Anda di halaman 1dari 46

LAPORAN RESMI PRAKTIKUM PENGINDERAAN JAUH MODUL I INTERFACE PERANGKAT LUNAK ER MAPPER 7.

MUHAMMAD SULAIMAN 26020212140030 Shift II

PROGRAM STUDI OSEANOGRAFI JURUSAN ILMU KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN UNIVERSITAS DIPONEGORO SEMARANG 2013

Shift Tanggal Praktikum

: 2 (Dua) : 17 September 2013

Tanggal Pengumpulan : 23 September 2013

LEMBAR PENILAIAN
MODUL I : INTERFACE PERANGKAT LUNAK ER MAPPER 7.0

Nama : Muhammad Sulaiman

NIM : 26020212140030

Ttd : ..

NO 1. 2. 3. 4. 5. 6.

KETERANGAN Pendahuluan Tinjauan Pustaka Materi dan Metode Hasil dan Pembahasan Kesimpulan Daftar Pustaka JUMLAH

NILAI

Semarang, 23 Oktober 2013 Mengetahui, Koordinator Praktikum

Asisten

Jasmine Khairani Zainal K2D 009 036

Oscar Agustino K2E 009 058

I.

PENDAHULUAN

1.1

Latar Belakang Dalam penginderaan jauh kita mempelajari tentang penggambaran bentuk muka bumi tetapi kita tidak menyentuh objeknya. Sehingga kita membutuhkan suatu software yang dapat membantu kita dalam mengolah data. Pada praktikum ini kita menggunakan ER Mapper yaitu sebuah software yang digunakan dalam pengolahan data pengindraan jauh, dengan memasukan hasil pemotretan bumi dari satelit. Kegunaan hasil pemotretan bumi dari satelit merupakan

perkembangan dari pengukuran permukaan bumi dengan alat ukur tanah yang dikembangkan dengan foto udara dan kemudian dengan satelit. Klasifikasi citra penginderaan jauh (inderaja) bertujuan untuk menghasilkan peta tematik, dimana tiap warna mewakili sebuah objek, misalkan hutan, laut, sungai, sawah, dan lain-lain. Metode berbasis unsupervised yang diusulkan ini adalah integrasi dari metode feature extraction, hierarchical (hirarki) clustering, dan partitional (partisi) clustering. Feature extraction dimaksudkan untuk mendapatkan komponen utama citra multispektral tersebut, sekaligus mengeliminir komponen yang redundan, sehingga akan mengurangi kompleksitas komputasi. Histogram komponen utama ini dianalisa untuk melihat lokasi terkonsentasinya pixel dalam feature space.

1.2

Tujuan
Mahasiswa diharapkan mengetahui arti dan fungsi dari penginderaan jauh.

Mahasiswa diharapkan mengetahui dan mampu mengoperasikan software ER Mapper 7.0 yang dapat membantu dalam proses pengolahan data hasil dari citra penginderaan jauh.

II.
2.1 Penginderaan Jauh

TINJAUAN PUSTAKA

Pengideraan jauh adalah teknik dan seni untuk memperoleh informasi tentang suatu sasaran/objek, wilayah atau fenomena dengan menganalisa data yang diperoleh dari alat, tanpa menyentuh/kontak langsung dengan objek, wilayah atau fenomena yang dikaji. Objek yang diambil berupa gejala di permukaan bumi atau ruang angkasa terbatas pada objek yang tampat, yaitu objek permukaan bumi (atmosfer, biosfer, hodrosfer dan litosfer) yang tidak terlindungi oleh objek lain (Marthina, B. 2011). Menurut Lillesand dan Kiefer (1990), Penginderaan Jauh adalah ilmu dan seni untuk memperoleh informasi tentang obyek, daerah, atau gejala dengan jalan menganalisis data yang diperoleh dengan menggunakan alat tanpa kontak langsung terhadap obyek, daerah, atau gejala yang dikaji. Dari pengertian diatas dapat disimpulkan bahwa pengindraan jauh adalah ilmu atau seni cara merekam suatu objek tanpa kontak fisik dengan menggunakan alat pada pesawat terbang, balon udara, satelit, dan lain-lain. Dalam hal ini yang direkam adalah permukaan bumi untuk berbagai kepentingan manusia (Purnomo, D, 2012).

2.2

Citra

Dalam penginderaan jauh di dapat masukkan data atau hasil observasi yang disebut citra. Citra dapat diartikan sebagai gambatan yang tampak dari suatu obyek yang sedang diamati, sebagai hasil liputan atau rekaman suatu alat pemantau. Sebagai contoh, memotret bunga di taman. Foto bunga yang berhasil kita buat itu merupakan citra bunga tersebut (Efendi, M. 2009). Citra adalah gambaran rekaman suatu obyek (biasanya berupa gambaran pada foto) yang dibuahkan dengan cara optik, elektro - optik, optik mekanik, atau elektronik. Pada umumnya ia digunakan bila radiasi elektromagnetik yang dipancarkan atau dipantulkan dari suatu obyek tidak langsung direkam pada film. Citra dihasilkan dari sensor yang dipasang pada wahana (Zu'ama, 2011). 2.2.1 Jenis Jenis Citra

1. Citra Foto Citra foto adalah gambaran yang dihasilkan dengan menggunakan sensor kamera. Citra foto dapat dibedakan berdasarkan: a. Spektrum Elektromagnetik yang digunakan : Berdasarkan spektrum elektromagnetik yang digunakan, citra foto dapat dibedakan atas: Foto ultra violet yaitu foto yang dibuat dengan menggunakan spektrum ultra violet dekat dengan panjang gelombang 0,29 mikrometer. Foto ortokromatik yaitu foto yang dibuat dengan menggunakan spektrum tampak dari saluran biru hingga sebagian hijau (0,4 - 0,56 mikrometer). Foto pankromatik yaitu foto yang dengan menggunakan spektrum tampak mata. Foto infra merah yang terdiri dari foto warna asli (true infrared photo) yang dibuat dengan menggunakan spektrum infra merah dekat sampai

panjang gelombang 0,9 mikrometer hingga 1,2 mikrometer dan infra merah modifikasi (infra merah dekat) dengan sebagian spektrum tampak pada saluran merah dan saluran hijau. (Puremind, 2012) b. Sumbu Kamera Foto udara dapat dibedakan berdasarkan arah sumbu kamera ke permukaan bumi, yaitu: Foto vertikal atau foto tegak (orto photograph), yaitu foto yang dibuat dengan sumbu kamera tegak lurus terhadap permukaan bumi. Foto condong atau foto miring (oblique photograph), yaitu foto yang dibuat dengan sumbu kamera menyudut terhadap garis tegak lurus ke permukaan bumi. Sudut ini pada umumnya sebesar 10 derajat atau lebih besar. Tapi apabila sudut condongnya masih berkisar antara 1 - 4 derajat, foto yang dihasilkan masih digolongkan sebagai foto vertikal. Foto condong masih dibedakan lagi menjadi: Foto agak condong (low oblique photograph), yaitu apabila cakrawala tidak tergambar pada foto. Foto sangat condong (high oblique photograph), yaitu apabila pada foto tampak cakrawalanya. (Puremind, 2012) c. Warna yang digunakan : Berdasarkan warna yang digunakan, citra foto dapat dibedakan atas: Foto berwarna semua (false colour). Warna citra pada foto tidak sama dengan warna aslinya. Misalnya pohon -pohon yang berwarna hijau dan banyak memantulkan spektrum infra merah, pada foto tampak berwarna merah. Foto berwarna asli (true colour).

Contoh: foto pankromatik berwarna. (Puremind, 2012) d. Wahana yang digunakan Berdasarkan wahana yang digunakan, ada 2 (dua) jenis citra, yakni: Foto udara, dibuat dari pesawat udara atau balon. Foto satelit/orbital, dibuat dari satelit. (Puremind, 2012) 2. Citra Non Foto Citra non foto adalah gambaran yang dihasilkan oleh sensor bukan kamera. Citra non foto dibedakan atas: a. Spektrum elektromagnetik yang digunakan Berdasarkan spektrum elektromagnetik yang digunakan dalam penginderaan, citra non foto dibedakan atas: Citra infra merah thermal, yaitu citra yang dibuat dengan spektrum infra merah thermal. Penginderaan pada spektrum ini mendasarkan atas beda suhu objek dan daya pancarnya pada citra tercermin dengan beda rona atau beda warnanya. Citra radar dan citra gelombang mikro, yaitu citra yang dibuat dengan spektrum gelombang mikro. Citra radar merupakan hasil penginderaan dengan sistem aktif yaitu dengan sumber tenaga buatan, sedang citra gelombang mikro dihasilkan dengan sistim pasif yaitu dengan menggunakan sumber tenaga alamiah. (Puremind, 2012) b. Sensor yang digunakan Berdasarkan sensor yang digunakan, citra non foto terdiri dari: Citra tunggal, yakni citra yang dibuat dengan sensor tunggal, yang salurannya lebar.

Citra multispektral, yakni citra yang dibuat dengan sensor jamak, tetapi salurannya sempit, yang terdiri dari:

Citra RBV (Return Beam Vidicon), sensornya berupa kamera yang hasilnya tidak dalam bentuk foto karena detektornya bukan film dan prosesnya non fotografik.

Citra MSS (Multi Spektral Scanner), sensornya dapat menggunakan spektrum tampak maupun spektrum infra merah thermal. Citra ini dapat dibuat dari pesawat udara. (Puremind, 2012) c. Wahana yang digunakan Berdasarkan wahana yang digunakan, citra non foto dibagi atas:

Citra Dirgantara (Airborne Image), yaitu citra yang dibuat dengan wahana yang beroperasi di udara (dirgantara). Contoh: Citra infra merah thermal, citra radar dan citra MSS. Citra dirgantara ini jarang digunakan.

Citra Satelit (Satellite/Spaceborne Image), yaitu citra yang dibuat dari antariksa atau angkasa luar. Citra ini dibedakan lagi atas penggunaannya, yakni:

Citra satelit untuk penginderaan planet. Contoh: Citra satelit Viking (AS), Citra satelit Venera (Rusia).

Citra satelit untuk penginderaan cuaca. Contoh: NOAA (AS), Citra Meteor (Rusia).

Citra satelit untuk penginderaan sumber daya bumi. Contoh: Citra Landsat (AS), Citra Soyuz (Rusia) dan Citra SPOT (Perancis).

Citra satelit untuk penginderaan laut. Contoh: Citra Seasat (AS), Citra MOS (Jepang). (Puremind, 2012)

2.3

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. Meyngingat software ini mudah dipelajari dan proses penyimpanan data yang lebih cepat dan sederhana dibandingkan softwae 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 (Tansya, D, 2013).

2.4

Satelit Landsat Satelit Landsat (Land Satellite) milik Amerika Serikat, pertama kali diluncurkan pada tahun 1972 dengan nama ERTS-1. Proyek tersebut sukses dan dilanjutkan dengan peluncuran selanjutnya, seri kedua, tetapi dengan nama baru yaitu Landsat. Seri tersebut hingga tahun 1991 telah sampai pada Landsat 5, dikelompokkan menjadi dua generasi, yaitu generasi pertama (13) dan generasi kedua (4-5). (Sutanto, 1986) Landsat 1-2 dan dua sensor, yaitu RBV (memiliki 3 saluran dengan resolusi spasial 79 m) dan MSS (memiliki 4 saluraan). Landsat 3 masih memiliki 2 sensor itu, tapi sensor RBV hanya memiliki 1 saluran dengan resolusi spasial 40 m. Landsat 4-5 memiliki dua sensor; TM (dengan 7 saluran, dimana saluraan TM5 dan TM7-nya beresolusi spasial 30 m) dan MSS.

(Spasiatama, 2004). Program Landsat adalah program paling lama untuk mendapatkan citra Bumi dari luar angkasa. Satelit Landsat pertama diluncurkan pada tahun 1972; yang paling akhir Landsat 7, diluncurkan tanggal 15 April 1999. Instrumen satelit-satelit Landsat telah menghasilkan jutaan citra. Citra-citra tersebut diarsipkan di Amerika Serikat dan stasiun-stasiun penerima Landsat di seluruh dunia, dimana merupakan sumber daya yang unik untuk riset perubahan global dan aplikasinya pada pertanian, geologi, kehutanan, perencanaan daerah, pendidikan, dan keamanan nasional. Landsat 7 memiliki resolusi 15-30 meter. (Sutanto, 1986) Program ini dulunya disebut Earth Resources Observation Satellites Program ketika dimulai tahun 1966, namun diubah menjadi Landsat pada tahun 1975. Tahun 1979, Presidential Directive 54 di bawah Presiden AS Jimmy Carter mengalihkan operasi Landsat dari NASA ke NOAA, merekomendasikan pengembangan sistem operasional jangka panjang dengan 4 satelit tambahan, serta merekomendasikan transisi swastanisasi Landsat. Ini terjadi tahun 1985 ketika EOSAT, rekan Hughes Aircraft dan RCA, dipilih oleh NOAA untuk mengoperasikan sistem Landsat dalam kontrak 10 tahun. EOSAT mengoperasikan Landsat 4 and 5, memiliki hak ekslusif untuk memasarkan data Landsat, serta mengembangkan Landsat 6 dan 7. Citra satelit dengan warna-simulasi Kolkata diambil dari satelit Landsat 7.

Landsat 1- (mulanya dinamakan Earth Resources Technology Satellite 1) diluncurkan 23 Juli 1972, operasi berakhir tahun 1978 Landsat 2 - diluncurkan 22 Januari 1975, terminated in 1981 Landsat 3 - diluncurkan 5 Maret 1978, berakhir 1983 Landsat 4 - diluncurkan 16 Juli 1982, berakhir 1993 Landsat 5 - diluncurkan 1 Maret 1984, masih berfungsi

Landsat 6 - diluncurkan 5 Oktober 1993, gagal mencapai orbit Landsat 7 - diluncurkan 15 April 1999, masih berfungsi (Sutanto, 1986)

2.5

RGB Model warna RGB adalah model warna berdasarkan konsep penambahan kuat cahaya primer yaitu Red, Green dan Blue. Dalam suatu ruang yang sama sekali tidak ada cahaya, maka ruangan tersebut adalah gelap total. Tidak ada signal gelombang cahaya yang diserap oleh mata kita atau RGB (0,0,0). Apabila kita menambahkan cahaya merah pada ruangan tersebut, maka ruangan akan berubah warna menjadi merah misalnya RGB (255,0,0), semua benda dalam ruangan tersebut hanya dapat terlihat berwarna merah. Demikian apabila cahaya kita ganti dengan hijau atau biru (Ningrum, A.D, 2012). Apabila kita melanjutkan percobaan memberikan 2 macam cahaya primer dalam ruangan tersebut seperti (merah dan hijau), atau (merah dan biru) atau (hijau dan biru), maka ruangan akan berubah warna masingmasing menjadi kuning, atau magenta atau cyan. Warna-warna yang dibentuk oleh kombinasi dua macam cahaya tersebut disebut warna sekunder (Ningrum, A.D, 2012). Pada perhitungan dalam program-program komputer model warna direpresentasi dengan nilai komponennya, seperti dalam RGB (r, g, b) masing-masing nilai antara 0 hingga 255 sesuai dengan urusan masingmasing yaitu pertama Red, kedua Green dan ketigha adalah nilai Blue dengan demikian masing-masing komponen ada 256 tingkat. Apabila dikombinasikan maka ada 256 x 256 x 256 atau 16.777.216 kombinasi warna RGB yang dapat dibentuk (Ningrum, A.D, 2012). Dalam mendesign web warna RGB kerapkali direpresentasikan dengan Hex Triplet atau kombinasi 2 pasang bilangan hexadecimal, seperti #FF5D25 artinya Red = FF atau 15*16 + 15 = 255, Green = 5D atau 5*16 +

13 = 93 dan Blue = 25 atau 2*16 + 5 = 37. Jadi RGB (255,93,37) (Ningrum, A.D, 2012). 2.6 Teknik Interpretasi Visual Teknik interpretasi visual (manual) citra satelit yang merupakan adaptasi dari teknik interpretasi foto udara. Citra satelit yang dimaksudkan disini adalah citra satelit pada saluran tampak dan perluasannya. Adaptasi teknik ini bisa dilakukan karena baik citra satelit tesebut dan foto udara, sama-sama merupakan rekaman nilai pantulan dari obyek. Namun karena perbedaan karakteristik spasial dan spektralnya, maka tidak keseluruhan kunci interpretasi dalam teknik interpretasi visual ini bisa digunakan. Kelebihan dari teknik interpretasi visual ini dibandingkan dengan interpretasi otomatis adalah dasar interpretasi tidak semata-mata kepada nilai kecerahan, tetapi konteks keruangan pada daerah yang dikaji juga ikut dipertimbangkan. Interpretasi manual ini peranan interpreter dalam mengontrol hasil klasifikasi menjadi sangat dominan, sehingga hasil klasifikasi yang diperoleh relatif lebih masuk akal (Ningrum, A.D, 2012). Berdasarkan kerangka pemikiran tersebut maka interpretasi citra Landsat 7 ETM digital menggunakan gabungan metode penafsiran secara klasifikasi teracu (supervised classification) dan metode secara manual/visual atau delineasi secara on screen digitation. Penggabungan kedua metode ini (manual dan otomatis) menghasilkan klasifikasi yang lebih rinci dan cepat sebab klasifikasi teracu akan membantu mempermudah klasifikasi secara keseluruhan, terutama untuk memperoleh batas delineasi pada kelas-kelas dengan poligon yang besar seperti kelas hutan, laut, danau dan yang lainnya. Sedangkan metode secara manual/visual dapat lebih memperinci hasil kliasifikasi teracu, terutama untuk memisahkan, menggabungkan atau menambahkan kelas-kelas yang tidak bisa dilakukan secara klasifikasi teracu (Ningrum, A.D, 2012). 2.7 Satelit IKONOS

Satelit IKONOS adalah satelit resolusi tinggi yang dioperasikan oleh Geo Eye. Kemampuannya yang terliput adalah mencitrakan dengan resolusi multispektral 3,2 meter dan inframerah dekat (0,82mm) pankromatik. Aplikasinya untuk pemetaan sumberdaya alam daerah pedalaman dan perkotaan, analisis bencana alam, kehutanan, pertanian, pertambangan, teknik konstruksi, pemetaan perpajakan, dan deteksi perubahan. Mampu menyediakan data yang relevan untuk studi lingkungan. Ikonos menyediakan pandangan udara dan foto satelit untuk banyak tempat di seluruh dunia (Anomin, 2013). IKONOS adalah satelit milik Space Imaging (USA) yang diluncurkan bulan September 1999 dan menyediakan data untuk tujuan komersial pada awal 2000. Sebelum berganti nama menjadi ikonos, dulu ikonos disebut sebagai Space Imaging. IKONOS berasal dari bahasa Yunani kata untuk "gambar". IKONOS adalah satelit dengan resolusi spasial tinggi yang merekam data multispektral 4 kanal pada resolusi 4 m (citra berwarna) dan sebuah kanal pankromatik dengan resolusi 1 m (hitam-putih). Ini berarti IKONOS merupakan satelit komersial pertama yang dapat membuat image beresolusi tinggi (Lillesand and Kiefer, 1990). 2.8 Geolink Geolink adalah salah satu cara yang di gunakan untuk mempermudah dalam penggolahan register atau rektifikasi citra untuk penepatan GCP antara 2 buah citra satelit. Geolink hanya bisa digunakan pada beberapa citra yang mempunyai koordinat sama (citra yang telah ter georeference). Jika beberapa citra tesebut belum mempunyai koordinnat yang sama maka dengan melakukan rektifikasi terlebih dulu pada citra yang sudah mempunyai koordinatnya (Ningrum, A.D, 2012).

III.

MATERI DAN METODE

3.1

Waktu dan Tempat

Hari Waktu Tempat

: Selasa, 10 September 2013. : 14.40 WIB Selesai. : Laboratorium Komputasi, Gedung E, Lantai 2, Fakultas Perikanan dan Ilmu kelautan, UNDIP, Semarang.

3.2

Materi
Materi praktikum inderaja yang disampaikan adalah : 1. Penggabungan Citra 2. Cropping Citra 3. Penajaman Citra, Komposit Warna, dan Teknik Interpretasi Visual 4. Reading Data Value 5. Geolink

3.3 Metode 3.3.1 Penggabungkan Citra 1. Jalankan Program ER Mapper 7.0

2. Klik icon edit algorithm

pada active window ER Mapper, makan

akan muncul kotak seperti gambar dibawah ini

3. Klik icon duplicate menjadi 6 layer.

untuk menduplikat pseudo layer, dan duplikat

4. Ganti pseudo layer menjadi Band 1, Band 2, Band 3, Band 4, Band 5, dan Band 7. Tulis nama dan nim pada dialog box description.

5. Pada Band 1, cari file 2000_0204_B1.tif. Klik load dataset Kemudian klik ok this layer only.

pada

window file cilacap, pilih volume dan tentukan letak file disimpan.

6. Pada Band 2, cari file 2000_0204_B2.tif. Kemudian klik ok this layer only. 7. Pada Band 3, cari file 2000_0204_B3.tif. Kemudian klik ok this layer only. 8. Pada Band 4, cari file 2000_0204_B4.tif. Kemudian klik ok this layer only. 9. Pada Band 5, cari file 2000_0204_B5.tif. Kemudian klik ok this layer only. 10. Pada Band 7, cari file 2000_0204_B7.tif. Kemudian klik ok this layer only. Maka akan muncul gambar dibawah ini

11. Save

file

dengan

type

raster

dataset.

Nama

file

Gabung_MuhammadSulaiman_26020212140030.ers. Klik OK.

12. Pada kotak save as ER Mapper dataset, pilih default dilanjutkan klik OK.

3.3.2

Cropping Citra , load dataset cari file

1. Pilih edit algorithm

Gabung_MuhammadSulaiman_26020212140030.ers

2. Klik icon zoom box tool

, drag area yang akan di crop.

3. Duplikat pseudo layer menjadi 6, beri nama Band 1, Band 2, dst. 4. Ganti band sesuai namanya : Band 1=Band 1, Band 2=Band 2, dst.

5. Save

as

dalam

type

raster

dataset

dengan

nama

file

Crop_MuhammadSulaiman_26020212140030.ers

6. Lalu Klik OK 7. Pada kotak save as ER Mapper dataset, pilih default dilanjutkan klik OK.

3.3.3

Penajaman Citra, Komposit Warna, dan Teknik Interpretasi Visual

1. Pilih

edit

algorithm

load

dataset

cari

file

Crop_MuhammadSulaiman_26020212140030.ers. Pada bagian surface, ubah color table menjadi greyscale 2. Pil ih

icon 99% Contrast Enchancement Klik

untuk menajamkan contrast.

create RGB algorithm untuk menampilkan warna. Kemudian .

klik refresh layer.

3. Untuk mengetahui panjang atau luas dalam citra, pilih edit, annote vector

4. Untuk mengukur panjang, pada tools pilih poly line digitasi pada area yang akan diukur panjangnya.

lalu lakukan

5. Klik icon edit object extent area yang telah dilakukan digitasi

, maka akan muncul tampilan window

map composition extent yang menunjukan informasi mengenai panjang

6. Klik icon delete object

untuk menghapus digitasi sebelumnya. lalu lakukan

7. Atau untuk mengukur luas, pada tools pilih polygon digitasi pada area yang akan diukur luasnya.

8. Klik icon edit object extent yang telah dilakukan digitasi.

, maka akan muncul tampilan window

map composition extent yang menunjukan informasi mengenai luas area

9. Setelah dilakukan digitasi , area akan diberi tanda dengan memberi warna pada garis hasil digitasi area. Dengan cara mengganti hand tool menjadi pointer. Klik 2 kali pada hasil digitasi area , maka akan muncul set colour. Pilih warna sesuai ketentuan.

3.3.4

Reading Data Value edit algorithm , load dataset cari file

1. Pilih

Crop_MuhammadSulaiman_26020212140030.ers 2. Klik create RGB algorihtm untuk memunculkan warna

3. Hilangkan efek smoothing, dengan cara menghilangkan tanda centang pada kolom smoothing .

4. Setelah warna muncul , hapus pseudo layer yang memiliki tanda silang.

5. Perbesar gambar dengan kotak-kotak.

zoom box tool, hingga gambar tampak

6. Pilih view, cell values profile untuk melihat nilai pixel pada citra. 7. Klik pada pointer , kemudian klik pada salah satu pixel dalam citra.

Akan terlihat nilai pada window cell values profile.

8. Pilih view, cell coordinates untuk mengetahui koordinat dari pixel tersebut.

9. Klik pada pointer, kemudian klik pada salah satu pixel dalam citra. Akan terlihat koordinat pada window cell coordinates 10. Lakukan mulai dari langkah 6 sekali lagi.

3.3.5

Geolink new kemudian klik icon copy window , untuk membuat

1. Klik icon

layer menjadi dua. Untuk layer pertama, klik edit algorithm , load dataset, pilih file IKONOS2005.ers. Sedangkan untuk layer kedua isikan dengan citra IKONOS2009.ers.

2. Klik RGB algorihtm

untuk memberi warna pada citra.

a.

Geolink To Window 1). Klik kanan pada window, quick zoom, set geolink to window. 2). Lakukan hal yang sama pada window kedua

b. Geolink To Screen 1) Klik copy window pada toolbars untuk menggandakan salah satu window. Gandakan window kedua sebanyak dua kali, sehingga terdapat empat window. Atur besar dan posisikan agar membentuk satu layer. 2) Klik kanan, quick zoom, set geolink to none pada semua window. 3) Klik kanan, quick zoom, set geolink to screen pada semua window.

c. Geolink To Roam 1) Klik kanan, quick zoom, set geolink to none pada semua window. 2) Pada setiap window ambil titik yang berbeda ketinggiannya 3) Pada window 1, klik kanan, quick zoom, set geolink to overview roam

IV.
4.1 4.1.1 Hasil Penggabungan Citra

HASIL DAN PEMBAHASAN

4.1.2

Cropping

4.1.3

Penajaman Citra, Komposit Warna , dan Teknik Interpretasi Visual a. Penajaman Citra

b. Pengukuran Panjang

c.

Pengukuran Luas

4.1.4

Reading Data Value

4.1.5

Geolink

a. Geolink to Window

b. Geolink to Screen

c. Geolink to Overview Roam

4.2

Pembahasan 4.2.1 Penggabungan Citra Metode penggabungan citra pada praktikum kali ini menggunakan data citra foto wilayah Cilacap. Ada enam jenis data yang digunakan, masing-masing data tersebut adalah 2000_0204_B1.tif yang akan dimasukan ke dalam band 1, 2000_0204_B2.tif yang akan dimasukan ke dalam band 2, 2000_0204_B3.tif yang akan dimasukan ke dalam band 3, 2000_0204_B4.tif yang akan dimasukan ke dalam band 4, 2000_0204_B5.tif yang akan dimasukan ke dalam band 5, dan 2000_0204_B7.tif yang akan dimasukan ke dalam band 6. Namun pada penggabungan data citra tidak semua data citra dimasukan, salah satunya adalah 2000_0204_B6 tidak dimasukan kedalam band 6 karena data citra tersebut merupakan peta batimetri dan indicator thermal. Dengan menggabung kan beberapa citra dari data yang diperoleh maka kondisi wilayah Cilacap dapat dipandang dari enam sudut pandang sekaligus dalam satu layer sehingga pengintrepratsi jauh lebih lengkap.

4.2.2 Cropping Citra Teknik cropping dilakukan dengan menggunakan data citra Cilacap Gabung_MuhammadSulaiman_26020212140030.ers yang tersimpan dan telah digabungkan. Kemudian dengan menggunakan icon zoom box tool pada area yang diinginkan sehingga akan nampak foto citra yang lebih besar dari sebelumnya. 4.2.3 Penajaman Citra, Komposit Warna, dan Teknik Intepretasi Visual Untuk penajaman citra, data citra yang digunakan adalah data citra Cilacap Gabung_MuhammadSulaiman_26020212140030.ers yang telah di crop yang telah tersimpan, penajaman warna citra dan memberi warna pada sebuah citra, dengan menggunakan menggunakan icon 99% Contrast Enhacement yang terdapat pada toolbar ER Mapper. Hal ini sangat berguna untuk membantu mencari panjang suatu area maupun luas daerah

dengan cara mendigitasi obyek yang diiinginkan. Ukuran dari luas dan panjang akan langsung muncul pada kotak Map Composition Extents. 4.2.4 Reading Data Value Pada metode ini juga digunakan data penggabungan citra Cilacap yang telah di crop. Dengan melakukan zoom pada suatu area dan menghapus efek smoothing, maka akan tampak pixel-pixel dari tersebut. Tujuan dari metode ini adalah untuk mengetahui nilai gradasi dan koordinat dari sebuah pixel dalam citra tersebut. Hasil dari pembacaan pixel pixel dari citra tersebut dapat kita baca dalam Cell Values Profile dan Cell Coordinates. 4.2.5 Mengetahui Jarak dan Luas suatu Daerah Untuk mengetahui jarak dan luas suatu daerah kita dapat menggunakan toolbar Zoom Box Tool terlebih dahulu sebelum memulai mengukur panjang maupun luas suatu daerah. Setelah itu kita melakukan Edit lalu Annotate Vector Layer, sehingga akan muncul toolbar polygon dan polyline. Polygon untuk mengukur luas sutu area sedangkan polyline untuk mengukur jarak. Setelah itu kita dapat mengetahui panjang dan luas sutu daerah dengan meng-klik icon Edit ,lalu Object Extent. ER Mapper akan menampilkan window Map Composition Extent yang menunjukkan informasi mengenai keliling, luas dan lain-lain area yang telah dilakukan digitasi, tetapi sebelumnya RGB (Red, Green, Blue) digunakan untuk menampilkan warna antara batas daratan dan perairan tampak lebih jelas sehingga dapat dihitung luasan vegetasi tersebut. Refresh kita gunakan untuk me-refresh gambar. 4.2.6 Geolink Pada metode geolink ini digunakan Data IKONOS 2005 dan 2009. Dalam praktikum ini metode geolink terbagi menjadi geolink to window, geolink to screen, dan geolink to overview roam. Geolink bertujuan untuk menghubungkan dua atau atau lebih windows windows image dalam ruang koordinat geografik, dengan syarat image tersebut telah diregistrasi

terlebih

dahulu.

Dengan

geolink

dapat

mempermudah

dalam

membandingkan atau melakukan tindakan dalam dua objek sekaligus. 4.2.6.1 Geolink to window Penggunaan geolink to window akan memperlihatkan gambar dari koordinat yang sama dari dua citra dalam waktu yang berbeda. 4.2.6.2 Geolink to screen Pada geolink to screen, akan menampilkan dua citra yang saling terhubung dari window yang terpisah. Dimana , 2 citra yang terhubung akan ditampilkan dalam 4 layer sekaligus. 4.2.6.3 Geolink to overview roam
Sedangkan, jika geolink to overview roam di aktifkan pada salah satu layer, maka window lain juga akan menunjukan gambar yang sama pada koordinat yang ditunjuk.

4.2.7 Perbandingan Data IKONOS Tahun 2005 dan 2009 Pada pengamatan kali ini diamati citra sekitar bandara Ahmad Yani pada tahun 2005 dan 2009. Terlihat bahwa terdapat perbedaann bentuk sungai dan panjangnya landasan udara di bandara Ahmad Yani. Pada bentuk sungai di tahun 2005 terdapat lekukan berbentuk V di ujung area bandara, tetapi dari citra 2009 diketahui bahwa telah dilakukan pembelokan aliran sungai untuk menghilangkan lekukan berbentuk V tersebut. Sedangkan untuk landasan udara, dari perbandingan data citra satelit tahun 2005 dan 2009 terlihat bahwa pada tahun 2009 terlihat adanya landasan udara yang lebih panjang dari sebelumnya.

IV.2.8 Mengapa Band 6 Tidak Dipakai ? Namun pada penggabungan data citra tidak semua data citra dimasukan, salah satunya adalah 2000_0204_B6 tidak dimasukan ke

dalam band 6 pada Landsat TM merupakan panjang gelombang thermal yang biasanya tidak digunakan untuk klasifikasi karena data citra tersebut merupakan peta batimetri dan indicator thermal.

V.

KESIMPULAN

1. Penggabungan beberapa citra dari data kondisi wilayah Cilacap dapat dipandang dari enam sudut pandang sekaligus dalam satu layer sehingga pengintrepratsi jauh lebih lengkap. 2. Teknik cropping dilakukan dengan menggunakan data citra Cilacap .

3. Penajaman citra, data citra yang digunakan adalah data citra Cilacap yang telah di crop yang telah tersimpan, penajaman warna citra dan memberi warna pada sebuah citra, dengan menggunakan icon 99% Contrast. Hal ini bertujuan untuk membantu mencari panjang suatu area maupun luas daerah. 4. Polygon untuk mengukur luas sutu area sedangkan polyline untuk mengukur jarak 5. Tujuan dari metode reading data values adalah untuk mengetahui nilai

gradasi dan koordinat dari sebuah pixel dalam citra tersebut. 6. Penggunaan geolink to window akan memperlihatkan gambar dari koordinat yang sama dari dua citra dalam waktu yang berbeda. 7. Pada geolink to screen, akan menampilkan dua citra yang saling terhubung dari window yang terpisah. Dimana , 2 citra yang terhubung akan ditampilkan dalam 4 layer sekaligus. 8. Pada geolink to overview roam di aktifkan pada salah satu layer, maka window lain juga akan menunjukan gambar yang sama pada koordinat yang ditunjuk.

9.

Dari perbandingan data citra satelit tahun 2005 dan 2009 terlihat bahwa pada tahun 2009 terlihat adanya landasan udara yang lebih panjang dari sebelumnya.

10. Band 6 pada Landsat TM merupakan panjang gelombang thermal yang biasanya tidak digunakan untuk klasifikasi karena data citra tersebut merupakan peta batimetri dan indicator thermal.

DAFTAR PUSTAKA

Anomin. 2013. http://citragamasakti.com/main_sub.php?id=29&m_id=7 ; diunduh Jumat, 20 September 2013 : 21.50 WIB. Efendi, M. 2009. http://geografi84.blogspot.com/2009/11/materi-geografi-kelasxiipenginderaan.html ; diunduh Jumat, 20 September 2013 : 20.46 WIB. Lillesand, T.M dan R.W. Kiefer. 1990. Penginderaan Jauh dan interpretasi Citra. Penerj. Dulbahri, et al. Gadjah Mada University Press. Yogayakarta. Marthina, B. 2011. http://geo-smancis.blogspot.com/p/penginderaan-jauhpengertian-dan-macam.html ; diunduh Jumat, 20 September 2013 : 22.00 WIB. Ningrum, A.D. 2012. http://ocean076.blogspot.com/2012/05/teknik-visual-teknikinterpretasivisual.html ; diunduh Jumat, 20 September 2013 : 23.00 WIB. Puremind. 2012. http://kamusmeteorology.blogspot.com/2012/09/jenis-jenis-citrapengindraan-jauh.html ; diunduh Jumat, 20 September 2013 : 22.10 WIB. Purnomo, D. 2012. http://pinterdw.blogspot.com/2012/08/pengertianpenginderaan-jauh.html ; diunduh Jumat, 20 September 2013 : 23.15 WIB. Spasiatama, Geomedia. 2004. Modul Pelatihan Er Mapper. GoeMedia Sp. Yogyakarta. Sutanto, 1986. Penginderaan Jauh Jilid I. Gadjah Mada University Press.Yogyakarta.

Tansya, D. 2013. http://bahankuliah-tha.blogspot.com/2013/01/er-mapper.html ; diunduh Jumat, 20 September 2013 : 21.44 WIB. Zu'ama. 2011. http://zuamahilma.blogspot.com/2011/06/makalah-penginderaanjauh.html ; diunduh Jumat, 20 September 2013 : 22.56 WIB.