Anda di halaman 1dari 48

LAPORAN RESMI PRAKTIKUM

PENGINDERAAN JAUH
MODUL 1: INTERFACE PERANGKAT LUNAK ER MAPPER 7.0

Disusun Oleh:
RACHMAT AFRIYANTO
26020114140104
ILMU KELAUTAN A

Koordinator Mata Kuliah Penginderaan Jauh :


Ir. Petrus Subardjo, Msi
NIP. 19561020 198703 1 001
Tim Asisten
Rinto Setyawan
Riandi Teguh W
Hana Farah Frida Firismanda
Rayana Dwiari Armanto
Muhammad Salahudin
Dhea Isnainiya
M Danie Al Malik
Dodik Setiyo Wicaksono

26020213140036
26020213190089
26020213140045
26020213140083
26020213120007
26020113140104
26020113140096
26020113120029

JURUSAN ILMU KELAUTAN


FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS DIPONEGORO
SEMARANG
2016

Shift: 2
Tgl Praktikum : 10 Maret 2016
Tgl Pengumpulan : 16 Maret 2016
LEMBAR PENILAIAN
MODUL 1 : INTERFACE PERANGKAT LUNAK ER MAPPER 7.0

Nama : RACHMAT AFRIYANTO

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

NIM: 26020114140104

KETERANGAN

Ttd: ...................................

NILAI

Pendahuluan
Tinjauan Pustaka
Materi dan Metode
Hasil dan Pembahasan
Penutup
Daftar Pustaka
TOTAL

Mengetahui,
Koordinator Praktikum

Asisten

Rinto Setyawan

Rinto Setyawan

26020213140036

26020213140036

I.

1.1

PENDAHULUAN

Latar Belakang
Dewasa ini, kemajuan teknologi diberbagai bidang berkembang dengan

sangat pesat. Remote Sensing atau teknologi penginderaan jauh merupakan suatu
pengembangan dari teknologi pemotretan udara yang mulai diperkenalkan pada
akhir abad ke 19 sebagai suatu pengembangan pemetaan melalui satelit. Manfaat
potret udara dirasa sangat besar dalam perang dunia pertama dan kedua, sehingga
cara ini dipakai dalam eksplorasi ruang angkasa. Sejak saat itu istilah penginderaan
jauh dikenal dan menjadi populer dalam dunia pemetaan. Peta yang dihasilkan oleh
perekaman jarak jauh ini dikenal dengan nama citra pengindraan jauh. Namun pada
dasarnya citra satelit dengan peta mempunyai perbedaan yang mencolok dan tidak
bisa dikatakan sama.
Perkembangan teknologi yang sangat pesat ini membawa dampak positif
bagi manusia, karena dengan pengindraan jarak jauh tersebut manusia dapat
melakukan penelitian tanpa terjun langsung kelapangan melainkan hanya melihat
pada citra tersebut. Teknologi penginderaan jauh dapat mengikuti perkembangan
kebutuhan masyarakat. Kemampuan penyediaan data dan informasi kebumian yang
bersifat dinamik bermanfaat dalam pembangunan di era Otonomi Daerah. Data dan
informasi mutakhir sangat diperlukan. Ketersediaan data dan informasi yang
diimbangi dengan pengolahan data menjadi informasi wilayah dapat dilakukan
dengan sistem informasi geografis (SIG).
Penginderaan jauh ini sendiri banyak bermanfaat bagi bidang kehidupan,
khususnya

dibidang

kelautan,

hidrologi,

klimatologi,

lingkungan

dan

kedirgantaraan. Analisis penggunaan lahan dilakukan untuk mengetahui bentukbentuk penguasaan, penggunaan, dan kesesuaian pemanfaatan lahan untuk kegiatan
budidaya dan lindung. Selain itu, dengan analisis ini dapat diketahui besarnya
fluktuasi intensitas kegiatan di suatu kawasan, perubahan, perluasan

fungsi

kawasan, okupasi kegiatan tertentu terhadap kawasan, benturan kepentingan


sektoral dalam pemanfaatan ruang, kecenderungan pola perkembangan kawasan
budidaya dan pengaruhnya terhadap perkembangan kegiatan sosial ekonomi serta
kelestarian lingkungan.

1.2

Tujuan Praktikum
1.

Mahasiswa diharapkan mengetahui arti dan fungsi dari penginderaan


jauh.

2.

Mahasiswa diharapkan mengetahui spesifikasi landsat 8

3.

Mahasiswa diharapkan mengetahui dan mampu mengoperasikan


software ER Mapper 7.0 yang dapat membantu dalam proses
pengolahan data hasil dari citra penginderaan jauh.

1.4

Manfaat Praktikum
Manfaat yang didapatkan dari pratikum Interface Pengenalan ER Mapper

7.0 antara lain :


1)

Mahasiswa mengetahui arti dan fungsi dari pengideraan jauh.

2)

Mahasiswa dapat mengoperasikan software ER Mapper 7.0 seperti


menggabungkan citra, cropping citra, penajaman citra, reading data value,
dan geolink.

II.

TINJAUAN PUSTAKA

2.1. Penginderaan Jauh


Penginderaan jauh atau remote sensing adalah suatu ilmu untuk
memperoleh, mengolah dan menginterpretasi citra yang telah direkam yang berasal
dari interaksi antara gelombang elektromagnetik dengan sutau objek (Arsana,
I.M.A dan Julzarika, A., 2006). Penginderaan jauh merupakan suatu ilmu, karena
terdapat suatu sistimatika tertentu untuk dapat menganalisis informasi dari
permukaan bumi, ilmu ini harus dikoordinasi dengan beberapa pakar ilmu lain
seperti ilmu geologi, tanah, perkotaan dan lain sebagainya (Everett Dan S, 1976).
Menurut Lillesand dan Keifer (1994) di dalam Wahyunto (2004) bahwa
Penginderaan jauh merupakan suatu ilmu atau teknologi untuk memperoleh
informasi atau fenomena alam melalui analisis suatu data yang diperoleh dari hasil
rekaman obyek, daerah atau fenomena yang dikaji. Perekaman atau pengumpulan
data penginderaan jauh (inderaja) dilakukan dengan menggunakan alat pengindera
(sensor) yang dipasang pada pesawat terbang atau satelit.
Menurut Lindgren dalam Sutanto (1986) di dalam Lili (2008) penginderaan
jauh adalah teknik yang dikembangkan untuk perolehan dan analisis informasi
tentang bumi, informasi tersebut berbentuk radiasi elektromagnetik yang
dipantulkan atau dipancarkan dari permukaan bumi. Mather (1987) di dalam Lili
(2008) mengatakan bahwa penginderaan jauh terdiri atas pengukuran dan
perekaman terhadap energi elektromagnetik yang dipantulkan atau dipancarkan
oleh permukaan bumi dan atmosfer dari suatu tempat tertentu di permukaan bumi.
Adapun menurut Lilesand et al. (2004) di dalam Lili (2008) mengatakan bahwa
penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu
objek, daerah, atau fenomena melalui analisis data yang diperoleh dengan suatu alat
tanpa kontak langsung dengan objek, daerah, atau fenomena yang dikaji.

2.2.

Citra
Citra merupakan salah satu hasil teknologi penginderaan jauh. Citra adalah

gambaran suatu objek yang tampak pada cermin melalui lensa kamera atau hasil
pengindraan yang telah dicetak. Lebih lanjut citra dibedakan atas citra foto dan citra
non-foto. Citra foto (disebut juga foto udara) merekam dengan kamera,
perekamannya secara serentak untuk satu lembar foto udara dan menggunakan
tenaga tampak atau perluasannya (ultraviolet atau inframerah dekat). Setiap lembar
(scene) citra ini mencakup wilayah yang sangat luas yaitu sekitar 60180 km2
(360.0003.240.000 ha) (Wahyunto, 2004).
Jenis data penginderaan jauh, yaitu citra. Citra adalah gambaran rekaman
suatu objek atau biasanya berupa gambaran objek pada foto. Sutanto (1986) di
dalam Lili (2008) menyebutkan bahwa terdapat beberapa alasan yang melandasi
peningkatan penggunaan citra penginderaan jauh, yaitu sebagai berikut :
1)

Citra menggambarkan objek, daerah, dan gejala di permukaan bumi


dengan wujud dan letaknya yang mirip dengan di permukaan bumi.

2)

Citra menggambarkan objek, daerah, dan gejala yang relatif lengkap,


meliputi daerah yang luas dan permanen.

3)

Dari jenis citra tertentu dapat ditimbulkan gambaran tiga dimensi


apabila pengamatannya dilakukan dengan stereoskop.

4)

Citra dapat dibuat secara cepat meskipun untuk daerah yang sulit
dijelajahi secara terestrial.

2.3.

ER MAPPER 7.0
ER Mapper 7.0 merupakan 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. (Oocities, 2009).

2.3.1. Fungsi ER MAPPER 7.0


ER Mapper 7.0 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
7.0 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 (gambar 1). Cara pengolahan ini dalam ER Mapper disebut
Algoritma (Oocities, 2009).

Gambar 1. Pengolahan Citra Menggunakan ER Mapper

2.3.2. Kelebihan dan Kekurangan ER MAPPER 7.0


Algoritma adalah rangkain tahap demi tahap pemrosesan atau
perintah dalam ER Mapper 7.0 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
7.0. Selain itu, beberapa kekhususan lain yang dimiliki ER Mapper 7.0
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

Penghubung dinamik (Dynamic Links) adalah fasilitas khusus ER Mapper


7.0 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 (Oocities, 2009).
Menurut Oocities (2009), selain kelebihan-kelebihan di atas, ER Mapper
7.0 memiliki keterbatasan, yaitu :
1.

Terbatasnya format Pengeksport data

2.

Data yang mampu ditanganinya adalah data 8 bit.

2.4.

Satelit Landsat 8
Landsat adalah sebuah program untuk mendapatkan citra bumi dari luar

angkasa menggunakan suatu wahana satelit. Satelit Landsat pertama diluncurkan


pada tahun 1972 dan 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 yang memiliki sumberdaya untuk riset perubahan global dan
aplikasinya pada pertanian, geologi, kehutanan, perencanaan daerah, pendidikan,
dan keamanan nasional (Anonim, 2012).
Satelit Landsat adalah salah satu satelit sumber daya bumi yang
dikembangkan oleh NASA dan Departemen Dalam Negeri Amerika Serikat. Satelit
ini terbagi dalam dua generasi, yaitu:
1.

Generasi pertama, yaitu satelit Landsat 1, Landsat 2, dan Landsat


3. Generasi ini merupakan satelit percobaan (eksperimental).

2.

Generasi kedua, yaitu Landsat 4 dan Landsat 5, merupakan satelit


operasional (Lindgren, 1985), sedangkan Short (1982) menamakan sebagai
satelit penelitian dan pengembangan (Sutanto, 1994).

Satelit Landsat senantiasa berkembang di tiap generasi. Secara lengkapnya,


satelit Landsat yang telah diluncurkan adalah sebagai berikut:
1.

Landsat 1 (mulanya dinamakan Earth Resources Technology Satellite 1).


Satelit yang diluncurkan pada 23 Juli 1972 oleh roket Delta 900 ini adalah
versi modifikasi dari satelit meteorologi Nimbus 4. Satelit Landsat 1
melakukan monitoring dengan membawa instrumen kamera RBV dan
MSS.Landsat 1 adalah satelit pertama dari Amerika Serikat. Dan berakhir
pada tahun 1987.

2.

Landsat 2, satelit kedua dari program Landsat. Awalnya satelit ini bernama
ERTS-B (Earth Resource Technology Satellite-B) namun berganti nama
menjadi

"Landsat

22 Januari 1975. Landsat

2"
2

sebelum
membawa

peluncurannya

sensor

yang

sama

pada
seperti

pendahulunya, yaitu RBV dan MSS. RBV merupakan instrumen yang


digunakan untuk tujuan evaluasi teknik sedangkan MSS secara sistematis
terus mengumpulkan gambar dari Bumi. Landsat 2 beroperasi selama lebih
dari tujuh tahun dan akhirnya berhenti beroperasi pada 25 Februari 1982.
3.

Landsat 3, satelit ketiga dari program Landsat. Satelit ini diluncurkan pada
tanggal 5 Maret 1978 dengan tujuan utama menyediakan arsip global foto
satelit. Landsat 3 memiliki desain dasar sama seperti Landsat 2. Satelit ini
membawa instrumen MSS, yang memiliki resolusi maksimum 75 m. Tidak
seperti dua Landsat sebelumnya, instrumenthermal band telah dibuat pada
Landsat 3, tetapi instrumen ini gagal beroperasi setelah satelit ditempatkan.
Landsat 3 ditempatkan dalam orbit polar berjarak sekitar 920 km dan
menghabiskan waktu 18 hari untuk memindai seluruh permukaan bumi.
Landsat 3 sudah tidak beroperasi lagi karena adanya masalah teknis dan
berhenti beroperasi pada 21 Maret1983.

4.

Landsat 4, satelit keempat dari program Landsat. Satelit ini diluncurkan


pada 16 Juli 1982 dengan tujuan utama menyediakan arsip global foto
satelit. Meski program Landsat dikelola oleh NASA, data dari Landsat 4
dikumpulkan dan didistribusikan oleh USGS. Landsat 4 sudah tidak
beroperasi lagi karena adanya masalah teknis dan akhirnya berhenti
beroperasi pada tahun 1993.

5.

Landsat 5, diluncurkan 1 Maret 1984. Satelit ini masih berfungsi.

6.

Landsat 6, diluncurkan 5 Oktober 1993. Satelit ini gagal mencapai orbit.

7.

Landsat 7, diluncurkan 15 April 1999. Satelit ini masih berfungsi.


Terdapat banyak aplikasi yang dapat diterapkan dari data Landsat,

diantaranya adalah untuk pemetaan penutupan lahan, pemetaan penggunaan lahan,


pemetaan tanah, pemetaan geologi, pemetaan suhu permukaan laut dan lain-lain.
Untuk pemetaan penutupan dan penggunaan lahan, data Landsat TM lebih dipilih
daripada data SPOT multispektral karena terdapat band infra merah menengah.
Landsat

TM

adalah

satu-satunya

satelit

non

meteorologi

yang

mempunyai band inframerah thermal. Data thermal diperlukan untuk studi prosesproses energi pada permukaan bumi seperti variabilitas suhu tanaman dalam areal
yang diirigasi (Anonim, 2012).

2.5.

RGB
RGB adalah suatu model warna yang terdiri dari merah, hijau, dan biru,

digabungkan dalam membentuk suatu susunan warna yang luas. Setiap warna
dasar, misalnya merah, dapat diberi rentang nilai. Untuk monitor komputer, nilai
rentangnya paling kecil = 0 dan paling besar = 255. Pilihan skala 256 ini didasarkan
pada cara mengungkap 8 digit bilangan biner yang digunakan oleh mesin komputer.
Dengan cara ini, akan diperoleh warna campuran sebanyak 256 x 256 x 256 =
1677726 jenis warna. Sebuah jenis warna, dapat dibayangkan sebagai sebuah
vektor di ruang dimensi 3 yang biasanya dipakai dalam matematika, koordinatnya
dinyatakan dalam bentuk tiga bilangan, yaitu komponen-x, komponen-ydan
komponen-z. Misalkan sebuah vektor dituliskan sebagai r = (x ,y ,z). Untuk warna,
komponen-komponen tersebut digantikan oleh komponen R(ed), G(reen), B(lue).
Jadi, sebuah jenis warna dapat dituliskan sebagai berikut: warna = RGB(30, 75,
255). Putih = RGB (255, 255, 255), sedangkan untuk hitam= RGB(0, 0, 0)
(Anonim, 2012).
Dasar model warna RGB (Red Green Blue) tidak hanya mewakili warna
tetapi juga intensitas cahaya. Pencahayaan yang berbeda-beda pada warna kulit
orang karena pencahayaan yang ada di sekitarnya (Jati, 2011).

2.6.

Teknik Interpretasi Visual


Interpretasi citra adalah suatu pengkajian foto udara atau citra dengan

maksud untuk mengidentifikasi objek dan menilai arti pentingnya objek tersebut.
Di dalam pengenalan objek yang tergambar pada citra, ada tiga rangkaian kegiatan
yang diperlukan, yaitu deteksi, identifikasi, dan analisis. Deteksi ialah pengamatan
atas adanya objek, identifikasi ialah upaya mencirikan objek yang telah dideteksi
dengan menggunakan keterangan yang cukup, sedangkan analisis ialah tahap
mengumpulkan keterangan lebih lanjut. Interpretasi citra dapat dilakukan secara
visual maupun digital. Interpretasi visual dilakukan pada citra hardcopy ataupun
citra yang tertayang pada monitor computer (Estes dan Simonett dalam Sutanto
(1999) di dalam Lili (2008).
Menurut Howard dalam Suharyadi (2001) di dalam Lili (2008) interpretasi
visual adalah aktivitas visual untuk mengkaji gambaran muka bumi yang tergambar
pada citra untuk tujuan identifikasi objek dan menilai maknanya. Prinsip
pengenalan objek pada citra secara visual bergantung pada karakteristik atau atribut
yang tergambar pada citra. Karakteristik objek padacitra digunakan sebagai unsur
pengenalan objek yang disebut unsur-unsur interpretasi. Menurut Sutanto (1999)
unsur-unsur interpretasi meliputi sebagai berikut :
1)

Rona atau warna (tone/color). Rona adalah tingkat kegelapan atau


kecerahan objek pada citra, sedangkan warna adalah wujud yang tampak
oleh mata. Rona ditunjukkan dengan gelap putih. Pantulan rendah, ronanya
gelap, pantulan tinggi ronanya putih.

2)

Bentuk (shape) adalah variabel kualitatif yang memberikan konfigurasi atau


kerangka suatu objek. Bentukmerupakan atribut yang jelas sehingga banyak
objek yang dapat dikenali berdasarkan bentuknya saja, seperti bentuk
memanjang, lingkaran, dan segi empat.

3)

Ukuran (size) adalah atribut objek yang antara lain berupa jarak, luas, tinggi,
kemiringan lereng, danvolume.

4)

Kekasaran (texture) adalah frekwensi perubahan rona pada citra atau


pengulangan rona terhadap objek yang terlalu kecil untuk dibedakan secara
individual.

5)

Pola (pattern) adalah hubungan susunan spasial objek. Pola merupakan ciri
yang menandai objek bentukan manusia ataupun alamiah.

6)

Bayangan (shadow) adalah aspek yang menyembunyikan detail objek yang


berada di daerah gelap.

7)

Situs (site) adalah letak suatu objek terhadap objek lain di sekitarnya.

8)

Asosiasi (association) adalah keterkaitan antara objek yang satu dan objek
lainnya.
Sutanto (1999) mengemukakan bahwa interpretasi citra pada dasarnya

terdiri atas dua kegiatan utama, yaitu 1) penyadapan data dari citra dan 2)
penggunaan data tersebut untuk tujuan tertentu. Penyadapan data dari citra berupa
pengenalan objek yang tergambar pada citra serta penyajiannya ke tabel, grafik, dan
peta tematik. Urutan pekerjaannya dimulai dari menguraikan atau memisahkan
objek yang rona atau warnanya berbeda, diikuti oleh delineasi atau penarikan garis
batas bagi objek yang memiliki rona atau warna sama. Objek yang telah dikenali
jenisnya kemudian diklasifikasikan sesuai dengan tujuan interpretasi dan
digambarkan pada peta.

2.7.

Satelit IKONOS
Satelit IKONOS merupakan satelit penginderaan jauh komersiil pertama

yang dioperasikan dengan tingkat ketelitian 1 meter untuk model pankromatik dan
4 meter untuk model multispektral yang merupakan milik Space Imaging Agency
(USA), dan berhasil memproduksi citra satelit penginderaan jauh dengan ketelitian
235 kali ketelitian citra Landsat7 band pankromatik (Kusumowidagdo, 2002).
Dengan teknik Pan Sharpening, citra pankromatik 1 meter dapat
dikombinasikan dengan citra multispektral 4 meter. Saluran pankromatik
menggunakan panjang gelombang (0.45 m 0.90 m ) dan multispektral dengan
3 saluran pada panjang gelombang tampak (visible) sertasatu saluran inframerah
dekat. Tabel berikut menunjukkan band-band spectral yang terdapat pada sensor
IKONOS (Anonim, 2012).
Produk Satelit IKONOS dapat dibedakan dalam tiga tingkatan berdasarkan
tingkat akurasi posisinya, yaitu :
1.

Georectified Product (Geo)

Geo merupakan produk ideal untuk pengamatan visual dan interpretasi,


karena produk ini sudah direktifikasi pada datum & sistem proyeksi peta.
2.

Orthorectified Product
Pada produk ini telah dilakukan ortorektifikasi pada ellipsoid & proyeksi

peta tertentu. Orthorektifikasi dilakukan untuk menghilangkan distorsi citra akibat


kesalahan geometrik dan pergeseran relief. Jenis Precision dan Precision Plus
merupakan produk yang mempunyai tingkat akurasi ketelitian yang tinggi, karena
telah menggunakan titik controltanah maupun DEM (Digital Elevation Model).
Jenis Presicion Plus bukan merupakan produk standar, dan hanya disediakan untuk
golongan tertentu.
3.

Stereo Product
Produk ini hanya dapat digunakan oleh lembaga pemerintahan saja. Stereo

Product menggunakan film kamera model Rational Polynomial Coefisient (RCP),


yang menyediakan model data kamera dengan paket program untuk fotogrammetri
dengan koordinat 3D, DEM dan citra yang telah diorthorektifikasi (Anonim, 2012)

2.8.

Geolink
Geolink adalah suatu metode untuk menghubungkan dua atau lebih window

image dalam ruang koordinat geografik. Hal ini bisa sangat berguna untuk
visualisasi dari area geografik yang sama dengan tipe image yang berbeda atau
algoritma pemrosesan yang berbeda, dan banyak aplikasi lain. Apabila image sudah
diregistrasi, maka image tersebut bisa dihubungkan secara geografik dengan
window image lain. Dengan demikian kita dapat dengan mudah membandingkan
atau melakukan tindakan terhadap dua objek sekaligus. Geolink hanya bisa
digunakan pada beberapa citra yang mempunyai koordinat sama (citra yang telah
ter-georeference) (Wikipedia, 2013).
Berdasarkan Anonim (2010), terdapat beberapa jenis Geolink pada aplikasi
ER Mapper 7.0:

Window Link dari dua atau lebih window citra untuk memperlihatkan
cakupan geografis yang sama. Zooming atau panning dalam satu window
akan menyebabkan operasi yang sama pada window lain yang terhubung.

Screen Link window citra dengan sebuah citra master yang berfungsi
sebagai sebuah lembaran peta virtual pada layar. Window yang terhubung
akan memperlihatkan cakupan geografis dari citra-citra tersebut secara
relatif terhadap window master.

Overview Zoom Link antara window citra dengan sebuah control window
master. Membuat sebuah kotak zoom pada control window menyebabkan
window-window menge-zoom ke area yang didefinisikan.

Overview Roam Link antara window citra dengan sebuah control window
master. Menge-drag mouse pada control window menyebabkan window
untuk menge-pan (atau roam) sehingga posisi titik pusat sama dengan posisi
mouse pada control window.

III.
3.1

MATERI DAN METODE

Waktu dan Tempat


Praktikum Penginderaan Jauh Modul 1 ini dilaksanakan pada:
Hari

: Kamis, 10 Maret 2016

Waktu

: 16.40 WIB selesai

Tempat

: Lab. Komputasi Ilmu Kelautan, Gedung E Lantai 2, FPIK,


Universitas Diponegoro, Semarang

3.2

Materi
Materi praktikum Penginderaan Jauh modul 1 ini antara lain:
1.

Penggabungan Citra

2.

Penajaman Citra

3.

Cropping Citra

4.

Reading Data Value


Cell Values Profil
Cell Coordinate
Mengetahui Jarak
Mengetahui Luas

5.

3.3

Geolink

Metode
3.3.1

Penggabungkan Citra
Untuk menggabungkan citra, dapat dilakukan dalam beberapa

langkah, yaitu :
1.

Jalankan Program ER Mapper 7.0 dengan cara klik 2x pada


icon ER Mapper 7.0 pada desktop

2.

Maka akan terbuka jendela ER Mapper 7.0 seperti dibawah ini

3.

Klik icon edit algorithm

pada toolbar di active window ER

Mapper 7.0, maka akan muncul window seperti dibawah ini :

4.

Klik icon duplicate

pada toolbar untuk menduplikat pseudo layer,

dan duplikat hingga terdapat 7 layer.

5.

Rename pada tiap pseudo layer menjadi Band 1, Band 2, Band 3, Band 4
hingga Band 7 dengan cara klik 2 kali pada setiap layer. Kemudian, tulis
nama dan nim pada dialog box description.

6. Klik Band 1, klik load dataset


cari

file

pada

direktori

pada window, pilih volume kemudian


C:\Data

8_Original_Band_Jawa_Tangah_2013

Modul

kemudian

Indraja\Landsatpilih

file

LC81200652013175LGN00_B1.TIF kemudian klik OK this layer only.

7.

Kemudian klik Band 2, kemudian Load Dataset

pilih file

LC81200652013175LGN00_B2.TIF pada direktori yang sama. Lakukan


hal yang sama pada Band 3 dan seterusnya.

8.

Untuk mengecek setiap Band apakah sudah sesuai atau tidak, dilakukan
pengecekan dengan cara klik Default Surface pada kolom layer.

9.

Simpan data dengan cara klik File Save as file dengan tipe ekstensi
(.ERS)

ER

Mapper

Raster

Dataset.

Dengan

nama

Gabung_RachmatAfriyanto_26020114140104.ers. Klik OK.

file

10. Klik Default kemudian pada Null Values isikan angka 0 dan klik OK.
Maka akan muncul window seperti ini :

3.3.2
1.

Penajaman Citra

Untuk menajamkan citra dilakukan dengan cara klik icon edit algorithm,
load dataset

cari file Gabung_RachmatAfriyanto_260201141401

04.ers. Lalu Ok This Layer Only.

2.

Untuk memunculkan warna dengan panjan gelombang seperti yang dapat


terlihat oleh mata manusia, klik icon

create RGB algorithm.

3.

Hapus pseudo layer yang memiliki tanda silang. Dengan cara klik icon
cut

4.

Ubah Red Band menjadi Band 4, Green Band menjadi Band 3 dan Blue
Band menjadi Band 2.

5.

Klik icon Refresh Image with 99% clip on limits sehingga akan terlihat
perbedaan warna antara sebelum dan sesudah penggatian band pada
spektrum warna.

Sebelum

Sesudah

3.3.3. Cropping Citra


1. Untuk cropping citra dapat dilakukan dengan klik edit algorithm
kemudian klik menu load dataset

, kemudian pilih file

Gabung_RachmatAfriyanto_26020114140104.ers

2.

Perbesar wilayah yang ingin pusatkan dengan klik icon zoom box tool
, drag wilayah yang akan di crop. Lalu klik Refresh Image with
99% clip on limits.

3.

Simpan citra yang telah diperbesar dengan klik file save as dengan
type

ER

Mapper

Raster

Dataset.

Dengan

nama

file

Crop_Rachmat_26020114140104.ers. Klik OK.

4. Klik Default dan pada Null Values isikan dengan nilai 0, kemudian klik
OK. Maka akan muncul seperti ini :

3.3.4.

Reading Data Value


3.3.4.1. Cell Values Profile

1. Untuk melakukan Reading Data Value dapat dilakukan dengan cara klik
Edit Algorithm kemudian load dataset

lalu pilih hasil Crop Citra.

2. Perbesar gambar dengan menggunakan zoom box tool

di wilayah

yang diinginkan, jangan lupa klik uncheck pada kotak pilihan


Smoothing, hingga gambar tampak pixelize atau kotak-kotak.

3. Klik menu bar view, klik cell values profile untuk melihat nilai pixel
pada citra.

4. Klik pada icon pointer

, kemudian klik pada salah satu pixel dalam

citra, maka akan terlihat nilai pada window cell values profile.

5. Lakukan langkah diatas untuk menentukan 5 titik cell values profile dari
citra.

3.3.4.2. Cell Coordinates


1. Untuk mengetahui lokasi suatu titik pada citra dan mengetahui posisi
sebenarnya di permukaan bumi, dapat dilakukan dengan cara klik menu
bar view, kemudian klik cell coordinates untuk mengetahui koordinat
dari pixel tersebut.

2. Klik pada pointer, kemudian klik pada salah satu titik pixel dalam citra,
maka akan terlihat koordinat pada window cell coordinates.

6. Lakukan langkah diatas untuk menentukan 5 titik cell coordnates dari


citra yang di interpretasikan.

3.3.4.3. Mengetahui Jarak


1. Untuk mengetahui jarak dari suatu citra, dapat dilakukan
dengan cara klik Edit, Annotate Vector Layer. Lalu klik Ok.

2. Klik pada kolom Tool pilih icon Poly Line

kemudian

digitasi panjang garis pantai yang diinginkan.

3. Kemudian klik icon Edit Object Extent

, maka akan

muncul keterangan panjang dari citra yang didigitasi.


4. Lakukan langkah diatas untuk menentukan 5 panjang digitasi
dari citra.

3.3.4.4. Mengetahui Jarak


1. Pada window tools Annotate Vector Layer Klik pada kolom
Tool pilih icon Polygon

kemudian digitasi luasan daerah

yang diinginkan, klik 2x untuk menutup luasan daerah yang


diinginkan.

2. Kemudian klik icon Edit Object Extent

, maka akan

muncul keterangan luasan dari citra yang didigitasi.


3. Lakukan langkah diatas untuk menentukan 5 titik cell
coordnates dari citra.
3.3.5

Geolink
3.3.5.1 Geolink to Windows
1. Geolink merupakan cara untuk mempermudah memahami citra
saat dibandingkan antara satu dengan yang lainnya. Untuk
melakukan proses Geolink dapat dilakukan dengan cara Pilih edit
algorithm

, load dataset

, kemudian cari file Data Satelit

IKONOS2005.ers pada direktori C:\Data Modul 1 Indraja\Olah


Citra. Klik Ok This Layer Only.

2.

Untuk memunculkan warna Klik create RGB algorithm

lalu hapus pseudo layer.

3.

Klik icon New

lalu Load Dataset

, cari file Data Satelit

IKONOS2009.ers pada direktori C:\Data Modul 1 Indraja\Olah


Citra. Klik Ok This Layer Only

4.

Untuk memunculkan warna Klik create RGB algorithm


lalu hapus pseudo layer.

5.

Klik kanan pada window citra IKONOS 2005, klik Quick Zoom,
pilih set geolink to window lakukan juga pada citra IKONOS
2009. Maka kedua citra akan ter-Geolink dan bila digerakkan
menggunakan pan tool akan bergerak bersamaan.

3.3.5.2. Geolink To Screen


1.

Klik icon copy window

pada citra 2009, untuk membuat salinan

layer menjadi tiga windows. Sehingga terdapat 4 layer sekarang.

2.

Klik kanan, quick zoom, set geolink to screen pada semua window.

3.

Lakukan hal yang sama pada window kedua, ketiga dan keempat,
sehingga akan tampil citra yang saling berinteraksi satu window
dengan window yang lainnya

3.3.5.2. Geolink To Roam


1. Atur ketinggian dari masing-masing citra IKONOS 2009
menggunakan zoom box tool

, agar memiliki ketinggian yang

berbeda

2. Pilih window dengan citra IKONOS 2005, klik kanan, quick zoom,
set geolink to overview roam, maka window yang lain akan
mengikuti pergerakan dengan ketinggian masing-masing sesuai
dengan koordinat.

IV.

4.1

HASIL DAN PEMBAHASAN

Hasil
4.1.1

Penggabungan Citra

4.1.2

Penajaman Citra

Sebelum RGB diganti Band 4, 3, 2

Sesudah RGB diganti Band 4, 3, 2

4.1.3

Cropping Citra

4.1.4

Reading Data Value


1. Cell Values Profile

2. Cell Coordinates

3. Pengukuran Panjang

4. Pengukuran Luas

4.1.5

Geolink
1. Geolink to Window

2. Geolink to Screen

3. Geolink to Overview Roam

4.2. Pembahasan
4.2.1. Penggabungan Citra
Berdasarkan praktikum yang telah dilaksanakan, dapat diketahui
bahwa penggabungan citra dilakukan dengan menggunakan data citra
daerah Jawa Tengah. Dimana terdapat 7 band yang kemudian digabungkan
menjadi satu layer sehingga terbentuklah satu citra gabung. Tujuan dari
penggabungan citra adalah untuk mengetahui dan melihat kondisi daerah
sebagian Jawa Tengah dari sudut pandang yang berbeda beda mulai dari
citra infrared hingga cahaya tampak yang dapat dilihat manusia. Hal ini
memudahkan untuk menginterpretasikan, sehingga lebih lengkap dan lebih
jelas.

4.2.2. Cropping Citra


Untuk menddapatkan hasil interpretasi yang baik, dibutuhkan citra
yang tepat dan wilayah yang tepat pula sehingga interpretasi dapat fokus pada
wilayah yang dituju. Tujuan dari cropping citra adalah untuk melihat citra
agar lebih jelas dan lebih mendetail. Adapun cara melakukan cropping citra
adalah dengan menggunakan zoom box tool pada daerah yang diinginkan
kemudian disimpan dalam bentuk .ers (ER MAPPER Raster Dataset).

4.2.3.

Penajaman Citra
Penajaman citra dilakukan untuk memperlihatkan efek kenampakan

citra agar lebih terlihat pola kenampakannya sesuai dengan cahaya yang dapat
dilihat oleh mata manusia. Hasil dari cropping citra digunakan untuk
ditajamkan kenampakan citranya.

4.2.4.

Reading Data Value


Berdasarkan praktikum, Reading Data Value di praktikum kali ini

adalah melakukan Cell Values Profile, Cell Coordinates, Pengukuran


Panjang dan Pengukuran Luas. Cell Values Profile bertujuan untuk
mengetahui nilai setiap pixel yang terdapat pada foto citra. Cara untuk
melakukan Cell Values Profile adalah dengan mengklik Cell Value Profile

pada sub menu View lalu akan muncul kolom window, selanjutnya klik
pointer ke titik titik yang ingin diketahui besar pixel-nya.
Selain itu ada Cell Coordinates yang bertujuan untuk mengetahui titik
koordinat. Cara mengetahuinya sama halnya dengan cara sebelumnya, yaitu
dengan menggunakan pointer lalu klik titik titik yang ingin diketahui
koordinatnya.
Selain itu kita juga dapat mengukur panjang dari misalnya panjang
garis pantai. Dengan menggunakan tools poly line pada kolom annote vector
layer di sub menu edit, digitasilah daerah yang ingin di ketahui panjangnya.
Lalu untuk melihat hasilnya dengan menggunakan icon edit object extend.
Maka akan diketahui panjang dari garis pantai tersebut.
Sedangkan untuk mengukur luas dari misalnya luas tambak, daerah
konservasi mangrove atau sawah dapat dengan menggunakan tools polygon
pada kolom annote vector layer di sub menu edit, digitasilah daerah yang
ingin di ketahui luasnya. Lalu untuk melihat hasilnya dengan menggunakan
icon edit object extend. Maka akan diketahui luas dari yang ingin diketahui
tersebut.

4.2.5. Geolink
Berdasarkan pada praktikum kali ini dapat diketahui bahwa metode
Geolink ini menggunakan data citra wilayah Semarang pada tahun 2005 dan
2009 dengan menggunakan satelit IKONOS. Pada praktikum ini digunakan
3 jenis metode geolink, yaitu geolink to window, geolink to screen dan geolink
to overview roam.
Pada metode geolink to window, kita melihat perbandingan antara dua
citra wilayah Semarang dengan kordinat yang sama dalam waktu yang
berbeda. Pada metode geolink to screen, kita membandingkan dua citra yang
berbeda tetapi akan saling terhubung di dalam 4 layer sekaligus agar lebih
jelas

perbedaannya.

Pada

geolink

to

overview

roam,

kita

akan

membandingkan 2 citra dengan 4 layer yang masing masing citra


perbesarannya berbeda. Pada metode ini, masing-masing layer akan

menunjukkan gambar dengan perbesaran yang berbeda tetapi menunjuk pada


suatu kordinat yang sama.
Perbedaan data yang di pakai pada metode Geolink ini terlihat jelas
pada wilayah bandara. Dimana pada tahun 2009 landasan pacu bandara lebih
panjang dengan mengalihkan aliran sungai ke arah barat.

V.
5.1

PENUTUP

Kesimpulan
Berdasarkan pada praktikum yang dilakukan maka dpat ditarik kesimpulan

dari praktikum modul 1 ini yaitu :


1. Penginderaan jauh adalah suatu ilmu atau metode untuk memperoleh
informasi tentang suatu objek, yang berfungsi untuk memperoleh data yang
dapat dianalisa tanpa menggunakan alat dan tanpa kontak langsung dengan
objek tersebut.
2. Data citra yang diolah menggunakan software ER Mapper merupakan citra
satelit dari Landsat 8.
3. Dengan menggunakan software ER Mapper kita dapat mengolah data citra
dengan mengetahui cara menggabungkan, cropping, penajaman, melihat
besar pixel, mengukur panjang dan luas suatu daerah pada citra, geolink dan
teknik pengolahan citra lainnya.

5.2

Saran
Saran untuk praktikum selanjutnya adalah sebaiknya praktikan lebih teliti

dalam melakukan proses interpretasi dan melakukan langkah-langkah pengolahan


citra sehingga didapat hasil yang maksimal.

DAFTAR PUSTAKA
Arsana, I.M.A., dan Julzarika, A., 2006, Liscad-Surveying & Engineering Software,
Geodesy and Geomatics Engineering, University of Gadjah Mada and
Leica Geosystem, Yogyakarta.
Danoedoro, P. 1990. Beberapa Teknik Operasi dalam Sistem Informasi Geografis.
Puspics UGM - Bakosurtanal. Yogyakarta.
Davis. 1976. Information Technology, John Wiley and Sons. New York dalam
http://bakornaspbp.go.id/html/citra_satelit/ - 11k. Diakses pada tanggal,
18 April 2012 Pukul. 07:00
Dulbahri, 1985. Interpretasi Citra Untuk survey Vegetasi. Puspics Bakorsurtanal
UGM, Yogyakarta.
Howard, J.A 1996. Penginderaan Jauh Untuk Sumberdaya Hutan, Teori dan
Aplikasi. Terjemahan. Gadjah Mada University Press. Yogyakarta.
Li, Z., Zhu, Q., and Gold, C., 2005. Digital Terrain Modeling Principles and
Methodology. CRC Press. Florida. USA.
Lillesand dan Kiefer.1990. Penginderaan Jauh dan Interpretasi Citra. Gadjah
Mada University Press. Yogyakarta.
Spasiatma, Geomedia. 2004. Modul Pelatihan Er Mapper. Geomedia Sp.
Yogyakarta.
Soenarmo, Sri Hartanti. 1994. Pengindraan Jauh dan Pengenalan Sistem Informasi
Geografi untuk Bidang ilmu Kebumian. Bandung : ITB.
Sumaryono. 1999. Pemanfaatan Penginderaan Jauh Untuk Pemantauan Reboisasi
Di Sub DAS Roraya-Kendari dalam Prosiding Pertemuan Ilmiah Tahun
Ke-8 MAPIN (Masyarakat Penginderaan Jauh Indonesia). Jakarta.
Sutanto, Prof, Dr, 1986. Penginderaan Jauh Jilid 1. Gadjah Mada University Press.
Yogyakarta.