LAPORAN PRAKTIKUM

Penginderaan Jauh Terapan Untuk Sumberdaya Lahan

ACARA VI
Transformasi Citra
Oleh :
Dodik Prasetyo Prabowo
120722420629

UNIVERSITAS NEGERI MALANG

FAKULTAS ILMU SOSIAL
JURUSAN GEOGRAFI
PROGRAM STUDI S1 GEOGRAFI
MARET 2015

A. TUJUAN
1. Agar mahasiswa mampu menggabungkan beberapa saluran citra agar
didapatkan citra yang mempunyai resolusi spasial maupun radiometric yang
baik
2. Mahasiswa dapat melakukan penisbahan saluran untuk menonjolkan objek
kajian tertentu
3. Mahasiswa dapat melakukan transformasi vegetasi untuk tujuan identifikasi
kerapatan vegetasi serta monitoring kesehatan tanaman
B. ALAT dan BAHAN
1. Laptop/PC
2. Data mentah Citra Landsat 7 ETM+ dan citra yang telah terkoreksi secara
radiometric maupun geomtrik
3. ENVI 4.5
4. Modul Praktikum
5. Alat tulis lengkap
C. DASAR TEORI
Image fusion
Pada bidang pengindraan jauh dikenal definisi dari fusi data yaitu sebuah
format kerja formal tentang cara dan alat bantu untuk menggabungkan data yang
didapatkan dari sumber yang berbeda. Data fusion bertujuan mendapatkan
informasi dengan kualitas yang lebih baik. Definisi kualitas yang lebih baik

akan bergantung kepada aplikasinya (Wald 1999).

Data citra yang sering dipakai dalam analisis pengindraan jauh antara lain
adalah citra pankromatik dengan informasi keabu-abuan, umumnya memiliki
informasi spasial tinggi sehingga dapat membantu melokasikan suatu objek di

muka bumi. Selain itu terdapat pula citra multispektral berwarna dengan saluran
multispektrum yang lebih memberikan informasi warna berdasarkan pantulan dan
penyerapan sinar elektromagnetik oleh objek yang ditangkap oleh sensor. Pada
umumnya citra multispektral beresolusi rendah dengan artian memiliki informasi
spasial yang rendah namun memberikan informasi warna yang tinggi.
Pada sistem sensor satelit pengindraan jauh, resolusi spasial dan resolusi
spektral citra merupakan hal yang saling bertolak belakang. Beberapa satelit
pengindraan mampu memberikan citra dengan informasi multispektral yang dapat
membedakan fitur secara spektral namun tidak secara spasial, begitu juga
sebaliknya (Wang et al.2005).
Pada dasarnya sebuah citra pankromatik mempunyai rentang spektrum
gelombang yang lebih besar daripada kanal/band multispektral. Dengan demikian
untuk menerima sejumlah energi yang sama, ukuran sensor pankromatik dapat
lebih kecil dibandingkan sensor multispektral. Oleh karena itu dalam sekali
perekaman, sensor pankromatik dengan ukuran yang sama dapat memberikan
lebih banyak informasi spasial. Selain itu volume data sepasang citra
multispektral resolusi rendah akan jauh lebih kecil jika dibandingkan dengan
volume sebuah citra multispektral resolusi tinggi (Zhang 2004).
Keterbatasan pada penyediaan citra multispektral beresolusi tinggi
didapatkan solusi untuk menghasilkan citra multispektral yang kaya akan
informasi spasial maupun informasi warna.

Kedua citra pankromatik dan citra multispektral, terlebih penggabungan

kedua citra tersebut, memiliki andil yang besar dalam aplikasi indraja. Proses
penggabungan citra pankromatik dan citra multispektral ini umum dikenal sebagai
image fusion atau pan-sharpening. Fusi citra (image fusion) secara umum
diartikan sebagai teknik untuk mengintegrasikan detail geometri atau spasial dari
suatu citra pankromatik beresolusi tinggi dengan citra multispektral beresolusi
rendah. Tujuan yang hendak dicapai dalam tahapan ini adalah didapatkannya
tepian objek (edge) yang semakin jelas serta didapatkannya informasi warna yang
semakin tajam dan representatif dengan mengacu pada citra multispektral awal.
Proses fusi citra pada bidang pengindraan jauh bertujuan mempermudah langkah
analisis citra satelit, terutama pada analisis yang memerlukan ekstrasi objek citra
secara detail, diantaranya analisis penggunaan lahan (land use), analisis tata ruang
kota, analisis tren perkembangan wilayah, aplikasi prediksi bencana alam maupun
kegunaan lainnya.
Dalam pengindraan jauh terdapat beberapa metode fusi citra yang biasa/umum
digunakan, diantaranya adalah:
1. Gram-Schmidt Pan Sharpening
Dengan menggunakan transformasi Gram-Schmidt pada kanal/band kedua
citra.
2. Metode Brovey
Merupakan metode yang paling populer untuk memadukan dua macam citra
yang berbeda resolusi spasial atau lebih mudahnya merupakan metode
perkalian antara citra multispektral dan citra pankromatik. Namun terbatas
pada band RGB saja pada citra multispektralnya.
3. Metode PCA (Principal Camponent Analysis)
Menganalisis data multispektral dengan saluran yang relatif banyak dan satu
sama lain saling berkorelasi, sehingga membentuk citra baru dengan jumlah
band lebih sedikit.
4. Metode Hue Saturation value

PENISBAHAN SALURAN
Penisbahan saluran (Band Ratios) digunakan untuk menonjolkan
perbedaan spektral antar saluran dan mengurangi efek topografi. Pembagian
satu saluran spektral dengan yang lain menghasilkan citra yang memberikan
intensitas relatif saluran. Citra tersebut memperjelas perbedaan spektral antar
saluran, juga menonjolkan aspek informasi tertentu yang tidak muncul pada citra
biasa. Untuk menonjolkan beberapa aspek hasil penisbahan saluran secara
simultan, maka bisa disusun suatu citra komposit yang lebih dikenal dengan
Color-Ratio-Composite (CRC).
Transformasi Vegetasi
Indeks vegetasi merupakan nilai yang diperoleh dari gabungan beberapa
spektral band spesifik dari citra penginderaan jauh. Gelombang indeks vegetasi
diperoleh dari energi yang dipancarkan oleh vegetasi pada citra penginderaan jauh
untuk menunjukkan ukuran kehidupan dan jumlah dari suatu tanaman. Tanaman
memancarkan dan menyerap gelombang yang unik sehingga keadan ini dapat di

hubungakan dengan pancaran gelombang dari objek-objek yang lain sehingga

dapat di bedakan antara vegetasi dan objek selain vegetasi (Horning, 2004).
Ada beberapa macam indeks vegetasi yang tentunya sudah sering
dimanfaatkan untuk aplikasi aplikasi tertentu. Indeks vegetasi yang paling tua
adalah Ratio Vegetation Index (RVI) yang dipublikasikan oleh Jordan (1969) dan
yang paling terkenal adalah Normalized Difference Vegetation Index (NDVI)
yang dipublikasikan oleh Deering (1978). Kedua indeks ini menggunakan
band/saluran pada panjang gelombang infra merah dekat (NIR) dan merah (red).
Selain kedua indeks vegetasi diatas, masih banyak lagi jenis jenis indeks vegetasi
yang bisa diterapkan untuk berbagai keperluan pemetaan vegetasi diantaranya
TVI, SAVY, TNDVI, ARVI, dan lain lain. Perhitungan indeks vegetasi dapat
dilakukan paca citra satelit yang memiliki saluran merah (visible) dan saluran
inframerah dekat (NIR).
D. LANGKAH KERJA
Image Fusion
Diagram alir dalam proses fusi citra yaiut sebagai berikut

1. Buka file smg_raw.lan (citra multispektral, 30m) dan smgp_raw (citra

pankromatik, 15m), keduanya belum georeferenced.
2. Ubah ukuran piksel multispektral menjadi ukuran pankromatik. Klik Basic
Tools > Resize Data (Spatial/Spectral), pilih file multispektral, OK.
3. Muncul jendela Resize Data Parameters, pada Output File Dimensions ganti
xfac = 2, dan yfac = 2. Angka tersebut merupakan faktor perbesaran dari
dimensi 700 x 1000 ke 1400 x 2000, mengapa dimensi diubah?

4.

Tentukan metode resampling dan simpan file output. File otomatis berada

5.

pada jendela Available Bands List.

Ubah suatu komposit RGB ke HSV Pada menu utama klik Transform >
Color Transforms > RGB to HSV. Buat komposit sesuai keinginan Anda

dari citra yang telah di-resize. Klik OK.

6. Simpan file hasil transformasi atau biarkan hanya sebagai memory. OK.
7. Stretch data pankromatik untuk menggantikan posisi intensity value citra
komposit. Klik Basic Tools > Stretch Data, masukkan data pankromatik, OK.
Pada jendela Data Stretching, masukkan pada box Output Data Range min =

8.

0 dan max = 1.0. Simpan hasil stretch sebagai file atau memory, OK.
9.
Penggantian Intensity value dengan data pankromatik Klik Transform >
Color Transforms > HSV to RGB, masukkan pada box H dan S citra
komposit Hue dan Sat berturut-turut dari citra HSV sebelumnya, dan pada
box V masukkan citra pankromatik yang sudah di-stretch. Jika sudah klik
OK, simpan file atau sebagai memory. Otomatis citra komposit yang baru
akan muncul pada jendela Available Bands List.
10. Klik Load RGB untuk menampilkan citra hasil fusi.
11. Buka jendela display baru, tampilkan komposit yang sama dari file
smg_raw.lan.
Penisbahan Saluran
1.

Panggil file citra yang sudah terkoreksi baik radiometrik maupun

geometrik.
2.Pada menu utama klik Transform > Band Ratios, masukkan saluran
sebagai pembilang (numerator) dan penyebut (denominator).
3.

Klik Enter Pair, dan OK. Simpan citra sebagai file atau memory.

Tampilkan citra hasil.

4.

Lakukan untuk semua band-ratio di atas.

5.Kemudian buatlah komosit warna citra penisbahan (CRC) 5/7, 3/1, 2/4
(RGB), tampilkan dan pertajam dengan equalisasi histogram default pada
jendela display image.
6.Perhatikan kenampakan di citra komposit, tanah lempung atau karbonat
berwarna magenta, oksida besi berwarna hijau, dan vegetasi berwarna

merah. Anda dapat mengembangkan sendiri komposisi warnanya untuk

menonjolkan aspek yang lain.
E. HASIL PRAKTIKUM
Hasil praktikum ini terdapat pada lembar lampiran
F. PEMBAHASAN
Fusi citra
Tujuan yang dicapai dalam fusi citra adalah didapatkannya tepian objek
(edge) yang semakin jelas serta didapatkannya informasi warna yang semakin
tajam dan representatif dengan mengacu pada citra multispektral awal. Proses fusi
citra pada bidang pengindraan jauh bertujuan mempermudah langkah analisis
citra satelit, terutama pada analisis yang memerlukan ekstrasi objek citra secara
detail, diantaranya analisis penggunaan lahan (land use), analisis tata ruang kota,
analisis tren perkembangan wilayah, aplikasi prediksi bencana alam maupun
kegunaan lainnya.
Dalam praktikum ini dilakukan fusi citra landsat antara komposit saluran 432
dengan saluran pankromatik.Pada komposit 432 mempunyai keunggulan yaitu
jumlah Dalam praktikum ini dilakukan fusi citra landsat antara komposit saluran
432 dengan saluran pankromatik.Pada komposit 432 mempunyai keunggulan
yaitu jumlh saluran yang banyak yaitu 3 saluran. Saluran 4(inframerah dekat ) dan
saluran 3 digunakan identifikasi vegetasi. Sedangkan pada saluran 2 mendeteksi
tubuh air. Kekurangan saluran multispectral terletak pada resolusi spasial yang
rendah yaitu 30 m. sedangkan pada saluran pankromatik mempunyai kelebihan
pada resolusi spasial yang lebih baik dari multispectral yaitu 15 m, tetapi tidak
memiliki saluran lain untuk identfiikasi objek yang lebih detail dan spesifik.
Tujuan dari penggabungan citra komposit 432 dengan saluran pankromatik adalah
untuk identifikasi vegetasi dengan tingkat spasial yang lebih baik. ada dasarnya
sebuah citra pankromatik mempunyai rentang spektrum gelombang yang lebih
besar daripada kanal/band multispektral. Dengan demikian untuk menerima
sejumlah energi yang sama, ukuran sensor pankromatik dapat lebih kecil
dibandingkan sensor multispektral. Oleh karena itu dalam sekali perekaman,

sensor pankromatik dengan ukuran yang sama dapat memberikan lebih banyak
informasi spasial. Selain itu volume data sepasang citra multispektral resolusi
rendah akan jauh lebih kecil jika dibandingkan dengan volume sebuah citra
multispektral resolusi tinggi (Zhang 2004).
Penggabungan citra dilakukan dengan menghilangkan saluran biru dan
menggantinya dengan citra pankromatik, sehingga didapatkan citra komposit 432
yang dapat mengidentifikasi vegetasi dengan lebih baik dikarenakan penambahan
resolusi spasial. Pada kenampkan citra hasil fusi. Terlihat bahwa bentuk dan pola
objek disusun oleh citra pankromatik, sedangkan warna dari objek tersebut
disusun oleh citra multispectral saluran 4 dan 3 yang peka terhadap vegetasi.
Salah satu syarat untuk dapat dilakukannya fusi citra yaitu menyamakan
ukuran piksel atau jumlah piksel dari 2 citra yang akan digabungkan. Sehingga
sebelum dilakukan penggabungan, ukuran piksel dari saluran multispectral harus
disamakan dari 700x1000 menjadi 1400x2000, hal ini bertujuan untuk
menyamakan ukuran piksel sehingga citra dapat digabungkan. Tetapi sebelum
digabungkan, citra multispectral yang beformat RGB terlebih dahulu dikonversi
menjadi HSV (Hue, Saturation, Value) karena penggantian komposisi citra dapat
dilakukan pada format HSV. Untuk citra pankromatik, data harus distreching agar
dapat menggantikan intensity value citra konversi RGB. Salah satu syarata lain
yang harus dipenuhi adalah citra yang akan digabungkan harus mempunyai
georeferensi yang sama, serta resolusi dua citra yang akan digabungkan tidak jauh
berbeda seperti halnya pada citra praktikum.
Penisbahan saluran
Penisbahan saluran digunakan untuk menghasilkan efek tertentu dalam
kaitannya dengan penonjolan aspek vegetasi, pengurangan efek bayangan, serta
penonjolan litologi. Efek dari penisbahan adalah dapat menonjolkan aspek
kerapatan vegetasi, khususnya untuk penisbahan saluran inframerah dekat
dengan saluran merah. Selain itu, penisbahan saluran dapat menekan efek
bayangan, misalnya pada lereng bervegetasi. Pada lahan terbuka, penisbahan
saluran digunakan untuk menonjolkan pembedaan litologi secara spectral.

Pada praktikum ini, ada 3 penisbahan saluran yaitu 5/7, 3/1, dan 2/4.
Pada penisbahan 5/7, ditonjolkan objek berupa lempung, karbonat, serta
vegetasi. Pada display citra greyscale nisbah saluran 5/7, kenampakan lempung
ditandai dengan rona cenderung keabuan. Karena lempung cenderung menahan
air sehingga ketika berinteraksi dengan gelombang maka akan menyerap
gelombang tersebut. Pada citra komposit penisbahan saluran, kenampakan
lempung ditandai dengan warna hijau tua. Selian itu, karbonat juga
teridentifikasi dengan warna magenta yang ada pada perairan. Pola karbonat
semakin banyak di areal pesisir yang menandakanbahwa pada lokasi tersebut
terdapat penggaraman. Pada penisbahan 3/1, objek yang ditonjolkan adalah
oksidasi besi rona. Pada display grayscale, objek ini ditandai dengan rona
keabuan, sedangkan pada komposit saluran nisbah ditandai dengan warna hijau
tua. Sedangkan pada penisbahan saluran 2/4, objek yang ditonjolkan adalah
vegetasi. pada komposit citra saluran nisbah, vegetasi ditandai dengan warna
orange hingga warna merah.
Transformasi vegetasi
Transformasi vegetasi digunakan untuk indentifikasi kehidupan serta
jumlah dari suatu tanaman. Pada praktikum ini digunakan transformasi NDVI
(Normalized Different Vegetation Index) yang diturunkan dari kombinasi band 4
(inframerah dekat) dan band 3(saluran merah). Pada NDVI, Tanaman hidup
menyerap gelombang tanpak (visible) biru dan merah dan memantulkan
gelombang hijau sehingga mata manusia dapat mendeteksi warna hijau pada
tanaman. Namun ternyata tidak hanya gelombang hijau yang dipantulkan oleh
tanaman, pantulan paling dominan pada tanaman ternyata adalah gelombang
inframerah dekat (NIR). Tapi karena mata manusia tidak dapat menangkap
cahaya pada gelombang inframerah tersebut maka warna merah ini tidak terlihat
pada mata manusia. Padahal pantulan inframerah dekat pada tanaman mencapai
60%, kontras sekali dengan pantulan gelombang hijau yang hanya 2.saluan
inframerah

dekat

terdapat

dalam

bagian

dari

spektrum

dimana

klorofil menyebabkan adanya penyerapan terhadap radiasi cahaya yang datang

yang dilakukan saat fotosintesis, sedangkan saluran merah terdapat dalam daerah
spektral dimana struktur daun spongy mesophyll menyebabkan adanya pantulan
terhadap radiasi cahaya.

Pada praktium ini, pengkelasan NDVI dibagi menjadi 5 kelompok, pada kelas
pertama dengan nilai NDVI -0.9 hingga -0.57 merupakan tubuh air yang tidak
terdapat klorofil, sehingga nilia NDVI nya sangat rendah bahkan cenderung
minus mendekati -1. Pada NDVI slices ditandai dengan warna merah. Sedangkan
pada kelas kedua yaitu pada rentang nilai NDVI -0.57 hingga -0.24 merupakan
lahan terbuka dan terbangun. Untuk kelas kedua ini masih sama belum terdapat
klorofil sehingga nilai NDVI nya masih minus. Pada slices NDVI ditandai
dengan warna kuning. Pada kelas yang ketiga yaitu rentang nilai NDVI -0.24
hingga 0.0809, pada kelas ini nilai NDVI sudah terdapat nilai positif walaupun
masih kecil. Hal ini menandakan bahwa terdapat vegetasi dengan umur yang
masih muda dan kerapatan yang rendah, yang dapat disimpulkan objek vegetasi
tersebut masih memiliki sedikit klorofil yang mengarah pada objek rerumputan
dan slice NDVI ditandai dengan warna biru. Pada kelas selanjutnya yaitu pada
rentang nilai NDVI 0.08 hingga 0.4, menandakan bahwa objek yang masuk pada
kelas ini mempunyai umur yang cukup serta kerapatan vegetas yang sedang.
Objek ini mengarah pada lahan tegalan atau perkebunan karena memiliki umur
tanaman yang dewasa dan kerapatan yang sedang. Pada NDVI slice ditandai
dengan warna cyan. Area yang masuk pada kelas ini umumnya berada di dataran
rendah hingga lereng tengah perbukitan, yang memperkuat asosiasi lahan tegalan

serta perkebunan. Pada kelas terakhir yaitu dengan nilai NDVI 0.40 hingga 0.73,
menandakan bahwa area yang masuk pada kelas ini mempunyai vegetasi dengan
umur dewasa hingga tua serta kerapatan yang cukup tinggi karena memiliki
klorofil yang cukup banyak ditandai dengan nilai NDVI yang tinggi. Objek yang
masuk pada kelas ini mengarah pada vegetasi tahunan yang terletak di lereng
atas suatu perbukitan. Dan pada NDVI slice ditandai dengan warna hijau. NDVI
umumnya digunakan untuk menentukan umur serta kesehatan tanaman. Pada
bidang pertanian presisi, NDVI digunakan untuk memonitor kesehatan tanaman,
menghitung volume tegakan tanaman.

G. KESIMPULAN
Dari praktikum ini dapat disimpulkan bahwa dengan kebutuhan akan citra
satelit resolusi tinggi dan resolusi spektrla yang baik, dapat dipenuhi dengan cara
fusi citra yang menghasilkan citra dengan resolusi spasial dan spectral yang baik.
Pada citra hasil praktikum, didapat citra denga identifikasi tumbuhan dengan
komposit 432 serta resolusi spasial 15 meter.
Pada praktikum penisbahan saluran, bertujuan untuk menonjolkan suatu
objek, pada praktikum ini objek yang ditonjolkan adalah lempung, karbonat,
oksida besi, seta vegetasi. dari hasil komposit penisbahan saluran didapatkan citra
dengan identifikasi objek yang menonjol serta berkurangnya efek topogtrafi yang
menyebabkan bayangan, sehingga menyulitkan praktikan ketika identifikasi tanpa
penisbahan saluran.
Pada praktikum NDVI, didapatkan citra denga klasifikasi objek vegetasi
dan bukan vegetasi. selain itu pada objek vegetasi, praktikan dapat
mengelompokan vegetasi dengan umur serta kerapatan berdasarkan nilai NDVI
yang didapat.
H. DAFTAR PUSTAKA

Kihari. 2011. Fusi citra dalam penginderaan jauh. Online

(http://kihari.blogspot.com/2014/02/fusi-citra-image-fusion-dalam.html)
diakses tanggal 3 maret 2015
Budiyanto. Tanpa tahun. Indeks vegetasi. Online
(http://geo.fis.unesa.ac.id/web/index.php/en/penginderaan-jauh/77-indeksvegetasi)
Projo, danoedoro. 2012 Penginderaan jauh digital. Jogjakarta : Penerbit Andi

I. LAMPIRAN

Gambar 1 : Citra Landsat 7 Komposit 432 dan Pankromatik

Gambar : citra hasil stretching data saluran panrkomatik

Gambar 2 : Hasil Konversi Citra Landsat 7 dalm bentuk HSV

Gambar: citra Landsat 7 hasil fusi komposit 432 dan pankromatik

Gambar : band ratio 5/7

Gambar : band ratio 3/1

Gambar : band ratio 3/1

Gambar : citra Komposit band ratio

Gambar : Slice NDVI

Gambar : Kelas dalam Slice NDVI