1.

Pengertian Resolusi
a. Resolusi Spasial
Resolusi Spasial adalah luas obyek sebenarnya yang direpresentasikan dalam 1 piksel di
citra digital. Jika obyek sebenarnya mempunyai luas 30 x 30 meter dan di citra digital
direpresentasikan dalam 1 pisel, maka citra digital tersebut mempunyai resolusi spasial 30
meter. Dengan kata lain, jika citra mempunyai resolusi spasial 30 meter, maka 1 piksel di
citra digital merepresentasikan obyek sebenarnya dengan luas 30 x 30 meter. Jadi semakin
besar resolusi spasial maka semakin detail obyek yang ditampilkan dalam citra digital.

a. Resolusi Spektral.
Resolusi spektral menunjukkan lebar kisaran dari masing-masing band spektral yang diukur oleh
sensor. Band Spectral adalah range panjang gelombang band.

b. Resolusi Temporal.
Resolusi ini hanya dimiliki oleh citra digital dari satelit penginderaan jauh, yaitu menunjukkan
interval waktu pengukuran atau pengambilan citra untuk daerah yang sama. Landsat7
membutuhkan waktu 16 hari untuk mengambil citra daerah yang sama. Jadi Landsat7
mempunyai resolusi temporal 16 hari.

c. Resolusi Radiometrik
Resolusi radiometrik adalah ukuran sensitivitas sensor untuk membedakan aliran radiasi
(radiation flux) yang dipantulkan atau diemisikan suatu objek oleh permukaan bumi. Sebagai

contoh, radian pada panjang gelombang 0,6 - 0,7 m akan direkam oleh detektor MSS band 5
dalam bentuk voltage.

2. Koreksi Geometrik dan Atmosferik

Koreksi geometrik
Koreksi geometrik merupakan proses memposisikan citra sehingga cocok dengan koordinat peta
dunia yang sesungguhnya. Posisi geografis citra pada saat pengambilan data dapat menimbulkan
distorsi karena perubahan posisi dan juga ketinggian sensor.
Koreksi radiometrik dilakukan untuk memperbaiki kualitas visual dan
memperbaiki nilai- nilai pixel yang tidak sesuai dengan nilai pantulan atau
pancaran spektral objek yang sebenarnya (Risti Arhatin, 2010: 9). Kesalahan
radiometrik adalah kesalahan perekaman nilai pantulan sinar matahari
akibat faktor atmosfer, kerusakan sensor, arah dan intensitas cahaya
matahari, pengaruh topografi, dan lain- lain. Efek dari kesalahan ini
membuat nilai piksel yang ditampilkan oleh citra satelit bukanlah nilai murni
pantulan yang sebenarnya, akan tetapi nilai pantulan yang dipengaruhi
kesalahan radiometrik (Andree Ekadinata et al, 2008: 48). Sejalan dengan
pendapat tersebut, menurut Wahyu Supriatna dan Sukartono (2002: 5)
mengatakan bahwa koreksi radiometrik merupakan tahap awal pengolahan
data sebelum analisis dilakukan untuk suatu tujuan seperti untuk identifikasi
liputan lahan pertanian. Proses koreksi radiometrik mencakup koreksikoreksi efek- efek yang berhubungan dengan sensor untuk meningkatkan
(enhancement) setiap piksel (picture element) dari citra, sehingga objek
yang terekam mudah diinterpretasikan atau dianalisis untuk menghasilkan
data yang benar dan sesuai dengan keadaan di lapangan. Menurut Andree
Ekadinata et al (2008: 48- 49) mengatakan

bahwa koreksi radiometrik

adalah proses untuk meniadakan gangguan (noise) yang terjadi akibat

pengaruh atmosferik maupun karena pengaruh sistematik perekaman citra.
Koreksi

radiometrik

sendiri

memiliki

berbagai

macam

metode

untuk

melakukan koreksi radiometric pada citra satelit. Metode yang paling

sederhana

adalah

metode

DOS

(Dark

Object

Substraction)

yaitu

mengasumsikan bahwa nilai digital objek tergelap di permukaan bumi

haruslah nol. Nilai digital pada masing- masing saluran (band) disebuah citra
satelit tidak selalu nol. Koreksi radiometrik menggunakan DOS dengan
asumsi dapat mengurangi nilai digital pada masing- masing kanal sehingga
didapatkan nilai nol untuk objek dengan pantulan rendah. Jika y adalah nilai
spectral masing- masing piksel dan kisarannya adalah y min ymax maka
koreksi radiometrik menggunakan DOS adalah:
ykoreksi = y - ymin
Misalnya saluran (band) 1 di citra Landsat memiliki rentang nilai antara 25230. Nilai minimum 25 merupakan kesalahan karena nilai seharusnya adalah
nol. Koreksi radiometrik dilakukan dengan persamaan sebagai berikut:
Nilai piksel terkoreksi = nilai piksel 25
Nilai piksel merupakan hasil bit coding informasi spectral dari obyek
bayangan di permukaan bumi. Informasi spectral ini mencapai detector pada
sensor dalam bentuk radiansi spectral dengan satuan miliWatt cm -2sr-1m-1.
Secara teoritik, pada suatu sistem penginderaan jauh ideal, nilai pantulan
spectral yang terekam di detector. Namun pada spectrum tampak dan
perluasannya (0,36 sekitar 0,9 m), informasi spectral obyek di permukaan
bumi biasanya mengalami bias, karena ada hamburan dari obyek lain di
atmosfer, khususnya partikel debu, uap air dan gas triatomik. Dengan
adanya bias maka diperlukan koreksi untuk memperbaiki nilai piksel supaya
sesuai dengan yang seharusnya. Rumus umum koreksi nilai piksel pada
setiap scene adalah dengan mengurangi setiap nilai citra yang akan
dikoreksi dengan nilai bias (Abdur Rahman, 2011: 24):
BVterkoreksi = BVahli bias

Pencarian nilai bias dapat dilakukan dengan beberapa cara, antara lain
dengan

penyesuaian

histogram

(histogram

adjustment),

penyesuaian

regresi, kalibrasi bayangan (shadow calibration), dan metode pencar

(metode bronsveld). Selain metode DOS masih banyak metode lain yang
dapat digunakan untuk melakukan koreksi radiometrik.
Koreksi Atmosferik
Koreksi atmosferik dilakukan pada citra yang mengalami distorsi
radiometrik. Atau dikatakan juga bahwa Koreksi radiometrik dilakukan karena gangguan dari
efek atmosfer sebagai sumber kesalahan utama.
Distorsi dapat terjadi sewaktu akuisisi data dan transmisi atau perekaman
detektor-detektor yang digunakan pada sensor dengan ciri-ciri kesalahan
meliputi :
Adanya piksel yang hilang
Pengaruh atmosfer yang menyebabkan hamburan bayangan obyek
Adanya tampilan garis yang disebabkan oleh ketidak seragaman detektor
Koreksi tersebut di atas dapat menggunakan metode penyesuaian histogram
(histogram adjustment). Asumsi yang melandasi metode ini adalah nilai piksel terendah tiap
saluran seharusnya bernilai 0. Apabila nilai lebih besar dari nol (>0), maka dihitung sebagai bias
atau offset, dan koreksi dilakukan
dengan cara menghilangkan bias tersebut, yaitu mengurangi keseluruhan nilai spektral pada
saluran asli dengan nilai biasnya masing-masing.
Di ENVI dapat dilakukan dengan Band Math atau Dark Substract
Basic Tools > Band Math
kemudian masukkan formula pengurangn nilai bias, misal : B1-54
lakukan untuk masing-masing band, dengan nilai biasnya masing-masing
Basic Tools > Preprocessing > General Purpose Utilities > Dark Substract
pilih citranya, maka semua band akan terkoreksi (apabila semua band/saluran berada dalam satu
file)
Untuk cek nilai rentan band/saluran
Pilih Basic Tools > Statistics > Compute Statistics

6. Kunci Interprestasi Citra

Dalam melakukan kegiatan interpretasi citra, ada beberapa unsur yang digunakan sebagai
pedoman dalam melakukan deteksi, identifikasi untuk mengenali sebuah obyek. Unsur-unsur
tersebut jika disusun secara hirarki menurut tingkat kesulitan interpretasi akan terlihat seperti
pada gambar di bawah ini :

Hirarki Interpretasi Citra

Unsur-unsur interpretasi citra :
1. Rona dan Warna
Rona adalah tingkat kecerahan/kegelapan suatu obyek yang terdapat pada citra
Warna adalah ujud yang tampak oleh mata dengan menggunakan spektrum sempit, lebih sempit
dari spektrum tampak.
2. Bentuk
Mencerminkan konfigurasi atau kerangka obyek, baik bentuk umum (shape) maupun bentuk
rinci (form) untuk mempermudah pengenalan data.
3. Ukuran

Termasuk dalam unsur ukuran adalah jarak, lua, volume, ketinggian tempat dan kemiringan.
Ukuran dapat mencirikan obyek sehingga dapat dijadikan sebagai ciri pembeda dengan obyek
lainnya
4. Tekstur
Tekstur adalah frekuensi perubahan atau pengolangan rona pada citra. Dibedakan menjadi tiga
tingkatan yaitu tekstur halus, sedang dan kasar.
5. Pola
Pola adalah kecenderungan bentuk suatu obyek , misal pola aliarn sungai, jaringan jalan dan
pemukiman penduduk.
6. Bayangan
Bayangan bersifat menyembunyikan detail atau obyek yang berada pada daerah gelap. Obyek
yang berada pada daerah gelap biasanya tidak terlihat atau hanya samar-samar. Meskipun
demikian bayangan sering menjadi kunci penting pada pengenalan beberapa obyek yang justru
lebih tampak pada bayangannya.
7. Situs
Merupakan tempat kedudukan suatu obyek terhadap obyek lain di sekitarnya. Situs bukan
merupakan ciri obyek secara langsung, melainkan dalam kaitannya dengan lingkungan
sekitarnya.
8. As0siasi
Adalah keterkaitan antara obyek yang satu dengan obyek yang lain. Karena adanya keterkaitan
ini maka terlihatnya suatu obyek pada citra sering merupakan petunjuk bagi adanya obyek lain.
9. Konvergensi bukti
Di dalam mengenali sebuah obyek pada pada foto udara dianjurkan tidak hanya menggunakan
satu unsur interpretasi citra, tetapi sebaiknya menggunakan unsur-unsur yang lainnya sekaligus.
Semakin banyak jumlah unsur yang digunakan, semakin menciut lingkupnya ke arah titik simpul
tertentu.
5. Kombinasi Warna Komposit

Komposit citra adalah citra baru hasil dari penggabungan 3 saluran yang mampu menampilkan
keunggulan dari saluran-saluran penyusunnya (Sigit,2011). Digunakan komposit citra ini
dikarenakan oleh keterbatasan mata yang kurang mampu dalam membedakan gradasi warna dan
lebih mudah memahami dengan pemberian warna.

Pada citra multispektral yang terdiri dari banyak saluran, apabila hanya menampilkan satu
saluran saja maka citra yang dihasilkan merupakan gradasi rona. Dan mata manusia hanya bisa
membedakan objek yang menonjol pada suatu saluran, objek yg lain maka kita sulit untuk
mengidentifikasinya. Oleh sebab itu pada citra komposit ini, hasilnya kita akan lebih mudah
mengidentifikasi suatu objek pada citra.
Dasar dari pembuatan komposit citra adalah berdasarkan :

Tujuan penelitian yaitu keunggulan di setiap saluran. Contoh, apabila dalam penelitian,
kita lebih fokus pada objek air, maka saluran yang kita gunakan adalah band 1, band 2 dan band
3. Selain dari band tersebut air memiliki nilai 0 dalam pemantulannya. Jadi komposit citra yang
bisa dibuat adalah citra komposit 123, sehingga air akan berwarna merah.

OIF (Optimum Index Factor) yaitu kemampuan citra untuk menampilkan suatu objek.
OIF semakin tinggi maka semakin banyak objek berbeda yang dapat ditampilkan pada citra
komposit tersebut. OIF ini digunakan apabila kita ingin menonjolkan pengguanaan lahan dari
suatu daerah jika diidentifikasi dari citra.
Komposit citra dapat dibagi menjadi 2, yaitu :

Komposit warna asli yaitu gabungan dari warna merah-hijau-biru. Citra yang dapat
menghasilkan komposit warna asli yaitu Landsat, ALOS dll

Komposit warna tidak asli, terbagi 2 :

1. Standar yaitu gabungan dari infrared dekat-merah-hijau. Dianggap standar karena pada
awalnya penginderaan jauh lebih banyak digunakan dalam bidang kehutanan jadi
komposit warna ini dianggap standar karena citra kompositnya lebih menonjolakan objek
vegetasi
2. Tidak standar yaitu dapat dilakukan penggabungan dengan bebas

Dalam konsepnya, citra komposit dibuat oleh 3 saluran, dimana nilai piksel pada saluran-saluran
tersebut akan direduksi terlebih dahulu yang pada awalnya nilai piksel berkisar antara 0 255
menjadi nilai piksel yang berkisar antara 0 5 yang selanjutnya baru bisa dilakukan komposit.
Nilai piksel pada citra komposit berkisar antara nilai 0 (hitam) 215 ( putih). Untuk penyajian
citra komposit, nilai piksel citra komposit yang didapatkan dapat mengikuti colour pallet atau
Look-up table.