Laporan Penginderaan Jauh

LAPORAN PRAKTIKUM
PENGINDERAAN JAUH II
(Disusun untuk memenuhi prasyarat mata kuliah Penginderaan Jauh II)
Disusun oleh :
KELOMPOK V A
1. Dwi Nanda Nur S
NIM.21110113120011
2. Riska Pratiwi
NIM.21110113120023
3. Aulia Imania Sukma
NIM.21110113120027
4. Roy Kasfari
NIM.21110113120047
PROGRAM STUDI TEKNIK GEODESI

FAKULTAS TEKNIK - UNIVERSITAS DIPONEGORO
Jl. Prof. Sudarto SH, Tembalang Semarang Telp. (024) 76480785, 76480788
e-mail : geodesi@undip.ac.id
2015
Laporan Praktikum Penginderaan Jauh II
LAPORAN PRAKTIKUM
PENGINDERAAN JAUH II
(Disusun untuk memenuhi prasyarat mata kuliah Penginderaan Jauh II)
Disusun oleh :
KELOMPOK V A
1. Dwi Nanda Nur S
NIM.21110113120011
2. Riska Pratiwi
NIM.21110113120023
NIM.21110113120027
4. Roy Kasfari
NIM.21110113120047
PROGRAM STUDI TEKNIK GEODESI

FAKULTAS TEKNIK - UNIVERSITAS DIPONEGORO
Jl. Prof. Sudarto SH, Tembalang Semarang Telp. (024) 76480785, 76480788
e-mail : geodesi@undip.ac.id
2015
Kelompok V-A, 2015
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
1. Dwi Nanda Nur S
NIM.21110113120011
2. Riska Pratiwi
NIM.21110113120023
NIM.21110113120027
4. Roy Kasfari
NIM.21110113120047
Semarang, Desember 2015
Menyetujui,
Asisten Praktikum
Bambang Septiana
NIM. 21110112130058
Mengetahui,
Dosen Pengampu Mata Kuliah I,
Bandi Sasmito, S.T., M.T.

NIP. 197802062010121003
Kelompok V-A, 2015
Dosen Pengampu Mata Kuliah II,
Dr. Yudo Prasetyo, S.T., M.T.

NIP. 197904232006041001
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
Kelompok V-A, 2015
iii
DAFTAR ISI
HALAMAN PENGESAHAN ................................................................................. ii
KATA PENGANTAR ........................................................................................... iii
DAFTAR ISI .......................................................................................................... iv
DAFTAR GAMBAR ............................................................................................. vi
DAFTAR TABEL ................................................................................................ xvi
BAB I
PENDAHULUAN .................................................................................. I-1
I.1
Latar Belakang ....................................................................................... I-1
I.2
Maksud dan Tujuan ................................................................................ I-3
I.2.1
Maksud ............................................................................................ I-3
I.2.2
Tujuan ............................................................................................. I-3
I.3
Rumusan dan Batasan Masalah .............................................................. I-4
I.3.1
Rumusan Masalah ........................................................................... I-4
I.3.2
Batasan Masalah.............................................................................. I-4
I.4
Sistematika Penulisan Laporan .............................................................. I-4
BAB II DASAR TEORI .....................................................................................II-1

II.1
Penginderaan Jauh .................................................................................II-1
II.1.1
Pengertian Penginderaan Jauh....................................................... II-1
II.1.2
Komponen Penginderaan Jauh ...................................................... II-2
II.1.3
Teknik Pengumpulan Data ............................................................ II-5
II.1.4
Manfaat Penginderaan Jauh .......................................................... II-5
II.2
Sistem Penginderaan Jauh .....................................................................II-6
II.2.1
Citra Digital ................................................................................... II-6
II.2.2
Citra Digital Skala Keabuan.......................................................... II-9
II.2.3
Citra Digital Berwarna .................................................................. II-9
II.3
Sensor Citra .........................................................................................II-10
II.3.1
Sensor Pasif ................................................................................. II-10
II.3.2
Sensor Aktif ................................................................................ II-11
II.4
Koreksi Citra .......................................................................................II-11
II.4.1
Koreksi Radiometrik ................................................................... II-11
II.4.2
Koreksi Geometrik ...................................................................... II-12
II.5
Landsat ................................................................................................II-15
II.6
Software Penginderaan Jauh ................................................................II-25
II.6.1
ER Mapper .................................................................................. II-25
Kelompok V-A, 2015
iv
II.6.2
ENVI ........................................................................................... II-28
II.6.3
eCognition ................................................................................... II-29
II.6.4
ArcGIS ........................................................................................ II-31
BAB III PELAKSANAAN PRAKTIKUM ..................................................... III-33

III.1 Alat dan Bahan .................................................................................. III-33
III.1.1
Alat ............................................................................................. III-33
III.1.2
Bahan.......................................................................................... III-33
III.2 Pelaksanaan Praktikum...................................................................... III-33

III.2.1
Sensor Pasif ................................................................................ III-33
III.2.2
Sensor Aktif ............................................................................... III-84
BAB IV HASIL DAN PEMBAHASAN ........................................................... IV-1

IV.1 Hasil dan Pembahasan Sensor Pasif .................................................... IV-1
IV.1.1 Hasil dan Pembahasan Ekstrasi Citra ........................................... IV-1
IV.1.2 Hasil dan Pembahasan Cropping Citra ........................................ IV-2
IV.1.3 Hasil dan Pembahasan Color Composite ..................................... IV-2
IV.1.4 Hasil dan Pembahasan Enhancement ........................................... IV-5
IV.1.5 Hasil dan Pembahasan Density Slicing ........................................ IV-7
IV.1.6 Hasil dan Pembahasan Scattergram ............................................. IV-9
IV.1.7 Hasil dan Pembahasan Unsupervised Classification ................. IV-10
IV.1.8 Hasil dan Pembahasan Supervised Classification ...................... IV-12
IV.1.9 Hasil dan Pembahasan NDVI .................................................... IV-14
IV.2 Hasil dan Pembahasan Sensor Aktif ................................................. IV-16
IV.2.1 Hasil dan Pembahasan InSAR ................................................... IV-16
IV.2.2 Hasil dan Pembahasan Segmentasi ............................................ IV-19
IV.2.3 Hasil dan Pembahasan LiDAR................................................... IV-24
BAB V KESIMPULAN DAN SARAN ............................................................ V-1
V.1
Kesimpulan ........................................................................................... V-1
V.2
Saran ..................................................................................................... V-2
Kelompok V-A, 2015
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
Gambar III-18 Open Attribute.......................................................................... III-40

Gambar III-19 Tampilan Menu Selection ........................................................ III-40
Gambar III-20 Select By Attribute ................................................................... III-41
Gambar III-21 Merubah data menjadi shapefile .............................................. III-41
Gambar III-22 Export Data.............................................................................. III-41
Gambar III-23 Hasil Export Data .................................................................... III-42
Gambar III-24 ArcToolbox ............................................................................... III-42
Gambar III-25 Spatial Reference Properties ................................................... III-43
Gambar III-26 Software ER Mapper ................................................................ III-43
Gambar III-27 Tampilan jendela awal ER Mapper.......................................... III-43
Gambar III-28 Importing shapefile .................................................................. III-44
Gambar III-29 Tampilan importing data .......................................................... III-44
Gambar III-30 Open File ................................................................................. III-44
Gambar III-31 Edit algoritm ............................................................................ III-45
Gambar III-32 Adding vector layer .................................................................. III-45
Gambar III-33 Annotation layer....................................................................... III-45
Gambar III-34 Dynamic Link Chooser ............................................................ III-46
Gambar III-35 Converting shp-erv................................................................... III-46
Gambar III-36 Tampilan data .......................................................................... III-46
Gambar III-37 Annotate vector layer ............................................................... III-47
Gambar III-38 Tampilan saving file................................................................. III-47
Gambar III-39 Kotak dialog saving file ........................................................... III-47
Gambar III-40 Process ..................................................................................... III-47
Gambar III-41 Message Window ..................................................................... III-48
Gambar III-42 Kotak dialog Formula Editor................................................... III-48
Gambar III-43 Pengaturan formula editor pada Red Layer ............................. III-48
Gambar III-44 Hasil cropping Jembrana ......................................................... III-49
Gambar III-48 Tampilan Edit Algorithm ......................................................... III-50
Kelompok V-A, 2015
vii
Gambar III-49 Penggantian band ..................................................................... III-50

Gambar III-50 Komposit warna Band 562....................................................... III-51
Gambar III-57 Edit Algoritm............................................................................ III-54
Gambar III-58 Trasnform ................................................................................. III-54
Gambar III-59 Hasil penajaman Red Layer ..................................................... III-55
Gambar III-60 Hasil penajaman Green Layer ................................................. III-55
Gambar III-61 Hasil penajaman Blue Layer .................................................... III-55
Gambar III-62 Hasil akhir penajaman citra ..................................................... III-56
Gambar III-63 Hasil pencerahan Red Layer .................................................... III-56
Gambar III-64 Hasil pencerahan Green Layer................................................. III-56
Gambar III-65 Hasil pencerahan Blue Layer ................................................... III-57
Gambar III-66 Hasil akhir pencerahan citra..................................................... III-57
Gambar III-67 Hasil penggelapan Red Layer .................................................. III-58
Gambar III-68 Hasil penggelapan Green Layer............................................... III-58
Gambar III-69 Hasil penggelapan Blue Layer ................................................. III-58
Gambar III-70 Hasil akhir penggelapan citra................................................... III-59
Gambar III-74 Edit algoritm ............................................................................ III-60
Gambar III-75 Transform ................................................................................. III-60
Gambar III-76 Enter a number of steps ........................................................... III-61
Gambar III-77 Proses slicing ........................................................................... III-61
Gambar III-78 Hasil density slicing untuk 3 tingkat ........................................ III-61
Gambar III-79 Hasil density slicing untuk 10 tingkat ...................................... III-62
Kelompok V-A, 2015
viii

Gambar III-83 Tampilan citra Jembrana .......................................................... III-63
Gambar III-84 Tampilan Scattegram ............................................................... III-63
Gambar III-85 Scattergram .............................................................................. III-64
Gambar III-86 Scattergram Setup .................................................................... III-64
Gambar III-87 Hasil kotakan scattergram ....................................................... III-64
Gambar III-88 Hasil Scattergram .................................................................... III-65
Gambar III-92 Tampilan citra Jembrana .......................................................... III-66
Gambar III-93 Menu Process ........................................................................... III-66
Gambar III-94 Unsupervised Classification .................................................... III-67
Gambar III-95 Processing Status ..................................................................... III-67
Gambar III-96 Algorithm ................................................................................. III-68
Gambar III-97 Tampilan awal citra.................................................................. III-68
Gambar III-98 Pengaturan pada algorithm ...................................................... III-68
Gambar III-99 Jendela Class Display .............................................................. III-69
Gambar III-100 Tampilan Class Display Layer .............................................. III-69
Gambar III-101 Pengaturan pada Edit Class/Rehion Color and Name ........... III-69
Gambar III-102 Jendela Edit Class/Region Details ......................................... III-70
Gambar III-103 Hasil klasifikasi kelas ............................................................ III-70
Gambar III-104 Hasil citra unsupervised ......................................................... III-70
Gambar III-105 Software ER Mapper .............................................................. III-71
Gambar III-106 Tampilan jendela awal ER Mapper ....................................... III-71
Gambar III-107 Open File ............................................................................... III-71
Gambar III-108 Tampilan citra Jembrana ........................................................ III-72
Gambar III-109 Edit algoritm .......................................................................... III-72
Gambar III-110 Adding vector layer ................................................................ III-72
Kelompok V-A, 2015
ix
Gambar III-111 Annotation layer..................................................................... III-73

Gambar III-112 Dynamic Link Chooser .......................................................... III-73
Gambar III-113 Load Map Composition File .................................................. III-73
Gambar III-114 Tampilan data ........................................................................ III-74
Gambar III-115 Annotate vector layer ............................................................. III-74
Gambar III-116 Tools ....................................................................................... III-74
Gambar III-117 Pembuatan poligon................................................................. III-75
Gambar III-118 Pemberian nama pada poligon ............................................... III-75
Gambar III-119 Hasil pembuatan poligon pada citra ....................................... III-76
Gambar III-120 Save As ................................................................................... III-76
Gambar III-121 Pengaturan penyimpanan data ............................................... III-76
Gambar III-122 Proses penyimpanan data ....................................................... III-77
Gambar III-123 Supervised Classification ....................................................... III-77
Gambar III-124 Supervised Classification ....................................................... III-78
Gambar III-125 Status proses pada supervised classification.......................... III-78
Gambar III-126 Algortihm ............................................................................... III-78
Gambar III-127 Class Display Layer ............................................................... III-79
Gambar III-128 Edit Class/Region Color and Name ....................................... III-79
Gambar III-129 Pengeditan kelas pada supervised .......................................... III-79
Gambar III-130 Hasil Supervised Maximum Likelihood Enhaced .................. III-80
Gambar III-131 Software ER Mapper .............................................................. III-80
Gambar III-132 Tampilan jendela awal ER Mapper ....................................... III-80
Gambar III-133 Algorithm ............................................................................... III-81
Gambar III-134 Formula Editor ...................................................................... III-81
Gambar III-135 Landsat TM NDVI ................................................................. III-81
Gambar III-136 Formula Editor ...................................................................... III-82
Gambar III-137 Edit Transform Limit ............................................................. III-82
Gambar III-138 Hasil Citra NDVI ................................................................... III-83
Gambar III-139 Save As ................................................................................... III-83
Gambar III-140 Pemilihan Files of Type ......................................................... III-83
Gambar III-141 Pemilihan Data Type.............................................................. III-84
Kelompok V-A, 2015
Gambar III-142 Citra NDVI setelah penyimpanan .......................................... III-84

Gambar III-143 Tampilan SARscrape.............................................................. III-85
Gambar III-144 Tampilan pembuatan SLC ..................................................... III-85
Gambar III-145 Tampilan proses pembuatan SLC yang telah selesai ............. III-85
Gambar III-146 Tampilan pembuatan SLC kedua ........................................... III-86
Gambar III-147 Tampilan pembuatan SLC ketiga .......................................... III-86
Gambar III-148 Tampilan Sarscrape ............................................................... III-86
Gambar III-149 Tampilan estimasi baseline .................................................... III-87
Gambar III-150 Proses estimasi baseline......................................................... III-87
Gambar III-151 Proses akhir estimasi baseline ............................................... III-87
Gambar III-152 Tampilan estimasi baseline dalam bentuk kurva ................... III-87
Gambar III-153 Tampilan hasil estimasi baseline ........................................... III-88
Gambar III-154 Download SRTM ................................................................... III-88
Gambar III-155 Memasukan data .................................................................... III-88
Gambar III-156 Proses download selesai ......................................................... III-89
Gambar III-157 Hasil dowload SRTM ............................................................ III-89
Gambar III-159 Tampilan pembuatan interferogram ...................................... III-90
Gambar III-160 Tampilan proses akhir pembuatan interferogram .................. III-90
Gambar III-161 Tampilan pembuatan interferogram ...................................... III-90
Gambar III-162 Hasil interferogram citra master ............................................ III-91
Gambar III-163 Hasil interferogram citra slave .............................................. III-91
Gambar III-164 Hasil interferogram................................................................ III-91
Gambar III-166 Tampilan pembuatan adaptive cohorence ............................. III-92
Gambar III-167 Proses pembuatan adaptive cohorence .................................. III-92
Gambar III-168 Proses akhir pembuatan adaptive coherence ......................... III-93
Gambar III-169 Hasil adaptive interferogram ................................................. III-93
Gambar III-170 Hasil adaptive cohorence ....................................................... III-93
Gambar III-172 Tampilan pembuatan phase unwrapping ............................... III-94
Kelompok V-A, 2015
xi
Gambar III-173 Proses pembuatan phase unwrapping .................................... III-94

Gambar III-174 Proses akhir pembuatan phase unwrapping........................... III-94
Gambar III-175 Hasil phase unwrapping ........................................................ III-95
Gambar III-177 Tampilan pembuatan refinement and re-flattening................ III-96
Gambar III-178 Proses pembuatan refinement and re-flattening .................... III-96
Gambar III-179 Hasil refinement and re-flattening ......................................... III-96
Gambar III-180 Tampilan SARscrrape ............................................................ III-97
Gambar III-181 Pembuatan phase height conversion and geocoding ............. III-97
Gambar III-182 Pembuatan phase height conversion and geocoding ............. III-97
Gambar III-183 Proses pembuatan phase height conversion and geocoding .. III-98
Gambar III-184 Proses akhir phase height conversion and geocoding ........... III-98
Gambar III-185 Hasil phase height conversion and geocoding....................... III-98
Gambar III-187 Pembuatan phase displacement conversion and geocoding .. III-99
Gambar III-188 Proses phase displacement conversion and geocoding ......... III-99
Gambar III-189 Proses phase displacement conversion and geocoding ....... III-100
Gambar III-190 Hasil phase displacement conversion and geocoding ......... III-100
Gambar III-191 Sofware eCognation ............................................................. III-100
Gambar III-192 Tampilan awal eCognation .................................................. III-101
Gambar III-193 Pembuatan projek baru ........................................................ III-101
Gambar III-194 Create Project ...................................................................... III-102
Gambar III-195 Tampilan citra yang dipilih .................................................. III-102
Gambar III-196 Image layer mixing .............................................................. III-102
Gambar III-197 Edit Image Layer Mixing ..................................................... III-103
Gambar III-198 Citra dengan komposisi band 432 ....................................... III-103
Gambar III-199 Process Tree......................................................................... III-103
Gambar III-200 Class Hierarchy ................................................................... III-104
Gambar III-201 Append New ......................................................................... III-104
Gambar III-202 Edit Process ......................................................................... III-104
Gambar III-203 Pengaturan Algorithm parameters ....................................... III-105
Kelompok V-A, 2015
xii
Gambar III-204 Proses pembentukan parameter algoritma ........................... III-105

Gambar III-205 Hasil citra yang telah diproses ............................................. III-105
Gambar III-206 Pengaturan pada edit process ............................................... III-106
Gambar III-207 Hasil pembuatan process tree .............................................. III-106
Gambar III-208 Insert Class .......................................................................... III-106
Gambar III-209 Class Description ................................................................. III-107
Gambar III-210 Hasil klasifikasi citra ........................................................... III-107
Gambar III-211 Select Features to Display ................................................... III-107
Gambar III-212 Tampilan Select displayed Features .................................... III-108
Gambar III-213 Pengambilan sampel ............................................................ III-108
Gambar III-214 Pengambilan sampel pada citra ............................................ III-108
Gambar III-215 Hasil pengkelasan citra segmentasi ..................................... III-109
Gambar III-216 Export Results ...................................................................... III-109
Gambar III-217 Tampilan tabel export results .............................................. III-109
Gambar III-218 Tampilan Select Classes for Shape Export .......................... III-110
Gambar III-219 Hasil layout segmentasi ....................................................... III-110
Gambar III-220 Software ENVI LiDAR ........................................................ III-111
Gambar III-221 Tampilan awal ENVI LiDAR .............................................. III-111
Gambar III-222 Pembuatan projek baru ........................................................ III-111
Gambar III-223 Tempat penyimpanan projek baru ....................................... III-112
Gambar III-224 Proses penyimpanan projek baru ......................................... III-112
Gambar III-225 Proses penambahan data LiDAR ......................................... III-112
Gambar III-226 Pengaturan convert format ................................................... III-113
Gambar III-227 Penambahan data dalam format .tif ..................................... III-113
Gambar III-228 Data LiDAR setelah dimasukkan......................................... III-113
Gambar III-229 Project Properties ................................................................ III-114
Gambar III-230 Hasil proses data LiDAR ..................................................... III-114
Gambar III-231 Hasil proses QA ................................................................... III-115
Gambar III-232 Hasil tampilan 3G ................................................................ III-115
Gambar III-233 Select Format ....................................................................... III-115
Gambar III-234 Tempat penyimpanan data ................................................... III-116
Kelompok V-A, 2015
xiii
Gambar III-235 Tampilan awal Google Earth ............................................... III-116

Gambar III-236 Hasil LiDAR pada Google Earth ......................................... III-116
Gambar IV-1 Hasil dengan format .alg .............................................................. IV-1
Gambar IV-2 Hasil dengan format .ers .............................................................. IV-1
Gambar IV-3 Hasil cropping citra ..................................................................... IV-2
Gambar IV-4 Komposit warna band 562 ........................................................... IV-3
Gambar IV-8 Hasil penajaman citra .................................................................. IV-6
Gambar IV-9 Hasil pencerahan citra.................................................................. IV-6
Gambar IV-10 Hasil penggelapan citra.............................................................. IV-7
Gambar IV-11 Hasil density slicing untuk 3 tingkat .......................................... IV-8
Gambar IV-12 Hasil density slicing untuk 10 tingkat ........................................ IV-8
Gambar IV-13 Scattergram setup ...................................................................... IV-9
Gambar IV-14 Hasil Scattergram ...................................................................... IV-9
Gambar IV-15 Hasil klasifikasi kelas .............................................................. IV-11
Gambar IV-16 Hasil luas klasifikasi kelas unsupervised ................................. IV-11
Gambar IV-17 Hasil Unsupervised Classification........................................... IV-11
Gambar IV-18 Hasil produk peta unsupervied ................................................ IV-12
Gambar IV-19 Hasil klasifikasi supervised ..................................................... IV-13
Gambar IV-20 Hasil luas klasifikasi supervised .............................................. IV-13
Gambar IV-21 Hasil Supervised Classification ............................................... IV-13
Gambar IV-22 Hasil produk peta supervied .................................................... IV-14
Gambar IV-23 Hasil NDVI .............................................................................. IV-15
Gambar IV-24 Hasil produk peta NDVI .......................................................... IV-15
Gambar IV-25 Hasil interferogram ................................................................. IV-16
Gambar IV-26 Hasil adaptive interferogram ................................................... IV-17
Gambar IV-27 Hasil adaptive cohorence ........................................................ IV-17
Gambar IV-28 Hasil phase unwrapping .......................................................... IV-18
Gambar IV-29 Tampilan hasil refinement and re-flattening ........................... IV-18
Kelompok V-A, 2015
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
Kelompok V-A, 2015
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
Kelompok V-A, 2015
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.
Kelompok V-A, 2015
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.
Kelompok V-A, 2015
I-2
Selain Radar yang memanfaatkan pemancaran dan penerima balikan sinyal

terdapat juga metode penginderaan jauh yang memanfaatkan pantulan cahaya yaitu
LiDAR. LiDAR menggunakan pesawat sebagai wahana perekaman karena dalam
perekamannya LiDAR sangat sulit untuk menembus awan. LiDAR singkatan dari
Light Detection And Ranging merupakan teknologi terkini dalam menyediakan data
spasial dengan cepat dan akurat. Secara sederhana cara kerja LiDAR adalah
menembakan gelombang aktif dari pesawat ke permukaan bumi, gelombang
tersebut akan kembali setelah mengenai object-object dipermukaan bumi. Setiap
objek-objek yang memantulkan gelombang tersebut akan diperoleh koordinat x,y
dan z. Tidak dapat dipungkiri, seiring dengan perkembangan zaman teknologi yang
membantu pekerjaan manusia khususnya dalam bidang penginderaan jauh makin
banyak dikembangkan.
I.2
Maksud dan Tujuan
I.2.1
Maksud
Maksud dari praktikum penginderaan jauh ini adalah agar mahasiswa dapat
mengoperasikan ArcGIS, ER Mapper 7.0 , Ecognation dan ENVI untuk memenuhi

persyaratan mata kuliah Penginderaan Jauh II.
I.2.2
Tujuan
Adapun tujuan dari praktikum ini adalah sebagai berikut :
1. Mahasiswa diharapkan mengerti dan memahami proses pengolahan citra

sensor aktif dan sensor pasif.
2.
Mahasiswa mampu melakukan pengklasifikasian pada citra pasif maupun

aktif.
3.
Mahasiswa mampu mengolah data citra pada software yang telah ditentukan
baik pasif maupun aktif
4.
Mahasiswa dapat membedakan serta menganalisis perbedaan yang

dihasilkan dari pengolahan citra pasif dan aktif
5. Mahasiswa dapat mendelineasi hasil interpretasi citra secara teliti, dan

membuat peta keluaran (output) hasil interpretasi citra tersebut.
Kelompok V-A, 2015
I-3
I.3
I.3.1
Rumusan dan Batasan Masalah

Rumusan Masalah
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
Pasif seperti : Extrasi Citra, Cropping Citra, Colour Composite, Enhancement,

Dencity Slicing, Scattergram, Unsupervised, Supervised, NDVI. Dan Sensor Aktif
dimulai dari InSAR, LiDAR, dan Segmentasi. Serta pendefinisian status pekerjaan,
dengan menggunakan Software ArcGIS, ER Mapper 7.0 , Ecognation dan ENVI.
I.4
Sistematika Penulisan Laporan
Sistematika pembuatan laporan penginderaan jauh adalah sebagai berikut :

BAB I PENDAHULUAN
Pada bab ini berisi tentang latar belakang, maksud dan tujuan, rumusan
masalah, pembatasan masalah, dan sistematika pembuatan laporan.
BAB II DASAR TEORI
Pada bab ini berisi tentang dasar teori yang menunjang kegiatan yang
dilakukan pada Praktikum Penginderaan Jauh II sebagai pemahaman dasar.
BAB III PELAKSANAAN PRAKTIKUM
Pada bab ini berisi tentang pelaksanaan praktikum pada Sensor Aktif dan
Sensor Pasif.
BAB IV HASIL
Pada bab ini berisi tentang hasil dan pembahasan praktikum pada Sensor Aktif
dan Sensor Pasif.
BAB V KESIMPULAN
Pada bab ini berisi tentang kesimpulan hasil praktikum yang telah dilakukan
dan saran-saran.
Kelompok V-A, 2015
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.
Gambar II-1 Skema proses Penginderaan Jauh (Sasmito, Bandi 2014)
Kelompok V-A, 2015
II-1
Di masa modern, istilah penginderaan jauh mengacu kepada teknik yang

melibatkan instrumen di pesawat atau pesawat luar angkasa dan dibedakan dengan
penginderaan lainnya seperti penginderaan medis atau fotogrametri. Walaupun
semua hal yang berhubungan dengan astronomi sebenarnya adalah penerapan dari
penginderaan jauh (faktanya merupakan penginderaan jauh yang intensif), istilah
"penginderaan jauh" umumnya lebih kepada yang berhubungan dengan teresterial
dan pengamatan cuaca.
II.1.2 Komponen Penginderaan Jauh
Komponen-komponen dalam penginderaan jauh merupakan serangkaian
objek yang saling berkaitan dan bekerja sama secara terkoordinasi untuk
melakukan pengindraan. Rangkaian dalam komponen penginderaan jauh meliputi;
sumber tenaga, atmosfer, objek sensor dan wahana, perolehan data, dan pengguna
data.
1. Sumber Tenaga
Tenaga yang di gunakan dalam pengindraan jauh adalah tenaga
elektromagnetik yang berasal dari cahaya matahari dan cahaya buatan.
Gambar II-2 Komponen Penginderaan Jauh (Viron, 2013)
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
Kelompok V-A, 2015
II-2
atmosfer dapat menjadi penghalang pancaran sumber tenaga yang mencapai

ke permukaan bumi. Kondisi cuaca yang berawan menyebabkan sumber
tenaga tidak dapat mencapai permukaan bumi. Proses hambatan di atmosfer
dapat berbentuk serapan, pantulan, dan hamburan. Hamburan adalah
pantulan ke arah serba beda yang di sebabkan oleh benda yang
permukaannya kasar dan bentuknya tak menentu. Hamburan terdiri atas :
a. Hamburan Rayleigh
Yaitu hamburan yang terjadi pada atmosfer rayleigh. Ciri-ciri dari
hamburan ini adalah butir atmosfer diameternya kurang dari atau sama
dengan 0,1 panjang gelombang, terjadi pada ketinggian 4500-9000
meter dan terjadi gelombang pendek serta cuaca cerah.
b. Hamburan Mie
Ciri-ciri hamburan mie adalah butir atmosfer memiliki diameter
antara 0,1-25 panjang gelombang, hamburan ini terjadi pada ketinggian
kurang dari 45000 meter, terjadi gelombang panjang dan cuaca
berwarna.
c. Hamburan Nonselektif
Penyebab hamburan ini adalah butir-butir alam atmosfer yang
diameternya jauh lebih besar dari panjang gelombang spektrum tampak.
Ciri-cirinya adalah tidak tergantung pada panjang gelombang, tidak
terjadi pada spektrum tampak dan spektrum inframerah.
3. Objek sensor dan wahana
a. Sensor
Merupakan alat pemantau yang dipasang pada wahana, baik pesawat
maupun satelit. Sensor dapat dibedakan menjadi dua :
1) Sensor fotografik
Merekam obyek melalui proses kimiawi. Sensor ini menghasilkan foto.
Sensor yang dipasang pada pesawat menghasilkan citra foto (foto
udara), sensor yang dipasang pada satelit menghasilkan citra satelit (foto
satelit).
Kelompok V-A, 2015
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
peredarannya antara 1.000 9.000 meter di atas permukaan bumi

2) Pesawat terbang tinggi, yaitu pesawat yang ketinggian peredarannya
lebih dari 18.000 meter di atas permukaan bumi
3) Satelit, wahana yang peredarannya antara 400 km 900 km diluar
atmosfer bumi.
4. Perolehan Data
Data yang diperoleh dari inderaja ada 2 jenis :
a. Data manual
Didapatkan melalui kegiatan interpretasi citra. Guna melakukan
interpretasi citra secara manual diperlukan alat bantu bernama stereoskop.
Stereoskop dapat digunakan untuk melihat objek dalam bentuk tiga dimensi.
b. Data numerik (digital)
Diperoleh melalui penggunaan software khusus penginderaan jauh yang
diterapkan pada komputer.
5. Pengguna Data
Pengguna data merupakan komponen yang penting dalam sistem
inderaja, yaitu orang atau lembaga yang memanfaatkan informasi hasil
inderaja. Jika tidak ada pengguna, data inderaja tidak ada manfaatnya. Data
inderaja sangat bermanfaat untuk memperoleh data spesial yang dapat
digunakan dalam berbagai bidang. Oleh karena itu, kerincian, keandalan dan
Kelompok V-A, 2015
II-4
kesesuaiannya terhadap kebutuhan pengguna sangat menentukan diterima

atau tidaknya data hasil inderaja oleh pengguna.
II.1.3 Teknik Pengumpulan Data
Data dapat dikumpulkan dengan berbagai macam peralatan tergantung
kepada objek atau fenomena yang sedang diamati. Umumnya teknik-teknik
penginderaan jauh memanfaatkan radiasi elektromagnetik yang dipancarkan atau
dipantulkan oleh objek yang diamati dalam frekuensi tertentu seperti inframerah,
cahaya tampak, gelombang mikro dan sebagainya. Hal ini memungkinkan karena
faktanya objek yang diamati (tumbuhan, rumah, permukaan air, udara dan lain-lain)
memancarkan atau memantulkan radiasi dalam panjang gelombang dan intensitas
yang berbeda-beda. Metode penginderaan jauh lainnya antara lain yaitu melalui
gelombang suara, gravitasi atau medan magnet.
II.1.4 Manfaat Penginderaan Jauh
Tujuan utama dari penginderaan jauh adalah untuk mengumpulkan data
sumber daya alam dan lingkungan. Penginderaan jauh makin banyak dimanfaatkan
karena berbagai macam alasan sebagai berikut :
1. Citra dapat dibuat secara cepat meskipun pada daerah yang sulit ditempuh
melalui daratan, contohnya hutan, rawa dan pegunungan.
2. Citra menggambarkan obyek dipermukaan bumi dengan wujud dan letak
objek mirip dengan sebenarnya, gambar relatif lengkap, liputan daerah yang
luas dan sifat gambar yang permanen.
3. Citra tertentu dapat memberikan gambar tiga dimensi jika dilihat dengan
menggunakan stereoskop. Gambar tiga dimensi itu sangat menguntungkan
karena menyajikan model objek yang jelas, relief lebih jelas,
memungkinkan pengukuran beda tinggi,
pengukuran lereng dan
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.
Kelompok V-A, 2015
II-5
II.2 Sistem Penginderaan Jauh

Berdasarkan sumber tenaga yang di gunakan, sistem penginderaan jauh
dibedakan sebagai berikut:
1. Sistem pasif adalah sistem yang menggunakan sumber tenaga dari sinar
matahari.
2. Sistem aktif adalah sistem yang menggunakan tenaga buatan seperti
gelombang mikro dan lampu blitz kamera.
Jumlah tenaga yang diterima oleh obyek di setiap tempat berbeda-beda,hal
ini dipengaruhi oleh beberapa faktor, antara lain :
1. Waktu penyinaran
Jumlah energi yang diterima oleh objek pada saat matahari tegak lurus
(siang hari) lebih besar daripada saat posisi miring (sore hari). Makin
banyak energi yang diterima objek, makin cerah warna objek tersebut.
2. Bentuk permukaan bumi
Permukaan bumi yang bertopografi halus dan memiliki warna cerah
pada
permukaannya
lebih
banyak
memantulkan
sinar
matahari
dibandingkan permukaan yang bertopografi kasar dan berwarna gelap.

Sehingga daerah bertopografi halus dan cerah terlihat lebih terang dan jelas.
3. Keadaan cuaca
Kondisi cuaca pada saat pemotretan mempengaruhi kemampuan sumber
tenaga dalam memancarkan dan memantulkan. Misalnya kondisi udara
yang berkabut menyebabkan hasil inderaja menjadi tidak begitu jelas atau
bahkan tidak terlihat.
II.2.1 Citra Digital
Citra digital adalah citra yang diperoleh, disimpan, dimanipulasi dan di
tampilkan dengan berasis logika biner. Citra ini meliputi citra yang dihasilkan
melalui pelarikan (pemindaian) atau scanner, dihasilkan dengan bantuan perangkat
lunak CAD (Computer-aided Design) maupun citra yang diperoleh dari sistem
perekaman melalui sensor yang dipasang pada pesawat terbang atau satelit.
Citra digital diperoleh melalui proses peniruan atas kenampakan nyata.
Kenampakan dapat berupa kenampakan dipermukaan bumi dan juga peta hasil
Kelompok V-A, 2015
II-6
penggambaran tangan. Untuk mengubah kenampakan bukan digital menjadi citra

digital adalah scanner (pemindai). Scanner adalah suatu alat optik elektronik yang
dapat dipakai untuk menangkap informasi pantulan atau pancaran gelombang
elektromagnetik dari suatu permukaan yang direkam oleh sensor secara berurutan
sebagai fungsi waktu.
Suatu objek dapat dicitrakan dengan dua cara, yaitu dengan cara forografis
dan pelarikan. Pada proses perekaman oleh sistem kamera fotografis seluruh bagian
yang terpotret direkam secara bersamaan. Dalam selang waktu yang sama seluruh
informasi pantulan cahaya dari objek masuk kedalam kamera melalui lensa yang
membuka dan direkam oleh lapisan perak halide pada film. Proses perekaman inilah
yang disebut proses perekaman serentak.
Bagian demi bagian objek penginderaan jauh direkam melalui pelarikan
(pemindaian) lalu informasi pantulan tiap bagian tersebut dicatat oleh komputer.
Tiap baris pada gambar yang dihasilkan terdiri atas sekumpulan sel-sel penyusun
gambar yang disebut pixel atau pixel (picture element). Tiap pixel mewakili satu
luasan tertentu pada permukaan yang terindera dan tiap pixel ini punya nilai
pantulan tertentu. Jadi, dengan kata lain pixel ini merupakan data yang punya aspek
spasial dan sekaligus aspek spektral.
Proses kerja pelarikan tidak dapat dilepaskan dari komputer, karena tipe
data yang dihasilkan biasanya harus diolah menggunakan komputer. Kemampuan
komputer dan sensor dalam mengubah informasi pantulan atau pancaran berbedabeda. Pada saat ini, umumnya sensor bekerja dalam 8 bit. Bit adalah satuan terkecil
informasi yang mengekspresikan ada tidaknya arus yang masuk. Mengingat bahwa
komputer adalah media elektronik yang bekerja dengan arus listrik, maka basis
bilangan yang dapat dipakai adalah bilangan biner (0 dan 1). Nol dapat berarti
mati (tidak ada arus masuk), dan 1 berarti hidup(ada arus masuk). Informasi
yang disampaikan oleh arus ini disimpan dalam register. Dalam sistem 1 bit,
komputer hanya dapat memperoleh 2 kemungkinan informasi hidup atau mati.
Kelompok V-A, 2015
II-7
Struktur penyimpanan data umumnya terbagi atas dua bagian, yaitu:

1. Struktur data menyatu.
Umumnya informasi citra (file directory/header/leader) menyatu
dibagian atas struktur data citra digital.
2. Struktur data terpisah.
Umumnya terpisah atas dua file yaitu information file dan Image Data
File. Salah satu keuntungan penyimpanan data dan informasi secara terpisah
adalah kemungkinan yang lebih luas bagi perangkat lunak lain untuk dapat
mengakses file tersebut.
Terbagi atas empat macam, yaitu:
a. Band Interleaved by Pixel (BIP)
Adalah cara penyimpanan dimana data disusun berurutan per pixelnya
pada seluruh saluran.
b. Band Interleaved by Line (BIL)
Adalah cara penyimpanan dimana data disusun berurutan per baris
pada seluruhsaluran.
c. Band Sequential (BSQ)
Adalah penyimpanan data berurutan berdasarkan pemilahan saluran
yang digunakan.
d. Run Length Encoding (RLE)
Adalah teknik penyimpanan data yang memperhatikan nilai
perubahan pixel dimana pixel yang bernilai sama tidak perlu disimpan
berulang kali sehingga lebih efisien.
CCT (Computer Compatible Tape) adalah alat penyimpanan data citra
digital yang berbentuk pita magnetic. Bila CCT memiliki resolusi 1600 bpi maka
untuk 1 band citra digital membutuhkan satu pita magnetik yang memiliki panjang
3600 kaki = 1,09 km. CCT memiliki kesukaran dalam pembacaan data karena untuk
membaca data harus urut mulai dari awal perekaman hingga menuju data yang
diinginkan.
Tujuan transfer CCT adalah mentransfer data digital citra dari media
penyimpan pita magnet ke penyimpan lain yang menggunakan struktur data tertentu
Kelompok V-A, 2015
II-8
sehingga memudahkan pengaksesan oleh program aplikasi perangkat lunak dan

keras yang diperlukan dalam transfer data CCT adalah perangkat keras (drive type
magnetic , CPU with big storage, monitor) dan perangkat lunak transfer data.
Ada dua macam teknik transfer data, yaitu membaca dan mengubah secara
langsung struktur format datanya kemudian disimpan dalam disk magnet serta
membaca seluruh data dari pita magnetik tanpa memperhatikan format datanya
(prosedur dumping) kemudian disimpan dalam disk magnet dengan format sama,
dilanjutkan dengan program pembaca data diubah ke dalam format atau struktur
tertentu yang diinginkan.
Hal-hal yang perlu diperhatikan dalam pelaksanaan transfer CCT adalah
sebagai berikut :
1. Karakteristik dari pita magnetic
2. Meliputi kerapatan data (bpi), jumlah track dari pita magnetik dan ukuran
pita.
3. Struktur dan format data
4. Meliputi jenis format (BIL, BIP atau BSQ), panjang header, jumlah garis
dan kolom dan jumlah band.
5. Ruang penyimpanan didalam CPU
6. Meliputi besar RAM dan kapasitas hard disk.
II.2.2 Citra Digital Skala Keabuan
Citra digital skala keabuan mempnyai kemungkinan warna antara hitam
dengan skala minimal dilambangkan dengan angka skala 0 dan putih sebagai skala
maksimal dengan skala angka 256 untuk 8 bit. Jumlah maksimum warna sesuai
dengan bit penyimpanan yang digunakan.
Gambar II-3 Skala Keabuan (Sasmito, 2014)
II.2.3 Citra Digital Berwarna

Pada citra digital berwarna, setiap titik atau pixel mewakili warna yang
merupakan kombinasi dari tiga warna dasar yaitu merah hijau dan biru atau citra
RGB (Red Green Blue). Setiap warna dasar mempunyai intensitas sendiri dengan
Kelompok V-A, 2015
II-9
nilai maksimum 255 untuk 8 bit, dengan warna putih adalah minimal dan warna
red / green / blue sebagai warna maksimal.
Gambar II-4 Pengaturan warna Red Green Blue (Sasmito, 2014)
II.3 Sensor Citra

II.3.1 Sensor Pasif
Pada penginderaan jauh sistem pasif, tenaga yang menghubungkan
perekam dengan objek di bumi dengan menggunakan tenaga alamiah
yaitu
matahari (dengan memanfaatkan tenaga pantulan), sehingga perekamannya

hanya bisa dilakukan pada siang hari dengan kondisi cuaca yang cerah.
Sensor pasif, yaitu sensor yang hanya dilengkapi dengan alat penerima
berupa pantulan gelombang elektromegnetik. Energi dapat berupa pantulan dari
sumber lain, yang dalam hal ini umumnya adalah matahari. Energi bersumber dari
matahari. Energi dari matahari dipancarkan ke objek dan kemudian terpantulkan
menuju sensor. Energi dapat pula berasal dari pancaran suatu objek seperti sumbersumber thermal, misal lokasi kebakaran hutan, sumber panas bumi, dan lain-lain.
Sensor satelit sistem ini tidak membangkitkan energi sendiri. Berbagai satelit
sumber daya seperti Landsat, QuickBird, Ikonos, dan lain-lain adalah termasuk
pada system penginderaan jauh pasif ini.
Sensor pasif mengukur energi yang secara alami tersedia dari matahari (redipancarkan oleh bumi). Tercermin energi selama siang hari saja. IR-Thermal dapat
dideteksi dimalam hari juga. Namun apabila tertutup atau terhalang awan maka
pengambilan data tidak dapat dilakukan secara maksimal (data yang dihasilkan
tidak terlalu jelas)
Kelompok V-A, 2015
II-10
Gambar II-5 Ilustrasi Sensor Pasif (Sasmito, 2014)
II.3.2 Sensor Aktif

Sistem sensor yang merekam data objek mengirimkan dan menerima
pantulan dari energi yang dikirim ke arah objek, energi yang dikirim bisa berupa
gelombang pendek, sinar X, dan lain-lain. Contoh: Sensor Rontgen untuk foto
thorax, sensor gelombang pendek pada sistem radar, sensor ultrasound pada system
USG.
Sensor aktif menyediakan sumber energi mereka sendiri untuk penerangan.
Sensor memancarkan radiasi yang diarahkan pada sasaran yang akan diselidiki.
Radiasi tercermin dari target yang terdeteksi dan diukur oleh sensor.
Gambar II-6 Ilustrasi Sensor Aktif (Sasmito, 2014)
II.4 Koreksi Citra

II.4.1 Koreksi Radiometrik
Koreksi radiometrik ditujukan untuk memperbaiki nilai pixel supaya sesuai
dengan yang seharusnya yang biasanya mempertimbangkan faktor gangguan
atmosfer sebagai sumber kesalahan utama. Efek atmosfer menyebabkan nilai
pantulan obyek dipermukaan bumi yang terekam oleh sensor menjadi bukan
merupakan nilai aslinya, tetapi menjadi lebih besar oleh karena adanya hamburan
atau lebih kecil karena proses serapan. Koreksi radiometrik bisa disebabkan oleh :
Kelompok V-A, 2015
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.
Kesalahan sapuan akibat pemakaian Multi Detektor dalam mengindra garis

citra.
b. Memperkecil kesalahan pengamatan detektor yang berubah sesuai

perubahan waktu.
c. Kesalahan berbentuk nilai digital yang mempunyai hubungan linier dengan
tingkat radiasi dan panjang gelombang elektromagnetik.
d. Koreksi dilakukan sebelum data didistribusi.
e. Koreksi dilakukan dengan kalibrasi cahaya yang keluar dari detektor dengan
mengarahkan scanner pada filter yang disinari secara elektronik untuk
setiap sapuan.
f. Kesalahan yang dapat dikoreksi otomatis adalah kesalahan sistematik dan
tetap, yang tetap diperkirakan sebelumnya.
g. Kesalahan garis scan dapat dikoreksi dengan penyesuaian histogram tiap
detector pada daerah-daerah homogeni misalnya diatas badan air, apabila
ada penyimpangan dapat diperbaiki.
h. Kesalahan bias atau pengaturan kembali detektor apabila mean dan median
detektor berbeda.
II.4.2 Koreksi Geometrik
Koreksi geometrik adalah koreksi posisi citra akibat kesalahan yang
disebabkan oleh konfigurasi sensor, perubahan ketinggian, posisi, dan kecepatan
wahana. Koreksi geometrik mutlak dilakukan apabila posisi citra akan di overlay
Kelompok V-A, 2015
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.
Gambar II-7 Ilustrasi Koreksi Geometrik (Subiyanto, 2014)
Data penginderaan jauh pada umumnya mengandung kesalahan (distorsi)

geometric, baik sistematik maupun non sistematik, merupakan kesalahan yang
diakibatkan oleh jarak orbit atau lintasan terhadap objek dan pengaruh kecepatan
platform. Kesalahan geometric terdiri dari dua kelompok, yaitu :
a. Kesalahan internal yaitu kesalahan yang dapat dikoreksi dengan cepat,
menggunakan data dari platform. Kesalahan internal dapat dikoreksi
berdasarkan analisis karakteristik sensor meliputi kemiringan sken,
ketidaklinieran kecepatan cermin sken, distorsi panoramic, kecepatan
pesawat angkasa, dan perspektif geometri.
b. Kesalahan eksternal yaitu kesalahan yang tidak dapat dikoreksi tanpa
memperhitungkan titik titik control permukaan dari permukaan bumi yang
memadai. Kesalahan ini hanya dapat dikoreksi dengan menggunakan titik
titik control permukaan, yang berhubungan dengan system ketinggian
sensor (roll, pitch, dan jaw), dan ketinggian satelit.
Selain itu, kesalahan geometric terbagi menjadi dua macam, yaitu :
kesalahan sistematik dan kesalahan non sistematik. Penyebab kesalahan (distorsi)
geometric sistematik dan non sistematik pada data citra satelit seperti
dideskripsikan sebagai berikut :
Kelompok V-A, 2015
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
mirror scan berturutan
menimbulkan distorsi alang track scale.

4. Rotasi bumi : mengakibatkan pergeseran ground swath, menimbulkan
distorsi along scan.
Secara garis besar, perbedaan antara kesalahan sistematik dan non
sistematik adalah sebagai berikut :
1. Sistematik : dapat diperkirakan, dikoreksi otomatis, antara lain :
a. Rotasi bumi selama akuisisi
b. Kelengkungan bumi
c. Lebar medan pandang sensor
d. Ketidaklinieran kecepatan scan
e. Respon spectral terhadap atmosfer (absorbs dan hamburan selektif)
2. Non Sistematik : sukar diperkirakan, antara lain :
a. Sensor tidak ideal
b. Variasi ketinggian platform
c. Aspek perbandingan
d. Efek panoramic
e. Kesalahan instrument sensitifitas detector
3. Untuk mengoreksi posisi daerah terutama oleh ahli kebumian ada dua cara,
yaitu :
a.
Rektifikasi
Proses perubahan geometri daerah citra menjadi datar (planimetrik)
Kelompok V-A, 2015
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).
Untuk saluran pada Landsat-3 MSS mengalami
masalah dalam pengoperasiannya; menyebabkan kegagalan, sehingga hanya empat

saluran yang dapat meyajikan data dan resolusinya 79 m. Sensor RBV pada
Landsat-3 ini menghasilkan citra berspektrum lebar dengan faktor peningkatan
Kelompok V-A, 2015
II-15
medan sebesar 2,6 dibandingkan RBV multispektral pada Landsat-1 dan Landsat2.
Mengenai pengorbitan
Landsat-4 dan Landsat-5, yang merupakan
pengembangan daripada Landsat-1, 2 dan 3. Ada beberapa kelebihan daripada

Landsat-4 dan 5 dibandingkan dengan Landsat-1, 2 dan 3, antara lain :
1. stabilitas yang semakin baik,
2. peningkatan sensor spasial,
3. kepekaan radiometrik,
4. laju pengiriman datanya lebih cepat,
5. fokus penginderaan informasi pada vegetasi dan
6. pengembangan sistem sensor.
Sensor pada Landsat-4 dan 5 disamping memiliki 4 sensor MSS ditambah
juga dengan sensor TM (Thematic Mapper), dan ETM (Enhanced Thematic
Mapper). Landsat-4 diluncurkan pada Juli 1982, sedangkan Landsat-5 pada Maret
1984.
Pada bulan Februari 1993, Landsat-6 diluncurkan namun mengalami
kegagalan, karena tidak mencapai orbit dan akhirnya jatuh ke laut. Landsat-6 ini
telah mengalami peningkatan pada kemampuan sensornya. Selain memiliki sensor
TM dan ETM, juga ditambahkan saluran termal (10,4-12,6 m).
Pada Landsat-4, 5 dan 6, terjadi perubahan-perubahan mendasar
dibandingkan dengan Landsat sebelumnya antara lain :
1. Perubahan waktu lintas ekuator dari jam 9.42 menjadi jam 11.00,
2. Ketinggian orbit dari 920 km menjadi 705 km,
3. Menggunakan GPS (Global Positioning System) canggih untuk
menghasilkan rekaman letak ketinggian satelit yang tepat,
4. Menggunakan sistem pengirim data lintas TDRSS (Tracking Data Relay
Satellite System).
Sistem ini menggunakan 2 satelit komunikasi untuk
melakukan pengiriman data dari Landsat ke stasiun bumi di seluruh dunia,

5. Interval waktu pemotretan daerah yang sama yaitu 16 hari.
Kegagalan Landsat-6, menyebabkan EOSAT (Earth Observation Satellite)
sebagai operator teknis mulai mengambil langkah-langkah teknis dengan jalan
Kelompok V-A, 2015
II-16
mengembangkan
kemampuan
Landsat-5
(seoptimal
mungkin)
sebelum
meluncurkan Landsat-7. Langkah-langkah yang diambil antara meliputi :

1. Mempertahankan orbit satelit selaras matahari (sun syncronous)
2. Penempatan saat lintas satelit di khatulistiwa (equator) pada descending
node
yang
dimulai
pada
pukul
09.00
waktu
setempat
(awal
pengoperasiannya pada pukul 09.30) sampai bulan Mei 1996.

EOSAT mengharapkan Landsat-5 ini dapat dipertahankan sampai dengan
tahun 1997/1998. Sistem Landsat milik Amerika Serikat ini mempunyai 5 (lima)
instrumen pencitraan (imaging instrument) atau sensor, yaitu:
1. Sensor Return Beam Vidicon (RBV)
Sistem Return Beam Vidicon (RBV) adalah instrumen semacam televisi
yang mengambil citra snapshot dari permukaan bumi di sepanjang track
lapangan satelit yang berukuran 185 km x 185 km pada setiap interval waktu
tertentu. Pada Landsat-1 dan 2, multispektral RBV mempunyai resolusi 80
m, sementara pada Landsat-3, RBV menggunakan band Pankromatik dan
resolusi 40 m.
Sistem RBV ini menggunakan tiga kamera televisi, dengan kepekaan
spektral masing-masing kamera sama dengan satu lapis film inframerah
berwarna dengan komposisi sebagai berikut :
a. Saluran 1 peka terhadap gelombang hijau (0,475 0,575 m)
b. Saluran 2 peka terhadap gelombang merah (0,580 0,680 m)
c. Saluran 3 peka terhadap gelombang inframerah (0,690 0,890 m)
Kamera pada RBV tidak memiliki film, dan sebagai gantinya
dipasang alat penutup (shutter) dan disimpan pada permukaan yang peka
terhadap sinar didalam setiap kamera. Permukaan tersebut kemudian disiami
(scanning) dalam bentuk data raster oleh suatu sinar elektron internal guna
menghasilkan suatu sinyal video (sama dengan televisi biasa). RBV pada
Landsat-1 hanya menghasilkan 1.690 citra yang direkam antara 23 Juli 5
Agustus 1972 (Lillesand dan Kiefer, 1979). Sistem ini kemudian tidak dapat
digunakan setelah terjadi kerusakan pada tombol pita perekamannya.
Kelompok V-A, 2015
II-17
RBV pada Landsat-2 dioperasikan tidak kontinyu, hanya untuk

kepentingan eveluasi teknik bagi daerah-daerah yang secara kartografis sulit
dijangkau. Terdapat sedikit perubahan RBV pada Landsat-3 untuk resolusi
medan nominal menjadi 30 m, yang diperoleh dengan jalan memperpanjang
fokus lensa kamera sebesar dua kali, dan memperkecil waktu bukaan lensa
(aperture) guna mengurangi gerakan citra pada saat perekaman, dan
menghilangkan
filter
spektral
yang
digunakan
oleh
RBV
sebelumnya. Kepekaan spektral sistem berkisar antara 0,505 mm 0,750 mm

(hijau sampai inframerah dekat). Dua kamera disejajarkan untuk mengamati
daerah yang berdekatan dan berbentuk bujur sangkar seluas 98 km x 98
km. Sepasang citra yang berdekatan tersebut secara nominal sama dengan
ukuran satu citra MSS (empat citra RBV mengisi setiap citra MSS).
2. Sensor Multispectral Scanner (MSS)
MSS merupakan sensor utama yang dipergunakan pada Landsat-1 ~
5. Pada Landsat-3 ada penambahan saluran termal (seluruhnya menjadi 5
saluran, sebelumnya berjumlah 4 saluran). MSS merupakan suatu alat
scanning mekanik yang merekam data dengan cara menyiami (scanning)
permukaan bumi dalam jalur-jalur (baris). Sensor MSS ini menyiami 6 baris
secara simultan (six-line scan). Oleh karena lebar setiap baris adalah 79 m,
maka 6 baris setara dengan 474 m.
Untuk satu scene ada sekitar 360 six-line scans yang meliputi areal seluas
185 km x 185 km. Dalam satu baris, terdapat overlap sekitar 23 meter (10%)
antar pixel nya, sehingga pixel yang berukuran 79 m x 79 m (pixel aktual)
disampel kembali dengan jarak titik pusat pixel 56 m
Gambar II-8 Ilustrasi overlap pixel pada MSS (Saras, 2012)
Kelompok V-A, 2015
II-18
Saluran MSS memiliki tujuh saluran, namun yang digunakan hanya

saluran 4 (0,5 0,6 m) sampai dengan saluran 7 (0,8 1,1 m). Saluran 1
~ 3 digunakan oleh sensor RBV. Panjang gelombang yang digunakan pada
setiap saluran Landsat MSS adalah :
a.
Saluran 4 gelombang hijau (0, 5 0,6 m)
b.
Saluran 5 gelombang merah (0,6 0,7 m)
c.
Saluran 6 gelombang inframerah dekat (0,7 0,8 m)
d.
Saluran 7 gelombang inframerah dekat (0,8 1,1 m)
Perekaman MSS dirancang untuk penginderaan energi dalam medan

pandang total 100o dan bidang pandang sesaat atau IFOV (Instantaneous
Field of View) 2,5 miliradian, sedangkan medan pandang total dari objek yang
disiam sekitar 11,560, sudut ini sangat kecil bila dibandingkan dengan wahana
udara yang besarnya 900-1200. Sistem scanning biasanya berbentuk bujur
sangkar dan menghasilkan resolusi spasial atau resolusi medan sekitar 79
meter. IFOV atau bidang pandang yang semakin kecil bertujuan untuk
mengotimalkan resolusi spasialnya, sedangkan saluran panjang gelombang
sempit
untuk
mengoptimalkan resolusi spektralnya.
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
Kelompok V-A, 2015
II-19
perubahan ini tidak sama dengan kecepatan perekamannya, sehingga

menghasilkan jarak nominal di lapangan 56 meter. Perbedaan waktu ini
menyebabkan nilai pantulan citra tidak berbentuk bujur sangkar tetapi
berbentuk empat persegi panjang dengan ukuran 56 x 76 meter. Dengan
demikian maka jumlah pixel sepanjang garis penyiaman MSS berjumlah
3.240 pixels, sedangkan yang searah dengan orbit sebanyak 2.340
pixels. Jadi, kurang lebih sekitar 7.581.600 pixel pada setiap saluran. Dengan
demikian maka untuk empat saluran menghasilkan 30.326.400 nilai
pantulan. Selanjutnya nilai kecerahan dari setiap pixel yang diperoleh berasal
dari sel resolusi berukuran penuh 79 x 79 meter dan bukan dari ukuran
resolusi 56 x 79 meter. Bentuk pixel berukuran 56 x 79 meter disebut sebagai
pixel nominal sedangkan 79 x 79 meter disebutkan sebagai pixel aktual.
Gambar II-9 Komponen Utama dari Sensor Multispectral Scanner (John, 2014)
3. Sensor Thematic Mapper (TM)

Sensor TM (Thematic Mapper) merupakan sensor yang dipasang pada
satelit Landsat-4 dan Landsat-5. Sistem sensor TM pertama dioperasikan
pada tanggal 16 Juli 1982 dan yang kedua pada tanggal 1 Maret 1984. Lebar
sapuan (scanning) dari sistem Landsat TM sebesar 185 km, yang direkam
pada tujuh saluran panjang gelombang dengan rincian; 3 saluran panjang
gelombang tampak, 3 saluran panjang gelombang inframerah dekat, dan 1
saluran panjang gelombang termal (panas). Sensor TM memiliki kemampuan
untuk menghasilkan citra multispektral dengan resolusi spasial, spektral dan
radiometrik yang lebih tinggi dari pada sensor MSS.
Kelompok V-A, 2015
II-20
Tabel II-1 Nama dan Panjang Gelombang pada Landsat TM (Susanto, 2014)
Saluran
Nama Gelombang
Panjang Gelombang (m)
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
Tabel II-2 Karakteristik Saluran pada Landsat TM (Susanto, 2014)
Saluran
Panjang
Resolusi
Gelombang
Spasial
(m)
(meter)
Aplikasi
Penetrasi tubuh air, analisis penggunaan

1
0,45 0,52
30 x 30
lahan, tanah, dan vegetasi. Pembedaan

vegetasi dan lahan.
Pengamatan puncak pantulan vegetasi pada
saluran hijau yang terletak di antara dua
0,52 0,60
30 x 30
saluran
penyerapan.
Pengamatan
ini
dimaksudkan untuk membedakan tanaman

sehat terhadap tanaman yang tidak sehat.
Saluran terpenting untuk membedakan jenis
vegetasi. Saluran ini terletak pada salah satu
3
0,63 0,69
30 x 30
daerah penyerapan klorofil dan memudahkan

pembedaan antara lahan terbuka terhadap
lahan bervegetasi.
Kelompok V-A, 2015
II-21
Saluran
4
0,76 0,90
30 x 30
yang
vegetasi.
peka
terhadap
biomasa
Juga untuk identifikasi jenis
tanaman, memudahkan pembedaan tanah dan

tanaman serta lahan dan air.
Saluran penting untuk pembedaan jenis
1,55 1,75
30 x 30
tanaman, kandungan air pada tanaman,

kondisi kelembaban tanah.
2,08 2,35
120 x 120
Untuk membedakan formasi batuan dan

untuk pemetaan hidrotermal.
Klasifikasi
10,40 12,50
30 x 30
vegetasi,
analisis
gangguan
vegetasi, pembedaan kelembaban tanah, dan

keperluan lain yang berhubungan deengan
gejala termal.
Perekaman sensor TM dirancang untuk menyiam energi dengan medan

pandang total 100o dan bidang pandang total atau IFOV dari objek yang
disiam sekitar 15,4o (7,7o dari nadir). Sistem penyiangan berupa bujur
sangkar dan menghasilkan sel resolusi medan berukuran 30 meter.
Detektor yang digunakan pada TM sangat peka untuk menghasilkan
sinyal yang jauh lebih kuat dari tingkat gangguan (noise) pada
sistemnya. Kalau pada penyiaman pada MSS menggunakan enam detektor
pada setiap salurannya sehingga total empat saluran terdiri dari 24 detektor
dan menggunakan cermin ulang alik (bukan cermin berputar), maka sensor
TM menggunakan cermin berputar (oscillating mirror) setiap saluran nontermal menggunakan 16 detektor, jadi empat saluran (saluran 1 hingga 4 total
100 detektor). Detektor saluran 5 dan 7 (gelombang inframerah tengah)
menggunakan detektor indium antiminide (InSb), sedangkan saluran 6
(gelombang inframerah termal) menggunakan detektor mercury cadmium
telluride (HgCdTe). Disamping itu Landsat TM dapat diterima melalui satelit
komunikasi TDRS (Tracking and Data Relay Satellites).
Resolusi radiometrik pada citra landsat TM lebih baik dari citra landsat
MSS. Terdapat perbaikan pada sinyal analog (nilai pantulan) dari setiap
Kelompok V-A, 2015
II-22
detektor yang diubah kedalam bentuk digital dengan bantuan sistem

pengubah sinyal di satelit. Perbaikan ketelitian radiometrik ini nampak pada
skala nilai digital dari 6 bit menjadi 8 bit sehingga menghasilkan pelebaran
julat (range) nilai digital dari 64 (0-63) menjadi 256 (0-255). Resolusi
spasial pada citra Landsat TM non termal adalah 30 meter. Namun, dalam
posisi geometrik yang menggunakan proyeksi SOM (Space Oblique
Mercator) ukuran pixelnya adalah 28,5 x 28,5 meter. Data Landsat TM di
stasiun bumi menggunakan proyeksi UTM (Universal Transverse Mercator)
atau proyeksi PS (Polar Stereographic) maka yang digunakan adalah resolusi
pixel 30 x 30 meter untuk data non termal sedangkan bagi data termal
mempunyai resolusi 120 meter.
Gambar II-10 Sistem Sensor TM pada Landsat-4 dan 5 (Gunawan, 2013)
4. Sensor Enhanced Thematic Mapper (ETM)

Sensor ETM (Enhanced Thematic Mapper) merupakan pengembangan
dari sensor TM (Thematic Mapper). Pengembangan tersebut antara lain
berupa :
a. Penambahan saluran pankromatik dengan panjang gelombang 0,50
0,90 m. Saluran pankromatik ini mempunyai resolusi spasial sebesar 15
x 15 meter.
b. Perbaikan resolusi saluran termal menjadi 60 meter.
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.
Kelompok V-A, 2015
II-23
Tabel II-3 Nama dan Panjang Gelombang pada Landsat ETM+ (Humaidi, 2005)
Saluran Nama Gelombang
Panjang Gelombang (m)
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
5. Sensor Enhanced Thematic Mapper Plus (ETM+)

Desain dan operasi Landsat 7 direncanakan akan membawa dua sensor,
yaitu Enhanced Thematic Mapper Plus (ETM+) dan High Resolution
Multispectral Stereo Imager (HRMSI). ETM+ didesain untuk keberlanjutan
dari program Landsat-4 dan 5, dimana sampai saat ini datanya masih dapat
diakses atau direkam. Pola orbitnya juga dibuat sama dengan Landsat-4, 5
dan 6, yaitu dengan lebar sapuan/liputan sebesar 185 km. Desain daripada
ETM+ sama seperti ETM pada Landsat-6 namun ditambah dengan dua sistem
model kalibrasi untuk mengeliminasi gangguan radiasi matahari (dual mode
solar callibrator systems) dengan penambahan lampu kalibrasi untuk fasilitas
koreksi radiometrik (lihat Gambar 3 dan 4).
Gambar II-11 Spacecraft Landsat-7 (Budi, 2011)
Kelompok V-A, 2015
II-24
Gambar II-12 Scanner ETM+ (Budi, 2011)
Transmisi data ke stasiun penerima di bumi dapat dilakukan dengan 3

(tiga) cara yaitu :
a. Dikirim menggunakan gelombang radio secara langsung ke stasiun
penerima di bumi,
b. Melalui relay satelit komunikasi TDRSS (Tracking and Data Relay
Satellites System) yang akan merekam dan kemudian mengirimkan ke
stasiun penerima di bumi,
c. Data objek permukaan bumi direkam/disimpan lebih dahulu dalam
suatu panel (storage on board) atau tipe (wideband tipe recorder),
baru kemudian dikirim ke stasiun penerima di bumi.
Satelit Landsat-7 juga akan dilengkapi dengan fasilitas penerima sistem
posisi lokasi (Global Positioning System/GPS reciever) untuk meningkatkan
ketelitian posisi atau letak satelit di dalam jalur orbitnya.
II.6 Software Penginderaan Jauh
II.6.1 ER Mapper
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, PCL, dan lain-lain.
Masing-masing software memiliki keunggulan dan kekurangannya masing-masing.
ER Mapper sendiri dikeluarkan oleh Earth Resource Mapping, yang merupakan
salah satu vendor piranti pemrosesan citra yang berpusat di Australia dengan
berbagai cabang utama dan cabang pembantudi beberapa negara. Mengingat
Kelompok V-A, 2015
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.
Kelompok V-A, 2015
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.
Kelompok V-A, 2015
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.
Kelompok V-A, 2015
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
Kelompok V-A, 2015
II-29
3. eCognition developer, merupakan software untuk para professional teknis,

berbeda dengan architect yang sudah built in toolbox yang tinggal pakai,
seri developer memungkinkan kita untuk mengembangkan workflow
analisa citra berbasis objek. digunakan pada bidang ilmu bumi untuk
mengembangkan sauatu set aturan atau aplikasi untuk aplikasi eCognition
Architect untuk otomasi aplikasi penginderaan jauh.
Fitur dan keuntungan :
a. Koleksi tool dan algoritma analisa citra berbasis objek
b. Analisa raster, vector dan point cloud data
c. Dual startup, dapat memilih mode Quickmap atau mode developer
tradisional
d. Kemudahan digunakan pada desktop atau pada workflow produksi kelas
enterprise
e. Ketersediaan SDK
f. Akses online ke sumber ruleset
Dari ketiga software di atas, hanya software eCognition developer yang
akan kita bahas lebih jauh. dikarenakan release yang tersedia secara full versi hanya
untuk yang ini saja. eCognition developer dapat diaplikasikan untuk semua
pekerjaan penginderaan jauh umum seperti pemetaan vegetasi, ekstraksi fitur,
deteksi perubahan, dan pengenalan objek. Pendekatan berbasis objek memfasilitasi
analisa dari semua sumber data umum, seperti data citra satelit resolusi medium
sampai tinggi, foto udara resolusi tinggi sampai sangat tinggi, LiDAR, RADAR dan
bahkan data citra hyperspektral.
Kelompok V-A, 2015
II-30
II.6.4 ArcGIS
Gambar II-13 Tampilan depan software 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
Kelompok V-A, 2015
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.
Kelompok V-A, 2015
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:
Kelompok V-A, 2015
III-33
1. Buka Sofware ER Mapper
Gambar III-1 Software ER Mapper
2. Setelah itu akan muncul tampilan awal ER Mapper seperti berikut ini.
Gambar III-2 Tampilan awal ER Mapper
3. Lalu pilih algorithm
, lalu akan muncul tampilan seperti di bawah ini
Gambar III-3 Tampilan awal algorithm
4.
Setelah itu copy Pseudo Layer tersebut menjadi 8 untuk menggantinya

menjadi nama band yang sesuai dengan band yang akan diisi nantinya,
dimana nantinya akan dimasukkan band 1, band 2, band 3, band 4, band 5,
band 6, band 7, band 9 dengan memilih simbol .
Kelompok V-A, 2015
III-34
Gambar III-4 Algorithm yang telah terisi band
5. Kemudian setelah semua band dimasukkan, klik simbol
untuk me
refresh citra tersebut, sehingga akan muncul tampilan citra seperti gambar
di bawah ini.
Gambar III-5 Hasil citra awal
6. Setelah itu, simpan citra tersebut dengan format .alg dan .ers dengan
mengklik pada menu file save as seperti di bawah ini.
Gambar III-6 Penyimpanan citra
Kelompok V-A, 2015
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.
Gambar III-7 Format penyimpanan .alg
8. Kemudian akan muncul tampilan citra dengan format .alg seperti di bawah
ini.
Gambar III-8 Hasil citra dengan format .alg
9. Lalu untuk penyimpanan dengan format .ers pilih lokasi tempat

penyimpanan citra, kemudian isi nama yang citra tersebut sesuai yang
diinginkan lalu ganti format penyimpanan dengan .ers seperti gambar di
bawah ini.
Kelompok V-A, 2015
III-36
Gambar III-9 Format penyimpanan .ers
10. Untuk Format penyimpanan .ers, akan muncul tampilan seperti di bawah ini
dengan data type dirubah menjadi Unsigned 16 Bit Integer kemudian klik
ok.
Gambar III-10 Tampilan Save As ER Mapper Dataset
Gambar III-11 ER Mapper Status
Gambar III-12 ER Mapper Status
Kelompok V-A, 2015
III-37
11. Lalu akan muncul tampilan citra dengan format .ers seperti gambar di
bawah ini.
Gambar III-13 Hasil citra dengan format .ers
III.2.1.2 Cropping Citra

Langkah langkah dalam melakukan cropping citra adalah sebagai
berikut:
1. Buka ArcMap 10
Gambar III-14 Tampilan ArcMap 10
Kelompok V-A, 2015
III-38
2.
Lalu akan muncul tampilan seperti gambar di bawah ini.
Gambar III-15 Jendela ArcMap 10
3. Lalu add data yang ingin di tampilkan hingga muncul jendela di bawah
ini.
Gambar III-16 Add data
4. Setelah itu pilih data shapefile yang ingin ditambahkan, lalu akn muncul
tampilan seperti gambar dibawah ini.
Gambar III-17 Shapefile yang telah ditambahkan
Kelompok V-A, 2015
III-39
5. Kemudian klik kanan pada layer open attribute
Gambar III-18 Open Attribute
6. Lalu pada Menu Selection Select by Attributes.
Gambar III-19 Tampilan Menu Selection
7. Setelah itu pilih daerah yang diinginkan dengan melakukan pengaturan

seperti gambar di bawah ini. Dimana pada praktikum kali ini, menggunakan
Kabupaten Jembrana yang berada pada Pulau Bali. Pemilihan daerah ini
dilakukan dengan cara double klik Kabupaten, ketik = , klik Get Unique
Values dan pilih daerah yang ingin di cropping Apply OK.
Kelompok V-A, 2015
III-40
Gambar III-20 Select By Attribute
8. Setelah itu, merubah data yang telah terpotong tadi menjadi data shapefile
dengan cara klik kanan lagi pada layer, kemudian pilih Data Export
Data.
Gambar III-21 Merubah data menjadi shapefile
9. Lalu akan muncul tampilan seperti dibawah ini, dengan memilih output atau
tempat penyimpanan shapefile tersebut setelah di export.
Gambar III-22 Export Data
10. Kemudian akan muncul tampilan hasil cropping
yang telah menjadi
shapefile seperti gambar di bawah ini.
Kelompok V-A, 2015
III-41
Gambar III-23 Hasil Export Data
11. Setelah itu melakukan pengaturan sistem tranformasi koordinat sesuai

dengan daerah dipotong tadi dengan cara memilih ArcToolbox Data
Mangement Tools Projection and Transformations Feature Project
Gambar III-24 ArcToolbox
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.
Kelompok V-A, 2015
III-42
Gambar III-25 Spatial Reference Properties
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.
Gambar III-27 Tampilan jendela awal ER Mapper
15. Lalu convert data ArcGis menjadi format erv. Dengan memilih Menu
Utilities Import Vector and Gis formast ESRI Shape File Import.
Kelompok V-A, 2015
III-43
Gambar III-28 Importing shapefile
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.
Gambar III-29 Tampilan importing data
17. Setelah itu klik Open File, pilih citra Bali.
Gambar III-30 Open File
Kelompok V-A, 2015
III-44
18. Kemudian klik edit algoritm
hingga muncul tampilan seperti di bawah
ini.
Gambar III-31 Edit algoritm
19. Kemudian untuk memotong citra tersebut, klik pada edit Add Vector
Layer Annotation / Map Composition
Gambar III-32 Adding vector layer
20. Maka akan muncul layer baru (Annotation Layer) seperti gambar di bawah
ini.
Gambar III-33 Annotation layer
Kelompok V-A, 2015
III-45
21. Pada Annotation Layer kita pilih Dynamic Link Chooser.
Gambar III-34 Dynamic Link Chooser
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.
Gambar III-35 Converting shp-erv
23. Lalu akan muncul tampilan shapefile pada citra seperti gambar di bawah ini.
Gambar III-36 Tampilan data
Kelompok V-A, 2015
III-46
24. Pada Annotation Layer kita pilih Annotate Vector Layer.
Gambar III-37 Annotate vector layer
25. Maka akan muncul sebuah toolbar baru seperti dibawah ini.Lalu klik save
as seperti gambar ini.
Gambar III-38 Tampilan saving file
26. Pada pilihan save as ganti vector file menjadi Raster Region OK.
Gambar III-39 Kotak dialog saving file
Gambar III-40 Process
Kelompok V-A, 2015
III-47
Gambar III-41 Message Window
27. Kemudian pada Red Layer pilih Edit Formula
Kemudian pada Menu
Standard-Inside region polygon test.
Gambar III-42 Kotak dialog Formula Editor
28. Kemudian ganti input menjadi Regions. Pada kotak isian REGION 1 pilih
Region_0. Berikan (spasi) pada akhir formula. Klik Apply Change.
Gambar III-43 Pengaturan formula editor pada Red Layer
29. Kemudian lakukan hal yang sama pada Green layer dan Blue layer
sehingga akan muncul hasil crop seperti gambar di bawah ini.
Kelompok V-A, 2015
III-48
Gambar III-44 Hasil cropping Jembrana

III.2.1.3 Colour Composite
Langkah-langkah dalam praktikum colour composite adalah sebagai
berikut :
1. Buka Software ER Mapper.
Kelompok V-A, 2015
III-49
ini.
Gambar III-48 Tampilan Edit Algorithm
5. Kemudian ganti setiap band tersebut sesuai yang dinginkan seperti gambar
di bawah ini.
Gambar III-49 Penggantian band
6.
Lalu klik refresh
untuk memperjelas warna sehingga tampilan seperti
gambar di bawah ini.
Kelompok V-A, 2015
III-50
Gambar III-50 Komposit warna Band 562
7. Selanjutnya lakukan kembali langkah seperti di atas pada colour composite

untuk band 4,3,2 sehingga muncul seperti gambar di bawah ini.
8. Lakukan langkah seperti di atas pada colour composite untuk band 7,3,1
sehingga muncul seperti gambar di bawah ini.
Kelompok V-A, 2015
III-51
9. Dan lakukan langkah seperti di atas lagi pada colour composite untuk band
652 sehingga muncul seperti gambar di bawah ini.
Kelompok V-A, 2015
III-52
III.2.1.4 Enhancement
Langkah-langkah dalam praktikum enhancement adalah sebagai berikut :
hingga muncul tampilan seperti di
bawah ini.
Kelompok V-A, 2015
III-53
Gambar III-57 Edit Algoritm
5. Lalu pada Red Layer pilih Edit Transform Limits.

6. Mengaktifkan grid nya dengan mengklik kotak disebelah kata Grid.
7. Lalu Create Default Linear Transform
Gambar III-58 Trasnform
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.
Kelompok V-A, 2015
III-54
Gambar III-59 Hasil penajaman Red Layer
Gambar III-60 Hasil penajaman Green Layer
Gambar III-61 Hasil penajaman Blue Layer
Kelompok V-A, 2015
III-55
Gambar III-62 Hasil akhir penajaman citra
11. Lalu untuk pencerahan, hal pertama yang dilakukan adalah sama seperti
penajaman citra dengan memilih Edit Transform Limits pada Red Layer.
13. Lalu Create Default Linear Transform. Dan didapatkan hasil
penerangan citra seperti gambar di bawah ini.
Gambar III-63 Hasil pencerahan Red Layer
Gambar III-64 Hasil pencerahan Green Layer
Kelompok V-A, 2015
III-56
Gambar III-65 Hasil pencerahan Blue Layer
Gambar III-66 Hasil akhir pencerahan citra
14. Dan untuk penggelapan, hal yang dilakukan sama seperti penajaman dan
penerangan citra dengan memilih Edit Transform Limits pada Red
Layer.
16. Lalu Create Default Linear Transform. Dan didapatkan hasil
penggelapan citra seperti gambar di bawah ini.
Kelompok V-A, 2015
III-57
Gambar III-67 Hasil penggelapan Red Layer
Gambar III-68 Hasil penggelapan Green Layer
Gambar III-69 Hasil penggelapan Blue Layer
Kelompok V-A, 2015
III-58
Gambar III-70 Hasil akhir penggelapan citra
III.2.1.5 Density Slicing

Langkah langkah dalam density slicing adalah sebagai berikut :
Kelompok V-A, 2015
III-59
ini.
5. Lalu pada Red Layer pilih Edit Transform Limits

7. Lalu kemudian pilih Create level slice transform
Gambar III-75 Transform
Kelompok V-A, 2015
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)
Gambar III-76 Enter a number of steps
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.
Gambar III-77 Proses slicing
10. Sehingga didapatkan hasil sebagai berikut.
Gambar III-78 Hasil density slicing untuk 3 tingkat
Kelompok V-A, 2015
III-61
Gambar III-79 Hasil density slicing untuk 10 tingkat
III.2.1.6 Scattergram
Langkah-langkah dalam praktikum scattergram adalah sebagai berikut :
Kelompok V-A, 2015
III-62
4. Maka didapat hasil open file seperti berikut.
Gambar III-83 Tampilan citra Jembrana
5. Klik scattergram yang terdapat pada menu view.
Gambar III-84 Tampilan Scattegram
Kelompok V-A, 2015
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.
Gambar III-85 Scattergram
Gambar III-86 Scattergram Setup
7. Kotaki grafik scattergram maka secara otomatis citra akan berubah

warna seperti gambar dibawah ini.
Gambar III-87 Hasil kotakan scattergram
Kelompok V-A, 2015
III-64
8. Berikut hasil citra yang telah di scattergram.
Gambar III-88 Hasil Scattergram
III.2.1.7 Unsupervised Classification

Langkah-langkah dalam praktikum unsupervised classification adalah
sebagai berikut :
Kelompok V-A, 2015
III-65
5. Kemudian Klik Menu Process Classification ISOCLASS

Unsupervised Classification.
Gambar III-93 Menu Process
Kelompok V-A, 2015
III-66
6. Maka akan muncul Window Unsupervised dengan ketentuan seperti di

bawah ini.
Ketentuan untuk output, tetap pakai citra yang sama namun saat save beri
tambahan nama unsup
Input : hasiljembranacrop.ers
Output : hasiljembranacropunsupervised.ers
Selebihnya isi ketentuan window unsupervised seperti gambar berikut
Gambar III-94 Unsupervised Classification
7. Saat proses berlangsung dan saat sudah succesfull akan muncul window
berikut
Gambar III-95 Processing Status
Kelompok V-A, 2015
III-67
8. Close semua window, sisakan window awal ER Mapper saja

Lalu buka citra yang telah disimpan tadi dengan klik ikon algoritm
klik open.
Gambar III-96 Algorithm
10. Maka tampilan akan menjadi seperti berikut
Gambar III-97 Tampilan awal citra
11. Klik surface, cek color modenya, pastikan menjadi Pseudocolor
Gambar III-98 Pengaturan pada algorithm
Kelompok V-A, 2015
III-68
12. Klik kanan pada ikon
, lalu pilih Class Display
Gambar III-99 Jendela Class Display
13. Maka tampilan akan menjadi seperti berikut.
Gambar III-100 Tampilan Class Display Layer
14. Klik Menu Process Classification EditClass/Region Color and

Name
Gambar III-101 Pengaturan pada Edit Class/Rehion Color and Name
Kelompok V-A, 2015
III-69
15. Tampilan window akan seperti berikut.
Gambar III-102 Jendela Edit Class/Region Details
16. Kemudian beri nama dan warna yang sesuai dengan objek di lapangan
sehingga menjadi seperti gambar di bawah ini.
Gambar III-103 Hasil klasifikasi kelas
Gambar III-104 Hasil citra unsupervised
Kelompok V-A, 2015
III-70
III.2.1.8 Supervised Classification

Langkah-langkah dalm praktikum supervised adalah sebagai berikut :
Kelompok V-A, 2015
III-71
ini.
6. Kemudian untuk mengedit citra tersebut, klik pada edit Add Vector Layer
Annotation / Map Composition
Gambar III-110 Adding vector layer
Kelompok V-A, 2015
III-72
7. Maka akan muncul layer baru (Annotation Layer) seperti gambar di bawah
ini.
Gambar III-111 Annotation layer
8. Pada Annotation Layer kita pilih Dynamic Link Chooser.
Gambar III-112 Dynamic Link Chooser
9. Maka akan muncul kotak dialog seperti dibawah ini, fdan masukkan file
hasil crop.
Gambar III-113 Load Map Composition File
Kelompok V-A, 2015
III-73
Gambar III-114 Tampilan data
10. Pada Annotation Layer kita pilih Annotate Vector Layer.
Gambar III-115 Annotate vector layer
11. Kemudian akan muncul tampilan seperti pada gambar di bawah ini.
Gambar III-116 Tools
Kelompok V-A, 2015
III-74
12. Untuk membuat sampel area, menggunakan polygon
seperti pada
gambar di bawah ini.

13. Lalu kemudian bikin area seperti pada gambar di bawah ini, yang sesuai
klasifikasi pada unsupervised.
Gambar III-117 Pembuatan poligon
14. Lalu beri nama poligon tersebut dengan tools abc
Gambar III-118 Pemberian nama pada poligon
Kelompok V-A, 2015
III-75
15. Maka hasil pembuatan poligon area adalah sebagai berikut
Gambar III-119 Hasil pembuatan poligon pada citra
16. Save as project tapi dengan nama yang sama (overwrite)-OK
Gambar III-120 Save As
Gambar III-121 Pengaturan penyimpanan data
Kelompok V-A, 2015
III-76
Gambar III-122 Proses penyimpanan data
17. Setelah itu close semua window tadi.

18. Selanjutkan buka citra yang telah disimpan dengan nama yang sama tadi (
overwrite ).
19. Lalu selanjutnya adalah klik pada menu process lalu pilih Supervised
Classification.
Gambar III-123 Supervised Classification
Kelompok V-A, 2015
III-77
20. Kemudian akan muncul seperti pada gambar di bawah ini.
Gambar III-124 Supervised Classification
Untuk classification type, pertama kali menggunakan maximum likelihood

enhanched.
Gambar III-125 Status proses pada supervised classification
ini.
Gambar III-126 Algortihm
Kelompok V-A, 2015
III-78
22. Kemudian klik kanan pada Pseudo layer Class Display
Gambar III-127 Class Display Layer
23. Setelah dari Menu Edit Edit Class/Region Color and Name
Gambar III-128 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.
Gambar III-129 Pengeditan kelas pada supervised
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
Kelompok V-A, 2015
III-79
27. Kemudian hasilnya adalah seperti gambar di bawah ini.
Gambar III-130 Hasil Supervised Maximum Likelihood Enhaced
III.2.1.9 NDVI
Langkah-langkah dalam praktikum NDVI adalah sebagai berikut :
ini. Kemudian masukkan file hasil cropping pada Load Dataset.
Kelompok V-A, 2015
III-80
Gambar III-133 Algorithm
4. Setelah itu klik pada edit formula
hingga muncul tampilan berikut ini.
Gambar III-134 Formula Editor
5. Kemudian klik pada Ratio Landsat TM NDVI.
Gambar III-135 Landsat TM NDVI
Kelompok V-A, 2015
III-81
6. Lalu muncul jendela seperti gambar di bawah ini.
Gambar III-136 Formula Editor
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 .
Gambar III-137 Edit Transform Limit
8. Kemudian mengeklik limit limits to actual

9. Kemudian mengeklik icon refresh image with 99% clip on its
10. Setelah itu akan muncul citra hasil NDVI sebagai berikut.
Kelompok V-A, 2015
III-82
Gambar III-138 Hasil Citra NDVI
11. Kemudian setelah pengolahan selesai, mengeklik File, Save As.
Gambar III-139 Save As
12. Memilih file type ER Mapper Raster Dataset (.ers) OK
Gambar III-140 Pemilihan Files of Type
Kelompok V-A, 2015
III-83
13. Pada data Type diganti IEEE4ByteReal OK
Gambar III-141 Pemilihan Data Type
14. Kemudian klik ok, lalu akan muncul tampilan hasil citra proses NDVI
Gambar III-142 Citra NDVI setelah penyimpanan
III.2.2 Sensor Aktif

Dalam pelaksaan praktikum sensor pasif ini terdapat beberapa tahapan
sebagai berikut :
III.2.2.1 InSAR
Langkah-langkah dalam praktikum InSAR adalah sebagai berikut :
A. Pembuatan data SLC
1. Buka software ENVI , lalu kemudian pilih SARscrape focusing
ALOS PALSAR.
Kelompok V-A, 2015
III-84
Gambar III-143 Tampilan SARscrape
2. Pilih data type Single pol, kemudian masukan data citra master untuk
leader file, dan data citra slave untuk data file klik start.
Gambar III-144 Tampilan pembuatan SLC
Gambar III-145 Tampilan proses pembuatan SLC yang telah selesai
Kelompok V-A, 2015
III-85
3. Selanjutnya ulangi cara sebelumnya untuk pembuatan SLC yang ke 2 dan

ke 3.
Gambar III-146 Tampilan pembuatan SLC kedua
Gambar III-147 Tampilan pembuatan SLC ketiga
B. Pembuatan Baseline
1. Pilih SARscrape Interferometric tool Baseline estimation.
Gambar III-148 Tampilan Sarscrape
2. Masukan data master file untuk citra master, dan slave file untuk citra slave
klik start. Dimana citra master yang dimasukkan tanggalnya ataupun
Kelompok V-A, 2015
III-86
tahunnya lebih dulu atau tua dibandingkan dengan citra yang dimasukkan
untuk slave file.
Gambar III-149 Tampilan estimasi baseline
Gambar III-150 Proses estimasi baseline
Gambar III-151 Proses akhir estimasi baseline
Gambar III-152 Tampilan estimasi baseline dalam bentuk kurva
Kelompok V-A, 2015
III-87
Gambar III-153 Tampilan hasil estimasi baseline
C. Download data SRTM

1. Setelah itu proses baseline estimation selesai, kemudian download SRTM
dengan mengeklik menu SARscape General tools Digital Elevation
Models Extraction SRTM-3 Version 4.
Gambar III-154 Download SRTM
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.
Gambar III-155 Memasukan data
Kelompok V-A, 2015
III-88
3. Proses download selesai.
Gambar III-156 Proses download selesai
4. Maka akan muncul hasil seperti di bawah ini.
Gambar III-157 Hasil dowload SRTM
D. Pembentukan Interferogram
1. Pilih SARscarepe phase processing interferometri single steps interferogram generation.
2. Melakukan penginputan citra untuk master dan slave, output sebagai

tempat penyimpanan, dan DEM file berdasarkan hasil pengolahan SRTM
Kelompok V-A, 2015
III-89
3. Centang pada kotak generate coregister dan compute shift parameter

only. Kemudian masukan nilai azimuth dan range klik start.
Gambar III-159 Tampilan pembuatan interferogram
Gambar III-160 Tampilan proses akhir pembuatan interferogram
Gambar III-161 Tampilan pembuatan interferogram
Kelompok V-A, 2015
III-90
Gambar III-162 Hasil interferogram citra master
Gambar III-163 Hasil interferogram citra slave
Gambar III-164 Hasil interferogram
Kelompok V-A, 2015
III-91
E. Adaptive coherence
1. Pilih SARscarepe phase processing interferometri single steps
adaptive filter and coherence generation.
2. Maka muncul jendela Adaptive filter and coherence generation, Masukan

Interferogram file, Master file dan Slave file dengan hasil dari Interferogram
generation. Klik start untuk memproses.
Gambar III-166 Tampilan pembuatan adaptive cohorence
Gambar III-167 Proses pembuatan adaptive cohorence
Kelompok V-A, 2015
III-92
Gambar III-168 Proses akhir pembuatan adaptive coherence
Gambar III-169 Hasil adaptive interferogram
Gambar III-170 Hasil adaptive cohorence
F. Phase unwrapping
1. Pilih SARscrape Interferometry phase processing interferometri
single steps phase unwrapping.
Kelompok V-A, 2015
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.
Gambar III-172 Tampilan pembuatan phase unwrapping
Gambar III-173 Proses pembuatan phase unwrapping
Gambar III-174 Proses akhir pembuatan phase unwrapping
Kelompok V-A, 2015
III-94
Gambar III-175 Hasil phase unwrapping
G. Refinement and Re-flattening

1. Pilih Sarscrape interferomety phase processing interferometri
single steps refinement and re-flattening.
2. Maka muncul jendela refinement and re-flattening. Masukkan coherence

file dan instogram file dengan hasil data dari proses adaptive filtering,
unwrapped phase file dengan hasil data phase unwrapping, Input master file
input slave file, Synhetic phase file dan slant range DEM file dengan hasil
data dari Instogram Generation, refinement GCP file dengan memasukkan
titik GCP 00, DEM file dengan memasukkan data SRTM yang sudah di
download dan beri nama file data pada proses ini . Klik start untuk memulai
proses.
Kelompok V-A, 2015
III-95
Gambar III-177 Tampilan pembuatan refinement and re-flattening
Gambar III-178 Proses pembuatan refinement and re-flattening
Gambar III-179 Hasil refinement and re-flattening
H. Pembentukan phase height conversion and geocoding

single steps phase height conversion and geocoding.
Kelompok V-A, 2015
III-96
Gambar III-180 Tampilan SARscrrape
2. Kemudian akan muncul jendela phase to height conversion and

geocoding, masukkan unwrapped phase file dengan hasil data phase
unwrapping, Input master file, Input slave file, Synhetic phase file dengan
hasil data Interferogram generation, Coherence file dengan hasil data
adaptive filter, beri nama data file pada proses phase to height, edit
cartographic system. Klik Start untuk memulai proses.
Gambar III-181 Pembuatan phase height conversion and geocoding
Gambar III-182 Pembuatan phase height conversion and geocoding
Kelompok V-A, 2015
III-97
Gambar III-183 Proses pembuatan phase height conversion and geocoding
Gambar III-184 Proses akhir pembuatan phase height conversion and geocoding
Gambar III-185 Hasil phase height conversion and geocoding
I. Pembentukan phase displacement conversion and geocoding

single steps phase displacement conversion and geocoding.
Kelompok V-A, 2015
III-98
2. Maka muncul jendela phase to displacement conversion and geocoding,

masukkan unwrapped phase file dengan hasil data phase unwrapping,
DEM File dengan memasukkan data SRTM yang sudah di download,
Coherence File dengan hasil data adaptive filter, dan beri nama data file
pada proses phase to displacement conversion and geocoding. Klik start
untuk memulai proses.
Gambar III-187 Pembuatan phase displacement conversion and geocoding
Gambar III-188 Proses pembuatan phase displacement conversion and geocoding
Kelompok V-A, 2015
III-99
Gambar III-189 Proses akhir pembuatan phase displacement conversion and geocoding
Gambar III-190 Hasil phase displacement conversion and geocoding
III.2.2.2 Segmentasi
Langkah-langkah dalam praktikum segmentasi adalah sebagai berikut :
1. Membuka aplikasi eCognation
Gambar III-191 Sofware eCognation
Kelompok V-A, 2015
III-100
2. Akan muncul tampilan menu eCognation
Gambar III-192 Tampilan awal eCognation
3. Membuat projek baru dengan menggunakan tools create new project

sehingga akan muncul tabel dan buka data citra yang tersimpan dalam
komputer
Gambar III-193 Pembuatan projek baru
4. Setelah itu akan muncul tabel Create Project, agar citra dapat ditampilkan
selanjutnya adalah menekan tombol ok.
Kelompok V-A, 2015
III-101
Gambar III-194 Create Project
5. Setelah itu akan tampil citra yang dipilih tadi seperti gambar di bawah ini.
Gambar III-195 Tampilan citra yang dipilih
6. Untuk mengubah komposisi
band
pada citra dapat
dilakukan
menggunakan menu view kemudian image layer mixing
Gambar III-196 Image layer mixing
7. Akan muncul tabel edit image layer mixing, dengan tabel tersebut dapat
digunakan untuk mengatur komposisi band yang diinginkan
Kelompok V-A, 2015
III-102
Gambar III-197 Edit Image Layer Mixing
8. Dengan komposisi 432 tampilan citra akan berubah menjadi sebagai

berikut
Gambar III-198 Citra dengan komposisi band 432
9. Agar tabel Procces Tree selanjutnya adalah dengan menggunakan menu

Procces kemu dian klik pilihan Procces Tree
Gambar III-199 Process Tree
10. Untuk menampilkan tabel Class Hierarcy tahapan selanjutnya adalah

menggunakan menu Clasification kemudian memilih pilihan class
Hierarcy sehingga akan muncul tabel yang diinginkan
Kelompok V-A, 2015
III-103
Gambar III-200 Class Hierarchy
11. Selanjutnya adalah membuat proses baru pada tabel Procces Tree dengan
cara klik kanan pada tabel Procces Tree klik Appened New
Gambar III-201 Append New
12. Akan muncul tabel Edit Procces, ubah nama sesuai yang diinginkan
kemudian pada algoritma pilih Multiresolution Segmentation
Gambar III-202 Edit Process
13. Pada tabel Edit Procces ubah parameter sesuai dengan yang diinginkan
seperti Scale Parameter dan Shape
Kelompok V-A, 2015
III-104
Gambar III-203 Pengaturan Algorithm parameters
14. Klik execute klik ok.
Gambar III-204 Proses pembentukan parameter algoritma
15. Tampilan akan berubah menjadi beberapa bagian-bagian sesuai dengan

jumlah atau angka Scale Parameter yang dimasukan
Gambar III-205 Hasil citra yang telah diproses
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
Kelompok V-A, 2015
III-105
Gambar III-206 Pengaturan pada edit process
17. Mengubah Name menjadi segmentasi dan mengubah Algoritma menjadi

Clasification oke, sehingga pada tabel Procces Tree akan berubah
menjadi sebagai berikut :
Gambar III-207 Hasil pembuatan process tree
18. Setelah itu adalah proses pengambilan sampel objek yang ingin
diklasifikasikan dengan cara menggunakan tabel clasification Hirarcy
klik kanan Insert Class
Gambar III-208 Insert Class
Kelompok V-A, 2015
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
Gambar III-210 Hasil klasifikasi citra
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
Gambar III-211 Select Features to Display
Kelompok V-A, 2015
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
Gambar III-212 Tampilan Select displayed Features
23. Selanjutnya adalah melakukan pengambilan sampel pada objek yang akan
diklasifikasikan yaitu dengan cara memilih menu clasification sample
select sample
Gambar III-213 Pengambilan sampel
24. Melakukan pengambilan sampel dengan cara memilih terlebih dahulu

class apa yang akan dipilih pada tabel class hierarcy, misalnya pada class
vegetasi padat klik class hierarcy vegetasi padat kemudian pada tampilan
citra double klik yang menunjukan vegetasi padat dan pada sampel yang
telah dipilih akan berubah warna sesuai warna pada class yang telah dibuat
Gambar III-214 Pengambilan sampel pada citra
Kelompok V-A, 2015
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
Gambar III-215 Hasil pengkelasan citra segmentasi
27. Agar
dapat
ditampilkan
menggunakna
aplikasi
ArcGIS
dapat
menggunakan menu export excport result pada eCognatition sehingga

dapat data dapat diubah menjadi shape file (.shp)
Gambar III-216 Export Results
28. Akan mencul tabel export results kemudian pada export type pilih shape
file
Gambar III-217 Tampilan tabel export results
Kelompok V-A, 2015
III-109
29. Setelah itu akan muncul tabel select classes for shape export, pilih select
semua class yang muncul ok
Gambar III-218 Tampilan Select Classes for Shape Export
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
Gambar III-219 Hasil layout segmentasi
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
Kelompok V-A, 2015
III-110
Gambar III-220 Software ENVI LiDAR
3. Selanjutnya akan muncul tampilan awal sofware seperti gambar di bawah

ini.
Gambar III-221 Tampilan awal ENVI LiDAR
4. Kemudian pada toolbar klik Menu File New project
Gambar III-222 Pembuatan projek baru
5. Kemudian akan muncul tampilan berikut, lalu pada folder yang telah kita
buat sebelumnya tambahkan lagi sebuah folder dengan nama yang berbeda
Kelompok V-A, 2015
III-111
sebagai tempat penyimpanan data pada proses data Citra LiDAR misalnya
dengan nama folder Data Sampel kemudian klik Save
Gambar III-223 Tempat penyimpanan projek baru
6. Kemudian akan muncul tampilan di bawah ini, kemudian klik ok.
Gambar III-224 Proses penyimpanan projek baru
7. Setelah itu akan muncul tampilan berikut, lalu cari data yang telah kita
download sebelumnya kemudian klik open lalu muncul tampilan berikut
klik no.
Gambar III-225 Proses penambahan data LiDAR
Kelompok V-A, 2015
III-112
8. Lalu akan muncul tampilan seperti di bawah ini.
Gambar III-226 Pengaturan convert format
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
Gambar III-227 Penambahan data dalam format .tif
9. Setelah itu akan muncul tampilan seperti gambar di bawah ini
Gambar III-228 Data LiDAR setelah dimasukkan
Kelompok V-A, 2015
III-113
10. Lalu klik icon
muncul tampilan berikut kemudian klik start
processing. Kemudian tentukan hasil ataupum output yang ingin

didapatkan dari proses nantinya.
Gambar III-229 Project Properties
11. Kemudain akan muncul tampilan seperti gambar di bawah ini.
Gambar III-230 Hasil proses data LiDAR
12. Kemudian klik icon
Kelompok V-A, 2015
kemudian muncul tampilan berikut
III-114
Gambar III-231 Hasil proses QA
13. Kemudian klik juga icon
untuk memunculkan tampilan 3D.
Gambar III-232 Hasil tampilan 3G
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.
Gambar III-233 Select Format
15. Kemudian secara otomatis komputer akan melakukan penyimpanan data

file yang telah di exsport pada folder yang telah kita buat sebelumnya
berikut dengan dimana letak komputer menyimpan data, kemudian muncul
tampilan berikut lalu klik Ok.
Kelompok V-A, 2015
III-115
Gambar III-234 Tempat penyimpanan data
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.
Gambar III-235 Tampilan awal Google Earth
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.
Gambar III-236 Hasil LiDAR pada Google Earth
Kelompok V-A, 2015
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
Gambar IV-1 Hasil dengan format .alg
Penyimpanan dengan format .alg menerangkan mengenai dataset dan

proses-proses yang kita lakukan terhadap suatu citra tertentu, sehingga kita
bisa menampilkan secara langsung citra hasil pengolahan. Penyimpanan
dengan format .alg ini memudahkan suatu untuk melakukan pengeditan
ulang pada citra yang telah diproses sebelumnya.
2. Hasil dengan format .ers
Gambar IV-2 Hasil dengan format .ers
Kelompok V-A, 2015
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.
Gambar IV-3 Hasil cropping citra
Pemotongan citra untuk daerah tertentu seperti Kabupaten Jembara-Bali ini

bertujuan agar lebih memudahkan proses selanjutnya tanpa menghilangkan
data asli citra tersebut. Proses selanjutnya disini adalah dalam hal
mengidentifikasi
ataupun
mengklasifikasi
citra
tersebut.
Proses
mengidentifikasi ataupun mengklasifikasi citra nantinya akan terjadi pada

proses pengolahan citra seperti supervised, unsupervised maupun NDVI.
IV.1.3 Hasil dan Pembahasan Color Composite
Kombinasi RGB dapat kita lakukan sesuai dengan informasi yang kita
butuhkan. Band memiliki kemampuan untuk mendeteksi objek dengan panjang
gelombang tertentu dengan beberapa kerakteristik tertentu, sehingga objek pada
Kelompok V-A, 2015
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
Gambar IV-4 Komposit warna band 562
Untuk komposit warna band 562 berarti menunjukkan bahwa :

Layer red : NIR
Layer green : SWIR
Layer blue : biru
Jika diidentifikasi pada citra dengan komposit warna tersebut menunjukkan
bahwa objek yang berwarna merah merupakan gelombang NIR yang
mengidentifikasi vegetasi cerah di lapangan, dan objek yang berwarna hijau
di lapangan merupakan gelombang SWIR yang mengidentifikasi lapangan
ataupun sawah.
Kelompok V-A, 2015
IV-3

Layer red : merah
Layer green : hijau
Layer blue : biru
Komposit warna untuk band 432 merupakan komposit warna yang
sebenarnya atau true color. Jadi warna objek di lapangan akan sesuai
dengan warna objek yang ditangkap oleh sensor sehingga mengasilkan citra
yang sesuai dengan warna di lapangan.
vegetasi tetap berwarna hijau, dan daerah resapan air berwarna biru.

Layer red : Far Infrared
Layer green : Hijau
Layer blue : Aerosol
bahwa objek yang berwarna merah merupakan gelombang Far Infrared
yang mengidentifikasi vegetasi cerah di lapangan, dan objek yang berwarna
biru di lapangan merupakan gelombang aerosol yang mengidentifikasi
partikel yang ada di udara seperti uap air, debu dan lain-lain.
Kelompok V-A, 2015
IV-4

Layer red : SWIR
Layer green : NIR
Layer blue : biru
bahwa objek yang berwarna hijau merupakan gelombang NIR yang
mengidentifikasi vegetasi cerah di lapangan.
IV.1.4 Hasil dan Pembahasan Enhancement
Proses Enhancement citra (peningkatan kualitas citra) dilakukan bertujuan
untuk mempermudah dalam menginterpretasikan objek-objek pada citra. Selain itu,
proses enhancement juga bertujuan untuk meningkatkan kualitas citra, baik untuk
memperoleh keindahaan gambar maupun untuk kepentingan analisis citra. Dengan
proses Algoritma, ER Mapper mempermudah pengguna melakukan berbagai
macam proses enhancement citra tanpa perlu membuat file-file baru yang hanya
akan membuat penuh memory komputer. Dalam proses enhancement meliputi
proses penajaman, pencerahan dan penggelapan citra.
Kelompok V-A, 2015
IV-5
Hasil dan pembahasan dari enhancement adalah sebagai berikut :

1. Hasil dan pembahasan dari penajaman citra
Gambar IV-8 Hasil penajaman citra
Penajaman citra dilakukan dengan mengkontraskan warna melalui RGB

seperti terlihat pada gambar diatas. Hasilnya sangat terlihat jelas bahwa
objek satu dengan yang lain itu berbeda karena perubahan pikselnya yang
mempresentasikannya dan karena pola spasial yang dihasilkan. Penajaman
citra dilakukan dengan menaikkan atau menurunkan nilai DN, sehingga
objek pada citra terlihat jelas dan perbedaan diantara setiap objek terlihat
dengan jelas. Jadi penggunaan nilai DN disini menyesuaikan kebutuhan dan
hasil yang didapatkan.
2. Hasil dan pembahasan dari pencerahan citra
Gambar IV-9 Hasil pencerahan citra
Kelompok V-A, 2015
IV-6
Pencerahan citra dilakukan dengan mengkontraskan warna melalui RGB

seperti terlihat pada gambar diatas. Hasilnya sangat terlihat jelas bahwa
objek satu dengan yang lain itu berbeda karena perubahan pikselnya yang
mempresentasikannya dan karena pola spasial yang dihasilkan. Pencerahan
citra dilakukan dengan cara menaikkan nilai digital number baik pada
koordinat x maupun koordinat y. Dimana nilai pada koordinat y, digital
number dinaikkan mendekati angka 255 , lalu untuk nilai pada koordinat y
disesuaikan hingga citra tersebut menjadi lebih terang dari sebelumnya.
3. Hasil dan pembahasan dari penggelapan citra
Gambar IV-10 Hasil penggelapan citra
Pengelapan citra dilakukan dengan cara menurunkan nilai digital number

baik pada koordinat x maupun koordinat y dengan menggerakkan
kurvanya. Dimana nilai pada koordinat x dan y mendekati nilai 0 dari
rentang 0 hingga 255.
IV.1.5 Hasil dan Pembahasan Density Slicing
Teknik pengklasifikasian density slicing adalah mengklasifikasikan
sekaligus mendistribusikan nilai digital (DN atau digital number). Density Slicing
dapat dikatakan sebagai salah satu teknik untuk mencerahkan citra (enhancement)
dengan meningkatkan pendistribusian DN. DN akan dibagi dalam beberapa interval
yaitu DN rendah, sedang, dan tinggi
Kelompok V-A, 2015
IV-7
Gambar IV-11 Hasil density slicing untuk 3 tingkat
Gambar IV-12 Hasil density slicing untuk 10 tingkat
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.
Kelompok V-A, 2015
IV-8
IV.1.6 Hasil dan Pembahasan Scattergram

Scattergrams memudahkan kita dalam melihat nilai dari suatu citra dari dua
saluran band dalam citra.Selain itu kita juga dapat mengetahui keterkaitan antar
band dengan citra.
Gambar IV-13 Scattergram setup
Gambar IV-14 Hasil Scattergram
Pada praktikum scattergram ini menggunakan korelasi atau hubungan

antara band 2 dan band 7, dimana merah dan Far Infrared yang bagus untuk
mendeteksi vegetasi.
Pada Praktikum ini, dibuat 3 daerah untuk mengetahui pada digital number
keberapa pada koordinat x dan koordinat y kedua band tersebut saling berhubungan
dengan rentang nilai 0 sampai 255. Dimana untuk daerah yang berwarna biru yang
Kelompok V-A, 2015
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.
Kelompok V-A, 2015
IV-10
Hasil setelah semua terklasifikasi adalah sebagai berikut :
Gambar IV-15 Hasil klasifikasi kelas
Gambar IV-16 Hasil luas klasifikasi kelas unsupervised
Gambar IV-17 Hasil Unsupervised Classification
Kelompok V-A, 2015
IV-11
Dari unsupervised classification kita dapat mengetahui, menghitung

dan mengenali nilai spektral pada citra yang didapatkan dari hasil survei di
lapangan.
Penjelasan dari hasil unsupervised adalah sebagai berikut :
a. Secara proses unsupervised lebih cepat dalam pengklasifikasian dalam
pengkelasan objek dan proses langsung oleh komputer.
b. Hasil yang didapat lebih detail.
c. Metode ini mengklasifikasikan objek sendiri dan dibagi sesuai dengan
proses yang telah dilakukan sebelumnya. Dalam praktikum kali ini kelas
dibagi menjadi 8 kelas dan unsupervised membaginya seusai dengan
kelas tersebut.
Gambar IV-18 Hasil produk peta unsupervied
IV.1.8 Hasil dan Pembahasan Supervised Classification

Klasifikasi dengan menggunakan metode supervised adalah merupakan
metode klasifikasi yang bisa dibilang lebih lama dan rumit. Analisis harus
menggunakan data lapangan untuk memutuskan atau mengontrol tipe penutupan
lahan yang benar untuk area citra. Klasifikasi ini dilakukan dengan menggambar
training area untuk masing-masing tipe penutupan lahan yang harus dipisahkan
pada klasifikasi dan menggunakan karakteristik spektral masing-masing area untuk
mengklasifikasi citra.
Metode supervised dilakukan apabila kita mempunyai pengetahuan yang
cukup dari dataset dan pada posisi atau area mana suatu wilayah atau kelas-kelas
Kelompok V-A, 2015
IV-12
tersebut berada di lapangan. Klasifikasi supervised memerlukan kelas-kelas yang

menspesifikasikan wilayah-wilayah yang diinginkan. Kita dapat mendefinisikan
suatu wilayah dengan menggambarkan suatu wilayah latihan dengan menggunakan
sistem anotasi dan menyimpannya dalam dataset raster.
Hasil klasifikasi adalah sebagai berikut :
Gambar IV-19 Hasil klasifikasi supervised
Gambar IV-20 Hasil luas klasifikasi supervised
Gambar IV-21 Hasil Supervised Classification
Kelompok V-A, 2015
IV-13
Pembahasan dari hasil tersebut adalah :

a. Dalam penggunaan metode ini cara yang dilakukan lebih panjang jika
dibandingkan dengan metode klasifikasi unsupervised
b. Pada metode ini kami bebas mengklasifikasikan wilayah sesuai dengan
keinginan. Sebagai contoh :hutan, hanya mengambil sampel dari salah
satu bagian wilayah hutan dan nantinya akan diproses oleh komputer.
c. Inti dari hasil yang di dapatkan dari metode ini adalah pengkelasan
hanya terjadi untuk area yang besar. Jadi untuk area yang kecil
mengikuti klasifikasi kelas yang mendekati tipe atau kelas dari area
tersebut.
Gambar IV-22 Hasil produk peta supervied
IV.1.9 Hasil dan Pembahasan NDVI

Indeks vegetasi atau NDVI adalah indeks yang menggambarkan tingkat
kehijauan
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).
Kelompok V-A, 2015
IV-14
Gambar IV-23 Hasil NDVI
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.
Gambar IV-24 Hasil produk peta NDVI
Kelompok V-A, 2015
IV-15
IV.2 Hasil dan Pembahasan Sensor Aktif

IV.2.1 Hasil dan Pembahasan InSAR
Hasil dan pembahasan dari pembuatan DEM menggunakan metode InSAR
adalah sebagai berikut :
A. Pembentukan citra SLC
Dalam pembuatan SLC terdapat tahap focusing untuk mendapatkan
hasil akhir SLC. Sebelum memasuki tahapan selanjutnya, terdapat
tahapan estimasi baseline, yang berfungsi untuk mengetahui akuisisi
jarak antar satelit (koherensi), dan bertujuan untuk mengetahui
kesesuaian dari 2 data melalui koherensi.
B. Ko-registerasi
Ko-registerasi atau yang biasa disebut sebagai image matching adalah
proses untuk mengetahui apakah terdapat keseuaian antara citra master
dan citra slave, dan didapatkan hasil koherensi.
C. Interferogram Generation
Digunakan untuk menghitung bentuk kompleks hasil perkalian
konjugasi citra master dan citra slave, pada tahapan ini menghasilkan
citra ferogram.
Berdasarkan hasil yang didapatkan melalui tahapan interferogram
melalui citra yang sudah terolah berdasarkan gabungan dari citra master
dan slave, yaitu terlihat bahwa hasilnya masih belum membentuk
gambar yang jelas.
Gambar IV-25 Hasil interferogram
Kelompok V-A, 2015
IV-16
D. Penapisan Adaptive dan pembentukan koherensi

Penapisan adaptive menggunakna Goldstein filtering
bertujuan
mengurangi reduksi atau reduksi spackle, fasa kebisingan dan atmosfer

yang dikarenakan variasi kecerahan citra akibat variasi backscattering.
Didapatkan dua hasil, yaitu citra adaptive hasil interferogram, dan citra
adaptive hasil coherence, terlihat sangat jelas perbedaan dari keduanya
dimana citra hasil interferogram jauh lebih jelas dan terang, sedangkan
citra hasil coherence nampak lebih gelap dan sedikit buram.
Gambar IV-26 Hasil adaptive interferogram
Gambar IV-27 Hasil adaptive cohorence
E. Pembentukan phase unwrapping

Adalah proses penyelesaian ambiguitas, dari fase relatit menjadi fase
absolut. Berdasarkan pengolahan hasil dari phase unwrapping, citra
Kelompok V-A, 2015
IV-17
yang terbentuk sudah terlihat lebih jelas dan berbentuk, walaupun

masih belum terlihat cerah secara signifikan.
Gambar IV-28 Hasil phase unwrapping
F. Pembentukan refinement and reflattening

Adalah tahapan untuk melakukan koreksi ulang dengan cara iterasi
penapisan. Didapatkan hasil tahapan dari proses refinement and
reflattening terlihat lebih terang dan jelas, serta siluet dari citra lebih
terlihat jelas bentukannya.
Gambar IV-29 Tampilan hasil refinement and re-flattening
G. Pembentukan phase height conversion and geocoding

Adalah proses untuk mengikatkan semua titik terhadap suatu referensi
koordinat tertentu, dimana hitungan untuk mendapatkan posisi titik di
Kelompok V-A, 2015
IV-18
permukaan bumi dilakukan dengan beberapa persamaan. Berdasarkan

hasil yang terbentuk kehalusan gambar serta kejelasan gambar sudah
jauh membaik, walaupun belum terlalu bagus.
Gambar IV-30 Tampilan hasil phase height conversion and geocoding
H. Pembentukan phase displacement conversion and geocoding

Selain memasukkan data-data yang telah diproses sebelumnya pada
pembentukan phase displacement conversion and geocoding juga
dimasukkan data SRTM.
Berdasarkan hasil yang didapatkan dapat dilihat bahwa citra yang
dihasilkan jauh lebih halus dibandingkan dengan tahapan yang lainnya.
Gambar IV-31 Tampilan hasil phase displacement conversion and geocoding
IV.2.2 Hasil dan Pembahasan Segmentasi

Segmentasi citra adalah membagi suatu citra menjadi wilayah-wilayah
yang homogen berdasarkan kriteria keserupaan yang tertentu antara tingkat
Kelompok V-A, 2015
IV-19
keabuan suatu piksel dengan tingkat keabuan piksel-piksel tetangganya. Proses

segmentasi memiliki tujuan yang hampir sama dengan proses klasifikasi tidak
terpandu.
Ide
utama
dalam
teknik
segmentasi
berdasar
wilayah
adalah
mengidentifikasi beberapa wilayah dalam suatu citra yang memiliki kesamaan

corak. Teknik klasterisasi yang ditemui dalam literature pengenalan pola memiliki
kesamaan objek dan dapat diterapkan untuk segmentasi citra. Citra dibagi dalam
wilayah-wilayah kecil yang nilai aras keabuannya seragam. Untuk segmentasi citra
berdasarkan klasterisasi akan dibahas lebih rinci pada bagian selanjutnya.
Dalam proses klasifikasi ini dibagi menjadi 8 kelas yang terdiri dari :
a. Awan atau bayangan
b. Badan air
c. Lahan Terbangun
d. Lahan terbuka
e. Pemukiman jarang
f. Pemukiman padat
g. Vegetasi jarang
h. Vegetasi Rapat
Proses klasifikasi ini ditentukan dengan adanya ketepatan dalam
pengambilan sampel setiap kelasnya, dari praktikum yang kami lakukan masih ada
beberapa kesalahan sehingga objek yang harusnya terklasifikasikan bangunan
tetapi program mendeteksikanya sebagai awan atau bayangan.
Gambar IV-32 Sebelum klasifikasi
Kelompok V-A, 2015
IV-20
Gambar IV-33 Setelah klasifikasi
Dalam pemrosesan klasifikasi ini juga dipengaruhi dengan skala parameter

yang digunakan semakin kecil nilai skala parameter yang digunakan maka semakin
rapat dan banyak pula segmen-segmen area yang terbentuk sehingga dalam
pemilihan sampel dapat mengakibatkan kesulitan.
Gambar IV-34 Skala parameter 300
Gambar IV-35 Skala parameter 50
Kelompok V-A, 2015
IV-21
Dari data yang diperoleh dapat diketahui luasan tiap kelas, dengan data sebagai
berikut :
a. Awan atau bayangan
Gambar IV-36 Perhitungan luas awan atau bayangan
b. Badan air
Gambar IV-37 Perhitungan luas badan air
c. Lahan Terbangun
Gambar IV-38 Perhitungan luas lahan terbangun
Kelompok V-A, 2015
IV-22
d. Lahan terbuka
Gambar IV-39 Perhitungan luas lahan terbuka
e. Pemukiman jarang
Gambar IV-40 Perhitungan luas pemukiman jarang
f. Pemukiman padat
Gambar IV-41 Perhitungan luas pemukiman padat
g. Vegetasi jarang
Gambar IV-42 Perhitungan luas vegetasi jarang
Kelompok V-A, 2015
IV-23
h. Vegetasi Rapat
Gambar IV-43 Perhitungan luas vegetasi rapat
Gambar IV-44 Hasil Klasifikasi Tutupan Lahan Daerah Semarang
IV.2.3 Hasil dan Pembahasan LiDAR

Pada 3D viewer kita dapat melihat tampilan dimana berupa warna-warna
yang berbeda hal ini bertujuan agar kita dapat dengan mudah mengklasifikasikan
objek dan tentunya dapat membedakan objek-objek yang ada. Pada hasil 3D Lidar
tidak menunjukan point cloud lagi karena point cloud merupakan representasi dari
hasil 3D. Hasil pada 3D viewer merupakan gabungan dari hasil pemrosesan pada
ENVI Lidar yaitu orthophoto, DEM, bulidings, trees dan lain-lain.
Kelompok V-A, 2015
IV-24
Gambar IV-45 Hasil 3D viewer
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.
Gambar IV-46 Hasil overlay di Google Earth
Kelompok V-A, 2015
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
bisa dilakukan pada
siang hari
dengan kondisi cuaca yang cerah. Sedangkan pada metode aktif sensor
pada wahana dapat
melakukan perekaman
dengan
sendirinya.
Perekamannya dilakukan dengan tenaga buatan (dengan tenaga pancar)

sehingga memungkinkan perekamannya dapat dilakukan pada malam
hari maupun siang hari, dan di segala cuaca.
2. Pada praktikum ini pengolahan sensor pasif menggunakan citra Landsat
8 Kabupaten Jembara, Bali dengan menggunakan Software ER Mapper.
Pengolahan citranya seperti : Extrasi Citra, Cropping Citra, Colour
Composite, Enhancement, Dencity Slicing, Scattergram, Unsupervised,
Supervised, NDVI. Lalu untuk pengolahan sensor aktif menggunakan
Citra Alos Palsar menggunakan ENVI SARscape, citra semarang
menggunakan eCognation dan pengolahan data LiDAR menggunakan
ENVI LiDAR.
3. Perbedaan mendasar dari pengolahan sensor pasif dan sensor aktif adalah
dari data dan software yang digunakan. Dimana data yang digunakan pada
pengolahan sensor pasif merupakan hasil perekaman sensor pasif dan
begitu juga dengan sensor aktif. Hasil dari data sensor aktif tergantung
pada range dan azimuth pada citra dan point cloud pada data LiDAR
sehingga diperlukan koreksi ulang seperti menghilangkan atmosphere,
displacement, noise dan lain-lain sebelum diolah. Dan pada hasil data
sensor pasif berupa citra yang telah memiliki resolusi spasial yang
menunjukkan tingkat ketelitian citra tersebut, serta resolusi yang lain yang
Kelompok V-A, 2015
V-1
sebelumnya juga harus dikoreksi baik itu koreksi radiometrik maupun

koreksi geometrik baru bisa diolah. Serta software yang digunakan pun
sesuai kebutuhan dan kemapuan pengolahan dari software tersebut.
4. Untuk hasil pengolahan sensor pasif adalah citra dengan format .ers dan
.alg, potongan citra Kabupaten Jembrana, hasil komposisi citra dengan
berbagai band guna mendeteksi objek tertentu pada citra, hasil
penajaman, penerangan, serta penggelapan citra, hasil pengklasifikasian
dengan penggunaan DN, mengetahui hubungan antar band, klasifikasi
terbimbing, klasifikasi tak terbimbing, dan klasifikasi berdasarkan tingkat
vegetasi dengan menggunakan inframerah jarak dekat. Sedangkan untuk
sensor pasif, hasil pengolahannya berupa pembentukan DEM,
segmentasi, serta hasil 3D data LiDAR yang bisa dimasukkan serta
ditampilkan di Google Earth.
V.2 Saran
Adapun saran yang bisa diambil dalam praktikum ini adalah sebagai berikut
:
1. Sebelum
melaksanakan
praktikum,
praktikan
terlebih
dahulu
menyediakan buku panduan praktikum dan mempelajarinya.

2. Dalam melakukan praktikum ini sebaiknya kita menggunakan komputer
dengan spesifikasi RAM minimal 1 Gb agar dalam melakukan
pengolahan citra berjalan dengan cepat dan kualitas gambarnya menjadi
terang atau tajam.
3. Komputer harus menggunakan harddisk yang besar karena file dengan
format ERS dan JPG yang dihasilkan dari pengolahan citra tersebut
berukuran cukup besar.
4. Masa praktikum sebaiknya diperpanjang agar lebih teliti dalam
pengerjaannya.
Kelompok V-A, 2015
V-2

Laporan Penginderaan Jauh

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Laporan Penginderaan Jauh

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRAKTIKUM

1. Dwi Nanda Nur S

3. Aulia Imania Sukma

PROGRAM STUDI TEKNIK GEODESI

Laporan Praktikum Penginderaan Jauh II

1. Dwi Nanda Nur S

3. Aulia Imania Sukma

PROGRAM STUDI TEKNIK GEODESI

Kelompok V-A, 2015

Laporan Praktikum Penginderaan Jauh II

1. Dwi Nanda Nur S

3. Aulia Imania Sukma

Semarang, Desember 2015

Bandi Sasmito, S.T., M.T.

Kelompok V-A, 2015

Dosen Pengampu Mata Kuliah II,

Dr. Yudo Prasetyo, S.T., M.T.

Laporan Praktikum Penginderaan Jauh II

Kelompok V-A, 2015

Laporan Praktikum Penginderaan Jauh II

PENDAHULUAN .................................................................................. I-1

Latar Belakang ....................................................................................... I-1

Maksud dan Tujuan ................................................................................ I-3

Maksud ............................................................................................ I-3

Tujuan ............................................................................................. I-3

Rumusan dan Batasan Masalah .............................................................. I-4

Rumusan Masalah ........................................................................... I-4

Batasan Masalah.............................................................................. I-4

Sistematika Penulisan Laporan .............................................................. I-4

BAB II DASAR TEORI .....................................................................................II-1

Penginderaan Jauh .................................................................................II-1

Pengertian Penginderaan Jauh....................................................... II-1

Komponen Penginderaan Jauh ...................................................... II-2

Teknik Pengumpulan Data ............................................................ II-5

Manfaat Penginderaan Jauh .......................................................... II-5

Sistem Penginderaan Jauh .....................................................................II-6

Citra Digital ................................................................................... II-6

Citra Digital Skala Keabuan.......................................................... II-9

Citra Digital Berwarna .................................................................. II-9

Sensor Citra .........................................................................................II-10

Sensor Pasif ................................................................................. II-10

Sensor Aktif ................................................................................ II-11

Koreksi Citra .......................................................................................II-11

Koreksi Radiometrik ................................................................... II-11

Koreksi Geometrik ...................................................................... II-12

Software Penginderaan Jauh ................................................................II-25

ER Mapper .................................................................................. II-25

Kelompok V-A, 2015

Laporan Praktikum Penginderaan Jauh II

ENVI ........................................................................................... II-28

eCognition ................................................................................... II-29

ArcGIS ........................................................................................ II-31

BAB III PELAKSANAAN PRAKTIKUM ..................................................... III-33

Alat ............................................................................................. III-33

III.2 Pelaksanaan Praktikum...................................................................... III-33

Sensor Pasif ................................................................................ III-33

Sensor Aktif ............................................................................... III-84

BAB IV HASIL DAN PEMBAHASAN ........................................................... IV-1

Kesimpulan ........................................................................................... V-1

Saran ..................................................................................................... V-2

Kelompok V-A, 2015

Laporan Praktikum Penginderaan Jauh II

Laporan Praktikum Penginderaan Jauh II