Anda di halaman 1dari 26

LAPORAN RESMI

PRAKTIKUM MK INDRAJA DAN SIG


MODUL :
Image Enhanchement, Atmospheric Correction
Image Blocking : Darat dan Laut
Pengukuran Panjang Garis Pantai dan Luasan Kawasan Habitat Pesisir

Disusun Oleh :
Kelompok 16
Reinaldi Abiyoga
Rinuji Robin Madilaw
Mia Arista Sari
Eritrina Ardining Tyas
Renny Diah Permatasari
Erika Kurniawati S

26010112130079
26010112130080
26010112140081
26010112110084
26010112140085
26010112130086

PROGRAM MANAJEMEN SUMBERDAYA PERAIRAN (msp)


FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS DIPONEGORO
SEMARANG
2014

I.
Judul
Pengenalan Image Processing dasar : image enhanchement, atmospheric correction
II.
1.

Tinjauan Pustaka
Jenis-Jenis Satelit
a. Landsat
Program Landsat merupakan satelit tertua dalam program observasi bumi. Landsat
dimulai tahun 1972 dengan satelit Landsat-1 yang membawa sensor MSS
multispektral. Setelah tahun 1982, Thematic Mapper TM ditempatkan pada sensor
MSS. MSS dan TM. Satelit Landsat (Satelit Bumi) ini merupakan milik Amerika Serikat.
Beberapa genersi satelit Landsat yang dibuat Amerika namun sekarang sudah tidak
beroperasi lagi. Landsat 5, diluncurkan pada 1 Maret 1984, membawa sensor TM
(Thematic Mapper), yang mempunyai resolusi spasial 30 x 30 m pada band 1, 2, 3, 4, 5
dan 7. Sensor Thematic Mapper mengamati obyek-obyek di permukaan bumi dalam 7
band spektral, yaitu band 1, 2 dan 3 adalah sinar tampak (visible), band 4, 5 dan 7
adalah infra merah dekat, infra merah menengah, dan band 6 adalah infra merah
termal yang mempunyai resolusi spasial 120 x 120 m. Luas liputan satuan citra adalah
185 x 185 km pada permukaan bumi. Landsat 5 mempunyai kemampuan untuk
meliput daerah yang sama pada permukaan bumi pada setiap 16 hari, pada ketinggian
orbit 705 km.Citra satelit Landsat-7 ETM adalah satelit bumi dengan membawa
intrumen ETM (Enchnced Thamatic Mapper) yang menyajikan delapan sailorman
multispektral scanning radiometer. Diluncurkan pada bulan April 1999 dengan
membawa ETM+scanner. Saat ini, hanya Landsat-5 dan 7 sudah tidak beroperasi lagi.
Terdapat banyak aplikasi dari data Landsat TM-7 ini, manfaatnya adalah untuk
pemetaan penutupan lahan, pemetaan penggunaan lahan, pemetaan geologi,
pemetaan suhu permukaan laut dan lain-lain. Untuk pemetaan penutupan dan
penggunaan lahan dapat memilih data Landsat TM karena terdapat band infra merah
menengah. Landsat TM adalah satu-satunya satelit non-meteorologi yang mempunyai
band inframerah termal. Data thermal diperlukan untuk studi proses-proses energi
pada permukaan bumi seperti variabilitas suhu tanaman dalam areal yang diirigasi
(Suwargana, 2013).
b. NOAA (National Oceanic and Atmospheric Administration)
Satelit berorbit sinkron matahari milik NOAA, Amerika Serikat yang misi utamanya
adalah pemantauan cuaca. Satelit NOAA dikembangkan dari seri satelit TIROS
(Television and Infrared Observation ). Satelit TIROS kemudian digantikanmenjadi TOS
(TIROS Operational System) yang kemudian menjadi seri ESSA (Environmental Science
Service Administration). ESSA kemudian dikembangkan menjadi seri ITOS (Improved
TIROS Operational System) disusul seri NOAA. Seri satelit NOAA terdiri dari generasi I
(TIROS-N/NOAA 1-5), generasi II (Advanced TIROS-N/ATN/NOAA 6-14) dan generasi III
(NOAA K, L, M). Pengindera yang diusung satelit ini pada umumnya adalah AVHRR
(pengembangan dari VHRR) dan TOVS (TIROS Operational Vertical Sounder). Setiap
satelit biasanya juga masih mendapatkan tambahan perangkat pengindera lain sesuai

dengan misi. Karekteristik satelit citra NOAAH : Dimensi : Tinggi : 165 in


(4,19m),Diameter : 74 in (1,88m),Solar array area : 180,6 ft (16,8m) Berat : 4920 lbs
(2231,7 kg) Orbit : Ketinggian: 870 km , Kemiringan: 98,856 Waktu Matahari Lokal :
13:40 Rata-rata Ketinggian: 870 Km Gambar citra satelit NOOA Kegunaan citra NOAA :
Membuat Peta Suhu Permukaan Laut (Sea Surface Temperature maps/SST Maps) ,
Monitoring iklim ,Studi El Nino ,Deteksi arus laut untuk memandu kapal- kapal pada
dasar laut dengan ikan berlimpah (Jensen, 2000).
c. SPOT
SPOT singkatan dari Systeme Pour I.Observation de la Terre. SPOT-1 diluncurkan
pada tahun 1986. SPOT dimiliki oleh konsorsium yang terdiri dari Pemerintah Prancis,
Swedia dan Belgia. SPOT pertama kali beroperasi dengan pushbroom sensor CCD
dengan kemampuan off-track viewing di ruang angkasa. Saat itu, resolusi spasial 10
meter untuk pankromatik dan 20 meter daerah tampak (visible). Pada Maret 1998
sebuah kemajuan signifikan SPOT-4 diluncurkan: sensor HRVIR mempunyai 4 di
samping 3 band dan instumen VEGETATION ditambahkan. VEGETATION didesain untuk
hampir tiap hari dan akurat untuk memonitor bumi secara global (Suwargana, 2013).
d. ASTER
Menurut Rangga (2010), Citra Satelit Aster ASTER (Advanced Spaceborne Thermal
Emission and Reflection Radiometer) adalah instrumen / sensor yang dipasang pada
satelit Terra, yang diluncurkan pada Desember 1999, dimana ini merupakan bagian
dari NASAs Earth Observing System (EOS) bekerja sama dengan Jepang dalam
memecahkan persoalan yang menyangkut SDA dan lingkungan. Proyek ini didukung
sepenuhnya oleh para ilmuwan Jepang dan Amerika Serikat dari beragam keilmuan
diantaranya : geologi, meteorologi, pertanian, kehutanan, studi lingkungan, gunung
berapi, dan lain lain. Adapun karakteristik sekilas mengenai citra ASTER adalah
sebagai berikut : Observasi pada 3 VNIR, 6 SWIR, 5 TIR bands atau bekerja dengan 14
bands atau dapat merekam data citra permukaan bumi dari panjang gelombang
daerah visible (sinar tampak) ke daerah thermal infrared. Sehingga dapat disimpulkan
bahwa citra ASTER mampu merekam data citra di permukaan bumi dari panjang
gelombang daerah visible ( sinar tampak ) ke daerah infrared thermal. Stereoskopik
data dapat diperoleh dengan single orbit. Resolusi spasial citra ASTER adalah 15m
untuk VNIR, 30m untuk SWIR, dan 90 m untuk TIR. Sensor optik dengan resolusi
geometric dan radiometric yang tinggi pada semua frekuensi channel. Dengan melihat
karakteristik di atas, penggunaan citra ASTER dapat memenuhi kebutuhan para
pengguna / user data dalam bidang lingkungan dan sumberdaya alam (SDA).
Pemanfaatan citra ASTER adalah untuk memonitoring permukaan bumi, baik dalam
bidang pertanian, pertambangan, meteorologi, dan lain sebagainya yang erat
kaitannya dengan monitoring sumber daya alam ( SDA).

e. Ikonos
Menurut Suwargana (2013), Ikonos adalah satelit komersial beresolusi tinggi
pertama yang ditempatkan di ruang angkasa. Ikonos dimiliki oleh Space Imaging,
sebuah perusahaan Observasi Bumi Amerika Serikat. Satelit komersial beresolusi tinggi
lainnya yang diketahui: Orbview-3 (OrbImage), Quickbird (EarthWatch) dan EROSA1(West Indian Space).Ikonos diluncurkan pada bulan September tahun 1999 dan
pengumpulan data secara regular dilakukan sejak Maret 2000. Ikonos dimiliki dan
dioperasikan oleh Space Imaging. Di samping mempunyai kemampuanmerekam citra
multispetral pada resolusi 4 meter, Ikonos dapat juga merekam obyek-obyek sekecil
satu meter pada hitam dan putih. Dengan kombinasi sifatsifat multispektral pada citra
4-meter dengan detaildetail data pada 1 meter, citra Ikonos diproses untuk
menghasilkan 1-meter produk-produk berwarna. Sensor pada satelit didasarkan pada
prinsip pushbroom dan dapat secara simultan mengambil citra pankromatik dan
multispektral. Ikonos mengrimkan 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).
Menurut Suwargana (2013), resolusi spasial merupakan ukuran terkecil obyek di
lapangan yang dapat direkam pada data digital maupun pada citra. Pada data digital
resolusi dilapangan dinyatakan dengan pixel. Semakin kecil ukuran terkecil yang dapat
direkam oleh suatu sistem sensor, berarti sensor itu semakin baik karena dapat
menyajikan data dan informasi yang semakin rinci. Resolusi spasial yang baik dikatakan
resolusi tinggi atau halus, sedang yang kurang baik berupa resolusi kasar atau rendah.
Dalam menentukan range resolusi, ada tiga tingkat ukuran resolusi yang perlu
diketahui, yaitu:
a. Resolusi spasial tinggi, berkisar : 0.6-4 m.
b. Resolusi spasial menengah, berkisar : 4-30 m
c. Resolusi spasial rendah, berkisar : 30 - > 1000 m
Menurut Suwargana (2013), beberapa contoh satelit bumi yang mempunyai
resolusi spasial adalah: a. Landsat : 15 meter pada mode pankromatik dan 30 meter
pada mode multispektral, b. Spot : 10 meter pada mode pankromatik dan 20 meter
pada mode multispektral, c. Ikonos : 1 meter pada modepankromatik dan 4 meter
pada mode multispektral. Resolusi temporal resolusi temporal ialah frekuensi
perekaman ulang kembali ke daerah yang sama pada rentang waktu tertentu. Rentang
waktu perulangan ke asal daerah yang sama satuannya dinyakan dalam jam atau hari,
contoh resolusi temporal ini: a. Resolusi temporal tinggi berkisar antara : <24 jam - 3
hari. b. Resolusi temporal sedang berkisar antara : 4-16 hari c. Resolusi temporal
rendah berkisar antara:> 16 hari. Bebarapa contoh satelit bumi yang mempunyai
resolusi temporal: a. Landsat generasi 1 : 18 hari b. Landsat generasi 2 : 16 hari c. SPOT
: 26 hari atau 6-7 kali/bulan karena sensor dapat ditengokkan arah perekamannya d.
Ikonos: antara 1,5 sampai 3 hari.

2.

Koreksi Radiometri
Menurut Swain dan Davies (1996), resolusi radiometrik adalah kemampuan sensor
dalam mencatat respons spektral objek atau kemampuan sensor untuk mendeteksi
perbedaan pantulan terkecil. Sedangkan Mapper tahun 1998 menjelaskan koreksi
radiometric merupakan teknik perbaikan citra satelit untuk menghilangkan effek atmosfer
yang mengakibatkan kenampakan bumi tidak terlalu tajam.Koreksi radiometri dapat
digunakan untuk identifikasi lahan pertanian. Prosesnya meliputi koreksi koreksi efek yang
berhubungan dengan sensor untuk meningkatkan kekontrasan setiap pixel dari citra,
sehingga setiap objek yang terekam mudah diinterprestasikan untuk menghasilkan data
sesuai dengan keadaan lapangan.
III. Tujuan
Untuk melakukan praktek : Image Processing dasar-image enhanchement, atmospheric
correction, geometric correction
IV. Metode
Metode Image Processing Dasar
Penggabungan Band
a) Membuka aplikasi ER Mapper

b) Pada windows algoritm, kolom description isi dengan nama kelompok klik
pseudo layer duplikat menjadi 6 ganti nama pseudo layer menjadi Band 1
sampai Band 7 tanpa mengikutkan Band 6.

c) Memilih band 1 load dataset buka citra yang akan diolah (namafile_B10)
OK this layer only. Melakukan hal serupa untuk band 2 sampai band 7
Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

d) Save file dengan type ER Mapper Raster Dataset (.ers) OK

e) Tutup semua window kecuali window utama ER Mapper panggil / load kembali
citra yang bandnya telah digabungkan pada langkah di atas

Metode Image Enhanchement


a) Membuka aplikasi ER Mapper Edit Algorithm Load dataset buka file citra
yang bandnya telah digabungkan

b) Memilih icon 99% contrast enhanchement klik RGB Algorithm Refresh

c)

Memilih view cell value profile untuk melihat nilai pixel pada citra klik
pointer
klik salah satu pixel pada citra, akan terlihat nilai pixel pada window
cell value profile

d) Memilih view cell coordinates untuk mengetahui koordinat dari pixel tersebut
klik pointer
klik salah satu pixel pada citra, akan terlihat koordinat pada
window cell coordinates.

Metode Atmospheric Correction atau Koreksi Radiometri


1.
Metode Penyesuaian Histogram menggunakan icon Formula Editor
a)
Membuka aplikasi ER Mapper
b)
Memilih Edit Algorithm load dataset buka citra yang diolah.

c)

Pada windows Algoritm, klik pseudo layer duplikat menjadi 6 ganti nama
pseudo layer menjadi Band 1 sampai Band 7 tanpa mengikutkan Band 6.

d)

Memilih Band 1 klik Edit Transform Limit muncul windows Transform dan
akan terlihat nilai atmospheric biasnya pada nilai actual input limit catat
nilainya yaitu 68.
Band 1

e)

Mengulangi langkah seperti Band 1 pada Band 2 sampai Band 7 catat yaitu 21.
Band 2

Band 3, yaitu 15

Band 4, yaitu 4

Band 5, yaitu 2

Band 7

f)

Pada windows algorithm pilih Band 1 klik icon Formula Editor muncul
windows Formula Editor dan masukan rumus INPUT-68 (INPUT1-nilai
atmospheric biasnya) Apply Changes. Mengulangi langkah seperti Band 1 pada
Band 2 sampai Band 7 apply changes
Band 1
Band 2

g)

Band 3

Band 4

Band 5

Band 7

Memilih Band 1 lagi pada windows algoritm pada windows transform pilih edit
delete this transform lakukan pada band 2 sampai band 7.
Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

h)

Menyimpan file dengan pilih windows utama file save as dengan nama baru
pilih ER Mapper Raster Dataset (.ers) OK.

i)

Setelah selesai proses simpan file, menutup windows kecuali windows utama ER
Mapper. Kembali memanggil citra yang telah disimpan load dataset pilih
citra yang tadi telah disimpan pilih pseudo layer pilih Band 1 Edit
Transform Limit muncul windows transform terlihat nilai atmospheric
biasnya adalah 1. Lakukan untuk band 2 sampai band 7.

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

V.
Hasil dan Pembahasan
1.
Hasil
Image Processing Dasar

Image Enhanchement

Atmospheric Correction atau Koreksi Radiometri

Band
1
2
3
4
5
7
Band 1

Tabel Band sebelum dan sesudah koreksi radiometri


Nilai bias
Sebelum Koreksi
Sesudah Koreksi
68
255
1
187
21
223
1
199
15
254
1
240
4
220
1
205
2
255
1
253
1
247
1
249
Band 2

Band 2

Band 3
Band 4

Band 3

Band 4

Band 5

2.

Band 7

Pembahasan
Citra Landsat mempunyai beberapa Band dengan karakteristik yang berbeda-beda.
Band dalam citra landsat ini terdiri dari Band 1, 2, 3, 4, 5, 6, dan 7, namun pengolahan data
pada praktikum SIG tahun 2014 ini tidak mengikuti Band 6. Hal tersebut dikarenakan Band 6
mempunyai resolusi 10.40-12.50 mm dengan inframerah thermal ini memiliki informasi
tentang studi kandungan air tanah, serta dapat membedakan kelembaban tanah dan
fenomena-fenomena thermal.
Koreksi geometrik dilakukan dengan tujuan untuk membetulkan kesalahan geometris
suatu obyek pada citra, sehingga tidak terjadi pergeseran obyek pada saat dilakukan
tumpang-susun. Koreksi geometrik pada penelitian ini mengacu pada peta Topografi skala 1 :
50.000 buatan Jantop tahun 1972 dengan metode Image to Image Registration, dimana pada
tahap pertama salah satu citra Landsat (Liputan Tahun 1989) dikoreksi terhadap peta
Topografi. Citra Landsat yang lainnya yaitu liputan Tahun 2002 dan 2006 dikoreksi terhadap
citra Landsat Tahun 1989 yang sudah dikoreksi. Hasil koreksi geometrik dari citra Landsat
Tahun 1989 terhadap peta Topografi menunjukkan tidak terjadi banyak perubahan bentuk
antara sebelum dan sesudah dilakukan koreksi, dengan total RMS Error sebesar 1,376788.
Berdasarkan Manual ArcViewGIS, RMS Error yang akurat mempunyai nilai kurang dari satu
(<1). RMS Error yang cukup besar ini terjadi karena perbedaan posisi obyek pada peta
dengan obyek pada citra Landsat, sebagaimana dapat dilihat pada rincian GCP berikut.
Koreksi geometrik antara citra Landsat dengan citra Landsat hasilnya lebih akurat daripada
koreksi geometrik antara citra Landsat dengan peta Topografi ( Hendarto, 2009 ).
Beberapa komposisi kombinasi 3 Band (RGB) yang digunakan dalam mendeteksi jenis
tutupan lahan yang ada pada citra satelit serta penggunaanya untuk pendeteksian tutupan
lahan tertentu. Diantaranya adalah R = 4; G = 3; B = 2 (4-3-2) untuk mengetahui vegetasi
lahan. R = 7; G = 3; B = 1 (7-3-1) untuk mengetahui letak pemukiman. R = 3; G = 2; B = 1 (3-21) untuk mengetahui letak lahan terbuka. R = 4; G = 5; B = 7 (4-5-7) untuk mengetahui
sebaran air. R = 1; G = 3; B = 5 (1-3-5) untuk mengetahui sebaran awan.
Nilai piksel terendah haruslah 0 (nol). Munculnya nilai 1 atau 0 ini ketika citra yang
diolah sudah dikoreksi menggunakan koreksi geometrik. Awalnya nilai sebelum dikoreksi

besra besar bisa mencapai 68 to 255 namun setelah dikoreksi bisa mengecil menjadi 1 to
187. Nilai 1 itu merupakan nilai minimum setelah terkoreksi dimana sebelumnya juga telah
dimasukan input data menggunakan rumus Input-(nilai minimum sebelum dikoreksi). Maka
kebanyakan hasil setelah dikoreksi adalah 1 atau 0 (nol).
Praktikum kali ini menggunakan metode penyesuaian histogram untuk koreksi
radiometri. Metode penyesuaian histogram ini termasuk metode yang mudah untuk
dilakukan dan cukup sederhana. Waktu pelaksanaannya pun cukup singkat dan tidak perlu
menggunakan perhitungan yang sangat sistematis. Selain menggunakan metode tersebut
jita juga dapat menggunakan metode lain yaitu metode Pergeseran Histogram ( histogram
adjustment), metode Regresi, dan metode Kalibrasi Bayangan.
Namun selain menggunakan metode tersebut ada cara lain yang dapat digunakan.
Seperti menurut Hakim et al. (2012), terdapat beberapa metode yang umum digunakan
dalam koreksi geometri sistematik. Pada prinsipnya semua metode koreksi tersebut
menggunakan data ancillary untuk mengoreksi citra tetapi dengan pendekatan yang
berbeda. Metode pertama yang umum digunakan adalah metode distortion-based yaitu
suatu metode yang memodlekan setiap distorsi geometri sistematik dalam sebuah matriks.
Metode kedua adalah metode point-based yaitu suatu metode yang memetakan koordinat
piksel pada bidang citra menjadi koordinat titik di permukaan bumi menggunakan
persamaan aljabar dan vektor tiga dimensi.
Referensi
Hendarto. 2009. Kajian Perubahan Penutupan Lahan Tahun 1989-2006 pada Kawasan Hutan
Mangrove Muara Kubu berdasarkan Citra Landsat. Tesis Program Pasca sarjana
Universitas Gajah Mada. Yogyakarta.
Hakim, Patria rachman et al..2012.Model Koreksi Geometri Sistematika Data Imager
Pushbroom Menggunakan Metode Proyeksi Kolinear (Pushbroom Imager Data
Systematic Geometric Correction Model Using Collinear Projection Method).Jurnal
Teknologi Dirgantara.10 (2). Hal 121-132
Suwargana, Nana. 2013. Resolusi Spasial, Temporal dan Spektral pada Citra Satelit Landsat,
Spot dan Ikonos. Jurnal Ilmiah WIDYA. 1(2). Hal 167-174
JR, Bhian Rangga.2010. Pemanfaatan citra Penginderaan Jauh. FKIP UNS: Semarang.
Swain dan Davies. 1996. Dalam Interpretasi Citra Satelit Spot 5 Untuk Pemetaan Penggunaan
Lahan Kecamatan Semarang Barat Kota Semarang. Universitas Negeri Semarang.

I.
Judul
Pengenalan Image Processing dasar : image spectral identification nilai pembeda darat dan
laut, algoritma blocking darat dan laut.
II.

Tinjauan Pustaka
Garis pantai merupakan batas antara daratan dan tubuh air. Definisi garis pantai yang
ideal yakni merupakan batas fisik pertemuan darat dan air (Dolan et al., 1991). Informasi
ekstraksi garis pantai yang akurat serta monitoring perubahannya merupakan hal penting
dalam memahami dan menguraikan proses-proses yang berlangsung di kawasan pantai.
Informasi perubahan garis pantai sangat penting dalam berbagai kajian pesisir seperti
misalnya; rencana pengelolaan kawasan pesisir, pewilayahan bahaya, studi erosi-akresi,
serta analisis dan pemodelan morfodinamik pantai (Chand dan Acharya, 2010).
Integrasi teknik penginderaan jauh seperti penggunaan data Landsat TM dan ETM+
dengan sistim informasi geografis (SIG) terbukti menyediakan pendekatan yang sangat
bermanfaat bagi studi-studi perubahan garis pantai dewasa ini. Metode ini menyediakan
keunggulan dalam waktu pengerjaan serta ketersediaan data yang bisa diperoleh secara
repititive untuk cakupan yang luas (Kasim, 2011).
Guariglia et al., (2006) menerangkan bahwa garis pantai ( coastline ) didefinsikan
sebagai batas antara permukaan darat dan permukaan air. Sebagai sebuah kawasan
peralihan darat dan laut, pantai merupakan sebuah lingkungan yang unik dimana udara, air,
dan bebatuan satu sama lainnya saling berhubungan. Fitur garis pantai berkaitan dengan
berbagai proses dinamika alami yang sangat penting dalam pengelolaan kawasan pesisir.
Monitoring kawasan pantai sangat penting bagi perlindungan lingkungan serta
pembangunan negara. Bagi kepentingan monitoring kawasan pantai, ekstraksi garis pantai
pada berbagai waktu berbeda merupakan pekerjaan mendasar (Alesheikh et al., 2007).
Di lain pihak untuk pendokumentasian dan pemetaan perubahan lokasi suatu garis
pantai maka dikenal beberapa proksi yang digunakan sebagai terminologi untuk
menunjukkan fitur bagi batas darat-air. Beberapa proksi dalam memetakan perubahan
sebuah garis pantai misalnya; garis vegetasi (vegetation line), garis basah atau kering( wetdry line ) , garis air pasang (High Water line, HWL) dan rata-rata tinggi air pasang ( Mean High
Water, MHW ) (Morton and Miler, 2005 ; Harriset al. 2006 ; Fletcher et al. 2010).
Beberapa metode penajaman citra adalah mencakup; spatial filtering , komposit RGB, rationing,
klasifikasi, density slicing , metode BILKO (yaitu sebuah program khusus yang dikembangkan
oleh UNESCO untuk menentukan batas darat-laut berdasarkan band infra merah), serta
metode algoritma AGSO ( Australian Geological Surveys Organization) yang dikembangkan untuk
memetakan citra perairan dangkal. Semua metode pendekatan penajaman citra tersebut
berguna dalam membuat batas yang jelas darat dan laut sehingga memudahkan dalam
digitasi (Hanifa et al. 2007).
Saat ini terdapat dua metode yang berkembang di lingkungan SIG terkait
pengekstrasian informasi perubahan posisi suatu garis pantai, yaitu: metode single-transect
(ST-Method) dan alternatifnya yaitu metode Eigenbeaches (EX and EXT Method) yang lahir
melengkapi kekurangan metode single transect (Vitousek et al. 2009).

III. Tujuan
Untuk melakukan praktek : image spectral identification nilai pembeda darat dan laut,
algoritma blocking darat dan laut.
IV. Metode
Image spectral identification
a) Membuka aplikasi ER Mapper Edit Algorithm Load dataset buka file citra.
Memilih view cell value profile untuk melihat nilai pixel pada citra klik pointer
klik salah satu pixel pada citra daerah darat dan laut setelah itu pilih Edit
Transform Limit muncul windows transform

b) Algorithma blooking darat dengan klik formula editor masukkan rumus if INPUT1
< 15 then i1 else null (if INPUT < nilai pembatas then i1 else null).

c) Algorithma blooking laut dengan klik formula editor masukkan rumus if INPUT1 >
15 then i1 else null (if INPUT > nilai pembatas then i1 else null).

V.
Hasil dan Pembahasan
Hasil

Pembahasan
Langkah pertama dalam melakukan praktikum image spectral identification nilai
pembeda darat dan laut, algoritma blocking darat dan laut yaitu dengan membuka aplikasi
ER Mapper kemudian Edit Algoritma lalu data load dan membuka file citra. Memilih view
kemudian cell value profile untuk melihat nilai pixel pada citra klik pointer dan klik salah satu
pixel pada citra daerah darat dan laut setelah itu pilih Edit Transform Limit muncul windows
transform. Membuka data satelit Rembang lalu Algorithma dan membuka band 5 mengklik
Trnasform dan Linies Transform(garis linier). Algorithma blooking darat dengan mengeklik
formula editor dan memasukkan rumus if INPUT1 < 15 then i1 else null (if INPUT1 < nilai
pembatas then i1 else null). Sedangkan algorithma blooking laut dengan mengeklik formula
editor kemudian memasukkan rumus if INPUT1 > 15 then i1 else null (if INPUT1 > nilai
pembatas then i1 else null.
Band 5 dimanfaatkan untuk membedakan darat dan laut serta menganalisa garis
pantai dan perubahan garis pantai. Manfaat algoritma blooking darat dan laut dapat
mempermudah perwilayahan antara darat dan laut, pemetaan pada batas darat dan laut.
Menurut Winarso et al (2001), untuk pendekatan pengekstraksian garis pantai dengan
metode single band biasa memanfaatkan Band-4, 5, dan 7. Untuk keperluan ini, Band-4(0.75
mm 0.90 mm) dapat digunakan untuk mengumpulkan informasi batas garis pantai yang
diliputi vegetasi, sementara Band-5 (1.55 mm 1.75 mm) dan 7 (2.08 mm 2.35 mm)
masing-masing dapat digunakan memperoleh informasi garis pantai yang ditutupi oleh tanah
dan bebatuan. Pendekatan lain adalah menggunakan metode band ratio (rationing) antara
Band-4 dengan Band-2 (b4/b2) serta Band-5 dengan Band-2(b5/b2).
Referensi
Dolan R, Fenster MS, Holme SJ. 1991. Temporal analysis of shoreline recession and accretion.
J Coast Res, 7(3): 723-744.
Kasim F. 2011. Penilaian kerentanan pantai menggunakan metodeintegrasi CVI MCA dan SIG,
studi kasus: garis pantai pesisir Utara Indramayu. [Thesis] Jurusan Ilmu Kelautan. Sekolah
Pascasarjana IPB. Bogor

Chan P and Acharya P. 2010. Shoreline change and sea level rise along coast of Bhitarkanika
wildlife sanctuary, Orissa: An analytical approach of remote sensing and statistical
techniques. Int J Geom & Geos, 1(3): 436-455
Alesheikh AA, Ghorbanali A, Nouri N. 2007. Int J Environ Sci Tech. 4 (1): 61-66.
Guariglia A, Arcangela B, Angela L, Rocco S, Maria LT, Angelo Z,Antonio C. 2006. Annals of Geophys
49(1):2953 04
Morton RA and Miller T L. 2005..USGS Report:2005-1401
Hanifa NR, Djunarsjah E, Wikantika K. 2007. TS9 Marine Cadastre and Coastal
ZoneManagement. 3rd FIG Regional Conference, October 3-7, 2004.Jakarta, Indonesia
Vitousek S, Barbee MM, Fletcher CH, Richmond BM, Genz AS. 2009. Coastal Hazard
AnalysisReport. NPS Geologic Resources Division
Winarso GJ, and Budhiman S, 2001. Paper presented at the 22nd AsianConference on Remote
Sensing, 5 - 9 November 2001, Singapore.Centre for Remote Imaging, Sensing and Processing
(CRISP),National University of Singapore; Singapore Institute of Surveyorsand Valuers
(SISV); Asian Association on Remote Sensing (AARS)

I.
Judul
Pengenalan data satelit (pixel) dapat untuk mengukur panjang garis pantai dan luasan suatu
kawasan tambak, dll.
II.

Tinjauan Pustaka
Penginderaan jauh dapat diartikan sebagai teknologi untuk mengidentifikasi suatu
obyek di permukaan bumi tanpa melalui kontak langsung dengan obyek tersebut. Saat ini
teknologi penginderaan jauh berbasis satelit menjadi sangat populer dan digunakan untuk
berbagai tujuan kegiatan, salah satunya untuk mengidentifikasi potensi sumber daya wilayah
pesisir dan lautan. Hal ini disebabkan teknologi ini memiliki beberapa kelebihan, seperti:
harganya yang relatif murah dan mudah didapat, adanya resolusi temporal (perulangan)
sehingga dapat digunakan untuk keperluan monitoring, cakupannya yang luas dan mampu
menjangkau daerah yang terpencil, bentuk datanya digital sehingga dapat digunakan untuk
berbagai keperluan dan ditampilkan sesuai keinginan. Data set citra Landsat-TM (daerah
kajian) tersusun oleh kanal- kanal (Band) 1, 2, 3,4, 5 ,dan 7 dengan resolusi spasial 30 m.
Pengolahan digital untuk setiap data set meliputi seleksi fusi multispektral, penajaman, dan
pemfilteran. Gabungan (komposit) band dilakukan untuk mendapatkan ketajaman objek
dan menghasilkan warna komposit yang optimum. Fusi multispektral digunakan untuk
memperoleh informasi citra yang optimal. Proses ini diawali dengan memilih 3 (tiga) band
yang digunakan untuk membuat citra warna komposit dengan memasukkan setiap band ke
dalam filter merah, hijau, dan biru (RGB). Pemfilteran adalah proses modifikasi nilai piksel
berupa pengurangan atau penambahan nilai spektral untuk menghasilkan citra yang lebih
tajam (Suwargana, 2008).
Proses kombosit citra dilakukan untuk mempermudah dalam menginterpretasikan
obyek-obyek yang ada pada tampilan citra. Selain dengan komposit citra, penajaman citra
digital menggunakan RGB. Dengan menggunakan penajaman citra metode RGB ini
dimaksudkan untuk lebih menghemat dalam penyimpanan data dan lebih meringankan kerja
dari komputer. Dari hasil penajaman ini, terlihat kenampakan obyek menjadi lebih kontras
dan lebih mudah dibedakan dengan obyek yang lain (Haniah, et. al., 2014).
Penajaman citra digunakan untuk mempermudah interpretasi objek pada tampilan
citra. Penajaman citra meliputi penajaman kontras (contrast enhancement) yaitu
memperbaiki tampilan citra dengan memaksimumkan kontras antara pencahayaan dan
penggelapan. Filtering yaitu memperbaiki tampilan citra dengan mentranformasi nilai-nilai
digital citra seperti mempertajam batas area yang mempunyai nilai digital yang sama (edge
enhancement). Setelah citra terkoreksi multi temporal, tahap selanjutnya adalah proses on
screen digitation (digitasi pada layar monitor). Digitasi dimaksudkan untuk mengubah format
data raster ke format data vektor. Objek yang didigitasi adalah garis pantai. Seluruh proses
digitasi menggunakan fasilitas image analisis pada perangkat lunak yang dapat menampilkan
data raster dan vektor sekaligus (Yulius, et. al.,2013).
III. Tujuan
Untuk mengenalkan bahwa teknologi inderaja dan SIG untuk mengukur panjang garis pantai,
luasan kawasan tambak, dll.

IV. Metode
Pengukuran panjang dan luasan suatu wilayah
a) Membuka aplikasi ER Mapper Edit Algorithm Load dataset buka file citra
yang bandnya telah digabungkan

b) Memilih icon 99% contrast enhanchement klik RGB Algorithm Refresh

c) Mengubah komposisi band dari 3-2-1 menjadi 5-4-2 untuk mengetahui sebaran
vegetasi mangrove (ditunjukkan dengan warna hijau) Refresh

d) Untuk mengetahui luas hutan mangrove, pilih edit, annote vector layer pilih
poligon
lakukan digitasi pada bagian daerah yang akan dihitung luasnya
jika ingin diberi warna, klik 2 kali pada daerah yang akan diberi warna pilih
warna

e) Memilih icon edit object extent


ER Mapper akan menampilkan window map
composition extent yang menunjukkan informasi mengenai keliling, luas area yang
telah dilakukan digitasi.

V.
Hasil dan Pembahasan
Hasil

Pembahasan
Berdasarkan hasil yang diperoleh dapat diketahui bahwa, keliling dari tambak tersebut
adalah 87,46 Km dan luasnya 11754,3 Ha. Hasil tersebut diperoleh setelah dilakukannya
analisis data citra satelit yang sudah mengalami proses penajaman menggunakan RGB.
Penajaman citra satelit dengan RGB dilakukan supaya citra satelit dapat terlihat lebih kontras
sehingga lebih mudah untuk dianalisis. Menurut Haniah, et. al. (2014), penajaman citra
metode RGB ini dimaksudkan untuk lebih menghemat dalam penyimpanan data dan lebih
meringankan kerja dari komputer. Dari hasil penajaman ini, terlihat kenampakan obyek
menjadi lebih kontras dan lebih mudah dibedakan dengan obyek yang lain.
Hal ini diperkuat oleh Suwargana (2008), proses ini diawali dengan memilih 3 (tiga)
band yang digunakan untuk membuat citra warna komposit dengan memasukkan setiap
band ke dalam filter merah, hijau, dan biru (RGB). Pemfilteran adalah proses modifikasi nilai
piksel berupa pengurangan atau penambahan nilai spektral untuk menghasilkan citra yang
lebih tajam.
Selain proses penajaman menggunakan RGB, dilakukan pula proses digitasi untuk
menentukan wilayah yang akan dihitung luas dan jaraknya. proses ini dimaksudkan untuk
memudahkan dalam pengukuran keliling atau jarak daerah tambak dan luasannya. Menurut
Yulius et al., (2013), digitasi dimaksudkan untuk mengubah format data raster ke format
data vektor. Seluruh proses digitasi menggunakan fasilitas image analisis pada perangkat
lunak yang dapat menampilkan data raster dan vektor sekaligus.
Penggunaan software ER Mapper dan citra satelit dalam proses pengukuran jarak dan
luasan tambak memiliki beberapa kelebihan, yaitu lebih akurat, proses cepat, mudah,
murah, dan efisien . selain itu metode ini menggunakan data digital sehingga dapat
dilakukan untuk memantau perkembangan suatu wilayah dalam periode tertentu. Menurut
Suwargana (2008), teknologi ini memiliki beberapa kelebihan, seperti, harganya yang relatif
murah dan mudah didapat, adanya resolusi temporal (perulangan) sehingga dapat
digunakan untuk keperluan monitoring, cakupannya yang luas dan mampu menjangkau
daerah yang terpencil, bentuk datanya digital sehingga dapat digunakan untuk berbagai
keperluan dan ditampilkan sesuai keinginan.
Referensi
Haniah, Muhammad Haqki, Andri Suprayogi. 2014. Identifikasi Bekas Kebakaran Lahan
Menggunakan Data Citra Modis di Provinsi Riau. Jurnal Geodesi Undip. ISSN : 2337845X. 3(3)
Suwargana, Nana. 2008. Analisis Perubahan Hutan Mangrove Menggunakan Data
Penginderaan Jauh di Pantai Bahagia, Muara Gembong, Bekasi. Jurnal Penginderaan
Jauh. Vol 5. Hal 64-67
Yulius dan M. Ramdhan. 2013. Perubahan Garis Pantai di Teluk Bungkus Kota Padang,
Provinsi Sumatera Barat Berdasarkan Analisis Citra Satelit. Jurnal Ilmu dan Teknologi
Kelautan Tropis. 5(2). Hal 417-427