LAPORAN ASISTENSI

MATA KULIAH PENGINDERAAN JAUH

Dosen :
Lalu Muhammad Jaelani ST., MSc., PhD
Cherie Bhekti Pribadi ST., MT

Oleh:
Mutia Kamalia Mukhtar

3514100084

Jurusan Teknik Geomatika

Institut Teknologi Sepuluh Nopember
Ph. 031-5929487

2016

KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa karena dengan rahmat, karunia, serta
hidayah-Nya penulis dapat menyelesaikan laporan ini. Penulis mengucapkan terima kasih
kepada:
1. Bapak Lalu Muhammad Jaelani ST., MSc., PhD. selaku dosen mata kuliah
Penginderaan Jauh.
2. Ibu Cherie Bhekti Pribadi ST., MT. selaku asisten dosen mata kuliah Penginderaan
Jauh.
3. Teman-teman yang membantu dalam proses penyelesaian laporan praktikum ini.

Penulis berharap laporan ini dapat berguna dalam menambah wawasan serta pengetahuan
kita mengenai koreksi geometrik citra. Jika terdapat kekurangan dalam penulisan laporan ini
mohon dimaafkan. Oleh sebab itu, Penulis berharap adanya kritik, saran dan usulan demi
perbaikan laporan yang akan di buat berikutnya.
Semoga laporan ini dapat dipahami bagi siapapun yang membacanya dan juga dapat
berguna bagi penulis. Mohon maaf apabila terdapat kesalahan kata dalam penulisan laporan ini.
Kritik dan saran yang membangun sangat diperlukan demi perbaikan laporan ini.

Surabaya, 12 Oktober 2016

Penulis

DAFTAR ISI

HALAMAN JUDUL
KATA PENGANTAR
DAFTAR ISI
BAB I

PENDAHULUAN

1.1 Latar Belakang

1.2 Maksud dan Tujuan
BAB II DASAR TEORI
2.1 Koreksi Geometrik ( Registrasi Image to Map)
2.2 Citra Satelit MODIS
2.3 Resolusi Spektral
BAB III PELAKSANAAN
3.1 Alat dan Bahan
3.2 Tempat dan Waktu Praktikum
3.3 Petunjuk Praktikum
3.3.1

Subset Data Via ROI

3.3.2

Spatial Subset

3.3.3

Spectral Subset

3.3.4

Registration Image to Map

BAB IV HASIL DAN ANALISA

4.1 Subset Data Via ROI
4.2 Spatial Subset
4.3 Spectral Subset
4.4 Registration Image to Map
BAB V PENUTUP
5.1 Kesimpulan
5.2 Saran
DAFTAR PUSTAKA
LAMPIRAN

BAB I
PENDAHULUAN
1.1 Latar Belakang
Di bidang keilmuan geomatika memang difokuskan di bidang pemetaan. Berbagai
macam teknik digunakan untuk menghasilkan peta suatu daerah yang dikehendaki.
Mulai dari metode yang sederhana sampai teknologi yang sangat canggih pun
digunakan untuk mendapatkan gambaran suatu daerah sesuai keperluan. Salah satunya
yaitu dengan memperoleh peta dengan menggunakan citra satelit maupun foto udara.
Maka dari itu digunakan beberapa software untuk mengolah peta yang didapatkan
sesuai kebutuhan. Dalam praktikum kali ini, kami melakukan pengolahan citra hasil
satelit agar mudah untuk di analisa dan di interpretasikan. Maka dari itu dalam
pengolahan data kali ini software yang digunakan adalah adalah ENVI 4.6.1 yang
merupakan software yang digunakan untuk pengolahan data citra satelit karena dalam
pengoperasiannya cukup sederhana.
1.2 Maksud dan Tujuan
Tujuan dalam melaksanaan praktikum ini adalah sebagai berikut :
a.
b.
c.
d.

Pengenalan cara melakukan koreksi geometrik dengan metode registrasi

(image to map).
Mengetahui tentang spatial subset.
Mengetahui tentang spectral subset.
Registration Image to Map.

BAB II
DASAR TEORI

2.1 Koreksi Geometrik

Geometrik merupakan posisi geografis yang berhubungan dengan distribusi
keruangan (spatial distribution). Geometrik memuat informasi data yang mengacu bumi
(geo-referenced data), baik posisi (sistem koordinat lintang dan bujur) maupun
informasi yang terkandung di dalamnya.
Menurut Mather (1987), koreksi geometrik adalah transformasi citra hasil
penginderaan jauh sehingga citra tersebut mempunyai sifat-sifat peta dalam bentuk,
skala dan proyeksi. Transforamasi geometrik yang paling mendasar adalah penempatan
kembali posisi pixel sedemikian rupa, sehingga pada citra digital yang tertransformasi
dapat dilihat gambaran objek dipermukaan bumi yang terekam sensor. Pengubahan
bentuk kerangka liputan dari bujur sangkar menjadi jajaran genjang merupakan hasil
transformasi ini. Tahap ini diterapkan pada citra digital mentah (langsung hasil
perekaman satelit), dan merupakan koreksi kesalahan geometrik sistematik.
Geometrik citra penginderaan jauh mengalami pergeseran, karena orbit satelit
sangat tinggi dan medan pandangya kecil, maka terjadi distorsi geometric. Kesalahan
geometrik citra dapat tejadi karena posisi dan orbit maupun sikap sensor pada saat
satelit mengindera bumi, kelengkungan dan putaran bumi yang diindera. Akibat dari
kesalahan geometrik ini maka posisi pixel dari data inderaja satelit tersebut sesuai
dengan posisi (lintang dan bujur) yang sebenarnya.
Kesalahan geometrik citra berdasarkan sumbernya kesalahan geometrik pada cita
penginderaan jauh dapat dikelompokkan menjadi dua tipe kesalahan, yaitu kesalahan
internal (internal distorsion), dan kesalahan eksternal (external distorsion). Kesalahan
geometrik menurut sifatnya dapat dibedakan menjadi dua jenis yaitu kesalahan
sistematik dan kesalahan random. Kesalahan sistematik merupakan kesalahan yang
dapat diperkirakan sebelumnya, dan besar kesalahannya pada umumnya konstan, oleh
karena itu dapat dibuat perangkat lunak koreksi geometrik secara sitematik. Kesalahan
geometrik yang bersifat random (acak) tidak dapat diperkirakan terjadinya, maka

koreksinya harus ada data referensi tambahan yang diketahui. Koreksi geometrik yang
biasa dilakukan adalah koreksi geometrik sistemik dan koreksi geometrik presisi.
Kesalahan geometrik internal disebabkan oleh konfigurasi sensornya, akibat
pembelokan arah penyinaran menyebabkan distorsi panoramic (look angle), yang
terjadi saat cermin scan melakukan penyiaman (scanning). Besarnya sudut pengamatan
(field of view) satelit pada proses penyiaman akan mengakibatkan perubahan luas
cakupan objek. Distorsi panoramic sangat besar pengaruhnya pada sensor satelit
resolusi rendah seperti rendah NOAA-AVHRR dan MODIS, namun citra resolusi
tinggi seperti Landsat, SPOT, IKONOS, Quickbird, dan ALOS bebas dari distorsi
panoramic, karena orbitnya yang tinggi dengan medan pandang kecil hampir tidak
terjadi pergeseran letak oleh relief pada data satelit tersebut. Distorsi yang disebabkan
perubahan atau pembelokan arah penyiaman bersifat sistematik, dapat dikoreksi secara
sistematik. Kesalahan geometrik menyebabkan perubahan bentuk citra.

2.1.1 Registrasi

Memberikan koordinat pada citra berdasarkan koordinat yang ada pada citra
lain (dengan cakupan area yang sama) yang telah memiliki koordinat. Dalam beberapa
kasus, yang dibutuhkan adalah penyamaan posisi antara satu citra dengan citra lainnya
dengan mengabaikan sistem koordinat dari citra yang bersangkutan. Penyamaan posisi
ini kebanyakan dimaksudkan agar posisi piksel yang sama dapat dibandingkan. Dalam
hal ini penyamaan posisi citra satu dengan citra lainnya untuk lokasi yang sama sering
disebut dengan registrasi. Dibandingkan dengan rektifikasi, registrasi ini tidak
melakukan transformasi ke suatu koordinat sistem. Dengan kata lain, registrasi adalah
suatu proses membuat suatu citra konform dengan citra lainnya, tanpa melibatkan
proses pemilihan sistem koordinat.

2.2 Citra Satelit MODIS

MODIS (Moderate Resolution Imaging Spectroradiometer) merupakan sensor
multispektral yang memiliki jumlah 36 band yang mempunyai resolusi spasial yang
berbeda-beda mulai dari 250 m (band 1-2), 500 m (band 3-7), 1000 m (band 8-36)

dengan panjang gelombang mulai dari 0,620-14,385 m. Sensor ini mengorbit bumi
secara polar pada ketinggian 705 km, lebar cakupan lahan pada permukaan bumi setiap
putarannya sekitar 2330 km.
Resolusi
Band

(m)

Kegunaan Utama
Spasial (m)

Saluran Reflektan (Pantulan)

1

0,620 - 0,670

250
Aerosol, Awan, Lahan

0,841 - 0,876

250

0,459 - 0,479

500

0,545 - 0,565

500

1,230 - 1,250

500

1,628 - 1,652

500

2,105 - 2,155

500

0,405 - 0,420

1000

0,438 - 0,448

1000

10

0,483 - 0,493

1000

11

0,526 - 0,536

1000

12

0,546 - 0,556

1000

Aerosol, Awan, Ketebalan

Optis,Bentuk Awan, Masking
Awan, Salju, Lahan/Tanah

Warna Laut,
Klorofil,Fitoplankton, Biogeo-kimiawi

Sedimen, Atmosfer
13

0,662 - 0,672

1000

14

0,673 - 0,683

1000

15

0,743 - 0,753

1000

16

0,862 - 0,877

1000

17

0,890 - 0,920

1000

Flouresense

Aerosol Atmosfer

Uap Air, Awan

Resolusi
Band

(m)

Kegunaan Utama
Spasial (m)

18

0,931 - 0,941

1000

19

0,915 - 0,965

1000

26

1,360 - 1,390

1000

Awan Sirus

Saluran Radian (Pancaran)

20

3,660 - 3,840

1000

21

3,929 - 3,989

1000

22

3,929 - 3,989

1000

23

4,020 - 4,080

1000

24

4,433 - 4,498

1000

Permukaan dan Awan, Suhu, Api dan

Vulkanik,
Suhu Muka Laut

Suhu Atmosfer
25

4,482 - 4,549

1000

27

6,535 - 6,895

1000

28

7,175 - 7,475

1000

29

8,400 - 8,700

1000

Partikel Awan

30

9,580 - 9,880

1000

Total Kandungan Ozon

31

10,780 - 11,280

1000

Uap Air Troposfer

Awan, Api, Suhu Permukaan

32

11,770 - 12,270

1000

33

13,185 - 13,485

1000

34

13,485 - 13,785

1000

35

13,785 - 14,085

1000

36

14,085 - 14,385

1000

Ketinggian Awan, Suhu, Tekanan,

Profil Suhu/Temperatur

2.3 Resolusi Spektral

Resolusi spektral diartikan sebagai dimensi dan jumlah daerah panjang
gelombang yang dimiliki oleh sensor. Sebagai contoh, potret hitam-putih mempunyai
resolusi yang lebih rendah (0,4 m - 0,7 m) dibandingkan dengan Landsat TM band 3
(0,63 m - 0,69 m). Dengan jumlah band-band sempit yang banyak maka pemakai atau
peneliti dapat memilih kombinasi yang terbaik sesuai dengan tujuan dari analisis untuk
mendapatkan hasil yang optimal. TM mempunyai 7 band dengan lebar setiap bandnya
yang sempit tetapi rentang band yang digunakan lebar (mulai band biru sampai dengan
band termal), sedangkan SPOT 5 mempunyai 4 band dengan rentang dari band hijau
sampai dengan inframerah sedang, ini berarti bahwa TM mempunyai resolusi spektral
yang lebih baik dibandingkan dengan SPOT.

BAB III
PELAKSANAAN

3.1 Alat dan Bahan

Laptop Asus S551L

Citra Landsat Kota Bogor

Tanggal

: 17 Agustus 2016

Path

: 122

Row

: 64

Citra MODIS Sulawesi

Software ENVI 5.1

3.2 Tempat dan Waktu Praktikum

Hari

: Selasa

Tanggal

: 11 Oktober 2016

Jam

: 14.00-15.00 BBWI

Tempat

: Laboratorium Geospasial Teknik Geomatika ITS

3.3 Petunjuk Praktikum

3.3.1 Subset Data Via ROI
1. Buka software ENVI.

2. Pilih Open Image File. Masukkan band yang telah di warping sebelumnya.

3. Pilih RGB, lalu klik Band 3-2-1 dan Load.

4.Masukkan peta vektor yang telah di potong sesuai daerah kabupaten masingmasing.

5. Pilih Subset Data Via ROIs di menu Basic Tools.

6. Lalu pilih data vektor yang telah anda masukkan sebelumnya. Klik OK.

7. Pilih data yang akan di subset lalu aktifkan Mask pixels output of ROI, dan
save.

8.Setelah itu akan muncul band hasil subset. Klik Load jika ingin menampilkan
hasil citra yang telah di subset.

3.3.2 Spatial Subset

1. Pilih Open Image File, lalu masukkan data citra MODIS yang telah di
georeferencing sebelumnya. Dan load Band 3-2-1.

2. Pilih menu Basic Tools lalu pilih Resize Data.

3. Pilih citra yang sudah di georeferencing.

4. Klik Spatial Subset di menu Subset Using klik Image.

5. Ganti angka Samples dan Lines sesuai yang anda butuhkan, disini saya
menggunakan 800x1000. Lalu arahkan kotak merah ke daerah yang ingin
anda potong. Klik OK.

3.3.3 Spectral Subset

1. Pilih Spectral Subset.

2. Pilih Band 1 sampai Band 4 lalu klik OK.

3. Akan muncul jendela Resize Data Parameters. Lalu save citra. Klik OK.

4. Citra akan terpotong sesuai daerah yang sebelumnya kita pilih di kotak merah.

3.3.4 Registration Image to Map

1. Masukkan citra MODIS yang telah di potong. Load Band 3-2-1.

2. Masukkan peta vektor provinsi dan aktifkan di Display 1.

3. Pilih menu Map lalu pilih Registration kemudian pilih Image to Map. Lalu pilih
proyeksi UTM, Datum WGS-84, Units Meters, Zone 51 S, dan klik OK.

4. Akan muncul jendela Ground Points Selection.

5. Buka kembali jendela Vector Parameters: Cursor Query. Pilih titik GCP yang anda
inginkan, lalu pilih mode zoom, klik ditengah-tengah piksel. Akan keluar angka
Easting dan Northing di kolom Location. Copy angka Easting dan Northing tersebut
ke jendela Ground Points Selection lalu klik Add Point.

6. Ulangi langkah 4 dan 5 untuk mendapatkan titik GCP sebanyak yang anda
inginkan.
7. Pilih Option lalu Warp File.

8. Pilih citra MODIS Sulawesi yang sudah di crop sebelumnya. Klik OK.

9. Save citra yang akan ada GCP nya.

10. Lalu proses registrasi pun akan selesai dengan munculnya band seperti berikut.
Load Band 1 sampai 4 untuk melihat hasilnya.

BAB IV
HASIL DAN ANALISA
4.1

Hasil Subset Data Via ROI

4.2

Hasil Spatial Subset

4.3

Hasil Spectral Subset

4.4

Hasil Registration Image to Map

BAB V
PENUTUP
5.1

Kesimpulan

5.2

Subset Data via ROI : Citra telah terpotong menjadi citra daerah Kota Bogor
saja dan daerah di sekitar Kota Bogor sudah hilang/tidak tampak.
Resize Data (Spatial/Spectral) : Citra telah terpotong menjadi citra daerah
Pulau Sulawesi saja tetapi pulau-pulau kecil di sekitar Pulau Sulawesi masih
tampak.
Registration Image to Map : Secara geometrik tidak ada perubahan yang
signifikan. Tetapi dibandingkan dengan metode sebelumnya yakin
Registration Image to Image, nilai RMS Error pada metode Registration
Image to Map ini lebih besar dari pada metode sebelumnya.

Saran
1. Dalam melakukan praktikum hendaknya mendengarkan penjelasan dari dosen
dengan baik.
2. Terus berlatih setiap hari agar lebih menguasai software.
3. Catat dan tanyakan pada dosen pembimbing apa yang tidak kita mengerti.

DAFTAR PUSTAKA

Saripin, Ipin. 2003. Kajian Pemanfaatan Satelit Masa Depan:Sistem Penginderaan Jauh Satelit
Ldcm (Landsat-8) Buletin Teknik Pertanian Vol.8 No.2.

Sitanggang, Gokmaria. Kajian Pemanfaatan Satelit Masa Depan: Sistem Penginderaan Jauh
Satelit Lcdm (Lansat-8) Peneliti Bidan Bangfaja. LAPAN.

geomatikainderaja.blogspot.com/p/koreksi-geometrik.html

http://www.gispedia.com/2016/04/Karakteristik-citra-modis.html
Danoedoro, P. 1996. Pengolahan Citra Digital Teori Dan Aplikasinya Dalam Bidang
Penginderaan Jauh, Fakultas Geografi, Universitas Gadjah Mada.

LAMPIRAN

Hasil Registration Image to Map

Band 1

Band 2

Band 3

Band 4