I.
Tujuan
II.
III.
Langkah Kerja
3. Pada bagian browse pilih folder yang berisi file *.img yang merupakan citra
yang sudah dibagikan sebagai tugas.
5. Berikutnya tambahkan admin *.shp dengan cara add data seperti langkah
sebelumnya
6.Maka akan muncul tampilan seperti ini . Untuk menampilkan citra klik 2 kali
pada kotak warna dibawah file admin .
8. pada kotak warna ubah warna serta ukuran outline seterlihat mungkin.
9. Maka akan terlihat seperti ini lalu pada editor tool klik dan pilih start editing.
11. Jika sudah pilih select feature dan klik pada daerah yang akan di digitasi.
16. lalu klik kanan pada layer admin dan pilih open attribute table.
17. Pada kotak dialog add field isikan nama field dan jenis masukan ( text sebagai
jenis masuakn ).
21. Dengan cara meng klik daerah yang akan diberi nama ( diaktifkan ) maka akan
muncul kotak warna biru sel aktif pada open atribute lalu isikan nama/identifikasi
dari hasil deliniasi.
22. isikan sampai tidak ada sel yang belum terisi. Jika sudah pada editor klik stop
editing.
23. maka akan muncul kotak dialog save edit klik yes. Selesai
24.langkah yang sama dilakukan untuk digitasi citra peri urban dan vegetasi.
*NB digitasi dilakukan pada skala 1:12000 baik pada Peri urban dan Rural.
Pada digitasi guna membandingkan hasil digunakan kombinasi band pada tiap
citra yang ditampillan. Skala yang digunakan hingga interppreter terlihat jelas.
IV.
Tabel atrribute.
Tabel atribut
Tabel atribut
Tabel atribut
Tabel atribut
Tabel atribut
V.
Pembahasan
Ada banyak jenis citra dalam sistem penginderaan jauh. Citra tersebut
seperti Landsat , Alos , Ikonos , Quickbird dan masih banyak lagi. Masing-masing
citra satelit banyak dimanfaatkan dalam berbagai bidang berbasis lahan dan
keruangan misalnya dalam bidang kajian penutupan lahan dan/atau penggunaan
lahan ( Wahyuni 2014). Setiap citra dalam penginderaan jauh mempunyai fungsi
serta karakteristik yang berbeda satu sama lain. Satelit Alos ( Andvanced land
Observing Satelite ) merupakan salah satu satelit yang membawa sensor radar yang
diluncurkan oleh pemerintah Jepang dengan resolusi spasial 10 m , temporal 2 hari
( Antono 2013). Terapan interpretasi citra Landsat telah dilakuakn dalam berbagai
bidang disiplin ilmu seperti pertanian , botani , kartografi , teknik sipil, pantauan
lingkungan ,kehutanan ,geografi, geologi, geofisika, analisis sumbedaya lahan,
planologi, oseanografi , dan analisis sumberdaya air(Lillesand , Kiefer 1979 ). Citra
landsat sebagai satelit penginderaan jauh untuk deteksi sumberdaya alam telah
beroperasi sejak 1972 dengan resolusi temporal 16 hari. Landsat mempunyai sensor
pengindera pada spektrum cahaya tampak, inframerah reflektif dan inframerah
thermal. Kanal biru/hijau pada landsat cocok untuk kedalaman laut terhadap
polutan ( 0-10 km). Inframerah dekat atau reflektif responsif terhadap lahan , batuan
dan vegetasi serta inframerah thermal cocok untuk suhu permukaan bumi , hasil
dari ketiga kombinasi tersebut akan menghasilkan
landsat. Peri urban yang fokus pada pemukiman serta bangunan serta pabrik-pabrik
industri. Dalam hal ini citra alos pun menghasilkan lebih banyak polygon karena
faktor yang sama dengan citra rural diatas, ditambah lagi pasti banyak faktor
pengganggu berupa fog atau asap industri yang mengganggu hasil dari citra landsat.
Dalam analisis vegetasi ,citra yang digunakan adalah untuk daerah
sumberjaya. Kombinnasi yang digunakan adalah band 123 dan band 432 sebagai
dua pembanding. Hasil menunjukan analisis kombiinasi band 432 leih mudah
digunakan untuk analisis vegetasi. 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. 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 tampak pada citra dengan warna merah (Kurniati 2010). Sedang pada
kombinasi band 123 tidak terlalu banyak untuk membedakan vegetasi yang ada.
Polygon pada kombinasi 123 lebihh banyak dibanding band 432 meskipun hasilnya
tak sejelas/banyak variasi seperti kombinasi band 123.Pada band 123 justru lebih
jelas dalam membedakan lahan tanpa vegetasi dan hutan/vegetasi lingkup sempit.
VI.
Kesimpulan
Berdasar hasil praktikum setiap citra,kombinasi band mempunyai
karakteristik serta fungsi yang berbeda-beda. Hasil analisis citra baik rural , peri
urban dan vegetasi dapat ditarik kesimpulan bahwa dalam pemanfaatan citra Alos
lebih bagus atau banyak mendapatkan polygon dibanding citra landsat. Faktor
pengotor berupa awan/asap dapat mempengaruhi citra tanpa sensor radar seperti
landsat. Band 432 merupakan ( False Composite Colour ) menangkap sinyal
inframerah yang dipantulkan oleh klorofil tanaman/vegetasi. Vegetasi dengan
kombinasi band 432 juga menghasilkan polygon yang lebih banyak dibanding
kombinasi band 123.
VII.
Daftar Pustaka