PENGINDERAAN JAUH II
(Disusun untuk memenuhi prasyarat mata kuliah Penginderaan Jauh II)
Disusun oleh :
KELOMPOK V A
NIM.21110113120011
2. Riska Pratiwi
NIM.21110113120023
NIM.21110113120027
4. Roy Kasfari
NIM.21110113120047
LAPORAN PRAKTIKUM
PENGINDERAAN JAUH II
(Disusun untuk memenuhi prasyarat mata kuliah Penginderaan Jauh II)
Disusun oleh :
KELOMPOK V A
NIM.21110113120011
2. Riska Pratiwi
NIM.21110113120023
NIM.21110113120027
4. Roy Kasfari
NIM.21110113120047
HALAMAN PENGESAHAN
Laporan Praktikum Penginderaan Jauh II ini telah disetujui dan disahkan
oleh Dosen Pembimbing Praktikum Penginderaan Jauh II Program Studi Teknik
Geodesi Fakultas Teknik Universitas Diponegoro.
Disusun oleh :
KELOMPOK V A
NIM.21110113120011
2. Riska Pratiwi
NIM.21110113120023
NIM.21110113120027
4. Roy Kasfari
NIM.21110113120047
Menyetujui,
Asisten Praktikum
Bambang Septiana
NIM. 21110112130058
Mengetahui,
Dosen Pengampu Mata Kuliah I,
ii
KATA PENGANTAR
Tiada kata yang lebih mulia selain memanjatkan puji syukur kehadirat
Tuhan Yang Maha Esa karena atas limpahan rahmat, taufik, hidayah serta inayahNya karena kami dapat menyelesaikan Laporan Praktikum Penginderaan Jauh II ini
tanpa menemui hambatan yang berarti. Tidak lupa pula kami ucapkan terima kasih
kepada :
1. Bapak Ir. Sawitri Subiyanto, M.Si selaku ketua jurusan Teknik Geodesi
Fakultas Teknik Universitas Diponegoro.
2. Bapak Bandi Sasmito, S.T., M.T. selaku dosen pengampu mata kuliah
Penginderaan Jauh II.
3. Bapak Dr. Yudo Prasetyo, S.T., M.T. selaku dosen pengampu mata kuliah
Penginderaan Jauh II.
4. Bambang Septiana selaku asisten dosen praktikum Penginderaan Jauh II
yang telah banyak membantu kami.
5. Seluruh pihak yang telah membantu kami dalam menyusun laporan
praktikum Penginderaan Jauh II yang tidak dapat kami sebutkan
namanya satu persatu.
Adapun tujuan pembuatan laporan ini adalah untuk memenuhi tugas mata
kuliah Penginderaan Jauh II.
Penulis sadar bahwa laporan yang disuusun ini masih sangat jauh dari
sempurna, oleh karena itu penulis mengharapkan masukan dan kritikan yang
bersifat membangun sebagai acuan agar menjadi lebih baik lagi.
Semarang,
Desember 2015
Penulis
iii
DAFTAR ISI
HALAMAN PENGESAHAN ................................................................................. ii
KATA PENGANTAR ........................................................................................... iii
DAFTAR ISI .......................................................................................................... iv
DAFTAR GAMBAR ............................................................................................. vi
DAFTAR TABEL ................................................................................................ xvi
BAB I
I.1
I.2
I.2.1
I.2.2
I.3
I.3.1
I.3.2
I.4
II.1.1
II.1.2
II.1.3
II.1.4
II.2
II.2.1
II.2.2
II.2.3
II.3
II.3.1
II.3.2
II.4
II.4.1
II.4.2
II.5
Landsat ................................................................................................II-15
II.6
II.6.1
iv
II.6.2
II.6.3
II.6.4
III.1.2
Bahan.......................................................................................... III-33
III.2.2
V.2
DAFTAR GAMBAR
Gambar II-1 Skema Proses Penginderaan Jauh (Sasmito, Bandi 2014) ............. II-1
Gambar II-2 Komponen Penginderaan Jauh (Viron, 2013) ................................ II-2
Gambar II-3 Skala Keabuan (Sasmito, 2014) ..................................................... II-9
Gambar II-4 Pengaturan warna Red Green Blue (Sasmito, 2014) .................... II-10
Gambar II-5 Ilustrasi Sensor Pasif (Sasmito, 2014).......................................... II-11
Gambar II-6 Ilustrasi Sensor Aktif (Sasmito, 2014) ......................................... II-11
Gambar II-7 Ilustrasi Koreksi Geometrik (Subiyanto, 2014) ........................... II-13
Gambar II-8 Ilustrasi overlap pixel pada MSS (Saras, 2012) ........................... II-18
Gambar II-9 Komponen utama Sensor Multispectral Scanner (John, 2014).... II-20
Gambar II-10 Sistem Sensor TM pada Landsat-4 dan 5 (Gunawan, 2013) ...... II-23
Gambar II-11 Spacecraft Landsat-7 (Budi, 2011) ............................................ II-24
Gambar II-12 Scanner ETM+ (Budi, 2011) ....................................................... II-25
Gambar II-13 Tampilan depan software ArcGIS .............................................. II-31
Gambar III-1 Software ER Mapper .................................................................. III-34
Gambar III-2 Tampilan awal ER Mapper ........................................................ III-34
Gambar III-3 Tampilan awal algorithm ........................................................... III-34
Gambar III-4 Algorithm yang telah terisi band ............................................... III-35
Gambar III-5 Hasil citra awal .......................................................................... III-35
Gambar III-6 Penyimpanan citra ...................................................................... III-35
Gambar III-7 Format penyimpanan .alg .......................................................... III-36
Gambar III-8 Hasil citra dengan format .alg .................................................... III-36
Gambar III-9 Format penyimpanan .ers ........................................................... III-37
Gambar III-10 Tampilan Save As ER Mapper Dataset.................................... III-37
Gambar III-11 ER Mapper Status .................................................................... III-37
Gambar III-12 ER Mapper Status .................................................................... III-37
Gambar III-13 Hasil citra dengan format .ers .................................................. III-38
Gambar III-14 Tampilan ArcMap 10 ............................................................... III-38
Gambar III-15 Jendela ArcMap 10 .................................................................. III-39
Gambar III-16 Add data ................................................................................... III-39
Gambar III-17 Shapefile yang telah ditambahkan ........................................... III-39
Kelompok V-A, 2015
vi
vii
viii
ix
xi
xii
xiii
xiv
Gambar IV-30 Tampilan hasil phase height conversion and geocoding ......... IV-19
Gambar IV-31 Hasil phase displacement conversion and geocoding ............. IV-19
Gambar IV-32 Sebelum klasifikasi .................................................................. IV-20
Gambar IV-33 Setelah klasifikasi .................................................................... IV-21
Gambar IV-34 Skala parameter 300 ................................................................ IV-21
Gambar IV-35 Skala parameter 50 .................................................................. IV-21
Gambar IV-36 Perhitungan luas awan atau bayangan ..................................... IV-22
Gambar IV-37 Perhitungan luas badan air ....................................................... IV-22
Gambar IV-38 Perhitungan luas lahan terbangun ............................................ IV-22
Gambar IV-39 Perhitungan luas lahan terbuka ................................................ IV-23
Gambar IV-40 Perhitungan luas pemukiman jarang........................................ IV-23
Gambar IV-41 Perhitungan luas pemukiman padat ......................................... IV-23
Gambar IV-42 Perhitungan luas vegetasi jarang ............................................. IV-23
Gambar IV-43 Perhitungan luas vegetasi rapat ............................................... IV-24
Gambar IV-44 Hasil Klasifikasi Tutupan Lahan Daerah Semarang ................ IV-24
Gambar IV-45 Hasil 3D viewer ....................................................................... IV-25
Gambar IV-46 Hasil overlay di Google Earth ................................................. IV-25
xv
DAFTAR TABEL
Tabel II-1 Nama dan Panjang Gelombang pada Landsat TM (Susanto, 2014) II-21
Tabel II-2 Karakteristik Saluran pada Landsat TM (Susanto, 2014)
II-21
Tabel II-3 Nama dan Panjang Gelombang Landsat ETM+ (Humaidi, 2005)
II-24
xvi
BAB I
PENDAHULUAN
I.1
Latar Belakang
Sejak ditemukannya satelit dimana awal mula kegunaannya untuk keperluan
militer dan kemudian dapat digunakan oleh masyarakat sipil, perekaman objek yang
menggunakan wahana seperti satelit pun dikembangkan. Tidak hanya dengan
satelit, sekarang ini juga digunakan pesawat yang juga dapat digunakan sebagai
wahana perekaman. Wahana dikembangkan sebagai alat bantu perekaman objek
atau sering disebut dengan penginderaan jauh.
Satelit memiliki dua metode dalam perekaman yaitu metode aktif dan metode
pasif. Metode Pasif memungkinkan satelit menggunakan bantuan dalam melakukan
perekaman misalnya cahaya matahari. Sedangkan metode aktif satelit maupun
wahana yang berkaitan dapat melakukan perekaman sendiri tanpa memerlukan
bantuan dalam perekaman yang dilakukan. Salah satu contoh satelit yang
melakukan perekeman dengan menggunakan metode pasif yaitu Landsat 8.
Pada metode pasif dapat digunakan untuk kepentingan analisis citra, dan
untuk mengoreksi citra dari segala gangguan ataupun kesalahan yang terjadi pada
waktu perekaman data, salah satu cara untuk meningkatkan mutu citra tersebut
adalah dengan klasifikasi citra. Klasifikasi citra digital merupakan proses
pengelompokan piksel ke dalam kelas-kelas tertentu. Hal ini sesuai dengan asumsi
yang digunakan dalam klasifikasi multispektral yaitu bahwa setiap objek dapat
dibedakan dari yang lainnya berdasarkan nilai spektralnya (Projo Danoedoro,1996).
Pada umumnya Klasifikasi citra digital yang digunakan adalah klasifikasi
terbimbing (supervised). Menurut Projo Danoedoro (1996) klasifikasi supervised
ini melibatkan interaksi analis secara intensif, dimana analis menuntun proses
klasifikasi dengan identifikasi objek pada citra (training area). Sehingga
pengambilan sampel perlu dilakukan dengan mempertimbangkan pola spektral
pada setiap panjang gelombang tertentu, sehingga diperoleh daerah acuan yang baik
untuk mewakili suatu objek tertentu.
I-1
Lain halnya dengan metode aktif, dalam perekamannya metode aktif mampu
melakukan perekaman sendiri tanpa bantuan objek ataupun unsur lain. Salah satu
contoh wahana yang memiliki metode aktif yaitu Radar (Radio Detection and
Ranging). Pada wahana Radar dikenal juga istilah. Prinsip kerja Radar yaitu
pemancaran dan penerimaan balikan sinyal. Energi gelombang pendek dipancarkan
dari sensor. Energi tersebut akan bergerak menuju objek. Sebagian sinyal yang
mengenai objek tersebut akan berbalik dan kembali ditangkap oleh sensor radar
tersebut. Radar terbagi atas dua tipe yaitu RAR (Real Aperture Radar) dan SAR
(Synthetic Aperture Radar). Kedua tipe ini sebenarnya adalah sistem radar dengan
pemancaran sinyal searah yang biasanya menggunakan pesawat terbang. Perbedaan
pokok antara sistem RAR dan SAR adalah pada arah azimutnya. Real Aperture
Radar memiliki resolusi azimut yang ditentukan oleh lebar sapuan (beamwidth),
sehingga resolusi azimutnya proporsional dengan jarak antara radar dengan
targetnya. Synthetic Aperture Radar menggunakan pemrosesan sinyal untuk
mensintesiskan beberapa rangkaian rekaman pantulan sinyal yang tertangkap
sensor. Selain RAR dan SAR dikenal juga teknologi penginderaan jauh yang
menggunakan citra hasil radar yaitu InSAR (Interferometric Synthetic Aperture
Radar). InSAR yang merupakan salah satu metode dari SAR saat ini banyak
digunakan untuk pemetaan topografi daratan dan permukaan es, studi struktur
geologi dan klasifikasi batuan, studi gelombang dan arus laut, studi karakteristik
dan pergerakan es, pengamatan deformasi, dan gempa bumi.
Khusus untuk bidang deformasi, kini InSAR menjadi alternatif teknologi
yang menjanjikan dalam penelitian deformasi seperti penurunan tanah (land
subsidence) dan penelitian gempa bumi. Penggunaan InSAR dalam penelitian
gempa bumi berkembang setelah terjadinya Gempa Landers di Amerika, yang
terdokumentasikan serta terinformasika deformasinya dengan baik oleh citra
InSAR. Selain teknologi InSAR dikenal juga DinSAR (Differential Interferometric
Synthetic Aperture Radar) dimana perekaman dengan metode DinSAR untuk
memperoleh elevasi tinggi dan dapat juga diketahui perubahan muka tanah akibat
pergerakan lempeng bumi.
I-2
I.2.1
Maksud
Maksud dari praktikum penginderaan jauh ini adalah agar mahasiswa dapat
Tujuan
Adapun tujuan dari praktikum ini adalah sebagai berikut :
3.
Mahasiswa mampu mengolah data citra pada software yang telah ditentukan
baik pasif maupun aktif
4.
I-3
I.3
I.3.1
Adapun rumusan yang terdapat pada praktikum kali ini adalah sebagai
berikut :
1. Bagaimana metode perekaman pada sensor pasif dan sensor aktif ?
2. Bagaimana pengolahan pada sensor pasif dan aktif ?
3. Apakah perbedaan mendasar dari pengelolaan sensor pasif maupun
aktif?
4. Bagaimana untuk setiap hasil dari pengelolaan sensor pasif dan aktif?
I.3.2
Batasan Masalah
Penulisan laporan ini dibatasi dalam pengolahan citra, mulai dari Sensor
I-4
BAB II
DASAR TEORI
II.1 Penginderaan Jauh
II.1.1 Pengertian Penginderaan Jauh
Penginderaan jauh adalah pengukuran atau akuisisi data dari sebuah objek
atau fenomena oleh sebuah alat yang tidak secara fisik melakukan kontak dengan
objek tersebut atau pengukuran atau akuisisi data dari sebuah objek atau fenomena
oleh sebuah alat dari jarak jauh, (misalnya dari pesawat, pesawat luar angkasa,
satelit, kapal atau alat lain). Contoh dari penginderaan jauh antara lain satelit
pengamatan bumi, satelit cuaca, memonitor janin dengan ultrasonik dan wahana
luar angkasa yang memantau planet dari orbit. Penginderaan jauh berasal dari
bahasa Inggris remote sensing, bahasa Perancis tldtection, bahasa Jerman
fernerkundung, pahasa Portugis sensoriamento remota, bahasa Spanyol
percepcion.
Menurut Lilesand dan Keifer Penginderaan jauh adalah ilmu, teknik dan
seni untuk mendapatkan informasi tentang objek, wilayah atau gejala dengan cara
menganalisis data yang diperoleh dari suatu alat tanpa berhubungan langsung
dengan obyek, wilayah atau gejala yang sedang dikaji. Menurut Lindgren
Penginderaan jauh adalah teknik yang dikembangkan untuk memperoleh dan
menganalisis informasi tentang bumi. Informasi tersebut berbentuk radiasi
elektromagnetik yang dipantulkan dari permukaan bumi. Sedangkan menurut
Sabins, Penginderaan jauh adalah suatu ilmu untuk memperoleh, mengolah dan
menginterpretasi citra yang telah direkam yang berasal dari interaksi antara
gelombang elektromagnetik dengan suatu objek.
II-1
2. Atmosfer
Lapisan udara yang terdiri atas berbagai jenis gas, seperti O2, CO2,
nitrogen, hidrogen dan helium. Molekul-molekul gas yang terdapat di dalam
atmosfer tersebut dapat menyerap, memantulkan dan melewatkan radiasi
elektromagnetik.
Di dalam penginderaan jauh terdapat istilah jendela atmosfer, yaitu
bagian spektrum elektromagnetik yang dapat mencapai bumi. Keadaan di
II-2
II-3
2) Sensor elektronik
Bekerja secara elektrik dalam bentuk sinyal. Sinyal elektrik ini direkam
dalam pada pita magnetik yang kemudian dapat diproses menjadi data
visual atau data digital dengan menggunakan komputer. Kemudian lebih
dikenal dengan sebutan citra.
b. Wahana
Wahana adalah kendaraan atau media yang digunakan untuk membawa
sensor guna mendapatkan inderaja. Berdasarkan ketinggian persedaran
dan tempat pemantauannya di angkasa, wahana dapat dibedakan menjadi
tiga kelompok:
1) Pesawat
terbang
rendah
sampai
menengah
yang
ketinggian
II-4
pengukuran volume.
4. Citra dapat menggambarkan benda yang tidak tampak sehingga
dimungkinkan pengenalan obyeknya. Sebagai contoh adalah terjadinya
kebocoran pipa bawah tanah.
5. Citra sebagai satu-satunya cara untuk pemetaan daerah bencana.
II-5
permukaannya
lebih
banyak
memantulkan
sinar
matahari
II-6
II-7
II-8
II-9
nilai maksimum 255 untuk 8 bit, dengan warna putih adalah minimal dan warna
red / green / blue sebagai warna maksimal.
yaitu
II-10
II-11
1. Kondisi atmosfir
2. Sudut sinar matahari (Topographic Correction)
3. Sensitifitas (kesalahan) sensor.
Koreksi Radiometrik dilakukan pada kesalahan oleh sensor dan sistem
sensor terhadap respon detektor dan pengaruh atmosfer yang stasioner. Koreksi
radiometrik dilakukan untuk memperbaiki kesalahan atau distorsi yang diakibatkan
oleh tidak sempurnanya operasi dan sensor, adanya atenuasi gelombang
elektromagnetik oleh atmosfer, variasi sudut pengambilan data, variasi sudut
eliminasi, sudut pantul dan lain-lain yang dapat terjadi selama pengambilan,
pengiriman serta perekaman data. Spesifikasi kesalahan radiometric adalah:
a.
II-12
dengan peta-peta atau citra lainnya yang mempunyai sistem proyeksi peta (Katiyar
et. al. 2002). Koreksi geometrik berakibat pada perubahan bentuk dan lokasi pixel
begitu pula nilai DN pixel pada citra. Untuk koreksi atau perbaikan nilai DN pada
citra dilakukan Resampling.
II-13
1. Scan skew, karena gerakan ke depan platform selama waktu yang diperlukan
pada setiap sapuan.tidak tegak lurus tetapi sedikit miring, akan
menimbulkan distorsi geometric cross scan.
2. Distorsi panoramic : citra daerah permukaan sebanding denagn tangent
sudut scan daripada terhadap sudut itu sendiri, menimbulkan distorsi along
scan.
3. Kecepatan platform : perubahan keecepatan platform, meneyebabkan
ground
track ditutup
oleh perubahan
Rektifikasi
Proses perubahan geometri daerah citra menjadi datar (planimetrik)
II-14
b. Registrasi
Digunakan untuk membandingkan dua citra dari dua tanggal yang
berbeda, unutk melihat ada tidaknya perubahan dilokasi tersebut
II.5 Landsat
Landsat (Land Satellites) merupakan satelit sumberdaya bumi yang paling
sering digunakan. Pada mulanya bernama ERTS-1 (Earth Resources Technology
Satellite). Pertama kali diluncurkan pada tanggal 23 Juli 1972 yang mengorbit
hanya sampai dengan tanggal 6 Januari 1978. Satelit Landsat mengorbit bumi
selaras matahari (sun-synchronous). Bersamaan dengan waktu peluncuran ERTSB tanggal 22 Juli 1975, NASA (National Aeronautic and Space Administration)
secara resmi mengubah program ERTS menjadi program Landsat (untuk
membedakan
dengan
program
satelit
oseanografi
Seasat
yang telah
direncanakan) sehingga ERTS-1 dan ERTS-B menjadi Landsat -1 dan Landsat2. Peluncuran Landsat -3 dilakukan pada tanggal 5 Maret 1978.
Konfigurasi dasar satelit Landsat 1, 2, dan 3 adalah berbentuk kupu-kupu
dengan tinggi kurang lebih 3 (tiga) meter, bergaris tengah 1,5 meter dengan panel
matahari yang melintang kurang lebih 4 meter. Berat satelit Landsat kurang lebih
815 kg dan diluncurkan dengan orbit lingkarnya pada ketinggian 920 km. Orbit
satelit melalui 90 Kutub Utara dan Kutub Selatan, mengelilingi bumi satu kali dalam
103 menit pada jarak 2.760 km di equator sehingga menghasilkan 14 kali orbit
dalam sehari. Landsat 1, 2, dan 3 diluncurkan ke orbit, melintasi equator pada jam
9.42 siang hari waktu setempat. Sensor Landsat meliput lebar rekaman 185
km. Landsat 1 dan 2 membawa 2 sensor, yaitu RBV (Return Beam Vidicon) dan
MSS (Multispectral Scanner). Pada Landsat-3, memiliki rancang bangun yang
berbeda, yaitu ada tambahan saluran termal (10,4 12,6) mm pada sensor MSS dan
resolusi spasial sistem RBV ditingkatkan dengan menggunakan sistem 2 kamera
lebar (bukan multispektral).
II-15
medan sebesar 2,6 dibandingkan RBV multispektral pada Landsat-1 dan Landsat2.
Mengenai pengorbitan
II-16
mengembangkan
kemampuan
Landsat-5
(seoptimal
mungkin)
sebelum
yang
dimulai
pada
pukul
09.00
waktu
setempat
(awal
II-17
filter
spektral
yang
digunakan
oleh
RBV
II-18
b.
c.
d.
untuk
Detektor yang
digunakan sangat peka untuk mengeluarkan sinyal yang jauh lebih kuat dari
tingkat gangguan (noise) pada sistemnya. Proses penyiaman menggunakan
cermin ulang alik (bukan cermin berputar) berjumlah 6 detektor sehingga
total untuk empat saluran menjadi 24 detektor. Cermin ulang alik tersebut
menyiami sekali dalam 33 milidetik, dan satu gerakan cermin dapat menyiam
enam garis yang berdekatan secara serentak karena pada setiap saluran
menggunakan 6 detektor.
Sinyal yang bersifat analog (nilai pantulan) dari setiap detektor diubah
kedalam bentuk digital dengan bantuan sistem pengubah sinyal di
satelit. Skala digital yang digunakan pada pengubahan ini sebesar 6 bit (063). Data tersebut pada pemrosesan di stasiun bumi diskalakan dengan nilai
digital 0-127 untuk saluran 4, 5 dan 6, sedangkan untuk saluran 7 dengan nilai
digital 0-63. Sistem pengubah sinyal berfungsi untuk mengambil sinyal
keluaran dari detektor dengan kecepatan 100.000 kali per detik. Kecepatan
II-19
Gambar II-9 Komponen Utama dari Sensor Multispectral Scanner (John, 2014)
II-20
Tabel II-1 Nama dan Panjang Gelombang pada Landsat TM (Susanto, 2014)
Saluran
Nama Gelombang
Biru
0,45 0,52
Hijau
0,52 0,60
Merah
0,63 0,69
Inframerah Dekat
0,76 0,90
Inframerah Tengah
1,55 1,75
Inframerah Termal
10,40 12,50
Inframerah Tengah
2,08 2,35
Saluran
Panjang
Resolusi
Gelombang
Spasial
(m)
(meter)
Aplikasi
0,45 0,52
30 x 30
0,52 0,60
30 x 30
saluran
penyerapan.
Pengamatan
ini
0,63 0,69
30 x 30
II-21
Saluran
4
0,76 0,90
30 x 30
yang
vegetasi.
peka
terhadap
biomasa
1,55 1,75
30 x 30
2,08 2,35
120 x 120
10,40 12,50
30 x 30
vegetasi,
analisis
gangguan
II-22
Sedangkan
desain untuk 6 saluran yang lain sama seperti pada sensor TM.
Citra ETM seharusnya diperoleh dari Landsat-6, namun satelit tersebut
gagal mencapai orbit.
II-23
Tabel II-3 Nama dan Panjang Gelombang pada Landsat ETM+ (Humaidi, 2005)
Biru
0,45 0,52
Hijau
0,52 0,60
Merah
0,63 0,69
Inframerah Dekat
0,76 0,90
Inframerah Pendek
1,55 1,75
Inframerah Termal
10,40 12,50
Inframerah Pendek
2,09 2,35
Pankromatik
0,50 0,90
II-24
II-25
software ini mudah dipelajari dan proses penyimpanan data yang lebih cepat dan
sederhana dibandingkan software lain, ER Mapper lebih banyak dipilih dan
diminati pengolah citra satelit. Secara umum ada dua tipe tombol operasi pada ER
Mapper, yaitu tombol menu pulldown dan toolbar. Sebagian besar perintah
operasional telah terfasilitasi dalam menu pulldown, namun dalam kasus-kasus
tertentu, menu toolbar sangat efisien dan reflatif lebih mudah digunakan.
II.6.1.1 Komponen-Komponen ER Mapper
Dalam menjalankan berbagai fungsionalitasnya (import, proses, integrasi,
dan menghasilkan output citra), ER Mapper menggunakan komponenkomponennya yang saling berhubungan :
a. Citra raster
Citra raster (sebagai contoh adalah citra satelit, DEM, atau foto) adalah data
titik atau piksel dalam bentuk grid atau matriks dua dimensi. Titik ini tersusun
sebagaimana halnya sel-sel segi empat baris dan kolom yang memiliki nilai,
oleh karena itu sering dikenal sebagai bitmap image. ER Mapper memiliki
format citra raster sendiri (native). ER Mapper raster dataset [*.ERS] yang
berupa sebuah file biner yang berisis file data yang sebenarnya berikut sebuah
file header ASCII di dalamnya.
b. Vektor
Vektor terbentuk dari unsur-unsur titik, garis, dan poligon seperti halnya
peta-peta jalan dan topografi. ER Mapper memiliki format file vektor sendiri
(internal atau native) yang mencakup sebuah file data ASCII berikut file
header-nya yang juga dalam format file teks ASCII.
c. Algorithm
Algorithm merupakan bangunan yang paling dasar di dalam ER Mapper.
Algorithm digunakn untuk menyimpan informasi yang diperlukan untuk
menampilkan data sebagai citra akhir. Informasi yang tersimpan di dalamnya
mencakup (nama) sumber data, warna-warna yang akan digunakan untuk
tampilan , detil pemrosesan enhancement, dan informasi layout halaman.
Karena pemrosesannya terpisah dari data aslinya, maka langkah-langkah yang
tercatat di dalamnya (algorithm) dapat di edit oleh pengguna.
II-26
d. Produksi Peta
Pengguna dapat secara cepat dan mudah untuk menkombinasikan simbolsimbol peta ke dalam citranya hingga dihasilkan tampilan dan hardcopy
dengan kualitas kartografis. Selain itu pengguna dapat memasukkan mask,
grid, logo, arah utara, scalebar, judul peta, dan lain sebagainya ke dalamnya.
Items komposisi peta ini merupakan bagian dari layer vektor ER Mapper biasa.
e. GIS dan DBMS dynamic links
ER Mapper mempunyai kemampuan integrasi data yang lengkap hingga
memungkinkan untuk menampilkan data vektor dari berbagai format yang
berbeda. Dengan interface postscript miliknya yang fleksibel, ER Mapper bisa
terkoneksi (link) dengan sistem dan format-format non- native seperti halnya
DBMS (basis data) dan paket perangkat lunak CAD. Koneksi yang dikenal
sebagai dynamic link ini akan menyediakan fasilitas akses dan display data
yang secara langsung dari sistem lain suatu alternatif menghilangkan
kebutuhan import data.
II.6.1.2 Aplikasi-Aplikasi ER Mapper
Karena secara sengaja dirancang untuk memproses data terkait sains
kebumian, maka ER Mapper dapat mendukung secara penuh terhadap pelayananpelaynan yang terkait dengan sistem-sistem koordinat bumi yang ada dengan data
yang bervolume besar seakalipun. Sejalan dengan hal ini, maka ER Mapper sangat
mendukung aplikasi-aplikasi di seputar ilmu-ilmu kebumian sebagai contoh berikut
:
a. Monitoring lingkungan;
b. Kehutanan;
c. Manajemen pertanahan dan pelayanan informasi terkait;
d. Perencanaan dan pengelolaaan fasilitas;
e. Eksplorasi mineral;
f. Oseanografi;
g. Eksplorasi dan produksi minyak dan gas.
II-27
II.6.2 ENVI
ENVI (The Environment For Visualizing Images) merupakan suatu sistem
pengolahan citra digital penginderaan jauh yang revolusioner dibuat oleh Research
System, Inc (RSI). Sekarang ENVI terbaru versi 4.8 memberikan fitur dan
fungsionalitas lebih mempermudah alur kerja dan mengurangi waktu untuk
pengolahan citra digital penginderaan jauh dan analisis. ENVI 4.8 berintegrasi
dengan GIS yang dapat mempermudah menyadap informasi terkini dari citra digital
penginderaan jauh dengan memberikan alat analisis citra digital penginderaan jauh
secara langsung dari lingkungan ArcGIS. Fungsi terbaru ENVI dapat menampilkan
data LiDAR dan dapat secara langsung menggabungkan data penginderaan jauh
lain dengan data LiDAR.
Kegunaan lain ENVI dirancang untuk berbagai kebutuhan spesifik yang
menggunakan data penginderaan jauh dari satelit dan pesawat terbang. ENVI
menyediakan data visualisasi yang menyuluruh dan analisa untuk citra dalam
berbagai ukuran dan tipe, semuanya dalam suatu lingkungan yang mudah
dioperasikan dan inovatif untuk digunakan.
ENVI menggunakan Graphical User Interface (GUI). Format data raster
dan Ascii (text) sebagai header file. Data raster disimpan sebagai, binary stream
of bytes berupa format Band Sequential (BSQ), Band Interleaved by Pixel (BIP)
dan Band Interleaved by Line (BIL). ENVI juga mendukung berbagai tipe format
lainnya seperti : byte, interger, long interger, floating-point, double-precision,
complex,dan double-precision complex.
ENVI memiliki tiga jendela utama yaitu The Main Display Window untuk
menampilkan semua tampilan citra dalarn full resolution yang dibatasi oleh kotak
pada scroll, The Scroll Window untuk menampilkan seluruh citra pada file, dan The
Zoom Window untuk menampilkan perbesaran dari main display window yang
dibatasi oleh kotak pada window. ENVI penginderaan jauh memiliki beberapa
menu utama diantaranya adalah : File Management, Display Management,
Interactive Display Functions, Basic Tools, Classification, Transform, Filters,
Spectral Tools, Map Tools, Vector Tools, Topographic Tools, Radar Tools.
II-28
II.6.3 eCognition
Software eCognition pertama kali diluncurkan pada bulan Mei 2000, dikenal
sebagai sebagai software pengekstrak informasi dari citra menggunakan metode
hierarchy objek citra (kumpulan pixel) sebagai pembaharuan dari metode
pemrosesan pixel secara tradosional. eCognition menyediakan 3 layanan
komponen, dimana dapat digunakan secara terpisah ataupun digunakan secara
bersama sama untuk menyelesaikan analisis citra.
1. eCognition Server, software yang memungkinkan kita untuk membuat
lingkungan pemrosesan otomatis untuk pekerjaan Penginderaan Jauh
dengan skala pekerjaan yang sangat besar. Software ini berjalan pada
sebuah server, ketika sebuah pekerjaan/proyek penginderaan jauh dari
eCognition developer atau Architect dikirimkan ke server, maka secara
otomatis, server dengan eCognition server software akan mengerjakan
semua pekerjaan dalam mode batch secara otomatis.
Fitur :
a. Proses otomatis untuk data yang sangat banyak
b. Tool administrasi yang komprehensif
c. Integrasi dengan workflow ArcGIS
d. Interface pemrograman aplkasi untuk pengembangan lebih jauh
2. eCognition Architect, merupakan software khusus untuk para professional
non teknis, sehingga para professional yang tidak memounyai kemampuan
pemrograman dapat melakukan pemrosesan penginderaan jauh dari tool
yang telah tersedia. Pengguna dapat mengkonfigurasi , mengkalibrasi, dan
mengeksekusi workflow yang dibuat di software eCognition developer.
Fitur :
a. Akses yang mudah ke koleksi fungsi analisa citra berbasis objek
b. Toolbox berisi kumpulan tool analisa penginderaan jauh
c. Dapat dipergunakan mulai dari desktop sampai workflows produksi
kelas enterprise
d. Akses online untuk solusi
e. Workflow yang mudah
II-29
II-30
II.6.4 ArcGIS
ArcGIS merupakan produk software GIS paling mutakhir saat ini dari ESRI
(Environment Science and research Institute) dengan segala "kecanggihannya".
Bagi sebagian praktisi GIS yang sudah lama berkecimpung dalam "kubangan"
pemetaan dan juga mencoba software ArcGIS tersebut, sebagian beranggapan lebih
ribet dan susah dibandingkan dengan pendahulunya ArcView 3.x, dan sebagian lagi
menganggap lebih baik, bagus, dan lengkap untuk semua jenis kebutuhan pekerjaan
GIS, bahkan jika dibandingkan dengan software GIS dari vendor lain. Terlepas dari
segala kekurangan dan kelebihannya, saya akan sedikit mengupas tentang ArcGIS
secara umum.
Software ArcGIS pertama kali diperkenalkan kepada publik oleh ESRI pada
tahun 1999, yaitu dengan kode versi 8.0 (ArcGIS 8.0). ArcGIS merupakan
penggabungan, modifikasi dan peningkatan dari 2 software ESRI yang sudah
terkenal sebelumnya yaitu ArcView GIS 3.3 (ArcView 3.3) dan Arc/INFO
Workstation 7.2 (terutama untuk tampilannya). Bagi yang sudah terbiasa dengan
kedua software tersebut, maka sedikit lebih mudah untuk bermigrasi ke ArcGIS.
Setelah itu berkembang dan ditingkatkan terus kemampuan si ArcGIS ini oleh ESRI
yaitu berturut turut ArcGIS 8.1, 8.2, 9.0, 9.1, 9.2, dan terakhir saat ini ArcGIS 9.3
(9.3.1) dan sekarang sudah ada ArcGIS 10.
Dalam kaitannya dengan ArcGIS ini, secara umum ada dua versi yaitu
ArcGIS Desktop (untuk komputer biasa atau PC atau Laptop based) dan ArcGIS
II-31
Server yaitu untuk GIS berbasis web dan "ditanamkan" pada computer atau
software Server. Dalam keseharian yang disebut ArcGIS sebetulnya adalah ArcGIS
Desktop, berhubung mungkin ArcGIS Server belum banyak yang memakainya.
II-32
BAB III
PELAKSANAAN PRAKTIKUM
III.1 Alat dan Bahan
III.1.1 Alat
Adapun alat yang digunakan dalam praktikum penginderaan jauh ini adalah
dengan menggunakan perangkat komputer yang memiliki spesifikasi sebagai
berikut :
1. Processor : Intel Core TM B950
2. Kapasitas RAM : 2.00 Gb
3. System Type : 64 bit OS
4. Harddisk : 500 GB HDD
5. Sistem Operasi : Microsoft Windows 7 Ultimate
III.1.2 Bahan
Dalam praktikum penginderaan jauh ini, kami menggunakan beberapa citra
yang digunakan, yaitu sebagai berikut :
1. Citra Landsat 8 Daerah Jembrana
2. Batas administrasi (.shp) Kabupaten Jembrana
3. Citra ALOS Palsar Daerah Semarang
4. Point cloud (LiDAR)
5. Citra Landsat 8 Daerah Semarang
III.2 Pelaksanaan Praktikum
III.2.1 Sensor Pasif
Dalam pelaksaan praktikum sensor pasif ini terdapat beberapa tahapan
sebagai berikut :
III.2.1.1 Ekstrasi Citra
Langkah langkah dalam melakukan ekstraksi citra adalah sebagai
berikut:
III-33
2. Setelah itu akan muncul tampilan awal ER Mapper seperti berikut ini.
4.
III-34
untuk me
refresh citra tersebut, sehingga akan muncul tampilan citra seperti gambar
di bawah ini.
6. Setelah itu, simpan citra tersebut dengan format .alg dan .ers dengan
mengklik pada menu file save as seperti di bawah ini.
III-35
7. Lalu pilih lokasi tempat penyimpanan citra, kemudian isi nama yang citra
tersebut sesuai yang diinginkan lalu ganti format penyimpanan dengan .alg
seperti gambar di bawah ini.
8. Kemudian akan muncul tampilan citra dengan format .alg seperti di bawah
ini.
III-36
10. Untuk Format penyimpanan .ers, akan muncul tampilan seperti di bawah ini
dengan data type dirubah menjadi Unsigned 16 Bit Integer kemudian klik
ok.
III-37
11. Lalu akan muncul tampilan citra dengan format .ers seperti gambar di
bawah ini.
III-38
2.
3. Lalu add data yang ingin di tampilkan hingga muncul jendela di bawah
ini.
4. Setelah itu pilih data shapefile yang ingin ditambahkan, lalu akn muncul
tampilan seperti gambar dibawah ini.
III-39
III-40
8. Setelah itu, merubah data yang telah terpotong tadi menjadi data shapefile
dengan cara klik kanan lagi pada layer, kemudian pilih Data Export
Data.
9. Lalu akan muncul tampilan seperti dibawah ini, dengan memilih output atau
tempat penyimpanan shapefile tersebut setelah di export.
III-41
12. Lalu akan muncul tampilan seperti gambar di bawah ini, dimana harus
melakukan pengaturan sistem koordinat sesuai dengan daerah yang
dipotong. Setelah selesai dilanjutkan dengan memilih ok.
III-42
13. Setelah selesai, tutup ArcMap 10, kemudian dilanjutkan dengan membuka
Software ER Mapper.
14. Setelah dibuka, akan muncul tampilan menu awal seperti di bawah ini.
15. Lalu convert data ArcGis menjadi format erv. Dengan memilih Menu
Utilities Import Vector and Gis formast ESRI Shape File Import.
III-43
16. Kemudian pilih data shapefile yang akan di import, pada kotak input file
name. Map projection isi SUTM 51, Geodetic datum pilih WGS 8, lalu klik
OK.
III-44
ini.
19. Kemudian untuk memotong citra tersebut, klik pada edit Add Vector
Layer Annotation / Map Composition
20. Maka akan muncul layer baru (Annotation Layer) seperti gambar di bawah
ini.
III-45
22. Maka akan muncul kotak dialog seperti dibawah ini. Tinggal kita cari
tempat penyimpanan data yang tadi kita convert dari format shp jadi erv.
Kemudian klik OK.
23. Lalu akan muncul tampilan shapefile pada citra seperti gambar di bawah ini.
III-46
25. Maka akan muncul sebuah toolbar baru seperti dibawah ini.Lalu klik save
as seperti gambar ini.
26. Pada pilihan save as ganti vector file menjadi Raster Region OK.
III-47
28. Kemudian ganti input menjadi Regions. Pada kotak isian REGION 1 pilih
Region_0. Berikan (spasi) pada akhir formula. Klik Apply Change.
29. Kemudian lakukan hal yang sama pada Green layer dan Blue layer
sehingga akan muncul hasil crop seperti gambar di bawah ini.
III-48
2. Setelah dibuka, akan muncul tampilan menu awal seperti di bawah ini.
III-49
ini.
5. Kemudian ganti setiap band tersebut sesuai yang dinginkan seperti gambar
di bawah ini.
6.
III-50
8. Lakukan langkah seperti di atas pada colour composite untuk band 7,3,1
sehingga muncul seperti gambar di bawah ini.
III-51
9. Dan lakukan langkah seperti di atas lagi pada colour composite untuk band
652 sehingga muncul seperti gambar di bawah ini.
III-52
III.2.1.4 Enhancement
Langkah-langkah dalam praktikum enhancement adalah sebagai berikut :
1. Buka Software ER Mapper.
2. Setelah dibuka, akan muncul tampilan menu awal seperti di bawah ini.
bawah ini.
III-53
8. Lalu lakukan hal yang sama sebelum melakukan penajaman pada Green
Layer dan Blue Layer.
9. Men-drag garis lurus pada kotak histogram untuk mempertajam citra
dengan mengarahkannya ke kiri atas kotak histogram.
10. Dop-down menu Limit kemudian klik menu Limit To Actual.
III-54
III-55
11. Lalu untuk pencerahan, hal pertama yang dilakukan adalah sama seperti
penajaman citra dengan memilih Edit Transform Limits pada Red Layer.
12. Mengaktifkan grid nya dengan mengklik kotak disebelah kata Grid.
13. Lalu Create Default Linear Transform. Dan didapatkan hasil
penerangan citra seperti gambar di bawah ini.
III-56
14. Dan untuk penggelapan, hal yang dilakukan sama seperti penajaman dan
penerangan citra dengan memilih Edit Transform Limits pada Red
Layer.
15. Mengaktifkan grid nya dengan mengklik kotak disebelah kata Grid.
16. Lalu Create Default Linear Transform. Dan didapatkan hasil
penggelapan citra seperti gambar di bawah ini.
III-57
III-58
2. Setelah dibuka, akan muncul tampilan menu awal seperti di bawah ini.
III-59
ini.
III-60
8. Lalu akan muncul tampilan seperti di bawah ini, kemudian isikan sesuai
yang dinginkan. (Angka 3 berarti menandakan 3 tingkat slicing atau interval
kelas dari digital number, yaitu rendah, sedang, dan tinggi)
9. Lakukan hal yang sama untuk band Green dan band Blue, lalu memilih
refresh . Menggeser tingkatan agar hasil semakin baik, setiap selesai
melakukan penggeseran, mengeklik refresh untuk menunjukkan hasil dan
perubahannya.
III-61
III.2.1.6 Scattergram
Langkah-langkah dalam praktikum scattergram adalah sebagai berikut :
1. Buka Software ER Mapper.
2. Setelah dibuka, akan muncul tampilan menu awal seperti di bawah ini.
III-62
III-63
6. Pada setup scattergram akan muncul kotak dialog seperti dibawah ini.
Band yang kami pilih adalah band 2 dan band 7 maka grafik
scattergram juga akan berubah.
III-64
2. Setelah dibuka, akan muncul tampilan menu awal seperti di bawah ini.
III-65
III-66
7. Saat proses berlangsung dan saat sudah succesfull akan muncul window
berikut
III-67
III-68
III-69
16. Kemudian beri nama dan warna yang sesuai dengan objek di lapangan
sehingga menjadi seperti gambar di bawah ini.
III-70
2. Setelah dibuka, akan muncul tampilan menu awal seperti di bawah ini.
III-71
ini.
6. Kemudian untuk mengedit citra tersebut, klik pada edit Add Vector Layer
Annotation / Map Composition
III-72
7. Maka akan muncul layer baru (Annotation Layer) seperti gambar di bawah
ini.
9. Maka akan muncul kotak dialog seperti dibawah ini, fdan masukkan file
hasil crop.
III-73
11. Kemudian akan muncul tampilan seperti pada gambar di bawah ini.
III-74
seperti pada
III-75
III-76
III-77
ini.
III-78
23. Setelah dari Menu Edit Edit Class/Region Color and Name
24. Lalu akan muncul tampilan seperti gambar di bawah ini. Jika perlu di edit
lakukan pengeditan. Jika telah selesai klik save kemudian close.
25. Lalu close semua toollbar dan sisakan window Er Mapper saja.
26. Lalu Open lagi file yg baru di save, dengan mengklik menu file lalu pilih
open
III-79
III.2.1.9 NDVI
Langkah-langkah dalam praktikum NDVI adalah sebagai berikut :
1. Buka Software ER Mapper.
2. Setelah dibuka, akan muncul tampilan menu awal seperti di bawah ini.
III-80
III-81
Klik pada rumus di atas, kemudian spasi lalu klik Apply changes. Kemudian
close jendela tersebut.
7. Pada kotak dialog edit Algorithm, mengeklik edit transform limit .
III-82
III-83
14. Kemudian klik ok, lalu akan muncul tampilan hasil citra proses NDVI
seperti gambar di bawah ini.
III-84
2. Pilih data type Single pol, kemudian masukan data citra master untuk
leader file, dan data citra slave untuk data file klik start.
III-85
B. Pembuatan Baseline
1. Pilih SARscrape Interferometric tool Baseline estimation.
2. Masukan data master file untuk citra master, dan slave file untuk citra slave
klik start. Dimana citra master yang dimasukkan tanggalnya ataupun
III-86
tahunnya lebih dulu atau tua dibandingkan dengan citra yang dimasukkan
untuk slave file.
III-87
2. Muncul jendela DEM Extraction, masukan output file dengan data SRTM
yang sudah di donwload, Reference file list dengan data ketiga SLC, edit
cartographic system. Untuk memulai proses Klik Start.
III-88
D. Pembentukan Interferogram
1. Pilih SARscarepe phase processing interferometri single steps interferogram generation.
III-89
III-90
III-91
E. Adaptive coherence
1. Pilih SARscarepe phase processing interferometri single steps
adaptive filter and coherence generation.
III-92
F. Phase unwrapping
1. Pilih SARscrape Interferometry phase processing interferometri
single steps phase unwrapping.
III-93
2. Masukan data pada kolom interferogram file dan cohorence file dengan
data yang sebelumnya telah diproses. Masukan juga tempat penyimpanan
pada unwrape phase file. Kemudian pilih minimum cost pole. Lalu klik
start.
III-94
III-95
III-96
III-97
Gambar III-184 Proses akhir pembuatan phase height conversion and geocoding
III-98
III-99
Gambar III-189 Proses akhir pembuatan phase displacement conversion and geocoding
III.2.2.2 Segmentasi
Langkah-langkah dalam praktikum segmentasi adalah sebagai berikut :
1. Membuka aplikasi eCognation
III-100
4. Setelah itu akan muncul tabel Create Project, agar citra dapat ditampilkan
selanjutnya adalah menekan tombol ok.
III-101
5. Setelah itu akan tampil citra yang dipilih tadi seperti gambar di bawah ini.
band
dilakukan
7. Akan muncul tabel edit image layer mixing, dengan tabel tersebut dapat
digunakan untuk mengatur komposisi band yang diinginkan
III-102
III-103
11. Selanjutnya adalah membuat proses baru pada tabel Procces Tree dengan
cara klik kanan pada tabel Procces Tree klik Appened New
12. Akan muncul tabel Edit Procces, ubah nama sesuai yang diinginkan
kemudian pada algoritma pilih Multiresolution Segmentation
13. Pada tabel Edit Procces ubah parameter sesuai dengan yang diinginkan
seperti Scale Parameter dan Shape
III-104
16. Pada tabel Procces Tree selanjutnya adalah membuat Proses segmentasi
dengan cara klik kanan pada tabel Procces Tree klik Append New
kemudian akan muncul tabel Edit Procces
III-105
18. Setelah itu adalah proses pengambilan sampel objek yang ingin
diklasifikasikan dengan cara menggunakan tabel clasification Hirarcy
klik kanan Insert Class
III-106
19. Akan muncul tabel Class Description kemudian edit nama sesuai
klasifikasi yang diinginkan dan disesuaikan dengan warna objek yang akan
diklasifikasikan
\
Gambar III-209 Class Description
20. Mengulang tahapan insert class sesuai dengan jumlah klasifikasi yang
diinginkan sehingga pada tabel Class Hierarchy akan memunculkan insert
class yang dibuat
21. Agar dapat menampilkan informasi yang ada pada objek citra maka dapat
menggunakan dengan tabel image objeck information klik kanan
select feature to display, maka akan muncul tabel select display feature
III-107
22. Setelah tabel Select Display Feature pada kolom select akan muncul
pilihan object feature, dengan menekan pilihan tersebut akan muncul
pilihan layer value pada layer value pilih mean kemudian ok
23. Selanjutnya adalah melakukan pengambilan sampel pada objek yang akan
diklasifikasikan yaitu dengan cara memilih menu clasification sample
select sample
III-108
25. Melakukan tahapan sebelumnya sampai jumlah class yang telah dibuat
atau yang diinginkan.
26. Setelah dilakukan select class pada semua class, selanjutnya adalah
melakukan excute pada tabel Procces Tree segmentasi dan tampilan citra
akan berubah sesuai dengan klasifikasi yang dibuat
27. Agar
dapat
ditampilkan
menggunakna
aplikasi
ArcGIS
dapat
28. Akan mencul tabel export results kemudian pada export type pilih shape
file
III-109
29. Setelah itu akan muncul tabel select classes for shape export, pilih select
semua class yang muncul ok
30. Pada tabel export select feature, akan muncul tabel select features for
export as attribute class related fetures relations as classification
oke export, setelah itu akan muncul tabel browse for folder untuk
memilih tempat penyimpanan folder ok.
31. Setelah itu masukkan shapefile ke ArcGIS untuk menambahkan layout
seperti gambar di bawah ini.
III.2.2.3 LiDAR
Langkah-langkah dalam praktikum LiDAR adalah sebagai berikut :
1. Sebelum memulai pengolahan data citra pada software ENVI LiDAR
pastikan telah men download data LiDAR.
2. Langkah selanjutnya open ENVI LiDAR
III-110
5. Kemudian akan muncul tampilan berikut, lalu pada folder yang telah kita
buat sebelumnya tambahkan lagi sebuah folder dengan nama yang berbeda
III-111
sebagai tempat penyimpanan data pada proses data Citra LiDAR misalnya
dengan nama folder Data Sampel kemudian klik Save
7. Setelah itu akan muncul tampilan berikut, lalu cari data yang telah kita
download sebelumnya kemudian klik open lalu muncul tampilan berikut
klik no.
III-112
Pada tampilan diatas ada beberapa kolom yang harus kita ubah seperti
select coordinate system dan UTM zone. Klik kolom select coordinat
system UTM , kemudian pada kolom UTM Zone pilih 10N Lalu klik Ok.
Kita memilih 10N karena daerah yang telah kita download berada pada
zona 10N. Jika kita tidak mengetahui letak zona nya dengan pasti , kita
dapat melihatnya pada software ArcGIS dengan telah memiliki data daerah
yang kita miliki dengan format tif
III-113
III-114
14. Setelah itu close tampilan 3G, selanjutnya export data ke Goggle Earth.
Pada menu toolbar klik FileExportGoogle Earth
Lalu akan muncul tampilan seperti gambar di bawah ini, kemudian klik
ok.
III-115
16. Minimize data ENVI LiDAR dan pastikan pada laptop telah tersedia
software Google Earth, lalu buka software tersebut. Sehingga akan muncul
tampilan seperti gambar di bawah ini.
17. Kemudian pada toolbar klik Menu FileOpen, lalu buka file yang telah
tersimpan sebelumnya.
18. Dan secara otomatis Google earth akan melakukan pencarian daerah
ataupun lokasi dari data kita dan akan menampilkan bentuk yang 3D pada
objek misalnya perumahan. Dengan sistem koordinat dan zona yang tepat
akan diperoleh hasil seperti berikut.
III-116
BAB IV
HASIL DAN PEMBAHASAN
IV.1 Hasil dan Pembahasan Sensor Pasif
IV.1.1 Hasil dan Pembahasan Ekstrasi Citra
Hasil dan Pembahasan ekstrasi citra adalah sebagai berikut :
1. Hasil dengan format .alg
IV-1
File header dalam format ASCII merupakan file dengan extention .ers. File
dengan format .ers ini berisi deskripsi mengenai data asli yang terdapat
dalam file biner yang berisi informasi tentang data citra asli yang telah
diolah. Penyimpanan dalam format .ers ini digunakan untuk melanjutkan
ketahap proses selanjutnya dalam pengolahan citra dimana di dalamnya
tetap berisi data citra asli yang telah dimasukkan.
IV.1.2 Hasil dan Pembahasan Cropping Citra
Cropping atau pemotongan data citra digunakan untuk memotong scene
data citra sesuai dengan daerah pengamatan. Hal ini untuk memperkecil besar file
yang kita gunakan serta mempercepat proses-proses dalam ER Mapper bila
dibandingkan dengan mengolah data satu scene penuh.
ataupun
mengklasifikasi
citra
tersebut.
Proses
IV-2
citra dapat kita kenali dengan kombinasi band yang sesuai dengan karakteristiknya
masing-masing.
1. Hasil dan pembahasan untuk komposit warna pada band 562
IV-3
IV-4
IV-5
IV-6
IV-7
Dilihat dari hasil kedua tingkat tersebut, yaitu tingkat 3 dan tingkat 10 jauh
menghasilkan gambar yang jauh berbeda. Dimana pada tingkat 3, pembagian
wilayah ataupun objek yang terdeteksi lebih sedikit dibandingkan yang 10 kelas,
berikut juga dengan nilai kecerahan dari tingkat 3 lebih sedikit atau lebih gelap dari
tingkat 10. Jadi bisa disimpulkan semakin banyak pembagian kelas atau dencity
slicing hasilnya akan semakin terang dan objek yang terdeteksi untuk diklasifikasi
juga semakin banyak.
IV-8
IV-9
menunjukkan daerah luar citra yaitu laut memiliki nilai pada koordinat x sebesar 96
dan nilai pada koordinat y sebesar 50. Dan untuk derah berwarna hijau yang
diwakili oleh vegetasi memiliki nilai pada koordinat x sebesar 79 dan koordinat y
sebesar 61. Lalu untuk daerah kuning yang di wakili oleh daerah non vegetasi,
memiliki nilai koordinat x sebesar 97 dan koordinat y sebesar 76.
IV.1.7 Hasil dan Pembahasan Unsupervised Classification
Dalam melakukan unsupervised classification kita juga perlu melakukan
survei lapangan, karena nilai hasil pengklasifikasian atau pendeteksian nilai DN
harus divalidasi lagi ke lapangan agar mendapatkan data yang akurat.
Klasifikasi data unsupervised dimulai dari kelas-kelas atau wilayah-wilayah
yang kita spesifikasikan atau dari jumlah nominal kelas. Klasifikasi unsupervised
secara sendiri akan mengkategorikan semua pixel menjadi kelas-kelas dengan
menampakan spektral atau karateristik spektral yang sama. Hasil klasifikasi
dipengaruhi oleh parameter-parameter yang kita tentukan dalam kotak dialog
klasifikasi unsupervised. Klasifikasi unsupervised akan menghitung secara statistik
untuk membagi dataset menjadi kelas-kelas sesuai dengan jumlah kelas yang kita
inginkan.
Biasanya hasil-hasil klasifikasi unsupervised harus diinterpretasi dengan
menggunakan data yang sebenarnya di lapangan untuk menentukan kelas-kelas
yang mempresentasikan area atau wilayah sebenarnya di lapangan. Dari informasi
ini mungkin kita bisa memutuskan untuk mengkombinasikan atau menghapus
kelas-kelas yang diinginkan. Kita perlu juga untuk memberi warna dan nama untuk
masing-masing kelas.
IV-10
IV-11
IV-12
IV-13
suatu
tanaman.
Indeks
vegetasi
merupakan
kombinasi
matematis antara band merah dan band NIR (Near-Infrared Radiation) yang
telah lama digunakan sebagai indikator keberadaan dan kondisi vegetasi (Lillesand
dan Kiefer 1997). NDVI merupakan indikator kehijauan yang sering digunakan
dalam menduga vegetasi, atau bahkan biomass, dari citra satelit dengan
menggunakan kanal Infra Merah Dekat (NIR) dan band Merah (VIS).
IV-14
Dilihat dari hasil proses NDVI tersebut dapat dijelaskan dengan melihat
data citra asli yang terdeteksi sebagai warna biru adalah vegetasi rapat. Lalu biru
kehijauan vegetasi sedang dan hijau kekuningan vegetasi sedang. Dan kuning
vegetasi jarang, serta untuk warna merah mendeteksi objek diluar vegetasi, baik
awan, daerah resapan air, pemukiman dan lain-lain.
IV-15
IV-16
bertujuan
IV-17
IV-18
IV-19
utama
dalam
teknik
segmentasi
berdasar
wilayah
adalah
IV-20
IV-21
Dari data yang diperoleh dapat diketahui luasan tiap kelas, dengan data sebagai
berikut :
a. Awan atau bayangan
b. Badan air
c. Lahan Terbangun
IV-22
d. Lahan terbuka
e. Pemukiman jarang
f. Pemukiman padat
g. Vegetasi jarang
IV-23
h. Vegetasi Rapat
IV-24
Hasil yang diperoleh setelah mengeksport ke Google Earth sesuai dengan kondisi
di lapangan, dimana posisi, maupun bentuk hasil pengolahan data LiDAR
sebelumnya bisa menempel atau menyatu di lapangan.
IV-25
BAB V
KESIMPULAN DAN SARAN
V.1 Kesimpulan
Adapun kesimpulan yang bisa diambil dalam praktikum ini adalah sebagai
berikut :
1. Metode perekaman pada citra pasif merupakan suatu metode perekaman
atau yang disebut dengan penginderaan jauh dimana sensor pada
wahananya memanfaatkan energi bantuan misalnya energi matahari
sehingga perekamannya hanya
siang hari
dengan kondisi cuaca yang cerah. Sedangkan pada metode aktif sensor
pada wahana dapat
melakukan perekaman
dengan
sendirinya.
V-1
melaksanakan
praktikum,
praktikan
terlebih
dahulu
V-2