Anda di halaman 1dari 43

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

Hasana Kushadi Ratnasari 26020212130023 Shift 1

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

Shift : 1 Tgl Praktikum: 17 September 2013 Tgl Pengumpulan: 23 September 2013

LEMBAR PENILAIAN MODUL I: Interface Perangkat Lunak ER Mapper 7.0

Nama: Hasana Kushadi R. NIM: 26020212130023 Ttd:

NO
1 2 3 4 5 6

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

NILAI

TOTAL
Mengetahui, Koordinator Praktikum Asisten

Jasmine Khairani Zainal K2D009036

Tria Dewi Anggraeni 2602021211130053

I. PENDAHULUAN

1.1 Latar Belakang Teknologi penginderaan jauh (remote sensing) berkembang dengan pesat sejak eksplorasi antariksa berlangsung sekitar tahun 1960-an dengan mengorbitnya satelit-satelit Gemini, Apollo, Sputnik, Solyus. Kamera yang mengambil gambar permukaan bumi dari satelit memberikan informasi berbagai gejala di permukaan bumi seperti geologi, kehutanan, kelautan, dan sebagainya. Teknologi pemotretan udara yang berkembang bersamaan dengan era eksplorasi antariksa seperti sistem kamera majemuk, multispectral scanner, vidicon, radiometer, spectrometer diikut sertakan dalam misi antariksa tersebut pada tahap berikutnya. Pada tahun 1972 satelit ERTS-1 (sekarang dikenal dengan LANDSAT) untuk pertama kali diorbitkan Amerika Serikat. Satelit ini dikenal dengan satelit sumber alam karena fungsinya untuk memetakan potensi sumber alam dan memantau kondisi lingkungan. Penggunaan data satelit penginderaan jauh di bidang kebumian telah banyak dilakukan di negara maju untuk keperluan pemetaan geologi, eksplorasi mineral dan energi, bencana alam, dan sebagainya. Di Indonesia penggunaan dalam bidang kebumian belum sebanyak di luar negeri karena berbagai kendala, diantaranya data satelit yang cukup mahal, memerlukan software (perangkat lunak) khusus, dan paling utama adalah ketersediaan sumber daya manusia yang terampil sangat terbatas. Ada perangkat lunak yang dikhususkan dalam bidang penginderaan jauh, yaitu ER Mapper. ER Mapper adalah software pengolah citra digital yang dibuat oleh ERDAS. Generasi pertama dari ER Mapper muncul pada tahun 1990 dengan versi (bertha) dan yang paling baru adalah ER Mapper versi 7.1.

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.

TINJAUAN PUSTAKA

2.1 Penginderaan Jauh Penginderaan jauh didefinisikan sebagai suatu metode untuk mengenal dan menentukan objek di permukaan bumi tanpa melalui kontak langsung dengan objek tersebut. Banyak pakar memberi batasan, penginderaan jauh hanya mencakup pemanfaatan gelombang elektromagnetik saja, sedangkan

penginderaan yang memanfaatkan sifat fisik bumi seperti kemagnetan, gaya berat, dan seismik tidak termasuk dalam klasifikasi ini. Namun sebagian pakar memasukkan pengukuran sifat fisik bumi ke dalam lingkup penginderaan jauh (Noor, 2011). Berbagai definisi dari penginderaan jauh: 1. Lilesand dan Keifer 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 objek, wilayah, atau gejala yang sedang dikaji. 2. Lindgren Teknik yang dikembangkan untuk memperoleh dan menganalisis informasi tentang bumi. Informasi tersebut berbentuk radiasi

elektromagnetik yang dipantulkan dari permukaan bumi. 3. 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 (Hertanto, 2012).

Sistem penginderaan jauh mencakup beberapa komponen utama, yaitu sumber energi, sensor sebagai alat perekam data, stasiun bumi sebagai pengendali dan penyimpanan data, fasilitas pemrosesan data, dan pengguna data (Noor, 2011). Sumber energi yang umum dipergunakan dalam sistem penginderaan jauh yang operasional saat ini adalah dari matahari yang dikenal sebagai passive sensing, sebaliknya sistem active sensing dipakai dalam sistem imaging radar. Sensor yang dapat digunakan untuk perekam data dapat berupa multispectral scanner, vidicon, atau multispectral camera. Rekaman data pada umumnya disimpan sementara di dalam alat perekam yang ditempatkan di satelit kemudian dikirimkan secara telemetri ke stasiun penerima bumi sebagai data mentah (raw data). Di stasiun bumi data mengalami pemrosesan awal (pre-processing) seperti proses kalibrasi radiometri, koreksi geometri sebelum dikemas dalam bentuk format baku yang siap untuk dipakai pengguna (user). Pengguna data pada umumnya adalah masyarakat umum dengan tidak ada pengecualian apakah militer, sipil, instansi pemerintah atau swasta. Pemesanan dapat dilakukan langsung kepada stasiun penerima (user services) atau melalui agen/distributor lain (Noor, 2011). Empat komponen dasar dari penginderaan jauh adalah target, sumber energi, alur transmisi, dan sensor. Komponen dalam sistem ini bekerja bersama untuk mengukur dan mencatat informasi mengenai target tanpa menyentuh objek tersebut. Sumber energi yang menyinari atau memancarkan energi

elektromagnetik pada target mutlak diperlukan. Energi berinteraksi dengan target dan sekaligus berfungsi sebagai media untuk meneruskan informasi dari target kepada sensor. Sensor adalah sebuah alat yang mengumpulkan dan mencatat radiasi elektromagnetik. Seetelah dicatat, data akan dikirimkan ke stasiun penerima dan diproses menjadi format yang siap dipakai diantaranya berupa citra. Citra ini kemudian diinterpretasi untuk menyarikan informasi mengenai target .

Proses interpretasi biasanya berupa gabungan antara visual dan automatic dengan bantuan komputer dan perangkat lunak pengolah citra (Noor, 2011). 2.2 Citra Penginderaan jauh nantinya menghasilkan data yang berupa visual dan digital. Hasil penginderaan jarak jauh dapat memiliki banyak bentuk atau hasil. Hasil penginderaan jarak jauh tidak hanya berupa gambar saja, dapat pula gambar yang memiliki row data yang bisa diolah (Puremind, 2012). Data digital atau data numerik untuk dianalisis dengan menggunakan komputer. Data visual dibedakan lebih jauh atas data citra dan data non citra untuk dianalisis dengan cara manual. Data citra berupa gambaran mirip aslinya, sedangkan data non citra berupa garis atau grafik. Citra dapat dibedakan atas citra foto (photographic image) atau foto udara dan citra non foto (non photographic image) (Puremind, 2012). Perbedaan citra foto dan non foto antara lain : Sensor yang digunakan : Citra foto menggunakan sensor kamera sedangkan citra non foto menggunakan sensor non-kamera,

mendasarkan atas penyiaman (scanning) kamera yang detektornya bukan film. Detektor : Citra foto menggunakan detector film sedangkan citra non foto menggunakan pita magnetik, termistor foto konduktif, foto voltaik, dsb. Proses perekaman: citra foto menggunakan fotografi/kimiawi sedangkan citra non foto menggunakan elektronik Mekanisme perekaman : citra foto serentak dan citra non foto parsial Spektrum elektromagnetik : citra foto spectrum tampak dan perluasannya sedangkan citra non foto spectra tampak dan perluasannya thermal, dan gelombang mikro (Puremind, 2012).

2.3 LANDSAT LANDSAT adalah salah satu wahana penginderaan jauh yang diluncurkan pertama kali pada tahun 1972 (Sutanto, 1994).

Satelit LANDSAT Satelit LANDSAT memiliki dua buah sensor yaitu Multi Spectral Scanner (MSS) dan Tematic Mapper (TM). Sensor TM mempunyai resolusi sampai 30 x 30 m, dan bekerja mengumpulkan data permukaan bumi dan luas sapuan 185 km x 185 km. sedangkan resolusi radiometriknya 8 bit, yang berarti setiap pixel mempunyai nilai jangkauan data dari 0-225. Sensor TM merupakan sistem yang sangat kompleks yang memerlukan toleransi (kelonggaran) pembuatan yang sangat kecil, sehingga tidak memungkinkan dibuat penyempurnaan di masa mendatang untuk memperkecil resolusi spasial sampai dibawah 20 M (Butler, S.1988). Penggunaan citra LANDSAT untuk pemetaan penggunaan lahan khusunya telah populer di negara-negara berkembang untuk mempercepat perolehan data yang diperlukan atau untuk meng-update data lama. Biasanya, pendekatan multitingkat dipakai. Pendekatan ini berarti interkorelasi dari seluruh data yang ada, data kebenaran lapangan, fotografi udara, dan data satelit. Citra LANDSAT menggambarkan seluruh gambaran tentang daerah/negara yang membentuk basis untuk pengumpulan data lebih detail menggunakan kombinasi kerja lapangan dengan fotografi udara (Petatematikindo, 2013).

2.4 ER Mapper 7.0 ER Mapper adalah salah satu software (perangkat lunak) yang digunakan untuk mengolah data citra atau satelit. Masih banyak perangkat lunak yang lain yang juga dapat digunakan untuk mengolah data citra, diantaranya adalah Idrisi, Erdas Imagine, PCI dan lain-lain. Masing-masing perangkat lunak mempunyai keunggulan dan kelebihannya sendiri. ER Mapper dapat dijalankan pada workstation dengan sistem operasi UNIX dan komputer PCs (Personal Computers) dengan sistem operasi Windows 95 ke atas dan Windows NT (Anonim, 2013). Data digital disimpan dalam betuk barisan kotak kecil dua dimensi yang disebut pixels (picture elements). Masing-masing pixel mewakili suatu wilayah yang ada dipermukaan bumi. Struktur ini kadang juga disebut raster, sehingga data citra sering disebut juga data raster. Data raster tersusun oleh baris dan kolom dan setiap pixel pada data raster memiliki nilai digital (gambar 1)

Gambar 1. Struktur Data Raster (Anonim, 2013). Data yang didapat dari satelit umumnya terdiri beberapa bands (layers) yang mencakup wilayah yang sama. Masing-masing bands mencatat pantulan obyek dari permukaan bumi pada panjang gelombang yang berbeda. Data ini disebut juga multispectral data. Di dalam pengolahan citra, juga dilakukan penggabungan kombinasi antara beberapa band untuk mengekstraksi informasi dari obyek-obyek yang spesifik seperti indeks vegetasi, parameter kualitas air, terumbu karang dan lain-lain (Anonim, 2013). ER Mapper mengembangkan metode pengolahan citra terbaru dengan pendekatan yang interaktif, dimana kita dapat langsung melihat hasil dari setiap

perlakuan terhadap citra pada monitor komputer. ER Mapper memberikan kemudahan dalam pengolahan data sehingga kita dapat mengkombinasikan berbagai operasi pengolahan citra dan hasilnya dapat langsung terlihat tanpa menunggu komputer menuliskannya menjadi file yang baru. Cara pengolahan ini dalam ER Mapper disebut Algoritma

Pengolahan Citra Menggunakan ER Mapper (Anonim, 2013). Algoritma adalah rangkaian tahap demi tahap pemrosesan atau perintah dalam ER Mapper yang digunakan untuk melakukan transformasi data asli dari hard disk sampai proses atau instruksinya selesai. Dengan Algoritma, kita dapat melihat hasil yang kita kerjakan di monitor, menyimpannya ke dalam media penyimpan (hard disk, dll), memanggil ulang, atau mengubahnya, setiap saat. Oleh karena Algoritma hanya berisi rangkaian proses, maka file dari algoritma ukurannya sangat kecil, hanya beberapa kilobyte sampai beberapa megabyte, tergantung besarnya proses yang kita lakukan, sehingga sangat menghemat ruang hard disk. Dan oleh karena file algoritma berukuran kecil, maka proses penayangan citra menjadi relatif lebih cepat. Hal ini membuat waktu pengolahan menjadi lebih cepat. Konsep Algoritma ini adalah salah satu keunggulan ER Mapper. Selain itu, beberapa kekhususan lain yang dimiliki ER Mapper adalah : 1. Didukung dengan 130 format pengimpor data 2. Didukung dengan 250 format pencetakan data keluaran 3. Visualisasi tiga dimensi 4. Adanya fasilitas Dynamic Links

5. Penghubung dinamik (Dynamic Links) adalah fasilitas khusus ER Mapper yang membuat pengguna dapat langsung menampilkan data file eksternal pada citra tanpa perlu mengimportnya terlebih dahulu. Data-data yang dapat dihubungkan termasuk kedalam format file yang populer seperti ARC/INFO, Oracle, serta standar file format seperti DXF, DON dll (Anonim, 2013). Selain kelebihan-kelebihan di atas, ER Mapper memiliki keterbatasan, yaitu terbatasnya format pengeksport data dan data yang mampu ditanganinya adalah data 8 bit (Anonim, 2013). 2.5 RGB Model warna RGB adalah sebuah model warna additif dimana pancaran warna red (merah), green (hijau), dan blue (biru) ditambahkan bersama dengan cara yang bervariasi untuk mereproduksi susunan warna yang lebar. Warna aditif digunakan untuk lighting, video, dan monitor. Monitor sebagai contoh, menciptakan warna dengan memancarkan cahaya melalui merah, hijau dan biru fosfor (Rayearth, 2011). Tujuan utama dari model warna RGB adalah untuk mempresentasikan ulang, dan menampilkan gambar dalam sistem elektronik, misalnya dalam televisi dan komputer. Model warna RGB juga digunakan dalam fotografi konvensional. RGB adalah sebuah ruang warna yang sifatnya bergantung kepada perangkat (Rayerath, 2011). Perangkat yang berbeda akan mendeteksi atau mereproduksi nilai RGB secara berbeda. Untuk membentuk warna dengan RGB, tiga cahaya berwarna balok (satu merah, satu hijau, dan satu biru) harus ditumpangkan (misalnya dengan emisi dari layar hitam, atau dengan refleksi dari layar putih). Masingmasing dari tiga balok disebut sebagai komponen warna, dan masing-masing dapat memiliki intensitas yang berbeda (Rayerath, 2011).

RGB sering digunakan dalam perangkat input seperti: TV berwarna dan kamera video, Scanner, dan kamera digital. Perangkat output seperti: TV dalam berbagai teknologi (CRT, LCD, plasma, dll), komputer dan layar HP, video proyektor, layar LED multiwarna, dan layar lebar seperti JumboTron, dll (Rayearth, 2011). RGB juga umumnya digunakan dalam pembuatan desain sebuah website. Awalnya kedalaman warna yang terbatas pada sebagian besar perangkat keras video memicu keterbatasan palet warna menjadi 216 warna RGB, hal itu ditetapkan oleh Netscape Color Cube. Namun, dengan keunggulan menampilkan 24-bit, penggunaan penuh dari 16.7 juta warna dari kode warna RGB HTML tidak lagi menimbulkan masalah bagi sebagian besar pengunjung website (Rayearth, 2011). Pengkodean warna RGB dapat ditulis dalam angka hexadesimal (basis 16) untuk masing-masing komponen R, G atau B. Misalkan: - Untuk Hitam murni akan ditulis dengan kode #000000 (R=00, G=00, B=00) - Untuk Putih sempurna akan ditulis dengan kode #FFFFFF (R=FF, G=FF, B=FF) - Untuk Biru murni akan ditulis dengan kode #0000FF (R=00, G=00, B=FF), dst (Rayearth, 2011). 2.6 Teknik Interpretasi Langkah-langkah umum yang dilakukan untuk memperoleh data

penginderaan jauh agar dapat dimanfaatkan oleh berbagai bidang adalah : 1. Deteksi

Pada tahap ini dilakukan kegiatan mendeteksi obyek yang terekam pada foto udara maupun foto satelit 2. Identifikasi Mengidentifikai obyek berdasarkan ciri-ciri spektral, spasial dan temporal. 3. Pengenalan Pengenalan obyek yang dilakukan tampak dengan pada tujuan untuk

mengklasifikasikan pengetahuan tertentu. 4. Analisis

obyek

yang

citra

berdasarkan

Analisis bertujuan untuk mengelompokkan obyek yang mempunyai ciri-ciri yang sama 5. Deduksi Merupakan kegiatan pemrosesan citra berdasarkan obyek yang terdapat pada citra ke arah yang lebih khusus. 6. Klasifikasi Meliputi deskripsi dan pembatasan (deliniasi) dari obyek yang terdapat pada citra. 7. Idealisasi Penyajian data hasil interpretasi citra ke dalam bentuk peta yang siap pakai (Hertanto, 2012).

2.7 Satelit IKONOS Satelit IKONOS adalah satelit resolusi tinggi yang dioperasikan oleh GeoEye berasal dari bawah Lockheed Martin Corporation sebagai Commercial Remote Sensing System (CRSS) satelite. Pada April 1994 Lockheed diberi salah satu lisensi dari US Department of Commerce untuk satelit komersial citra resolusi tinggi. Pada tanggal 25 Oktober 1995 perusahaan mitra Space Imaging menerima lisensi dari Komisi Komunikasi Federal (FCC) untuk mengirimkan telemetri dari satelit di Bumi delapan-gigahertz band Exploration Satellite Service. Sebelum memulai, Space Imaging mengubah nama untuk satelit IKONOS. IKONOS berasal dari bahasa Yunani yang berarti "gambar" (Haqky, 2010). 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. IKONOS yang mampu

menyediakan data yang relevan untuk studi lingkungan serta pandangan udara dan foto satelit untuk banyak tempat di seluruh dunia mulai dijual pada tanggal 1 Januari 2000 (Haqky, 2010). Resolusi nya merupakan radiometrik, berarti data IKONOS dikumpulkan sebagai 11 bit per pixel (2048 warna abu-abu), sehingga adalebih banyak definisi dalam nilai-nilai skala abu-abu dan sebagai pemirsa Anda dapat melihat lebih detail dalam foto. Dalam rangka memperoleh manfaat dari informasi tambahan ini, Anda akan memerlukan perangkat lunak pengolah gambar spesialis (Haqky, 2010). Diluncurkan pada September 1999, IKONOS dimiliki dan dioperasikan oleh Space Imaging. Di samping mempunyai kemampuan merekam citra multispetral pada resolusi 4 meter, IKONOS dapat juga merekam obyek-obyek sekecil satu meter pada hitam dan putih. Dengan kombinasi sifat-sifat multispectral pada citra 4-meter dengan detail-detail data pada 1-meter, Citra IKONOS diproses

untuk menghasilkan 1-meter produk-produk berwarna IKONOS adalah satelit komersial beresolusi tinggi pertama yang ditempatkan di ruang angkasa. IKONOS dimiliki oleh Sapce Imaging, sebuah perusahaan Observasi Bumi Amerika Serikat. Satelit komersial beresolusi tinggi lainnya yang diketahui: Orbview-3 (OrbImage), Quickbird (EarthWatch) dan EROS-A1 (West Indian Space). IKONOS diluncurkan pada September 1999 dan pengumpulan data secara regular dilakukan sejak Maret 2000 (Haqky, 2010). Sensor OSA pada satelit didasarkan pada prinsip pushbroom dan dapat secara simultan mengambil citra pankromatik dan multispektral. IKONOS mengirimkan resolusi spasial tertinggi sejauh yang dicapai oleh sebuah satelit sipil. Bagian dari resolusi spasial yang tinggi juga mempunyai resolusi radiometrik tinggi menggunakan 11-bit (Space Imaging,2004). Banyak aplikasi untuk data IKONOS yang dapat diketahui. Pemilik berharap bahawa penggunaan lapangan dapat dibayar untuk harga data komersial. Diharapkan bahwa, pada masa mendatang, 50% data foto udara akan digantikan oleh citra beresolusi tinggi dari angkasa (camera pesawatdigital akan banyak menggantikan foto udara yang masih ada). Misi pertama IKONOS akan mendapatkan citra seluruh kota-kota utama Amerika Serikat. Sampai saat ini, pemetaan dan monitoring aeral perkotaan dari angkasa (tidak hanya di Amerika) hanya mungkin pada skala terbatas (Haqky, 2010). Data IKONOS dapat digunakan untuk pemetaantopografi dari skala kecil hingga menengah, tidak hanya menghasilkan peta baru,tetapi juga

memperbaharui peta topografi yang sudah ada. Penggunaan potensiallain IKONOS adalah .precision agriculture. Hal ini digambarkan pada

pengaturanband multispektral, dimana mencakup band infra merah dekat (nearinfrared). Pembaharuan dari situasi lapangan dapat membantu petani untuk mengoptimalkan penggunaan pupuk dan herbisida. Penggunaan pada

poduk .gambar. dapat dilihat pada sektorbisnis, media dan pariwisata (Janssen dan Hurneeman, 2001).

III. MATERI DAN METODE


3.1 Waktu dan Tempat Hari dan Tanggal : Selasa, 17 September 2013 Waktu Tempat : 13.00 14.40 WIB : Laboratorium Komputasi Lantai 2 Gedung E FPIK Universitas Diponegoro Semarang

3.2 Materi Materi praktikum inderaja yang disampaikan adalah : 1. 2. 3. 4. Penggabungan Citra Cropping Penajaman Citra, Komposit Warna, Teknik Interpretasi Visual Point Treading Data Value (Cell Values, Cells Coordinate, Jarak, Luas) 5. Geolink Window, Screen,dan Roam

3.3 Cara Kerja 3.3.1 Penggabungan Citra 1. Buka aplikasi ER Mapper 7.0

2. Klik ikon Edit Algorithm ( muncul tampilan seperti ini.

) pada toolbar ER Mapper 7.0 sehingga

3. Pada window Algorithm, sunting kotak dialog Description dengan mengetikkan <NAMA>_<NIM>

4. Pada window Algorithm, klik icon Duplicate ( terduplikat menjadi enam

) hingga Pseudo Layer

5. Ganti nama Pseudo Layer menjadi BAND 1 hingga BAND 7 (BAND 7 diletakkan setelah BAND 5, jadi tidak ada BAND 6)

6. Pilih ikon Load Dataset (

) sehingga muncul window Raster Dataset

7. Pilih file 2000_0204_B1.tif pada folder cilacap lalu klik OK this layer only sehingga pada window Algorithm muncul seperti berikut

8. Lakukan langkah yang sama pada BAND 2 hingga BAND 7. Untuk BAND 2 masukkan file 2000_0204_B2.tif dan seterusnya (untuk BAND 3 masukkan file B3.tif dan seterusnya, sesuaikan dengan judul band).

9. Pada window ER Mapper, klik menu File lalu pilih Save As. Simpan di folder Modul 1 Inderaja pada drive D:\ dengan nama file CILACAP_GABUNG_<NAMA>. Ubah tipe file menjadi ER Mapper Raster Dataset. Lalu klik OK dan akan muncul window Save As ER Mapper Dataset.

10. Setelah klik OK, akan muncul kotak dialog Save AS ER Mapper Dataset. Klik Defaults, lalu klik OK.

11. Setelah klik OK akan muncul kotak dialog seperti berikut, lalu klik OK. Data otomatis telah tersimpan.

3.3.2 Cropping Citra 1. Klik ikon Edit Algorithm ( ) pada window ER Mapper.

2. Pada window Algorithm, sunting kotak dialog Description dengan mengetikkan <NAMA>_<NIM>

3. Pilih file yang sebelumnya disimpan sebagai dokumen penggabungan citra. Klik OK

4. Setelah klik OK, maka akan muncul file yang sebelumnya telah digabung. Klik kanan, pilih Quick zoom, lalu pilih Zoom to Current Dataset 5. Pada window ER Mapper, pilih ikon Zoom Box Tool ( tertentu sehingga muncul seperti gambar berikut. ). Perbesar wilayah

6. Pada window Algorithm, duplikat Pseudo Layer menjadi 6 dan ubah nama Pseudo Layer menjadi BAND 1 sampai dengan BAND 7 (tidak ada BAND 6).

7. Simpan data dengan format CILACAP_CROP_<NAMA> dengan format ER Mapper Raster Dataset.

8. Klik Defaults, lalu klik OK

9. Setelah klik OK akan muncul kotak dialog seperti berikut, lalu klik OK. Data otomatis telah tersimpan.

3.3.3 Penajaman Citra, Komposit Warna, Teknik Interpretasi Visual 1. Klik ikon Edit Algorithm ( ) pada window ER Mapper.

2. Pada window Algorithm, sunting kotak dialog Description dengan mengetikkan <NAMA>_<NIM>

3. Pilih file yang sebelumnya disimpan sebagai dokumen cropping citra. Klik OK.

4. Klik ikon Create RGB Algorithm ( menjadi seperti berikut.

) sehingga tampilan citra berubah

5. Hilangkan efek smoothing dengan menghilangkan tanda checklist smoothing pada window Algorithm.

6. Hilangkan pseudo layer yang memiliki tanda silang dengan mengklik ikon Cut ( ) pada window Algorithm.

7. Untuk menajamkan citra dan komposit warna, klik tab Surface, pilih grayscale pada kotak dialog Color Table.

sehingga foto citra akan menjadi seperti berikut.

8. Klik ikon 99% Contrast Enhacement (

) lalu klik ikon Refresh (

sehingga foto citra akan menjadi lebih terang dari sebelumnya.

3.3.4

Treading Data Values

3.3.4.1 Cell Values 1. Klik ikon Edit Algorithm ( ) pada window ER Mapper.

2. Pada window Algorithm, sunting kotak dialog Description dengan mengetikkan <NAMA>_<NIM>

3. Pilih file yang sebelumnya disimpan sebagai dokumen cropping citra. Klik OK

4. Klik ikon Create RGB Algorithm ( menjadi seperti berikut.

) sehingga tampilan citra berubah

5. Hilangkan efek smoothing dengan menghilangkan tanda checklist smoothing pada window Algorithm.

6. Klik menu View, pilih Cell Values Profile.

7. Klik ikon Zoom box tool (

) untuk memilih wilayah yang ingin diperbesar.

8. Klik pada pointer

, kemudian klik pada salah satu pixel dalam citra. Akan

terlihat nilai pada window cell values profile.

3.3.4.2 Cells coordinate 1. Untuk cells coordinate, klik menu view, pilih Cell Coordinate. Klik pada pointer , kemudian klik pada salah satu pixel dalam citra.

3.3.4.3 Jarak 1. Pada window ER Mpaper, pilih menu Edit, lalu klik Annotate Vector Layer, sehingga muncul window baru seperti berikut

2. Klik OK pada Tab New Map Composition, sehingga muncul window baru seperti berikut.

3. Klik Close pada window ER Mapper yang memiliki tanda seru sehingga window Tools bisa digunakan.

4. Untuk mengukur panjang suatu area, pilih ikon Poly Line ( ) pada window Tools. Setelah itu lakukan digitasi pada area yang akan diukur panjangnya

5. Setelah dilakukan digitasi, pada window Tools, pilih ikon Edit Object Extens ( ) dan akan muncul window baru seperti berikut.

6. Jarak dapat dilihat pada kotak dialog Object details.

3.3.4.4 Luas 1. Untuk mencari luas suatu wilayah, klik ikon Polygon ( ) pada window

Tools, lalu lakukan digitasi pada area yang akan dicari luasnya.

2. Setelah dilakukan digitasi, pada window Tools, pilih ikon Edit Object Extens ( ) dan akan muncul window baru seperti berikut.

3.3.5

Geolink

3.3.5.1 Geolink to Windows 1. Klik icon copy window , untuk membuat layer menjadi dua. Untuk layer

pertama, klik icon edit algorithm , icon load dataset, pilih file IKONOS2005.ers. Sedangkan untuk layer kedua isikan dengan citra IKONOS2009.ers. kemudian klik ok this layer only.

2. Klik kanan pada window, quick zoom, set geolink to window. Lakukan hal yang sama pada window kedua, untuk memberi warna data, klik icon RGB ( ) pada ER Mapper 7.0

3.3.5.2 Geolink to Screen 1. Klik icon 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. Maka akan tampak seperti berikut. Klik icon hand tool pada kotak ER Mapper 7.0 untuk menggeser gambar atau data.

3.3.5.3 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 4. Untuk melihat titik yang diinginkan maka klik icon pointer tool pada ER Mapper 7.0 kemudian geser-geser kelokasi yang akan ditinjau.

IV.
4.1 Hasil

HASIL DAN PEMBAHASAN

4.1.1 Penggabungan Citra

4.1.2 Cropping Citra

4.1.3 Penajaman, Komposit Warna, dan Teknik Interpretasi Visual

4.1.4 Treading Data Values 4.1.4.1 Cell Values

4.1.4.2 Cells Coordinate

4.1.4.3 Jarak

4.1.4.4 Luas

4.1.6 Geolink 4.1.6.1 Geolink to Windows

4.1.6.2 Geolink to Screen

4.1.6.3 Geolink to Roam

4.2 Pembahasan

4.2.1 Penggabungan Citra Pada penggabungan citra, data citra yang digunakan yaitu foto citra di Cilacap. Ada 6 jenis data yang digunakan dalam penggabungan citra, yaitu 2000_0204_B1.tif yang dimasukkan pada Pseudo Layer yang diganti namanya menjadi BAND 1. Lalu 2000_0204_B2.tif yang dimasukkan pada BAND 2, 2000_0204_B3.tif pada BAND 3, 2000_0204_B4.tif pada BAND 4, 2000_0204_B5.tif pada BAND 5, dan 2000_0204_B7.tif pada BAND 7. Dengan menggabungkan beberapa citra dari data yang diperoleh, maka kondisi wilayah Cilacap dapat dipandang dari enam sudut pandang sekaligus dalam satu layer. Citra yang telah digabung lalu disimpan dengan nama file CILACAP_GABUNG_HASANA dengan format ER Mapper Raster Dataset.

4.2.2 Cropping Citra Pada cropping citra, data yang dipakai adalah foto citra Cilacap yang sebelumnya telah digabungkan menjadi satu layer yang telah disimpan dan diberi nama file CILACAP_GABUNG_HASANA.ers. cropping citra dilakukan dengan cara mengklik ikon zoom box tool pada window ER Mapper lalu pilih area yang ingin diperbersar sehingga akan nampak foto citra yang lebih besar dari sebelumnya. Setelah itu, foto citra yang telah di-crop disimpan dengan nama file CILACAP_CROP_HASANA dengan format ER Mapper Raster Dataset. Kegunaan dari cropping citra yaitu untuk melihat citra dengan ukuran yang lebih besar.

4.2.3 Geolink Kegunaan dari geolink yaitu untuk membandingkan suatu foto citra yang satu dengan foto citra lainnya. Geolink dibagi menjadi tiga jenis, yaitu geolink to windows, geolink to screen, dan geolink to roam. Foto citra yang dipakai

pada materi geolink ini yaitu foto citra daerah Semarang pada tahun 2005 dan 2009 dengan menggunakan satelit IKONOS. Pada geolink to windows, terlebih dahulu kita menduplikat layer dengan meng-klik ikon Copy window sehingga muncul menjadi dua layer. Pada layer pertama ditaruh foto citra daerah Semarang pada tahun 2005 dan pada layer kedua dengan foto citra daerah Semarang pada tahun 2009. Setelah itu, klik ikon RGB pada window ER Mapper untuk kedua foto citra sehingga kedua foto citra tersebut menjadi berwarna. Untuk geolink to screen, duplikat layer yang menampilkan citra foto daerah Semarang pada tahun 2009 sebanyak dua kali sehingga layer terduplikat menjadi empat, satu layer menampilkan foto citra daerah Semarang pada tahun 2005 dan tiga layer lainnya menampilkan foto citra daerah Semarang pada tahun 2009 dengan satelit IKONOS. Setelah itu klik kanan, pilih Quick zoom lalu klik Set geolink to screen sehingga muncul tampilan yang berbeda (tahun 2005 dan 2009) pada tiap layer yang berbeda. Geolink to roam berguna untuk melihat suatu titik dalam ketinggian yang berbeda pada setiap layernya. Untuk geolink to roam, pada layer pertama perbesar suatu titik dengan menggunakan Zoom box tool lalu klik kanan, pilih Quick zoom lalu pilih Set geolink to overview roam. Geser dengan hand tool sehingga bisa melihat perbandingan suatu titik dengan ketinggian yang berbeda.

4.2.4 Perbandingan Data IKONOS 2005 dan 2009 Dari hasil praktikum citra peta wilayah Semarang pada tahun 2005 dan 2009 terjadi perubahan pada garis pantai yang semakin mundur dan terjadi beberapa program reklamasi pantai yang mengebabkan garis pantai di daerah tertentu maju. 4.2.5 Pengukuran Jarak dan Luas

Dalam praktikum ini dipelajari juga bagaimana mengetahui jarak antar dua titik yang ingin diketahui pada data citra satelit dengan cara memilih ikon Poly Line pada window Tools. Setelah dilakukan digitasi, pada window Tools, pilih ikon Edit Object Extens sehingga jarak yang ada pada citra akan keluar dan didapatkan jaraknya. Jika kita ingin mengukur luas suatu daerah pada citra yang kita miliki yaitu dengan memilih ikon Polygon pada window Tools. Setelah itu, lakukan digitasi dan klik ikon Edit Object Extens sehingga jarak yang ada pada citra akan keluar dan didapatkan luasnya. Cara ini dapat memudahkan kita dalam menentukan jarak maupun luas suatu daerah pada citra satelit. 4.2.6 BAND 6 BAND 6, atau pada file foto citra Cilacap bernama 2000_0204_B6.ers tidak dimasukkan dalam penggabungan citra karena data citra tersebut merupakan peta batimetri dan indikator suhu.

V. KESIMPULAN
1. Penginderaan jauh adalah suatu metode untuk mengenal dan menentukan objek di permukaan bumi tanpa melalui kontak langsung dengan objek tersebut. 2. ER Mapper adalah salah satu software (perangkat lunak) yang digunakan untuk mengolah data citra atau satelit. ER Mapper dapat dijalankan pada workstation dengan sistem operasi UNIX dan komputer PCs (Personal Computers) dengan sistem operasi Windows 95 ke atas dan Windows NT. 3. Manfaat dari materi geolink adalah dapat menggerakkan satu-dua atau lebih layer secara bersamaan, tanpa harus menggerakkannya satu persatu. 4. Pengukuran panjang dan luas mempermudah kita untuk mengukur tanpa harus terjun ke lapangan langsung. 5. Dalam praktikum ini menggunakan dua macam citra, yaitu citra non foto dan citra foto.

DAFTAR PUSTAKA
Anonim. 2013. ER Mapper. Diakses pada hari Kamis 19 September 2013 pukul 22.10 WIB. Butler, M.J.A., M.C. Mouchot, V. Barale and C Le Blanc. 1988. The Aplication of Educational Texbooks Series. ITC, Enshede, Netherlands. FAO Fisheries Technical Paper. 295 p. Haqky, Muhammad. 2010. Satelit IKONOS. Diakses pada hari Kamis 19 September 2013 pukul 22.22 WIB. Hertanto, Hendrik Boby. 2012. Geografi Lingkungan: Penginderaan Jauh. Diakses pada hari Kamis 19 September 2013 pukul 22.10 WIB. Janssen, L.F.L and Huurneman C.G. 2001. Principles of Remote Sensing. ITC Noor, Djauhari. 2011. Geologi untuk Perencanaan. Yogyakarta: Graha Ilmu. Petatematikindo. 2013. Citra LANDSAT . Diakses pada hari Kamis 19 September 2013 pukul 22.16 WIB Puremind. 2012. Jenis-jenis Citra Penginderaan Jauh. Diakses pada hari Kamis 19 September 2013 pukul 22.10 WIB. RAYEARTH2601. 2011. Model Warna RGB . Diakses pada hari Kamis 19 September 2013 pukul 22.20 WIB Remote Sensing Technology to Marine Fisheries : An Introduction Manual.. Space Imaging. 2004. IKONOS. Diakses pada hari Kamis 19 September 2013 pukul 22.20 WIB. Sutanto. 1994. Penginderaan Jauh Jilid 2. Gajah Mada University Press, Jogjakarta.

Anda mungkin juga menyukai