UJIAN TENGAH SEMESTER

LAPORAN PRAKTIKUM

PENGINDERAAN JAUH TERAPAN

MEMBANDINGKAN NILA REFLECTAN .......
Oleh :
NAMA: ENDANG PRININA
NRP

: 3512100001

DOSEN PEMBIMBING
NAMA

: Lalu Muhammad Jaelani, ST, M.Sc, Ph.D

NIP

: 19801221 200312 1 001

LABORATORIUM GEOSPASIAL - JURUSAN TEKNIK GEOMATIKA

FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA
2015

DAFTAR ISI
HALAMAN JUDUL
DAFTAR ISI
KATA PENGANTAR
BAB I
PENDAHULUAN
BAB II METODE
2.1. Alat dan Bahan
2.2. Prosedur Praktikum
BAB III HASIL
BAB IV KESIMPULAN
DAFTAR PUSTAKA

KATA PENGANTAR
Puji syukur kami haturkan kepada Tuhan Yang Maha Esa karena berkat rahmatNya, laporan Praktikum Penginderaan Jauh Terapan ini dapat penulis selesaikan
dengan judul praktikum Kalibrasi Radiometrik ini kami selesaikan untuk
memenuhi mata kuliah Penginderaan Jauh Terapan semester 7 tahun ajaran
2015/2016. Oleh karena itu, kami mengucapkan banyak terima kasih kepada:
1. Lalu Muhammad Jaelani,ST.,M.Sc,Ph.D selaku dosen pengajar Penginderaan
Jauh Terapan
2. Bu Cherie selaku dosen responsi Penginderaan Jauh Terapan
3. Pihak - pihak yang membantu dalam penyusunan laporan ini.
Demikian laporan ini kami selesaikan. Mohon maaf apabila terdapat kesalahan
dalam penyelesaian laporan ini. Kami menerima kritik dan saran untuk
penyempurnaan laporan Kalibrasi Radiometrik.

Surabaya, 10 Nopember 2015

Peyusun

BAB I
PENDAHULUAN
Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi
tentang suatu objek, daerah, atau fenomena melalui analisis data yang diperoleh
dengan suatu alat tanpa kontak langsung dengan objek, daerah, atau fenomena
yang dikaji (Lillesand & Kiefer, 1999).
Satelit Landsat-8 atau Landsat Data Continuity Mission (LDCM)
merupakan satelit sumber daya milik Amerika Serikat yang diluncurkan pada 11
Februari 2013. Satelit ini membawa dua sensor yaitu sensor Operational Land
Imager (OLI) dan sensor Thermal Infrared Sensor (TIRS). Sensor OLI
mempunyai tujuh band dengan resolusi spasial yang sama dengan Landsat-7
yaitu sebesar 30 meter. Untuk band 8 berbeda nilai resolusi spasialnya yaitu 15
meter.
Koreksi radiometrik dibedakan menjadi 2 langkah, yaitu kalibrasi
radiometrik dan koreksi atmosfer. Kalibrasi radiometrik adalah mengkonversi
nilai data citra asli dari DN (Digital Number) ke nilai radian atau reflektan ToA
(Top of Atmospheric). Sedangkan koreksi atmosfer yaitu menghilangkan efek
atmosfer yang ikut mempengaruhi nilai yang dibawa citra (Laily,2015), sehingga
didapat nilai reflektan BoA (Bottom of Atmosfer).
Untuk melakukan koreksi atmosferik, dapat dilakukan dengan
menggunakan metode 6SV (Second Simulation of a Satellite signal in the Solar
Spectrum). Metode 6SV dilakukan dengan memasukkan parameter pengamatan
atmosfer, seperti konsentrasi aerosol. Parameter koreksi diperoleh dengan
menjalankan perangkat lunak 6SV berbasis web yang ada pada
http://6s.ltdri.org/ (Muhammad et. all., 2015). Untuk kemudian diolah dengan
menggunakan algoritma pada software pengolah citra. Proses koreksi atmosfer
menggunakan metode 6SV dapat dilakukan dengan salah satu software
pengolah citra yaitu Beam Visat. Visat dikembangkan dari platform Beam dan
mulai menggunakan nama resmi Visat sejak versi 5.0 (sebelumnya bernama
Beam).
Sebenarnya dari USGS sendiri untuk landsat 8 telah terdapat produk citra
yang telah terkoreksi atmosferik. Dimana produk tersebut sudah dalam bentuk
surface reflectan.
Indeks vegetasi merupakan kombinasi pengukuran dua atau lebih band spectral
dari spectrum gelombang electromagnetik yang berbeda untuk menghasilkan
informasi tentang tutupa lahan di permukaan bumi (Campbell, 1996). Indeks
vegetasi yang diperoleh dari citra satelit, merupakan salah satu summber
informasi penting untuk memonitor kondisi sebuah vegetasi. Sebuah satelit
remote sensing, bisa mendeteksi seberapa optimal suatu tumbuhan menyerap
karbon, dikarenakan adanya karakteristik yang berbeda paa saat tumbuhan dalam
menyerap dan memantulkan spectrum gelombang tertentu (NIR dan RED) pada
gelombang yang dipancarkan oleh sensor satelit.

Pada praktikum ini digunakan beberapa indeks vegetasi yaitu : Normallized

Difference Vegetation Index (NDVI), Soil Adjusted Vegetation Indeks (SAVI),
Modified Soil Adjusted Vegetation Indeks (MSAVI), dan EVI.
Definisi indeks vegetasi
a. Normalized Difference Vegetation Index (NDVI) diperkenalkan oleh
Rouse et al (1974) dengan tujuan memodifikasi indeks Simple Ratio (SR)
dimana indeks Simple Ratio menunjukkan nilai yang terlalu besar untuk
aerah dengan densitas vegetasi tinggi. Indeks ini menggunakan rasio
antara band NIR dan RE dengan persamaan yang dinormalisasi. NDVI
merupakan indeks vegetasi yang paling banyak digunakan karena
kemampuannya untuk meminimalisir kesalahan akibat buruknya kondisi
topografi. NDVI juga disukai karena perhitungannya yang linier dan
sederhana. Skala NDVI memiliki rentang -1 sampai 1, dimana nilai 1
menunjukkan daerah yang kaya akan vegetasi, nilai 0 menunjukkan
keadaaan sangat sedikit vegetasi, dan nilai -1 menunjukkan daerah bukan
vegetasi.
( NIR RED)
NDVI =
(NIR + RED)
Soil Adjusted Vegetation Indeks (SAVI)
SAVI merupakan modifikasi dari NDVI. SAVI bertujuan untuk
meminimalisir kesalahan dari variasi warna tanah dengan melibatkan
faktor koreksi L pada persamaan umum NDVI. Faktor koreksi L bervariasi
tergantung dari karakteristik reflectansi dari tutupan vegetasi. Untuk
daerah dengan tingkat dentisitas yang sangat rendah, dipilih nilai faktor
koreksi L sebesar 1. Untuk daerah tingkat densitas vegetasi yang sangat
tinggi, dipilih nilai faktor koreksi L sebesar 0.25. faktor koreksi L= 0.5
paling banyak digunakan karena dapat mengakomodasi daerah vegetasi
rendah dan tinggi.
1.5 X ( NIRRED )
SAVI =
( NIR + RED +0.5 )
Modified Soil Adjusted Vegetation Indeks (MSAVI) adalah indeks vegetasi
yang berbasis dari modifikasi faktor koreksi L dari SAVI. Kedua indeks
vegetasi ini, bertujuan untuk memperbaiki tinkat kecerahan warna tanah
dari tutupan vegetasi yang berbeda. Faktor koreksi L mengalami
penurunan nilai pada vegetasi dengan densitas rendah dan sedang,
memodifikasi faktor koreksi L untuk memperbaiki noise warna tanah yang
tidak terkoreksi pada NDVI dan memperbaiki akurasi nilai pada vegetasi
dengan densitas tinggi.

MSAVI =

EVI ................

2 NIR+1(2 NIR+ 1)28( NIR)

2

BAB II
METODE
2.1 Alat dan Bahan
Alat dan bahan yang digunakan dalam praktikum ini yaitu :
a. Alat
- Hardware : 1 buah unit Laptop Lenovo G40
- Software : Beam Visat 5.0
b. Bahan
- Citra Satelit Multispectral Landsat 8
2.2 Prosedur Praktikum
Soal 1. Membandingkan Surface Relectan hasil dari koreksi atmosferik dengan
metode 6SV dan hasil citra yang telah dikoreksi atmosferik oleh USGS.
a. Koreksi atmosfer menggunakan metode 6SV.
1. Menyiapkan terlebih dahulu data data yang perlu digunakan untuk
melakukan koreksi atmosfer ddengan metode 6SV. Data yang diperlukan
yaitu :
No.

Dimana :

Jenis Data

Nilai Data

Tanggal perekaman data

04 - 11 - 2014

Solar zenithal angle

24.6790371

Solar azimuthal angle

111.28827544

Sensor zenithal angle

-0.001

Sensor azimuthal angle

0.11

Visibility

7.9 km

Panjang gelombang band 1

0.43 mm 0.45 mm

Panjang gelombang band 2

0.45 mm 0.51 mm

Panjang gelombang band 3

0.53 mm 0.59 mm

10

Panjang gelombang band 4

0.64 mm 0.67 mm

11

Panjang gelombang band 5

0.85 mm 0.88 mm

12

Panjang gelombang band 6

1.57 mm 1.65 mm

13

Panjang gelombang band 7

2.11 mm 2.29 mm

14

File radian hasil kalibrasi radiometrik

Data 1 5 didapatkan dari metadata citranya

Data 6 didapatkan dari alamat www.underground.com, dimana
disesuaikan dengan tanggal perekaman data.
Data 14 diperoleh dari praktikum sebelumnya.
Solar zenithal angle diperoleh dengan = 90 Sun_Elevation (pada
metadata).
Sensor zenithal angle = Roll_Angle (pada metadata).

Sensor azimuthal angle diperoleh dengan mencari azimuth dari 2

koordinat yang ada di metadata.

2. Untuk langkah langkah koreksi atmosferik dengan metode 6SV telah
dijelaskan pada praktikum sebelumnya (Laporan Praktikum : Koreksi
Atmosferik metode DOS dan 6SV). Didapatkan hasil parameter untuk
melakukan langkah selanjutnya pada koreksi atmosferik metode ini, yaitu
parameter Xa, Xb, dan Xc.
Band 1

Band 2

Band 3

Band 4

Band 5

Band 6

Band 7

3. Setelah didapatkan nilai parameter Xa, Xb, dan Xc. Maka selanjutnya
memasukkan nilai parameter tersebut pada citra menggunkan software
pengolah citra Beam Visat 5.0. data yang diinput pada beam visat yaitu
citra dalam bentuk radian.

4. Kemudian memasukkan algoritma untuk merubah nilai radian ToA (Ltoa)

ke reflectan BoA (Lboa). Algoritma yang digunakan untuk merubah yaitu :
boa () = Y() / (1+(XC()*Y()))
Y() = (XA()*L()) XB()
Carannya klik kanan pada file rad1. Pilih dan klik Create Band From
Math Expression. . .. maka akan muncul kotak dialog Band Math

5. Mengisi kolom Name dengan nama file ynng kita inginkan. Dalam
praktikum ini, penulis memberikan nama 6sv_1. Hilangkan centang pada
Virtual (save expression only, dont store data) dan Replace Nan and
infinity result by. Klik tools Edit Expression..maka akan muncul kotak
dialog. Masukkan algoritma diatas pada kolom expression, kemudian klik
OK. Klik OK untuk proses terakhir.

6. Maka akan didapatkan hasil sebagai berikut.

7. Mengulangi langkah 1 sampai 6 untuk memasukkan masing masing

parameter pada masing masing band.
b. Surface Reflectan hasil olahan koreksi atmosferik dari USGS.
1. Membuka file Surface Reflectan yang telah terkoreksi oleh USGS.

Maka produk akan muncul pada software. Karena tampil dengan berada
folder masing masing. Maka perlu dilakukan penggabungan agar
mempermudah dalam pengolahan data selanjutnya. Tidak lupa ketika
memindahkan produk dalam 1 folder, bagi SR/10000. Maka akan
didapatkan SR_USGS semua band.

2. Memasukkan titik sampel sebanyak 10 titik pada citra yang telah

terkoreksi 6sv maupun USGS. Dengan menggunakan tools

3. Mengekstrak titik sampel yang telah di sebar, dengan cara. Klik menu
utilities Ekstract Pixel Values...maka akan muncul kotak dialog Pixel
Extraction. Terdapat 2 sub bagian. Pada bagian Input/Output atur tempat
penyimpanan pada kolom Output Directory serta nama file pada File
Prefix. Pada bagian parameters, isikan pada kolom windows size,
berfungsi untuk mempertimbangkan nilai pixel disekitar pixel titik sampel.
Pada Pixel value aggregation method : pilih mean. Untuk merata rata hasil
sampling yang telah dilakukan. Klik OK.

4. Sehingga akan didapatkan hasil ekstrak nilai piksel sebagai berikut dalam format
data .txt. tetapi dalam menampilkan hasil, dapat membuka file dalam microsoft
Excel

.
Soal 2. Membandingkan nilai Surface Reflectan vegetasi indeks yang terkoreksi
menggunakan metode 6SV maupun USGS.
1. Menghitung nilai indeks vegetasi menggunakan 4 algoritma indeks vegetasi yaitu
NDVI, EVI, MSAVI, dan SAVI. Dengan cara yang sama pada langkah
sebelumnya klik kanan pada band 6SV_5. memasukkan algoritma pada Creat
Band Math Expressions... kemudian klik OK. Melakukan hal yang sama pad a
indeks vegetasi lainnya.
a. Algoritma NDVI

b. Indek vegetasi EVI

c. Indeks vegetasi MSAVI

d. Indeks vegetasi SAVI

2. Membuka citra yang telah terkoreksi oleh USGS dan mengggabungkannya dalam
1 folder dengan SR_USGS untuk mempermudah pekerjaan selanjutnya.

3.