan

tuliskan

nama

file

outputnya

yaitu

BELUMKOREKSI_EDPC_HendriZandLahagu_26020113140118
dengan format ER Mapper Raster Dataset (ers). Lalu klik OK

9) Akan muncul citra dengan 7 band yang belum terkoreksi, Cut pada
band TM6.

10) Pilih icon Edit Transform Limit

pada Algorithm, pilih Edit pada

menu Transform, lalu Delete This Transform. Lakukan tahap ini pada
band 1 sampai band 7.

11) Lalu

klik

Save

As

dengan

nama

file

SUDAHKOREKSI_EDPC_HendriZandLahagu_26020113140118.ers.
Pada file types pilih ER Mapper Raster Dataset(.ers). klik OK

12) Tutup semua windows, kemudian klik

Edit Algorithm , lalu

load dataset untuk membuka baru file yang telah dikoreksi.

13) Pilih icon Edit Transform Limit

pada Algorithm, Amati nilai

Actual Input Limits, pastikan bernilai 1 dari band 1 sampai band 7,


Lakukan pada setiap Band.

3.3.4.3 Cut Off Scattergram


1) Klik icon

Land Application Wizard pada aplikasi ER MAPPER

2) Pada Window Land Aplication Wizard, klik next

3) Pilih Process TM Imagenary, lalu klik next

4) Pilih Athmospheric Effect Correction, lalu klik next

5) Pilih Cut-Off Values ( Scattergram ). Lalu klik next

6) Pada dialog box specify an input TM dataset, masukkan citra yang akan
dikoreksi berupa citra Landsat_TM_23Apr85.

7) Pada dialog box specify an output filename, masukkan nama file output
:CUTOFF_BELUMKOREKSI_HendriZandLahagu_26020113140118.e
rs. Lalu klik next

8) Pada window New Map Composition, klik close.

9) Isi kolom Specity Cut-Off Value for TM1 sampai TM7 (kecuali TM6)
dengan nilai Actual X Axis (B1) Input limits dan Actual Y Axis (B2).
Isilah sesuai dengan nama masing-masing band. Untuk mengganti nilai
X Axis atau Y Axis, pilih Setup pada menu Scattergram. Hal ini
dilakukan untuk mengisi kolom Specity Cut-Off Value for TM3 sampai
TM7.
1. Actual X Axis (B1) Input limits dan Actual Y Axis (B2)

2. Actual X Axis (B3) Input limits dan Actual Y Axis


(B4)

3. Actual X Axis (B5) Input limits dan Actual Y Axis (B7)

10) Setelah semua kolom terisi, klik Finish

11) Akan muncul citra dengan 7 band yang belum terkoreksi, Cut pada band
TM6.

12) Pilih icon Edit Transform Limit

pada Algorithm, pilih Edit pada

menu Transform, lalu Delete This Transform. Lakukan tahap ini pada
band 1 sampai band 7.
Band 1 :

13) Save

as

citra

tersebut

dengan

nama

yang

kita

inginkan

SudahKoreksi_Cutoff_MuhammadSulaiman_26020211130025.ers,
klik OK.

14) Tutup semua windows, kemudian klik


Dataset

Edit Algorithm

, Load

untuk membuka baru file yang telah dikoreksi Pilih icon

Edit Transform Limit

pada Algorithm.

15) Amati nilai Actual Input Limits, pastikan bernilai 1dari band 1 sampai
band 7.

IV. HASIL DAN PEMBAHASAN


I.1 Hasil
4.1.1

Pemeriksaan Nilai Atmosfer Bias


Band

Nilai Minimum

Nilai Maximum

Band 1

68

255

Band 2

21

223

Band 3

15

254

Band 4

220

Band 5

255

Band 7

247

Band 1 :

Band 3:

Band 5 :

Band 2 :

Band 4:

Band 7 :

4.1.2
a.

Penyesuaian Histogram
Sebelum Koreksi
Band

Nilai Minimum

Nilai Maximum

Band 1

68

255

Band 2

21

223

Band 3

15

254

Band 4

220

Band 5

255

Band 7

247

Band 1 :
Band
2:

Band 3:

Band 4:

Band 5 :

b.

Band 7 :

Setelah Dikoreksi
Band

Nilai Minimum

Nilai Maximum

Band 1

187

Band 2

202

Band 3

239

Band 4

216

Band 5

253

Band 7

246

Band 1 :

Band 2 :

Band 3:

Band 4 :

Band 5 :

Band 7 :

4.1.3 Penyesuaian Regresi


4.1.3.1 Dark Pixel Correction (DPC)
a. Sebelum dikoreksi
Band

Nilai Minimum

Nilai Maximum

Band 1

188

Band 2

203

Band 3

239

Band 4

-1

215

Band 5

253

Band 7

246

Band 1:

Band 2 :

Band 3:
Band 4:

Band 5:

Band 7:

b. Setelah dikoreksi
Band

Nilai Minimum

Nilai Maximum

Band 1

188

Band 2

203

Band 3

239

Band 4

215

Band 5

253

Band 7

246

Band 1:

Band 2:

Band
3:
Band 4:

Band 5:

Band 7:

4.1.3.2 Enchanched Dark Pixel Correction (EDPC)


a. Sebelum Koreksi
Band

Nilai Minimum

Nilai Maximum

Band 1

188

Band 2

-6.08065

188.91935

Band 3

-9.887156

229.112844

Band 4

-14.1118316

192.8881684

Band 5

-29.1111868

224.8888132

Band 7

-30.2289312

215.7710688

Band 1

Band 2

Band 3

Band 4

Band
5
Band 7

b. Setelah Koreksi
Band

Nilai Minimum

Nilai Maximum

Band 1

188

Band 2

196

Band 3

229

Band 4

203

Band 5

225

Band 6

Band 1

216

Band 2

Band 3

Band 4

Band 5

Band 7

4.1.3.3 Cut-Off Values (Scattergram)


a. Sebelum Koreksi
Band

Nilai

Nilai

Minimum

Maximum

Band 1

187

Band 2

202

Band 3

239

Band 4

-1

215

Band 5

254

Band 7

246

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

b.
b.

Setelah Koreksi
Band

Nilai Minimum

Nilai Maximum

Band 1

187

Band 2

202

Band 3

239

Band 4

214

Band 5

254

Band 7

246

Band 1 :

Band 3 :

Band 2 :

Band 4 :

Band 5 :

Band 7 :

4.2

Pembahasan
4.2.1 Koreksi Radiometri
Pada praktikum inderaja modul 2 ini masih menggunakan software ER
Mapper yang fungsinya untuk mengolah data citra atau satelit. Di
dalam software ER Mapper ini koreksi radiometri ditujukan untuk
memperbaiki nilai pixel supaya sesuai dengan yang seharusnya yang
biasanya mempertimbangkan faktor gangguan atmosfer sebagai
sumber kesalahan utama. Koreksi radiometri dilakukan menggunakan
metode yang paling sederhana, yaitu penyesuaian histogram dan
penyesuaian regresi.
4.2.2 Penyesuaian Histogram
Penyesuaian histogram dilakukan dengan menambahkan nilai
terendah pada window Formula Editor. Misal nilai terendah pada
Band 1 adalah 68 maka kita tuliskan INPUT1 68.Kata INPUT1 sudah
ada pada Formula Editor sehingga kita hanya menuliskan nilai
terendahnya saja. Pengurangan angka dilakukan tanpa memperhatikan
nilai positif (+) dan negatif (-) masingmasing nilai tersebut. Setelah
dilakukan koreksi dengan penyesuaian histogram didapatkan nilai
band yang dimulai dari 1.
4.2.3 Penyesuaian Regresi
Metode yang digunakan dalam praktikum ini adalah metode
regresi. Penyesuaian regresi diterapkan dengan memplot nilai-nilai
pixel hasil pengamatan dengan beberapa saluran sekaligus. Hal ini
diterapkan apabila ada saluran rujukan (yang relatif bebas gangguan)
yang menyajikan nilai nol untuk obyek tertentu. Kemudian tiap
saluran di pixel angkanya dengan saluran rujukan tersebut untuk
membentuk diagram pancar nilai yang diamati. Pengambilan pixelpixel pengamatan harus berupa obyek yang secara gradual berubah
naik nilainya, pada kedua saluran sekaligus dan bukan hanya pada
salah satu saluran.
4.2.3.1 Dark Pixel Correction (DPC)

Fungsi Dark Pixel Correction terdapat pada window


Land Application Wizard toolbar Remote Sensing. Setelah
muncul window Dark Pixel Correction maka kita
memasukkan file input dan band-nya. Kemudian Koreksi
telah dilakukan secara otomatis oleh ER Mapper
berdasarkan Dark Pixel Correction yang kita pilih.
4.2.3.2 Enhanched Dark Pixel Correction (EDPC)
Nilai TM yang digunakan kali ini adalah TM 3 yang
memiliki nilai terbesar dari pada nilai TM yang lain.
Kemudian setelah memasukkan nilai TM yang paling kecil
terdapat pilihan untuk pembersihan yang dilakukan yaitu
Very Clear, Clear, Moderate, Hazy, dan Very Hazy. Pada
praktikum kali ini kita menggunakan metode koreksi
Clear dengan syarat TM1 >55<=75.
4.2.3.3 Cut-Off ( Scattegram )
Cara Cut Off merupakan cara ketiga dalam koreksi
atmosfer yang menggunakan dua variasi Scattergram.
Dengan memasukkan nilai terendah tiap tiap Band
pada window Scattergram. Pada kerja Cut Off ini spesifik
value dari cut off adalah TM1 sampai TM5 dan TM7.
Setelah nilai TM yang ada dimasukkan, pada layer Cut
layer TM6 yang tidak digunakan pada koresi kali ini.

V. KESIMPULAN
2.

Koreksi radiometri ditujukan untuk memperbaiki nilai


pixel

supaya

sesuai

dengan

yang

seharusnya

yang

biasanya

mempertimbangkan faktor gangguan atmosfer sebagai sumber kesalahan


utama.

3.

Penyesuaian histogram dilakukan dengan menambahkan


nilai terendah pada window Formula Editor. Misal nilai terendah pada Band 1
adalah 68 maka kita tuliskan INPUT1 68.Kata INPUT1 sudah ada pada

Formula Editor sehingga kita hanya menuliskan nilai terendahnya saja.


4.
Penyesuaian regresi diterapkan dengan memplot nilainilai pixel hasil pengamatan dengan beberapa saluran sekaligus. Hal ini
diterapkan apabila ada saluran rujukan (yang relatif bebas gangguan) yang
menyajikan nilai nol untuk obyek tertentu.
5.
Fungsi Dark Pixel Correction terdapat pada window Land
Application Wizard toolbar Remote Sensing.
6.
Enhanched Dark Pixel Correction metode pembersihan
yang dilakukan yaitu Very Clear, Clear, Moderate, Hazy, dan Very Hazy. Pada
praktikum kali ini kita menggunakan metode koreksi Clear dengan syarat
TM1 >55<=75.

7.

Cara Cut Off merupakan cara ketiga dalam koreksi


atmosfer yang menggunakan dua variasi Scattergram. Dengan memasukkan
nilai terendah tiap tiap Band pada window Scattergram.

DAFTAR PUSTAKA
Danoedoro, P. 1990. Beberapa Teknik Operasi dalam Sistem Informasi Geografis.
Puspics UGM - Bakosurtanal. Yogyakarta.
Janssen, L. F. Lucas, H. Middlekoop.1986. International Journal of Remote
Sensing Vol. 13, No. 15, (1986) 2827-2837.
Konturgeo.2008.http://konturgeo.blogspot.com/2008/09/koreksi-radiometrik.html,
diakses pada 28 September 2013 pukul 19.30 WIB.

Lillesand dan Kiefer.1987. Penginderaan Jauh dan Interpretasi Citra. Gadjah


Mada University Press, Yogyakarta.
Rahmiariani. 2009. http://rahmiariani.blogspot.com/2009/04/koreksi-citra.html ,
diakses pada 28 September 2013 pukul 19.55 WIB.
Sabins, Floyd F. 1996. W. Remote Sensing. Principles and Interpretation.
Soenarmo, Sri Hartanti. 1994. Pengindraan Jauh dan Pengenalan Sistem
Informasi Geografi untuk Bidang ilmu Kebumian. Bandung : ITB.
Sumaryono. 1999. Pemanfaatan Penginderaan Jauh Untuk Pemantauan
Reboisasi Di Sub DAS Roraya-Kendari dalam Prosiding Pertemuan Ilmiah
Tahun Ke-8 MAPIN (Masyarakat Penginderaan Jauh Indonesia). Jakarta.
Sutanto, 1987. Penginderaan Jauh I, Gajah Mada University Press, Yogyakarta.