PENDAHULUAN
A. Latar belakang
Deteksi
Identifikasi
Analisis
B. Tujuan Praktikum
1. Mengetahui jenis dan kegunaan menu utama program ER Mapper serta
ArcView.
2. Mengetahui informasi dasar citra.
3. Menginterpretasikan beberapa objek dalam citra.
Interpretasi citra adalah perbuatan mengkaji foto udara dan atau citra
dengan maksud untuk mengidentifikasi obyek dan menilai arti pentingnya obyek
tersebut. (Estes dan Simonett dalam Sutanto, 1994:7). Menurut Lintz Jr. dan
Simonett dalam Sutanto (1994:7), ada tiga rangkaian kegiatan yang diperlukan
dalam pengenalan obyek yang tergambar pada citra, yaitu:
1. Deteksi, adalah pengamatan adanya suatu objek, misalnya pada gambaran
sungai terdapat obyek yang bukan air.
2. Identifikasi, adalah upaya mencirikan obyek yang telah dideteksi dengan
menggunakan keterangan yang cukup. Misalnya berdasarkan bentuk,
ukuran, dan letaknya, obyek yang tampak pada sungai tersebut disimpulkan
sebagai perahu motor.
3. Analisis, yaitu pengumpulan keterangan lebih lanjut. Misalnya dengan
mengamati jumlah penumpangnya, sehingga dapat disimpulkan bahwa
perahu tersebut perahu motor yang berisi dua belas orang.
Pada proses pelaksanaan interpretasi citra, pengenalan objek merupakan
bagian yang sangat penting, karena tanpa pengenalan identitas dan jenis objek,
maka objek yang tergambar pada citra tidak mungkin dianalisis. Prinsip
pengenalan objek pada citra didasarkan pada penyelidikan karakteristiknya pada
citra. Karakteristik yang tergambar pada citra dan digunakan untuk mengenali
objek disebut unsur interpretasi citra. Ada tujuh kunci interpretasi citra, yaitu :
dataran rendah.
Asosiasi : Keterkaitan antara objek yang satu dengan objek yang lain.
Contoh : Padi adanya pematang sawah & gubuk, padang rumput adanya
binatang ternak
(Santoso, 2012).
III.
METODE PRAKTIKUM
A. Alat dan Bahan
Alat dan bahan yang digunakan dalam praktikum ini adalah seperangkat
komputer yang dilengkapi dengan CD Room dan USB Mass Storage Device
Manager atau laptop, citra multispektral, program ER Mapper (versi 7.0 atau versi
7.1) dan ArcView (versi 3.2 atau versi 3.3).
B. Prosedur Kerja
1. Informasi Dasar Citra
a. Perangkat lunak ER Mapper dibuka dengan klik dua kali ikon ER
Mapper pada desktop. Dicatat menu dan kegunaannya yang ada pada
perangkat lunak tersebut dalam bentuk tabel hasil pengamatan.
b. Dibuka perangkat lunak ArcView dengan klik dua kali ikon ArcView
pada desktop. Dicatat menu dan kegunaannya yang ada pada perangkat
c.
d.
e.
f.
g.
d. Diaktifkan mode tampilan RGB dan akan muncul 3 lapis saluran yang
bisa diubah
e. Saluran merah, hijau dan biru diubah inputnya secara berurut menjadi
saluran 7, saluran 5 dan saluran 1
f. Dilakukan pemilihan dan pemotongan citra dengan mengatur ukuran
kotak peta serta menarik krusor pada lokasi yang diinginkan
g. Digunakan klik kanan pada kotak citra untuk memanggil menu tambahan
h. Diaktifkan menu Cell Value Profile untuk mengetahui rona objek yang
disorot pointer.
i. Diaktifkan menu Cell Coordinate untuk mengetahui kordinat objek yang
disorot pointer
j. Disorot berbagai macam objek yang berbeda penampakannya pada citra
k. Disimpan citra yang telah diolah sebagai citra baru
3. Membuat Kunci Interpretasi dengan ER Mapper
a. Dipanggil citra komposit yang telah dibuat sebelumnya
b. Dilakukan kalkulasi statistik pada citra
c. Pembuatan lapisan vector dilakukan dengan mengklik tombol open map
composition pada kotak algoritma
d. Pembuatan kunci interpretasi dilakukan dengan menggambar sebuah
bidang pada satu daerah di citra yang mewakili klasifikasi tertentu
e. Penggambaran bidang dapat dilakukan dengan Polygon pada kotak
perangkat
f. Bidang yang telah digambar disimpan sebagai Raster Region pada citra
yang akan diklasifikasikan.
4. Klasifikasi Citra dengan Teknik Supervised Classification
a. Dipanggil kembali citra komposit yang telah dibuat kunci interpretasinya
b. Dilakukan kalkulasi statistic pada citra
c. Pengklasifikasian peta dilakukan dengan mengaktifkan menu Supervised
Classification di sub menu Process di menu bar
d. Kotak output diisi dengan nama file baru
IV.
I.
LANSAT
LandsatTM6Band.ers
Jenis File
.ers
Alamat File
D:\IMAM\Bahan
Tipe Citra
2015\LandsatTM6Band.ers
Landsat
raster
Resolusi Citra
1322px X 1323px
Resolusi Spasial
30m X 30m
Jumlah Kanal
7
0,45 m - 0,52 m
0,52 m - 0,60 m
0,63 m - 0,69 m
Resolusi Spektrum
0,76 m - 0,900 m
1,55 m - 1,75 m
10,4 m - 12,5 m
2,08 m - 2,35 m
Praktik
SIG
Kiri atas
7:27:30.27S
108:46:56.62E
Kiri bawah
7:48:11.16S
108:46:43.46E
Koordinat
Kanan atas
7:27:29.36S
109:8:0.36E
Kanan bawah
7:48:17.25S
109:7:41.41E
Datum
WGS84
Proyeksi
SUTM49
Lokasi
Rumah
7:44:8.49S
Warna
R 86
; G 33
109:0:49.72E
Pohon
B 41
R 68
7:31:50.22S
G 29
108:57:17.66E
Perahu
B 23
R 127
7:45:15.49S
G 51
109:4:49E
Pabrik
B 60
R 93
7:42:0.14S
G 41
108:59:56.52E
B 54
Tekstur
Kesimpulan
Halus
86
=1.058
78+79+80+88
4
68
=1.038
67+69+62+64
4
127
Halus
=1.233
102+ 97+111+84
4
93
Kasar
=0.992
87+99+ 81+ 108
4
Halus
Area
Masjid
R 82
7:43:7.65S
G 29
109:0:10.82E
Laut
B 40
R 87
7:44:37.17S
G 32
109:3:5.44E
Pemukiman
B 24
R 103
7:43:42.33S
G 45
109:0:20.4E
Hutan
B 60
R 64
7:45:16.39S
G 22
108:59:53.77E
Manggroove
B 16
R 82
7:43:28.44S
G 29
108:57:54.98
B 40
Halus
82
=1.054
76+80+79+76
4
Halus
86
=1.058
78+79+80+88
4
Kasar
87
=0.95
97+89+ 91+ 89
4
Halus
103
=1.078
80+95+ 99+89
4
Kasar
64
=0.992
63+65+65+65
4
)
)
Jumlah Sel
41403
51973
90615
58990
II.
Foto Udara
FU_Clp_01.ers
.ers
D:\IMAM\Bahan
Tipe Citra
Tipe Data Citra
Resolusi Citra
Resolusi Spasial
Jumlah Kanal
2015\FU_Clp_01.ers
Foto Udara
Raster
1941px X 1700px
1m X 1m
3
Praktik
Resolusi Spektrum
Koordinat
Datum
Proyeksi
Kiri atas
5.08 ; 96.54
Kiri bawah
20.34; 1915.56
Kanan atas
1676.78 ; 66.05
Kanan bawah
1646.29 ; 1849.54
RAW
RAW
10
SIG
Obyek
Area
Lokasi
Kilang minyak
Warna
R 183
X : 1037.70
G 180
Y : 1052.46
Pipa
B 152
R 158
X: 1008.17
G 152
Y: 955.02
Rumah
B 106
R 93
X: 1110.54
G 89
Y: 1019.00
Padi
B 48
R 37
X: 1198.30
G 65
Y: 631.96
Pohon
B 47
R 34
X: 697.50
G 62
Y: 584.33
Sungai
B 58
R 131
X: 630.06
G 125
Y: 584.33
Pabrik
B 79
R 140
X: 960.34
G 129
Y: 1061.96
Pemukiman
B 78
R 59
X: 1468.45
G 65
Y: 1625.97
Sawah
B 34
R 69
X: 1026.39
G 98
Y: 497.95
B 59
Tekstur
Kesimpulan
Kasar
183
=0.997
180+87+183+84
4
158
=1.006 Halus
170+160+157+141
4
Halus
93
=1.002
117+ 93+ 87+74
4
Kasar
37
=0.954
33+35+41+ 46
4
Halus
34
=1.038
34+34 +30+33
4
131
Kasar
=0.998
126+128+136+135
4
140
Halus
=1.035
130+139+133+139
4
Kasar
59
=0.991
72+52+ 63+ 51
4
Halus
69
=1.057
66+68+68+59
4
Jumlah Sel
461882
208751
160278
11
Pemukiman
912389
12
91.239
III.
SPOT
SPOT5PanCLP.ers
.ers
D:\IMAM\Bahan
Tipe Citra
Tipe Data Citra
Resolusi Citra
Resolusi Spasial
2015\SPOT5PanCLP.ers
spot
Raster
6477px X 6477px
2.500018355749658m
Jumlah Kanal
2.500018355749658m
3
Praktik
Resolusi Spektrum
Koordinat
Datum
Proyeksi
Kiri atas
16.91 ; 50.73
Kiri bawah
33.82 ; 6409.36
Kanan atas
6392.44 ; 67.64
Kanan bawah
6392.44 ; 6409.36
WGS84
GEODETIC
13
SIG
Obyek
Area
Lokasi
Kilang
Warna
R 195
minyak
G 255
X: 340.05
B 238
Y: 1492.06
Pabrik
R 70
X: 480.05
G 84
Y; 1253.14
Rumah
B 86
R 97
X: 345.67
G 79
Y: 1590.20
Pohon
B 69
R 58
X: 410.22
G 63
Y: 1079.49
Air
B 69
R 25
X: 364.87
G 51
Y: 1127.16
Sungai
B 66
R 23
X: 377.66
G 46
Y: 1151.58
Pabrik
B 62
R 204
X: 320.69
G 229
Y: 1456.26
Ladang
B 227
R 102
X: 569.61
G 93
Y: 1368.90
Sawah
B 70
R 54
X: 677.39
G 53
Y: 1337.11
Tabel 3. Klasifikasi Citra
Kelas
Pemukiman
Industry
Laut
B 59
Tekstur
Kesimpulan
195
Halus
=1.012
217+176+203+174
4
Kasar
70
=0.982
78+70+72+65
4
Halus
97
=1.051
95+90+ 93+91
4
Halus
58
=1.026
55+58+57+56
4
Sangat halus
25
=1
25+25+25+25
4
Kasar
23
=0.989
23+24+23+ 23
4
204
Halus
=1.133
134+228+138+220
4
104
Kasar
=0.997
111+106+ 104+96
4
54
=1.038
50+56+50+52
4
Jumlah Sel
91680
76560
664688
14
)
)
)
)
Halus
Kebun
57744
360952998666.001
B. Pembahasan
Interpretasi citra merupakan suatu kegiatan untuk menentukan bentuk dan
sifat obyek yang tampak pada citra, berikut deskripsinya.interpretasi citra dan
fotogrametri berhubungan erat, meskipun keduanya tidak sama. Bedanya,
fotogrametri berkepentingan dengan geometri obyek, sedangkan interpretasi citra
berurusan dengan manfaat, penggunaan, asal-usul, ataupun identitas obyek yang
bersangkutan.
Interpretasi dilakukan melalui pengamatan pada foto/citra yang telah
dipotong. Adapun keterangan dari pengamatan yang dicatat dari hasil interpretasi
yaitu jenis citra/foto udara, luas liputan (ha) dan jumlah piksel, jenis objek, posisi
lokasi geografi, hasil interpretasi (rona, bentuk, ukuran, tekstur) dan simpulan.
Dalam penerapan interpretasi ruang ini menggunakan landasan teori
interpretasi citra visual. Perencanaan wilayah dan kota memerlukan data-data
yang berkesinambungan, untuk memeroleh data yang berkesinambungan tersebut
diperlukan beberapa alat pendukung, seperti arcgis. Arcgis merupakan software
yang dirancang khusus untuk mengolah peta.Untuk mengolah peta, diperlukan
citra. Didalam citra terdapat Sembilan kunci interpretasi, yaitu (Bennema dan
Gelens, 1969) :
15
Pola
Tinggi
Bayangan
Situs.
Asosiasi.
Nama objek
ER Mapper merupakan salah satu software (perangkat lunak) yang
digunakan untuk mengolah data citra. Beberapa perangkat lunak serupa yang juga
memiliki fungsi yang sama antara lain ERDAS Imagine, PCI, dan lain-lain.
Masing-masing software memilki keunggulan dan kekekurangannya masingmasing.
16
Dalam memulai bekerja dalam ER Mapper Klik Open dari menu pulldown
Selanjutnya akan muncul dua jendela secara bersamaan, jendela VIEW dan FILE
REPOSITORY. Langkah pertama dalam pengolahan citra adalah mengimpor data
citra satelit yang akan digunakan ke dalam format ER Mapper. Pada umumnya
data disimpan dalam magnetic tape, CD-ROM atau media penyimpanan yang
lain. Bentuk data utama yang di-import adalah data raster dan vector
1. Mebuat data set
File data citra sumber tersimpan dalam file yang terpisah-pisah berdasarkan
band-nya masing-masing. Sebelum diolah, file-file tersebut harus digabungkan
menjadi satu dataset yang tercirikan dengan penggabungan beberapa file tersebut
menjadi satu. Langkah-langkahnya adalah sebagai berikut:
a. Klik load data set
b. Duplikasikan layer menjadi 7 (atau sesuai dengan jumlah band yang akan
digabungkan).
c. Kemudian isikan tiap layer dengan file band nya masing-masing dengan
men-klik LOAD DATASET.
Catatan :
- Untuk mengganti jenis layer klik kanan pada layer yang akan diganti.
- Untuk menduplikasi layer klik Duplicate atau copy layer
kemudian paste layer
- Untuk menghilangkan layer klik cut layer
- Untuk Menonaktifkan layer, klik kanan kemudian pilih Turn Off atau klik
d.
Bila telah lengkap terisi untuk seluruh band yang akan digabungkan,
tampilan jendela algoritm akan tampak seperti gambar disamping. Dalam
17
jendela ini, lakukanlah pengecekan ulang, apakah tiap layer band telah
berisi file band yang sesuai.
e. Selanjutnya pada menu utama, klik SAVE AS pada pulldown menu
FILE. Buat nama baru untuk dataset yang akan dibuat, tipe file yang
dipilih adalah ER Mapper Raster Dataset (.ers).
18
tersebut menyebabkan data citra satelit memiliki bias nilai informasi yang harus
dikoreksi. Tahapan dalam pengolahan citra akan mengkoreksi/mereduksi bias
yang ditimbulkan tadi.
Kegiatan dalam pengolahan citra meliputi:
a. Stripping atau banding seringkali terjadi pada data citra yang diakibatkan oleh
ketidakstabilan detektor. Striping atau banding merupakan fenomena ketidak
konsistenan perekaman detektor untuk band dan areal perekaman yang sama.
b. Line dropout kadang terjadi sebagai akibat dari detektor yang gagal
berfungsi dengan tiba-tiba. Jangka waktu kerusakan pada kasus ini
biasanya bersifat sementara.
c. Efek atmosferik merupakan fenomena yang disebabkan oleh debu, kabut,
atau asap seringkali menyebabkan efek bias dan pantul pada detektor,
sehingga fenomena yang berada di bawahnya tidak dapat terekam secara
normal.
Dengan kata lain, koreksi radiometrik dilakukan agar informasi yang terdapat
dalam data citra dapat dengan jelas dibaca dan diinterpretasikan. Kegiatan yang dilakukan
dapat berupa:
a. Penggabungan data (data fusion). Yaitu menggabungkan citra dari sumber yang
berbeda pada area yang sama untuk membantu di dalam interpretasi. Sebagai
contoh adalah menggabungkan data Landsat-TM dengan data SPOT.
19
b. Colodraping. Yaitu menempelkan satu jenis data citra di atas data yang lainya
untuk membuat suatu kombinasi tampilan sehingga memudahkan untuk
menganalisa dua atau lebih variabel. Sebagai contoh adalah citra vegetasi dari
satelit ditempelkan di atas citra foto udara pada area yang sama.
d. Filtering. Yaitu memperbaiki tampilan citra dengan mentransformasikan nilainilai digital citra, seperti mempertajam batas area yang mempunyai nilai digital
yang sama (enhance edge), menghaluskan citra dari noise (smooth noise), dan
lainnya.
e. Formula. Yaitu membuat suatu operasi matematika dan memasukan nilainilai digital citra pada operasi matematika tersebut, misalnya Principal
Component Analysis (PCA).
4. Penajaman kontras citra (Transformasi)
Transformasi digunakan dalam meningkatkan kontras warna dan cahaya
pada suatu citra. Proses ini dilakukan guna mempermudah dalam proses
interpretasi dan analisis citra. Histogram adalah suatu tampilan grafik dari
distribusi frekuensi relatif dalam suatu dataset. Suatu kotak dialog transformasi
akan menampilkan histogram data masukan dan data keluaran setelah
ditransformasi, dan garis transformasi
Langkah-langkah pengkontrasan adalah :
a. Untuk mengkontraskan data dengan menghilangkan 1 % informasi klik
pada jendela algoritma.
20
a. Filter lolos rendah (low pass filter) adalah filter yang digunakan untuk
memperhalus kenampakan (smoothing and averaging) dengan meratakan noise
dan menghilangkan spike pada cittra.
b. Filter lolos tinggi (high pass filter) adalah filter yang digunakan untuk
menajamkan penampakan pada citra seperti jalan, patahan lingkungan air dan
tanah dengan menekan frekuensi tinggi tanpa mempengaruhi bagian dari
frekuensi rendah citra.
21
c. Filter deteksi sisi (edge detection filter) adalah filter yang digunakan untuk
menampakkan sisi disekitar suatu obyek untuk memudahkan kegiatan
analisis.
Beberapa jenis filter yang dapat digunakan dari kumpulan filter yang ada di
ER Mapper, seperti filter untuk averaging, edge enhancement, laplacian, noise
removal, sharpening, threshold, median, dan gradient. Kita juga dapat
mendefinisikan dan memasukkan filter-filter khusus yang kita buat sendiri. Filter
dapat digunakan untuk meningkatkan tampilan citra, menajamkam citra,
meratakan dan menghilangkan noise atau bising.
6. Geometric correction (Koreksi geometrik)
Sebelum data citra dapat diolah, sistem proyeksi/koordinat peta harus
didefinisikan dan disesuaikan terlebih dahulu dengan areal kerja atau dengan data
spasial yang telah ada sebelumnya. Dalam koreksi geometrik, istilah rektifikasi
digunakan bila data citra dikoreksi dengan peta dasar sebagai acuannya.
Sedangkan untuk data citra yang dikoreksi dengan acuan citra lain yang telah
terkoreksi digunakan istilah registrasi.
Koreksi geometrik atau rektifikasi merupakan tahapan agar data citra dapat
diproyeksikan sesuai dengan sistem koordinat yang digunakan. Acuan dari koreksi
geometrik ini dapat berupa peta dasar ataupun data citra sebelumnya yang telah
terkoreksi. Secara umum, dalam ER Mapper sendiri terdapat empat tipe
pengoperasian rektifikasi:
a. Image to map rectification,
22
23
Secara prinsip perbedaan dari berbagai metode geocoding adalah sebagai berikut:
e. Metode Map to map reprojection dilakukan untuk merubah proyeksi peta satu ke
proyeksi peta lainnya.
dengan
poyeksi
data
acuan.
Penentuan
dilakukan
berdasarkan atas titik sudut koordinat citra acuan yang telah diketahui.
g. Metode Rotasi (Rotation method) dilakukan untuk memutar data citra
berlawanan dengan arah jarum jam. Informasi yang dibutuhkan adalah
sudut perputaran dalam derajat menit dan detik atau dalam desimal.
8. Klasifikasi multispektral (Image classification)
24
25
26
27
B. Klasifikasi terbimbing
Klasifikasi terbimbing merupakan metode yang dipandu dan dikendalikan
sebagian
besar
atau
sepenuhnya
oleh
pengguna
dalam
proses
28
hingga
tahap
pengklasterannya.
Klasifikasi
terbimbing
dalam
hal
ini
29
30
l. Masukkan file citra yang telah diberi training area, tentukan band-band
yang digunakan, tentukan nama file output, tentukan tipe klasifikasinya,
dan klik OK, dan selanjutnya akan muncul status bar berikut.
m. Bila telah muncul notifikasi berikut Prose lasifikasi telah selesai dan klik
close
n. Buka file hasil klasifikasi, dengan cara yang sama pada klasifikasi tidak
terbimbing, klik recalculate statistic pada menu puldown VIEW, edit
pewarnaan dan nama kelas nya pada EDIT --> Edit Class/ Region Colour
and Name
31
V.
kemampuan
untuk
melakukan
visualisasi,
meng-eksplore,
32
tentang obyek atau gejala di permukaan bumi (atau permukaan bumi) tanpa
melalui kontak langsung.
B. Saran
Asisten dapat lebih jelas dalam menyampaikan setiap langkah yang
dijalankan dan juga tidak terburu-buru sehingga praktikan dapat memahami
semua acara dengan baik.
33
DAFTAR PUSTAKA
Bennema J., and H.F. Gelens, 1969, Aerial Photointerpre-tation for Soil
Surveys.International Institute for Aerial Survey and Earth Sciences, ITC.,
Netherlands
Dulbahri. 1993. Sistem Informasi Geografis. Jakarta : Gramedia
Santoso, A. 2012. SIG. (On line)http://geografisekolah.blogspot.com/p/sigpenginderaan-jauh.html. diakses 10 juni 2015
Sutanto. 1986. Penginderaan Jauh Jilid 1 dan 2. Gadjah Mada University
Press.Yogyakarta.
34