LAPORAN RESMI PRAKTIKUM

PENGINDERAAN JAUH
MODUL I: INTERFACE PENGENALAN ER MAPPER 7.0
DAN CITRA LANDSAT 8

Disusun Oleh:
ESSY PRATIWY
26020215140115
OSEANOGRAFI B

Koordinator Mata Kuliah Penginderaan Jauh :

Ir. Petrus Subardjo, Msi
NIP. 19561020 198703 1 001
Tim Asisten
Rinto Setyawan

26020213140036

Rayana Dwiari Armanto

26020213140083

Florentina Chandra Yuniastuti

26020213120017

Fachrul Fitrah Nursamsi

26020213140031

An Nisa Nur Hera Anggarwati

26020214140089

Annisa Arum Nalarati

26020214140067

Ahmad Nasirul Umam

26020214120020

Surya Risky Graharto

26020214120018

DEPARTEMEN OSEANOGRAFI
FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS DIPONEGORO
SEMARANG
2016

Shift:
Tgl Praktikum : 25 September 2016
Tgl Pengumpulan : 29 September
2016

LEMBAR PENILAIAN
MODUL 1: INTERFACE PENGENALAN ER MAPPER 7.0
DAN CITRA LANDSAT 8

Nama : ESSY PRATIWY

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

NIM: 26020215140115

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

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

NILAI

Mengetahui,
Koordinator Praktikum

Asisten

Rinto Setyawan

Rinto Setyawan

26020213140036

26020213140036

I.

PENDAHULUAN

I.1 Latar Belakang

Penginderaan jauh atau (remote sensing) adalah ilmu dan seni untuk
memperoleh informasi tentang suatu objek, daerah atau fenomena melalui analisis

data yang diperoleh dengan sutu alat tanpa kontak langsung dengan objek, daerah,
atau fenomena yang dikaji. Penafsiran citra penginderaan jauh berupa pengenalan
obyek dan elemen yang tergambar pada citra penginderaan jauh serta
penyajiaanya ke dalam bentuk peta tematik.
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. Untuk memudahkan tujuan kita memonitor wilayah
dibumi ini, para ilmuan menciptakan rekayasa teknologi berupa perangkat lunak
atau software dalam bahasa inggris yang bertujuan memudahkan manusia dalam
menganalisa, memonitor, dan memprediksi atas apa yang akan terjadi pada waktu
yang akan datang mengenai bumi kita ini.
Dengan software diharapakan kita akan lebih mudah dalam melakukan
proses pengukuran, penelitian dan pengelolaan suatu sumberdaya bumi dengan
menggunakan konsep interpretasi foto udara, fotogeometri, interpretasi citra dari
sensor nonfotografi baik secara visual maupun menggunakan tehnik pemrosesan
citra digital. Sehingga dapat mempermudah dalam pengumpulan data dari jarak
jauh yang dapat dianalisis untuk mendapatkan informasi tentang objek, daerah
maupun fenomena yang diinginkan.
I.2 Tujuan
1. Mahasiswa mengetahui arti dan fungsi dari penginderaan jauh.
2. Mahasiswa mengetahui spesifikasi Landsat 8.
Mahasiswa mengetahui dan mampu mengoprasikan ER Mapper 7.0
yang dapat membantu dalam proses pengolahan data hasil dar citra
penginderaan jauh.
I.3 Manfaat
1. Untuk menambah pengetahuan tentang penginderaan jauh.
2. Untuk dapat memahami pengetahuan tentang ER Mapper.
3. Agar dapat menggunakan aplikasi ER Mapper dalam melakukan
penelitian.

II.
II.1

TINJAUAN PUSTAKA

Penginderaan Jauh

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
(Susanto, 1986).
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 (Mather, 1987).

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 (Lilesand et al., 2004).
Penginderaan jauh adalah penggunaan sensor radiasi elektromagnetik
untuk merekan gambar lingkungan bumi yang dapat diinterpretasikan sehingga
dapat menghasilkan informasi yang berguna (Curran, 1985).
II.2

Teknik Interpretasi Visual

Interpretasi citra adalah perbuatan mengkaji foto udara atau citra dengan
maksud untuk mengidentifikasi objek dan menilai arti pentingnya objek tersebut.
Interpretasi citra dapat dilakukan secara visual maupun digital. Interpretasi visual
dilakukan pada citra hardcopy ataupun citra yang tertayang pada monitor
komputer. Interpretasi visual adalah aktivitas visual untuk mengkaji gambaran
muka bumi yang tergambar pada citra untuk tujuan identifikasi objek dan menilai
maknanya (Somantri, 2008).
Prinsip pengenalan objek pada citra secara visual bergantung pada
karakteristik atau atribut yang tergambar pada citra. Karakteristik objek pada citra
digunakan sebagai unsur pengenalan objek yang disebut unsur-unsur interpretasi.
Menurut Sutanto (1986) 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. Bentuk merupakan 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, dan volume.
4. Kekasaran (texture) adalah frekuensi perubahan rona pada citra atau
pengulangan rona terhadap objek yang terlalu kecil untuk dibedakan
secara individual.
5. Pola (pattern) adalah hubungan susunan spesial 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 disekitarnya.
8. Asosiasi (association) adalah keterkaitan antara objek yang satu dan objek
lainnya.
Teknik interpretasi visul dalam kategori analisis visual diguna pakai dalam
usaha mendapatkan data guna tanah. Tenik ini merangkumi interpretasi visual
terhadap multi-temporal image composite dan on-screen digitizing bagi setiap
perubahan di dalam suatu kawasan tersebut (Sirat dan Samat, 2014).
II.3

ER Mapper

ER Mapper merupakan salah satu perangkat lunak yang telah terbukti

banyak digunakan baik kalangan pemerintah maupun swasta, hal ini dapat
dimaklumi karena pada awal peluncurannya yaitu pada versi 5.0 ER Mapper telah
menyajikan kemampuan pengolahan citra yang cukup lengkap (Geomedia, 2004).
ER Mapper merupakan salah satu software (perangkat lunak) yang
digunakan untuk mengolah data citra. Beberapa perangkat lunak serupa yang juga
memiliki fungsi yang sama antara lain ERDAS Image, PCL, dan lain-lain. ER
Mapper sendiri dikeluarkan oleh Earth Resource Mapping, yang merupakan salah
satu vendor piranti pemrosesan citra yang berpusat di Australia dengan berbagai
cabang utama dan cabang pembantu di beberapa negara. Mengingat software ini
mudah dipelajari dan proses penyimpanan data yang lebih cepat dan sederhana
dibandingkan software lain, ER Mapper lebih banyak digunakan dan diminati
pengolah citra satelit (Tansya, 2013).
II.3.1 Fungsi ER Mapper
ER Mapper memberikan kemudahan dalam pengoprasian,
kompatibilitas terhadap software SIG, mendukung berbagai format data,
kelengkapan metode analisis dan efisiensi dalam pengolahan data (Putra,
2011).
Menurut Sukresno (2006), ER Mapper memiliki kemampuan untuk
mengolah data satelit dengan mengaplikasikan proses perhitungan pixel data
satelit.
II.3.2 Kelebihan dan Kekurangan ER Mapper

Kelebihan ER Mapper, antara lain:

1.
2.
3.
4.

Mampu untuk mengolah sebagian citra penginderaan jauh.

Mampu mengimpor data citra yang tidak dikenal sekalipun.
Didukung lebih dari 100 kompatibilitas pencetakan citra.
Sangat mudah digunakan untuk tujuan analisis sekalipun oleh user

pemula.
5. Dapat digunakan secara cepat untuk lebih dari 130 aplikasi khusus.
6. Pengolahan langsung dapat dilihat hasilnya tanpa menyimpannya di
media terlebih dahulu.
7. Pembuatan mozaik citra yang sangat mudah baik untuk citra satelit
juga citra foto udara.
8. Data yang berbeda dapat ditampilkan bersamaan bahkan saat diproses
(Geomedia, 2004).
Kekurangan ER Mapper, antara lain:
1. Terbatasnya format pengekspor data
2. Data yang mampu ditangani hanya 8 byte
(Paramadina, 2014).
II.4

Satelit Landsat dan IKONOS

Landsat (Land Satellite) merupakan satelit pertama yang diluncurkan oleh

Amerika Serikat yaitu Landsat 1 pada tahun 1972 yang digunakan untuk
memotret dan memonitoring permukaan bumi khususnya pada land cover
(Mulyadi, 2007).
Program Landsat adalah program untuk mendapatkan citra bumi dari luar
angkasa. 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 (Rendra, 2012).
Satelit Ikonos adalah satelit resolusi tinggi yang dioperasikan oleh
GeoEye. Kemampuannya yang terliput adalah mencitrakan dengan resolusi
multispektral 3,2 meter dan inframerah dekat (0,82mm) pankromatik. Aplikasinya
untuk pemetaan sumberdaya alam daerah pedalaman dan perkotaan, analisis
bencana alam, kehutanan, pertanian, pertambangan, teknik konstruksi, pemetaan

perpajakan, dan deteksi perubahan. Mampu menyediakan data yang relefan untuk
studi lingkungan. Ikonos menyediakan pandangan udara dan foto satelit untuk
banyak tempat di seluruh dunia (Danoedoro, 1990).
II.5

Geolink

Geolink adalah menghubungkan dua atau lebih window image dalam

ruang koordinat geografik. Hal ini berguna untuk visualisasi dari area geografik
yang sama dengan tipe image yang berbeda. Apabila image sudah diregistrasi,
maka image tersebut bisa dihubungkan secara geografik dengan window image
yang lain. Dengan demikian kita dapat dengan mudah membandingkan atau
melakukan tindakan terhadap dua objek sekaligus (Sutanto, 1986).
II.6

RGB

Pada warna citra, setiap titik mempunyai warna yang spesifik yang
merupakan kombinasi dar 3 warna dasar, yaitu merah, hijau biru. Format citra ini
sering disebut sebagai citra RGB (red-green-blue). Setiap warna dasar memiliki
intensitas sendiri dengan nilai maksimum 2 (8 bit) (Iswahyudi, 2010).
RGB (Red, Green, Blue) atau Color Image ini masing-masing pixel
memiliki warna tertentu, warna tersebut adalah merah (Red), hijau (Green), dan
biru (Blue). Jika masing-masing warna memiliki range 0 255, maka totalnya
adalah 2553 = 16.581.375 (16 K) variasi warna berbeda pada gambar, dimana
variasi warna ini cukup untuk gambar apapun. Karena jumlah bit yang diperlukan
untuk setiap pixel, gambar tersebut juga disebut gambar-bit warna. Color Image
ini terdiri dari tiga matriks yang mewakili nilai-nilai merah, hijau dan biru untuk
setiap pixelnya (Kusumanto dan Alan, 2011).

III. MATERI DAN METODE

3.1 Waktu dan Tempat
Hari, tanggal

: Minggu, 25 September 2016

Waktu

: 18.00-19.15

Tempat

: Office Register

3.2 Materi
Alat
- Software ER Mapper 7.0
- Laptop
Bahan
- Beberapa citra Landsat
- Data satelit IKONOS daerah sekitar Bandara Ahmad Yani, Semarang pada
tahun 2005 dan 2009.
3.3 Metode
3.3.1 Penggabungan Citra

Pertama, buka software ER Mapper. Lalu klik Edit Algorithm(

) pada toolbar.

Selanjutnya, masukkan Nama_NIM pada kolom Description.

Masukkan data citra klik Load Dataset (

bawah.

), lalu muncul tampilan seperti di

Kemudian, cari folder dimana data citra ditempatkan. Jika sudah ditemukan, pilih
data citra band 1. Lalu, klik OK.

Setelah itu, ubah nama data menjadi BAND 1.

Kemudian, Duplicate (

) band 1 hingga berjumlah 7 band.

Lalu, ubah nama tiap band sesuai dengan data citra yang akan dimasukkan secara
berurutan. Ketika hanya akan mengisi satu data citra pada satu layer, klik OK this
layer only.

Langkah selanjutnya adalah memotong garis yang dapat mengganggu hasil citra
dengan cara klik kanan, lalu klik Quick Zoom > Zoom to All Datasets.

Setelah penggabungan citra selesai, klik File > Save As.

Setelah itu, pilih tempat dimana data akan di-save.

Setelah ditempatkan di folder yang diinginkan, ubah nama dokumen, lalu ubah
tipe dokumen menjadi ER Mapper Raster Datasets (.ers) dan klik OK.

Kemudian, klik Defaults untuk mengubah tipe data ang sesuai dengan
kemampuan laptop yag digunakan. Lalu, masukkan 0 pada Null Value dan centang
Delete output transforms > OK. Data telah tersimpan.

3.3.2 Cropping Citra

Klik Load Datasets (

). Lalu, cari folder data citra gabungan ditempatkan.

Pilih dokumen, lalu klik OK.

Setelah itu, beri Nama_NIM pada kolom Description.

Lalu, klik Refresh Image with 99% clip on limits (

).

Untuk melakukan cropping, klik Zoom Box Tool (

yang akan di-crop.

). Lalu, sorot pada daerah

3.3.3. Penajaman Citra, Komposit Warna, Dan Teknik Intepretasi Visual

Setelah dilakukan cropping pada daerah yang disorot, klik Create RGB Algorithm
(

). Saat icon

tidak ada dalam toolbar, klik Toolbars > Forestry.

Kemudian, ubah band sesuai ketentuan. Red layer: band 4; Green layer: band 3;
Blue layer: 2. Setelah itu, klik Refresh Image with 99% clip on limits ( ).

Setelah selesai, klik File > Save As.

Pilih tempat dimana data akan di-save. Ubah nama dokumen, lalu ubah tipe
dokumen menjadi ER Mapper Raster Datasets (.ers) dan klik OK.

Kemudian, klik Defaults untuk mengubah tipe data ang sesuai dengan
kemampuan laptop yag digunakan. Lalu, masukkan 0 pada Null Value dan centang
Delete output transforms > OK. Data telah tersimpan.

3.3.4 Reading Data Value

a. Cell Values Profile dan Cell Coordinate
Klik Load Datasets (

). Lalu, cari folder data citra yang telah di-crop.

Setelah folder ditemukan, pilih file tersebut lalu klik OK.

Setelah itu, klik kanan pada window, lalu klik Quick Zoom > Zoom to All
Datasets.

Setelah itu, beri Nama_NIM pada kolom Description.

Kemudian, klik Create RGB Algorithm (

).

Lalu, klik Refresh Image with 99% clip on limits (

).

Klik Zoom Box Tool ( ). Lalu, sorot pada daerah yang akan dianalisa.
Kemudian, un-checklist smoothing agar pixel lebih terlihat.

Zoom daerah yang akan dianalisa hingga pixel terlihat.

Lalu, cut (

) Pseudo Layer.

Setelah itu, klik View > Cell Values Profile. Untuk memunculkan Cell Coordinate
klik View > Cell Coordinate.

Selanjutnya, akan keluar window untuk Cell Values Profile dan Cell Coordinate.

b. Mengetahui jarak
Untuk mengetahui jarak, klik Edit > Annote Vector Layer

Kemudian akan keluar window New Map Composition, lalu klik OK.

Setelah itu, akan keluar window Tools. Kemudian, klik Polyline (

mengetahui jarak dari suatu tempat ke tempat lain.

) untuk

Susuri jarak yang ingin diketahui, lalu klik Edit Object Extents (
) dan window
Map Composition Extents yang berisi data dari jarak tersebut akan muncul.

c. Mengetahui Luas
Setelah itu, untuk mengetahui luas dari suatu tempat kita bisa menggunakan
Polygon ( ). Susuri luas yang ingin diketahui. Agar garis-garis tersebut
menyatu, tempatkan kursor diantara titik pertama kali garis dibuat dan titik
terakhir garis dibuat, lalu klik dua kali, maka garis akan tersambung.

Lalu, klik Edit Object Extents (

) dan window Map Composition Extents yang

berisi data dari luas tersebut akan muncul.

3.3.5 Geolink
a. Geolink to Window
Klik Edit Algorithm(

) pada toolbar. Setelah itu, copy window menjadi dua

dengan cara klik Copy Window (

) pada toolbar.

Klik Load Datasets (

). Lalu, cari data citra yang akan dianalisa.. Untuk data
citra IKONOS 2005 ditempatkan di salah satu window dan data citra IKONOS
2009 ditempatkan di window lainnya.

Kemudian, klik Create RGB Algorithm (

)).

Langkah selanjutnya adalah klik kanan lalu klik Quick Zoom > Set Geolink to
Window pada masing-masing window.

Setelah itu, kita dapat membandingkan daerah yang kita inginkan pada tahun yang
berbeda dengan menyorotkan daerah tersebut dengan Zoom Box Tool (

).

Setelah selesai, kita dapat menghilangkan Geolink to Window dengan klik kanan
lalu, klik Quick Zoom > Set Geolink to None.

b. Geolink to Screen
Copy window menjadi empat bagian. dengan Copy Window (
). Lalu,
masukkan data citra. Kemudian, klik kanan lalu klik Quick Zoom > Set Geolink to
Screen pada setiap window.

Setelah itu, kita dapat melihat perbedaan daerah dari setiap citra dari tahun yang
berbeda dengan menggeser-geser kursor.

Setelah selesai, kita dapat menghilangkan Geolink to Screen dengan klik kanan
lalu, klik Quick Zoom > Set Geolink to None.

c. Geolink to Overview Roam

Copy window menjadi empat bagian dengan Copy Window (
data citra.

). Lalu, masukkan

Kemudian, Zoom ketiga window dengan jarak yang berbeda-beda dengan Zoom
Box Tool ( ).

Lalu, klik kanan pada window yang akan dianalisa, lalu klik Quick Zoom > Set
Geolink to Overview Roam.

Setelah itu, gerakkan kursor ke daerah yang akan dianalisa dan ketiga window
lainnya akan melakukan zoom pada jarak yang berbeda.

IV.

HASIL DAN PEMBAHASAN

IV.1 Hasil
IV.1.1 Penggabungan Citra

IV.1.2 Cropping Citra

IV.1.3 Penajaman Citra, Komposit Warna, Teknik Intepretasi

Visual

IV.1.4 Reading Data Value

a. Cell Values Profile

b. Cell Coordinate

c. Menghitung jarak

d. Menghitung Luas

IV.1.5 Geolink
a. Geolink to Window

b. Geolink to Screen

c. Geolink to Overview Roam

IV.2

Pembahasan

IV.2.1 Penggabungan Citra

Penggabungan citra merupakan salah satu proses dalam mengolah data
citra agar terlihat bentuk aslinya. Dalam praktikum kali ini, digunakan
citra Landsat dari daerah sekitar Madura dan Jawa Timur. Sebelum
diolah, citra Landsat berwarna merah pada daerah yang terdata dan
dikelilingi denga warna biru pada daerah yang tidak terdata atau
bernilai 0. Citra Landsat memiliki 11 band, tetapi yang dipakai dalam
praktikum ini hanya band 1 hingga band 7 karena komposisi dari
ketujuh band tersebut menghasilkan citra multispektral, sedangkan
band lain dapat menghasilkan citra termal yang tidak dapat
digabungkan dengan citra multispektral. Citra yang dipakai dalam
praktikum ini meliputu daerah Madura dan Jawa Timur. Karakeristik
daerahnya, yaitu mulai banyak lahan yang dijadikan permukiman
penduduk dilihat dari banyaknya warna coklat yang mewakilkan tanah.
Selain itu, selat Madura yang juga terlihat memiliki warna biru muda
yang berarti laut disana dangkal. Ini dapat diakibatkan oleh jarak
daratan Jawa Timur dan Madura tidak begitu jauh sehingga masih
terdapat pasir yang menghubungkan antara dua pulau tersebut.
Tujuan penggabungan citra adalah untuk membuat hasil dari data yang
diambil menjadi terlihat. Selain itu, juga untuk memudahkan kita
untuk melihat bentuk asli dari permukaan bumi.

IV.2.2 Cropping Citra

Cropping bertujuan untuk mendapatkan suatu kondisi wilayah yag

akan diteliti dengan lebih spesifik. Cropping membuat tampilan suatu
wilayah lebih besar sehingga memudahkan penganalisaan. Dalam
praktikum ini, di-crop daerah perbatasan antara darat dan laut. Pada
daerah dekat dengan laut, terlihat banyak permukiman. Ini
menunjukkan bahwa manusia banyak bermukim di dekat perairan yang
dalam hal ini adaah laut untuk memenuhi kebutuhannya. Pada daerah
laut, terlihat perbedaan warna dari bir muda ke biru tua yang
menunjukkan bahwa semakin jauh dari daratan, laut akan semakin
dalam.
Tentu teradi perbedaan setelah cropping. Hal ini dapat dilihat dari
kejelasan bagaimana morfologi dari daerah tersebut, serta keadaan
geografisnya yang terlihat lebih jelas.
IV.2.3 Penajaman Citra, Komposit Warna, Teknik Intepretasi
Visual
Penajaman citra dilakukan untuk meningkatkan kontras warna dan
cahaya pada citra. Hal ini dilakukan agar penginterpretasian citra serta
objek-objek yang ada di dalamnya mejadi lebih mudah. Selain itu, agar
wilayah yang akan dianalisa lebih terlihat jelas bagaimana keadaan
geografisnya. Sebelum tipe citra diubah menjadi RGB, warna citra
masih belum terlalu jelas sehingga mengakibatkan bentuk wilayah
citra yang juga belum jelas. Namun, ketika tipe citra diubah menjadi
RGB, citra menjadi lebih berwarna dan bentuk wilayah akan menjadi
lebih jelas. Selain itu, yang membuat bentuk wilayah lebih terlihat

adalah adanya macam-macam warna yang dimiliki oleh citra tersebut

sehingga dapat dibedakan mana dataran tinggi, dataran rendah,
maupun laut.
IV.2.4 Reading Data Value
Dalam Reading Data Values, data yang dibaca adalah data dari setiap
pixel yang ada dalam citra. Seperti bagaimana komposisi warna dalam
setiap pixel, maupun dimana titik koordinat sala satu pixel yang
ditunjuk kursor. Dari satu titik pixel bisa didapatkan informasi
komposisi warna, letak koordinat satu titik pixel, hingga jarak satu titik
tersebut terhadap garis khatulistiwa.
Pada proses ini, smoothing harus di un-checklist agar pixel terlihat dan
dapat dianalisis komposisi warna serta koordinatnya. Selain itu, perlu
zoom maksimal agar titik yang ingin dianalisa terliat lebih jelas.
Dari hasil yang didapat, terdapat 3 hasil pengulangan masing-masing
panjang dan luas daerah. Setiap hasil perhitungan panjang dan luas
memiliki nilai yang berbeda-beda. Ini diakibatkan oleh perbedaan
jarak dan luas yang diambil. Selain itu, hasil akan lebih akurat jika
banyak titik yang dipakai dalam perhitungan tersebut.
IV.2.5 Geolink
Geolink merupakan proses menghubungkan beberapa window dalam
ruang koordinat geografik. Oleh karena itu kita dapat lebih mudah
untuk membandingkan beberapa objek sekaligus. Pada praktikum yang
telah dilakukan, ada beberapa geolink yang digunakan.

1. Geolink to Window
Berfungsi agar kita mudah membandingkan wilayah citra satu
dengan lainnya. Kita dapat menggeser kursor ke wilayah yang
ingin dianalisa, window yang lain juga akan memperlihatkan
daerah tersebut hanya dengan menggeser dari salah satu kursor.
Dalam praktikum ini kami membandingkan pencitraan Bandara
Ahmad Yani pada tahun 2005 dan pencitraan Bandara Ahmad Yani
pada tahun 2009. Terlihat pada gambar terjadi perubahan topografi
dan wilayah karena adanya pembangunan.
2. Geolink to Screen
Berfunsi agar kita mudah menghubungkan citra yang berbedabeda. Pada praktikum yang telah dilakukan, dihubungkan window
pencitraan Bandara Ahmad Yani pada tahun 2005 dengan 3
window pencitraan Bandara Ahmad Yani 2009. Pada hasil yang
didapat, terlihat hubungan yang menunjukkan perubahan
lingkungan dalam wilayah tersebut.
3. Geolink to Overview Roam
Berfungsi untuk melakukan interpretasi suatu citra. Interpretasi ini
dilakukan agar dapat mengetahui titik suatu objek yang akan
dianalisis dengan lebih fokus dengan melakukan perbandingan
suatu citra. Proses ini bermanfaat untuk melihat unsur geografis
yang sama tetapi terdapat pada citra yang berbeda atau algoritma
yang berbeda pula.

DAFTAR PUSTAKA
Curran, P. 1985. Principles of Remote Sensing. New York: John Wiley &
Sons
Danoedoro, P., 1996. Pengolahan Citra Digital dan Aplikasinya dalam Bidang
Penginderaan Jauh. Yogyakarta: Fakultas Geografi Universitas Gadjah
Mada.
Geomedia. 2004. Modul Pelatihan ER Mapper. Yogyakarta: GeoMedia Sp.
Iswahyudi, C. 2010. Prototype Aplikasi Untuk Mengukur Kematangan Buah Apel
Berdasar Kemiripan Warna. Yogyakarta: Program Studi Teknik
Informatika, Fakultas Teknologi Industri, Institut Sains & Teknologi
AKPRIND. Vol. 3 (2).
Kusumanto, R.D., Alan N.T. 2011. Pengolahan Citra Digital Untuk Mendeteksi
Obyek Menggunakan Pengolahan Warna Model Normalisasi RGB.
Seminar Nasional Teknologi Informasi dan Komunikasi Terapan 2011
Lillesand, T. M. dan R. W. Kiefer 1990. Penginderaan Jauh dan Interpretasi
Citra. Yogyakarta: Gadjah Mada Universitas Press.
Mather, P.M., 1987. Computer Processing of Remotely Sensed Images: An
Introduction. New York: John Wiley & Sons.
Paramadina, G. 2014. Laporan SIG.
http://paramadinaputranti.blogspot.co.id/2014/11/laporan-sig.html
(diakses tanggal 28 September 2016)
Putra, E.H. 2011. Penginderaan Jauh dengan ER-Mapper. Yogyakarta: Graha
Ilmu
Rendra. 2012. http://geologi2an.blogspot.com/2012/06/satelit-landsat.html.
(diakses tanggal 28 September 2016)
Sirat, M. Samat, N. 2014. Kerja Lapangan Teknik, Prosedur Dan Aplikasi Dalam
Geografi. Kuala Lumpur: Penerbit Universiti Sains Malaysia.
Somantri, L. 2008. Pemanfaatan Teknik Penginderaan Jauh Untuk
Mengidentifikasi Kerentanan dan Resiko Banjir. Jurnal Gea, Jurusan
Pendidikan Geografi, Vol. 8 (2).
Sukresno, B. 2006. Pengolahan Data Satelit Noaa-Avhrr Untuk Pengukuran Suhu
Permukaan Laut Rata-Rata Harian. Yogyakarta: UNY.

Sutanto. 1986. Penginderaan Jauh Jilid I. Yogyakarta: Fakultas Geografi

Universitas Gadjah Mada.
Tansya, D. 2013. ER Mapper. http://bahankuliah-tha.blogspot.co.id/2013/01/ermapper.html (diakses pada tanggal 28 September 2016).