BATASAN DAN PENGERTIAN

PENGINDERAAN JAUH :SUATU ILMU DAN SENI UNTUK

MEMPEROLEH INFORMASI DARI OBYEK,
DAERAH, DAN GEJALA DENGAN JALAN
MENGANALISA DATA YANG DIPEROLEH
DENGAN ALAT TANPA KONTAK LANGSUNG
TERHADAP OBYEK, DAERAH, DAN GEJALA
YANG DIKAJI. (LILLESAND DAN KIEFER)
: TEKNIK YANG DIKEMBANGKAN UNTUK
PEROLEHAN DAN ANALISA INFORMASI
TENTANG BUMI. INFORMASI TERSEBUT
KHUSUS BERBENTUK RADIASI
ELEKTROMAGNETIK YANG DIPANTULKAN
DARI PERMUKAAN BUMI. (LINDGREN)

SEJARAH PENGINDERAAN JAUH

1858, GASPARD FELIX TOURNACHON

MENGGUNAKAN BALON UDARA UNTUK MEMOTRET DAERAH BIEVRE-PERANCIS
DARI KETINGGIAN 80 M
1860, JAMES WALLACE B
MENGGUNAKAN BALON UDARA UNTUK MEMOTRET KOTA BOSTON
18 APRIL 1906, G.R. LAWRENCE
MENGGUNAKAN LAYANG-LAYANG DENGAN TINGGI 600 M UNTUK MEMOTRET
BENCANA GEMPA DAN KEBAKARAN DI KOTA SAN FRANSISCO,
KAMERA MENGHASILKAN FOTO NEGATIF BERUKURAN 1,4 X 2,4 M
UNTUK KEPERLUAN MILITER
1895, KOLONEL LAUSSEDAT
MENGGUNAKAN BALON UDARA DAN LAYANG-LAYANG UNTUK MEMETAKAN SUATU
WILAYAH DENGAN MENGGUNAKAN FOTOGRAMETRI
1882
PENGGUNAAN FOTO UDARA UNTUK MENGANALISA PERTAHANAN MUSUH PADA
SAAT PERANG SIPIL DI AMERIKA
1886, KAPTEN DEVILLE
MENGGUNAKAN FOTO UDARA UNTUK MEMBUAT FOTO UDARA DI KANADA
1902, WRIGHT BERSAUDARA
FOTOGRAMETRI BERKEMBANG DENGAN PESAT SEJALAN DITEMUKANNYA
PESAWAT UDARA OLEH WRIGHT BERSAUDARA SEHINGGA
WAHANANYA TIDAK LAGI DENGAN BALON UDARA TAPI DENGAN
PESAWAT , DICOBA PERTAMA KALI PADA TAHUN 1909 DI ITALIA.
1920-1939
PENGGUNAAN FOTO UDARA BERKEMBANG SANGAT PESAT SEIRING DENGAN
PERANG DUNIA I DAN II, YANG DIGUNAKAN UNTUK PEMBUATAN PETA
TOPOGRAFI.
1960, PERKEMBANGAN INDERAJA DENGAN SATELIT
SEIRING DENGAN DILUNCURKANNYA SATELIT INDERAJA JUGA MENGALAMI
PERKEMBANGAN TENTANG WAHANA PEMBAWA SENSOR YAITU
DENGAN MENGGUNAKAN SATELIT. PENGGUNAANNYA MASIH SEBATAS
PADA PENGGUNAAN UNTUK KEPENTINGAN MILITER.

I. SATELIT LANDSAT

1972, SATELIT EARTH RESOURCES TECHNOLOGY SATELLITE (ERTS-1)/LANDSAT I

SATELIT USA.
MERUPAKAN SATELIT PERTAMA YANG DIGUNAKAN UNTUK
KEPENTINGAN SIPIL, DIIKUTI DENGAN PELUNCURAN SATELIT
GENERASI ERTS SELANJUTNYA SAMPAI LANDSAT VII. LANDSAT VII
MENGHASILKAN CITRA DENGAN PANKHROMATI (B/W, BLAK AND
WHITE) DENGAN RESOLUSI 15 METER, SEDANGKAN YANG LAIN
RESOLUSI SPASIAL 30 M, KECUALI BAND THERMAL RESOLUSI SPASIAL
120 M
 LANDSAT 1 (MULANYA DINAMAKAN EARTH RESOURCES
TECHNOLOGY SATELLITE - 1) - DILUNCURKAN 23 JULI 1972,
OPERASI BERAKHIR TAHUN 1978
LANDSAT 2 - DILUNCURKAN 22 JANUARI 1975, BERAKHIR 1981
LANDSAT 3 - DILUNCURKAN 5 MARET 1978, BERAKHIR 1983
LANDSAT 4 - DILUNCURKAN 16 JULI 1982, BERAKHIR 1993
LANDSAT 5 - DILUNCURKAN 1 MARET 1984, MASIH BERFUNGSI
LANDSAT 6 - DILUNCURKAN 5 OKTOBER 1993, GAGAL MENCAPAI
ORBIT
LANDSAT 7 - DILUNCURKAN 15 APRIL 1999, MASIH BERFUNGSI

II. SATELIT SATELLITE POUR L OBSERVATION DE LA TERRE (SPOT)

MERUPAKAN SATELIT DENGAN RESOLUSI TINGGI YANG

DILUNCURKAN OLEH NEGARA PERACIS YANG MERUPAKAN
KERJASAMA DENGAN NEGARA BELGIA DAN SWEDIA.

SPOT 1 DILUNCURKAN FEBRUARY 22, 1986 DENGAN RESOLUSI

SPASIAL 10 M PANCHROMATIC DAN 20 M MULTISPECTRAL
BERAHKIR DECEMBER 31, 1990.
SPOT 2 DILUNCURKAN JANUARY 22, 1990 DAN DIORBITKAN LAGI
PADA JULY 2009.
SPOT 3 DILUNCURKAN SEPTEMBER 26, 1993. STOPPED
BERAHKIR NOVEMBER 14, 1997
SPOT 4 DILUNCURKAN MARET 24, 1998

SPOT 5 DILUNCURKAN MEI 4, 2002 DENGAN KEMAMPUAN

RESOLUSI SPASIAL 2.5 M, 5 M AND 10 M

III. SATELIT ASTER

ASTER (ADVANCED SPACEBORNE THERMAL EMISSION AND

REFLECTION RADIOMETER) ADALAH SATU DARI LIMA ALAT SENSORI
JARAK JAUH YANG TERDAPAT PADA SATELIT TERRA YANG
DILUNCURKAN KE ORBIT BUMI OLEH NASA PADA TAHUN 1999.
PERALATAN TERSEBUT TELAH MENGUMPULKAN DATA SEJAK
FEBRUARI 2000.
ASTER MENYEDIAKAN GAMBAR BUMI BERESOLUSI TINGGI DI 15
MACAM SPEKTRUM GELOMBANG ELEKTROMAGNETIK, BERKISAR
DARI SPEKTRUM CAHAYA YANG DAPAT DILIHAT HINGGA INFRAMERAH.
RESOLUSI GAMBAR ANTARA 15 HINGGA 90 METER PERSEGI PER
PIXEL. DATA ASTER DIGUNAKAN UNTUK MEMBUAT PETA DETAIL DARI
TEMPERATUR PERMUKAAN TANAH, EMISIVITAS, KEMAMPUAN
MEMANTULKAN CAHAYA, DAN KETINGGIAN.

PADA JUNI 2009, GLOBAL DIGITAL ELEVATION MODEL TELAH DIRILIS

KE PUBLIK. GLOBAL DIGITAL ELEVATION MODEL YANG MERUPAKAN
KERJASAMA ANTARA NASA DAN MENTERI EKONOMI, PERDAGANGAN,
DAN INDUSTRI JEPANG, ADALAH PEMETAAN KOMPLIT DARI
PERMUKAAN BUMI, MENCAKUP 99% PERMUKAAN BUMI. PETA
TERANYAR NASA YANG SEBELUMNYA, SHUTTLE RADAR
TOPOGRAPHY MISSION,(SRTM) HANYA MENCAKUP SEKITAR 80% AREA
PERMUKAAN BUMI. PETA ASTER MENCAKUP AREA PERMUKAAN BUMI
83 DERAJAT LINTANG UTARA DAN 83 DERAJAT LINTANG SELATAN.
PETA INI DIBUAT DENGAN MENYATUKAN 1,3 JUTA GAMBAR OPTIS
YANG DIAMBIL ASTER, DENGAN PENGUKURAN KETINGGIAN DARATAN
SECARA GLOBAL DENGAN INTERVAL 30 METER.

IV. SATELIT MODIS

MODERATE-RESOLUTION IMAGING SPECTRORADIOMETER (MODIS)

ADALAH INSTRUMEN ILMIAH YANG DILUNCURKAN KE ORBIT BUMI
OLEH NASA PADA TAHUN 1999 DI ATAS SATELIT TERRA (EOS AM) DAN
DI TAHUN 2002 DI ATAS SATELIT AQUA (EOS PM). INSTRUMEN
MENANGKAP DATA DALAM 36 SPEKTRUM GELOMBANG ANTARA 0,4
MIKROMETER HINGGA 14,4 MIKROMETER DAN RESOLUSI SPASIAL
YANG BERVARIASI. INSTRUMEN MENGAMBIL GAMBAR BUMI SETIAP 1
HINGGA 2 HARI. INSTRUMEN INI DIDESAIN UNTUK MELAKUKAN
PENGUKURAN DALAM DINAMIKA GLOBAL SKALA BESAR TERMASUK
PERUBAHAN TINGKAT PENUTUPAN AWAN, BUDGET ENERGI BUMI, DAN
BERBAGAI PROSES ATMOSFERIK YANG TERDAPAT DI LAUTAN,
DARATAN DAN ATMOSFER BAGIAN BAWAH. TIGA KALIBRATOR DI
INSTRUMEN TERSEBUT (SATU SOLAR DIFFUSER DIKOMBINASIKAN
DENGAN PEMANTAU STABILITAS SOLAR DIFFUSER, RADIOMETRIK
SPEKTRAL, DAN BENDA HITAM) MENYEDIAKAN KALIBRASI SELAMA
PENERBANGAN BERLANGSUNG.

V. SATELIT IKONOS

MERUPAKAN SATELIT GENERASI I YANG MEMPUYAI RESOLUSI

SPASIAL YANG TINGGI PERTAMA SATELIT IKONOS DILUNCURKAN PADA
TAHUN 1999 OLEH PERUSAHAAN GEOEYE Inc. TETAPI GAGAL
MENCAPAI ORBIT. KEMUDIAN DILANJUTKAN IKONOS 2
DILUNCURKAN PADA 24 SEPTEMBER 2000 SATELIT INI PADA TAHUN
2005 DIGANTI DENGAN GEOEYE-1(SEBETULNYA DIRENCANAKAN
DIGUNAKAN SELAMA 7 TAHUN). ADAPUN RESOLUSI SPASIAL SATELIT
IKONOS ADALAH

1, 0.8 M PANCHROMATIC (1-M Pan)

2. 4 M MULTISPEKTRAL (4-MS (BLUE, GREEN RED AND NIR)

3. 1 M PAN-SHARPENED (1-M PS)

LEBAR PENGAMBILAN DATA (1 SCENE 11 KM x 11 KM)

VI. SATELIT QUICKBIRD

QUICKBIRD SAMA DENGAN IKONOS MERUPAKAN SATELIT YANG

DIPERDAGANGKAN DENGAN RESOLUSI YANG TINGGI DIMILIKI OLEH
DIGITALGLOBE DAN DILUNCURKAN PADA 2001. SATELIT INI DENGAN
RESOLUSI SPASIAL . PANCHROMATIC (BLACK & WHITE) IMAGERY AT
60-70 CENTIMETER RESOLUTION DAN MULTISPECTRAL IMAGERY AT
2.4- AND 2.8-METER RESOLUTIONS.

SATELITE INI DIGUNAKAN BACKDROP PADA APLIKASI PEMETAAN

SEPERTI GOOGLE EARTH AND GOOGLE MAPS.
 DILUNCURKAN OKTOBER 18, 2001 DENGAN MISSI SELAMA 5
TAHUN

VII. SATELIT WORLDVIEW

WORLDVIEW-2 SAMA DENGAN QUICKBIRD MERUPAKAN SATELIT YANG

DIPERDAGANGKAN DENGAN RESOLUSI YANG TINGGI DIMILIKI OLEH
DIGITALGLOBE DAN DILUNCURKAN PADA 2001. SATELIT INI DENGAN
RESOLUSI SPASIAL . PANCHROMATIC (BLACK & WHITE) IMAGERY
DENGAN 50CENTIMETER RESOLUTION DAN MULTISPECTRAL
TERSEDIA 8 BAND DENGAN 1.8 METER RESOLUTIONS SPASIALNYA
DILUNCURKAN PADA 8 OKTOBER 2008 SEDANGKAN WORLDVIEW-1
DILUNCURKAN PADA 2007.

VIII. SATELIT GEOEYE I

GEOEYE-1 MERUPAKAN SATELIT PENGAMAT BUMI YANG

PEMBUATANNYA DISPONSORI OLEH GOOGLE DAN NATIONAL
GEOSPATIAL-INTELLIGENCE AGENCY (NGA) YANG DILUNCURKAN
PADA 6 SEPTEMBER 2008 DARI VANDENBERG AIR FORCE BASE,
CALIFORNIA, AS. SATELIT INI MAMPU MEMETAKAN GAMBAR DENGAN
RESOLUSI GAMBAR YANG SANGAT TINGGI DAN MERUPAKAN SATELIT
KOMERSIAL DENGAN PENCITRAAN GAMBAR TERTINGGI YANG ADA DI
ORBIT BUMI SAAT INI.

SENSOR KAMERA PADA SATELIT INI DIBUAT OLEH ITT CORPORATION

YANG KEMUDIAN DIKIRIMKAN PADA GENERAL DYNAMICS UNTUK
DIINTEGRASIKAN KE DALAM GEOEYE-1 PADA JANUARI 2007. GAMBAR
PERTAMA YANG DIHASILKAN OLEH GEOEYE-1 SETELAH PROSES
KALIBRASI SELESAI ADALAH FOTO UDARA DARI KAMPUS
UNIVERSITAS KUTZTOWN YANG TERLETAK DI PERTENGAHAN ANTARA
READING DAN ALLENTOWN, PENNSYLVANIA DENGAN KETINGGIAN
ORBIT 423 MIL ATAU 681 KM DI ATAS EAST COAST, AMERIKA.
SATELIT INI MAMPU MENGHASILKAN GAMBAR DENGAN RESOLUSI 0,41
METER UNTUK SENSOR PANCHROMATIC (HITAM-PUTIH) DAN 1,65
METER UNTUK SENSOR MULTISPECTRAL (BERWARNA). KEMAMPUAN
INI SANGAT IDEAL UNTUK PROYEK PEMETAAN SKALA BESAR.
GEOEYE-1 MENGORBIT

TERDAPAT TIGA TINGKAT PRODUK PENCITRAAN YANG DITENTUKAN

OLEH TINGKAT AKURASI POSISI :

1. PRODUK GEO

PRODUK GEO ADALAH GAMBAR PETA BERORIENTASI RADIOMETRIK

YANG COCOK DIGUNAKAN UNTUK BERBAGAI KEPERLUAN. SELAIN
COCOK UNTUK APLIKASI VISUALISASI DAN PEMANTAUAN, PRODUK
GEO JUGA DILENGKAPI DENGAN MODEL SENSOR KAMERA DALAM
FORMAT RATIONAL POLYNOMIAL COEFFICIENT (RPC). MODEL KAMERA
INI MEMETAKAN KOORDINAT TANAH MENJADI KOORDINAT GAMBAR
HASIL PENCITRAAN. PRODUK GEO DAPAT DIGUNAKAN OLEH
PENGGUNA AHLI DENGAN MENGGUNAKAN PERANGKAT LUNAK
KOMERSIAL.

2. PRODUK GEOPROFESSIONAL

PRODUK GEOPROFESIONAL ADALAH HASIL PENCITRAAN YANG TELAH

DIKOREKSI OLEH STAF PRODUKSI GEOEYE INC DENGAN
MENGGUNAKAN PROSES KEPEMILIKANNYA ATAS FASILITAS PRODUKSI
UNTUK MENGOPTIMALKAN DATA YANG DIKUMPULKAN OLEH SATELIT
GEOEYE. PROSES PENGKOREKSIAN YANG DILAKUKAN GEOEYE
MEMUNGKINKAN PENGGUNA UNTUK DENGAN CEPAT MENDAPATKAN
HASIL YANG PALING AKURAT DAN TEPAT YANG TERSEDIA DARI
PROGRAM SATELIT. PRODUK INI COCOK UNTUK EKSTRAKSI FITUR,
PERUBAHAN DETEKSI, PEMETAAN DASAR DAN APLIKASI SERUPA
LAINNYA.
 3. PRODUK GEOSTEREO

PRODUK GEOSTEREO MENYEDIAKAN DASAR UNTUK FITUR

PENGENALAN TIGA DIMENSI, EKSTRAKSI, DAN EKSPLOITASI. OLEH
KARENA ITU, PRODUK INI MENYEDIAKAN DUA GAMBAR BERBENTUK
STEREO GEOMETRI UNTUK MENDUKUNG BERBAGAI APLIKASI
PENCITRAAN STEREO SEPERTI PEMBUATAN MODEL ELEVASI DIGITAL
(DEM), PEMBUATAN EKSTRAKSI KETINGGIAN, DAN MENCIPTAKAN
BERBAGAI LAPISAN SPASIAL. GEOSTEREO DALAM PROYEKSI
PEMETAAN MELIPUTI DATA KAMERA DENGAN FORMAT RPC YANG
MENDUKUNG PENYESUAIAN, EKSTRAKSI , STEREO TIGA DIMENSI,
GENERASI DEM, DAN OPERASI FOTOGRAMETRI.

KEGUNAAN

. PRODUK GEOEYE-1 AKAN MEMBERIKAN BERBAGAI APLIKASI UNTUK :

PERTAHANAN NEGARA
KEAMANAN NASIONAL
TRANSPORTASI AIR DAN KELAUTAN
MINYAK DAN GAS
ENERGI
PERTAMBANGAN
PEMETAAN DAN LAYANAN BERBASIS LOKASI
NEGARA DAN PEMERINTAHAN DAERAH
ASURANSI DAN MANAJEMEN RISIKO
PERTANIAN
SUMBER DAYA ALAM DAN PEMANTAUAN LINGKUNGAN

RESOLUSI GAMBAR YANG MAMPU DIHASILKAN OLEH SATELIT

GEOEYE-1 BISA MENCAPAI JARAK 41 CM, NAMUN PEMERINTAH
AMERIKA SERIKAT MEMBATASI PENGGUNAANNYA OLEH PUBLIK YAITU
HANYA SAMPAI RESOLUSI 50 CM KARENA DETAIL SEPERTI ITU DAPAT
MENGANCAM PRIVASI NEGARA. GOOGLE SEBAGAI KLIEN KOMERSIAL
HANYA DIPERBOLEHKAN MENGAMBIL GAMBAR MELALUI SATELIT INI
DENGAN RESOLUSI MAKSIMAL SEBESAR 50 CM, SEDANGKAN NGA
MEMPEROLEH GAMBAR DENGAN RESOLUSI 43 CM.
KESIMPULAN: PERKEMBANGAN DARI PENGINDERAAN JAUH
KECENDURANGANNYA ADALAH HIGH RESOLUSI SPASIAL DAN
HYPERSPECTRAL. SERTA ANALISANYA DENGAN METODOLOGI
FEATURE EXTRACTION DAN MANUAL INTERPRETASI

MENGAPA SEMAKIN BANYAKNYA DIGUNAKANNYA PENGINDERAAN

JAUH, KARENA :

1. CITRA MENGGAMBARKAN OBYEK, DAERAH, DAN GEJALA DI

PERMUKAAN BUMI DENGAN UJUD DAN LETAK OBYEK YANG
MIRIP, RELATIF LENGKAP, MELIPUT DAERAH LUAS DAN
PERMANEN.
2. DARI JENIS CITRA TERTENTU DAPAT DITIMBULKAN GAMBARAN
TIGA DIMENSI APABILA PENGAMATANNYA DILAKUKAN DENGAN
ALAT STREOSKOP.
3. KAREKTERISTIK OBYEK YANG TAK TAMPAK DAPAT DIUJUDKAN
DALAM BENTUK CITRA SEHINGGA DIMUNGKINKAN
PENGENALAN OBYEKNYA.
4. CITRA DAPAT DIBUAT SECARA CEPAT MESKIPUN UNTUK
DAERAH YANG SULIT DIJELAJAHI SECARA TERESTERIAL.
5. EFEKTIF UNTUK MEMETAKAN DAERAH BENCANA.
6. CITRA SERING DIBUAT DENGAN PERIODE ULANG YANG PENDEK,
DENGAN DEMIKIAN CITRA MERUPAKAN ALAT YANG SANGAT BAIK
SEKALI UNTUK MEMANTAU PERUBAHAN CEPAT SEPERTI
PEMBUKAAN DAERAH HUTAN DAN PERLUASAN LAHAN
GARAPAN.

SALAH PENGERTIAN TENTANG PENGINDERAAN JAUH

WALAUPUN DIATAS TELAH DISAMPAIKAN SEMAKIN BANYAK ORANG
ATAU INDUSTRI MENGGUNAKAN PJ NAMUN DEMIKIAN ADA BEBERAPA
HAL YANG PERLU DIPAHAMI AGAR TIDAK TERJADI SALAH PENGERTIAN
:
PENGINDERAAN JAUH YANG BERDASARKAN SATELIT TIDAK
MEMPUNYAI CUKUP RESOLUSI.
 DATA PENGINDERAAN JAUH KHUSUSNYA DATA SATELIT TIDAK
CUKUP AKURAT UNTUK KEPERLUAN PRAKTEK.
SATELIT DATA MASIH TERLALU MAHAL.
PENGINDERAAN JAUH SELAIN FOTO UDARA HANYA EXPERIMEN.
DATA PENGINDERAAN JAUH TERLALU MENYULITKAN UNTUK
DIGUNAKAN.
DATA PENGINDERAAN JAUH TIDAK SEGERA TERSEDIA.

SISTEM PENGINDERAAN JAUH IDEAL

KOMPONEN - KOMPONEN DASAR SUATU SISTEM PENGINDERAAN

JAUH IDEAL.

1. SUATU SUMBER TENAGA YANG SERAGAM

SUMBER TENAGA INI AKAN MENYAJIKAN TENAGA PADA SELURUH
PANJANG GELOMBANG DENGAN SUATU KELUARAN YANG TETAP,
DIKETAHUI, KUALITAS TINGGI, TIDAK TERGANTUNG PADA WAKTU
DAN TEMPAT.

2. ATMOSFIR YANG TIDAK TERGANGGU

ATMOSFIR TIDAK AKAN MENGUBAH TENAGA DENGAN CARA
APAPUN BAIK TENAGA DARI SUMBERNYA KE BUMI MAUPUN DARI
PERMUKAAN BUMI. IDEALNYA TIDAK TERGANTUNG PADA PANJANG
GELOMBANG, WAKTU, TEMPAT, DAN TINGGI.

3. SERANGKAIN INTERKASI YANG UNIK ANTARA TENAGA DENGAN

BENDA DIMUKA BUMI.
PANTULAN DAN/ATAU PANCARAN SINYAL YANG TIDAK HANYA
SELEKTIF TERHADAP PANJANG GELOMBANG, TETAPI JUGA
DIKETAHUI TIDAK BERUBAH UBAH DAN UNIK TERHADAP SETIAP
JENIS DAN MACAM OBYEK DIMUKA BUMI.

4. SENSOR YANG SEMPURNA

 SENSOR HARUSLAH MEMPUNYAI KEPEKAAN YANG SANGAT TINGGI
TERHADAP SELURUH PANJANG GELOMBANG, MENGHASILKAN DATA
SPASIAL YANG RINCI DENGAN NILAI KECERAHAN ABSOLUT. SELAIN
ITU JUGA SENSOR HARUS SANGAT SEDERHANA, DAPAT
DIPERCAYA, TIDAK MEMERLUKAN TEMPAT DAN RUANG YANG
BESAR, SANGAT TELITI, DAN EKONOMIS PENGOPERASIANNYA.

5. SISTEM PENGOLAHAN DATA TEPAT WAKTU

TEPAT PADA SAAT TERJADI RADIASI VERSUS TANGGAP PANJANG
GELOMBANG ATAS UNSUR MEDAN LANSUNG DIPROSES KE DALAM
FORMAT YANG DAPAT DIINTERPRETASIKAN DAN DIKENAL SECARA
UNIK BAGI TIAP OBYEK TERTENTU YANG MERUPAKAN ASAL TENAGA
TERSEBUT DILAKUKAN DEKAT DENGAN SAAT PEREKAMAN.

6. BERBAGAI PENGGUNAAN DATA

DIPERLUKAN PENGETAHUAN YANG MENDALAM TENTANG DISIPLIN
ILMU MASING - MASING BAGI PARA PENGGUNANYA. PEMAKAIAN
DATA YANG SAMA AKAN MEMBERIKAN INFORMASI YANG LAIN - LAIN
JIKA DIGUNAKAN BERBAGAI PENGGUNA.

KETERBATASAN UMUM SISTEM PENGINDERAAN JAUH

1. SUMBER TENAGA
BAHWA RADIASI SUMBER TENAGA (PANJANG GELOMBANG) SANGAT
TERGANTUNG DENGAN TEMPAT, WAKTU DAN MATERIAL
DIPERMUKAAN BUMI. SISTEM TENAGA YANG DIGUNAKAN
PENGINDERAAN JAUH SIFATNYA TIDAK SERAGAM, SEHINGGA PERLU
KALIBRASI BAGI SUMBER TENAGA DISETIAP PENGINDERAAN.
BERDASARKAN SUMBER TENAGA PENGINDERAAN JAUH DAPAT
DIBEDAKAN:
A. PENGINDERAAN JAUH PASIF : MENERIMA TENAGA YANG
DIPANTULKAN DAN/ATAU YANG DIPANCARKAN DARI
PERMUKAAN BUMI (SUMBER TENAGANYA ALAM). CONTOH:
LANDSAT, SPOT, DLL.
B. PENGINDERAAN JAUH AKTIF : TENAGA YANG DIGUNAKAN
BERASAL DARI BUATAN SENDIRI. CONTOH : RADAR.

2. ATMOSFER
ATMOSFER MEMPUNYAI SIFAT YANG SELEKTIF TERHADAP PANJANG
GELOMBANG SEHINGGA MEMBATASI BAGIAN SPEKTRUM
ELEKTROMAGNETIK YANG DAPAT MENCAPAI BUMI DAN DAPAT
DIGUNAKAN DALAM PENGINDERAAN JAUH. UNTUK MENGHILANGKAN
PENGARUH ATMOSFER DIPERLUKAN KALIBRASI YANG MELIBATKAN
PENGAMATAN YANG BERULANG SUATU WILAYAH GEOGRAFIK PADA
TERAPAN TERTENTU.

3. INTERAKSI ANTARA TENAGA DENGAN BENDA DIMUKA BUMI.

SETIAP BENDA TIDAK MEMANTULKAN DAN/ATAU MEMANCARKAN
TENAGA SECARA UNIK YANG DIKETAHUI. SEHINGGA JENIS BENDA
YANG BERBEDA DAPAT MEMILIKI KESAMAAN SPEKTRAL.

4. SENSOR
TIDAK ADA SENSOR YANG SEMPURNA SERTA PEKA TERHADAP
SELURUH PANJANG GELOMBANG, DAN MEMILIKI KEPEKAAN DALAM
MEREKAM OBYEK TERKECIL YANG MASIH DAPAT DIKENALI DAN
DIBEDAKAN TERHADAP OBYEK YANG LAIN (RESOLUSI SPASIAL).

5. SISTEM PENGOLAHAN DATA

KEMAMPUAN MENANGANI DATA YANG MASIH TERBATAS. INI BERLAKU
UNTUK INTERPRETASI MANUAL MAUPUN DIGITAL, PENGOLAHAN INI
DIPERLUKAN SUMBER DAYA MANUSIA YANG MEMPUNYAI BANYAK
PENGALAMAN, KARENA INTERPRETASI MEMERLUKAN BANYAK
PEMIKIRAN, INSTRUMENTASI, WAKTU DAN DATA RUJUKAN.

6. BERBAGAI PENGGUNAAN DATA.

DATA YANG DIHASILKAN DARI ANALISA AKAN MENJADI INFORMASI BILA
SESEORANG AKAN MEMAHAMI ASAL USULNYA, MENGERTI
BAGAIMANA MENGINTERPRETASINYA, DAN MEMAHAMI BAGAIMANA
CARA MENGGUNAKANNYA YANG PALING TEPAT. KERINCIAN,
KEANDALAN DAN KESUAIANNYA TERHADAP KEBUTUHAN PENGGUNA
MENENTUKAN DITERIMA ATAU TIDAKNYA DATA PENGINDERAAN JAUH
TERSEBUT.

SYARAT - SYARAT KEBERHASILAN DARI PJ SECARA

KONSEPSUAL.

1. PERUMUSAN YANG JELAS MASALAH YANG DIHADAPI

BANYAK DATA DAN KETIDAKMAMPUAN MENGINTERPRETASIKAN
AKAN MENGAKIBATKAN KETIDAKFOKUSAN DARI PERMASALAHAN.

2. EVALUASI POTENSI UNTUK MENYESUAIKAN PERMASALAHAN

DENGAN TEKNIK PJ.
DIPERLUKANNYA BEBERAPA TEKNIK UNTUK BISA
MENYELESAIKAN PERMASALAHAN DENGAN MULTIPANDANG
SEPERTI : MULTITINGKAT, MULTISPEKTRAL, MULTIARAH,
MULTITEMPORAL, MULTIPENAJAMAN, MULTIPOLARISASI.

3. IDENTIFIKASI PROSEDUR PEROLEHAN DATA PENGINDERAAN JAUH

YANG SESUAI DENGAN TUJUAN.
PADA PRINSIPNYA INI ADA KAITANNYA DENGAN NOMER 2
DALAM HAL INI TEKNIK UNTUK PEROLEHAN DATA YANG
DISESUAIKAN DENGAN TUJUAN. CONTOH: UNTUK
 MENGAMATI PERUBAHAN LAHAN DIPERLUKAN DATA
MULTITEMPORAL.

4. PENENTUAN PROSEDUR INTERPRETASI DATA YANG AKAN

DITERAPKAN DAN PEMILIHAN DATA RUJUKAN YANG DIPERLUKAN.
TEKNIK PJ MERUPAKAN ALAT YANG BAIK JIKA
DIGABUNGKAN/DIPADUKAN DENGAN TEKNIK LAIN, BUKAN
MERUPAKAN ALAT MANDIRI. INTERPRETASI DAPAT
DILAKUKAN DENGAN MANUAL MAUPUN DIGITAL.

5. IDENTIFLKASI KRITERIA YANG DIGUNAKAN UNTUK MENILAI

KUALITAS INFORMASI YANG DIKUMPULKAN.
SALAH SATU KRITERIA MENILAI KUALITAS INFORMASI
ADALAH PENENTUAN BATAS ASSESMENT AKURASI DARI
INFORMASI SETIAP CITRA ATAU FOTO.

BEBERAPA SISTEM PENGINDERAAN JAUH

LILLESAND AND KIEFER MEMBEDAKAN PENGINDERAAN JAUH

BERDASAR :
4. PENGUMPULAN DATA
1. TENAGA
SISTEM AKTIF
MENERIMA TENAGA YANG DIPANTULKAN DAN/ATAU YANG
DIPANCARKAN DARI PERMUKAAN BUMI.
SISTEM PASIF
TENAGA YANG DIGUNAKAN BERASAL DARI BUATAN
SENDIRI.

2. WAHANA
DIRGANTARA
WAHANA YANG DIGUNAKAN UNTUK MEMBAWA SENSOR
ADALAH PESAWAT TERBANG.
ANTARIKSA
 WAHANA YANG DIGUNAKAN UNTUK MEMBAWA SENSOR
BERADA DI ANTARIKSA, SEPERTI SATELIT, PESAWAT ULANG-
ALIK , DLL.
5. SENSOR
1. SISTEM FOTOGRAFIK
PEREKAMANNYA BERLANGSUNG SECARA KIMIAWI, TENAGA
ELEKTROMAGNETIK DITERIMA DAN DIREKAM PADA LAPISAN
EMULSI FILM YANG BILA DIPROSES AKAN MENGHASILKAN
FILM.
2. SISTEM ELEKTRONIK
PEREKAMANNYA BERLANGSUNG MENGGUNAKAN SINYAL
ELEKTRIK.
6. ANALISIS DATA
1. INTERPERTASI SECARA VISUAL
INTERPERTASI DILAKUKAN DENGAN MENGGUNAKAN HASIL
PENGINDERAAN YANG BERUPA DATA PIKTORIAL ATAU CITRA
2. INTERPERTASI SECARA NUMERIK
INTERPERTASI DILAKUKAN MENGGUNAKAN HASIL
PENGINDERAAN YANG BERUPA DATA DIGITAL

PENGINDERAAN JAUH SEBAGAI ILMU

DARI DUA DEFINISI DIATAS DAPAT DISIMPULKAN BAHWA

PENGINDERAAN JAUH MERUPAKAN ILMU DAN TEKNIK.
ILMU HARUS JELAS KARAKTERISTIKNYA ( LINGKUP STUDINYA,
KONSEPSI DASARNYA, METODOLOGINYA, DAN FILOSOFINYA )

PENDAPAT PARA PAKAR YANG MENYATAKAN PENGINDERAAN JAUH

MERUPAKAN ILMU

1. JENSEN DAN DAHLBERG

 MENYATAKAN PENGINDERAAN JAUH MERUPAKAN ILMU KARENA
TELAH MEMENUHI TAHAPAN PERKEMBANGAN ILMU YAITU :
SEMAKIN BANYAKNYA PUSAT PENELITIAN, ORGANISASI
PROFESI, PUBLIKASI PENGINDERAAN JAUH DAN BANYAKNYA
SPESIALISASI YAITU ANTARA LAIN PENELITIAN INDIVIDUAL
YANG INTENSIF DAN KEMAJUAN TEKNOLOGI SECARA KHUSUS
SEPERTI KEMAJUAN PADA SISTEM SENSOR, METODE ANALISIS
OPTIKAL DAN DIGITAL.

2. KARDONO DARMOJUWONO
PENGINDERAAN JAUH MERUPAKAN TEKNIK YANG
BERKEMBANG MENJADI ILMU KARENA RUANG LINGKUP
STUDINYA BERKEMBANG MENJADI LUAS, MELIPUTI :
BAGIAN ANGKASA YAITU SISTEM SENSOR, SISTEM WAHANA,
DAN SISTEM TELEMETRI.
BAGIAN DARAT YAITU SISTEM PENERIMA DATA BUMI, SISTEM
PEMPROSESAN DATA, SISTEM PENYIMPANAN DAN DISTRIBUSI
DATA, DAN SISTEM PENAFSIRAN SERTA PEMAKAIAN DATA.
SEMUA SISTEM TERSEBUT DIATAS MEMERLUKAN PAKAR YANG
BIDANG KEAHLIANNYA TERSENDIRI.

3. LUEDER
PENGINDERAAN JAUH MERUPAKAN ILMU YANG BERSIFAT
KOORDINATIF KARENA MELIPUTI BERBAGAI BIDANG KEAHLIAN
DAN MEMENUHI BATASAN SEBAGAI BERIKUT:
DILAKUKAN ATAU DIPEROLEH DENGAN JALAN BELAJAR
DAN LATIHAN.
MERUPAKAN PENGETAHUAN SISTEMATIK.
DILAKUKAN DENGAN OBSERVASI DAN KLASIFIKASI FAKTA
KARENA FOTO DAN CITRA LAINNYA MENYAJIKAN
GAMBARAN TENTANG KENYATAAN YANG ADA DI
PERMUKAAN BUMI.
 DAPAT DIGUNAKAN UNTUK MENEMUKAN KEBENARAN
SECARA UMUM SEPERTI MISALNYA SEBAGAI MODEL
MEDAN.

4. EVERET DAN SIMONETT

PENGINDERAAN JAUH MERUPAKAN ILMU KARENA
KARAKTERISTIKNYA YANG BERUPA KONSEPSI DASAR DAN
FILOSOFINYA

KONSEPSI DASAR

KONSEPSI DASAR YANG MENCIRIKAN PENGINDERAAN JAUH SEBAGAI

ILMU ADALAH :
DISKRIMINASI
ADANYA PEMBEDAAN OBYEK MELIPUTI PEKERJAAN DETEKSI
(GLOBAL), IDENTIFIKASI (SETENGAH RINCI), ANALISA (RINCI).

RESOLUSI
MENENTUKAN KERINCIAN INFORMASI YANG DAPAT DISADAP
DARI DATA PENGINDERAAN JAUH, MELIPUTI :
RESOLUSI SPASIAL ADALAH UKURAN OBYEK TERKECIL
YANG DAPAT DISAJIKAN, DIBEDAKAN, DAN DIKENALI PADA
CITRA.
RESOLUSI SPEKTRAL MENUNJUKKAN KERINCIAN
SPECTRUM ELEKTOMAGNETIK YANG DIGUNAKAN DI
DALAM PENGINDERAAN JAUH.
RESOLUSI RADIOMETRIK MENUNJUKKAN KEPEKAAN
SYSTEM SENSOR TERHADAP PERBEDAAN TERKECIL
KEKUATAN SINYAL.
RESOLUSI TEMPORAL MERUPAKAN FREKUENSI PEREKAMAN
ULANG BAGI DAERAH YANG SAMA.
STRATEGI JAMAK
KONSEPSI ATAU STRATEGI JAMAK DALAM PENGINDERAAN
JAUH MELIPUTI :
MULTITINGKAT KARENA PENGINDERAANNYA DAPAT
DILAKUKAN DARI KETINGGIAN YANG BERBEDA-BEDA.
MULTITEMPORAL KARENA PENGINDERAANNYA DAPAT
DILAKUKAN PADA SAAT YANG BERBEDA-BEDA.
MULTIPENAJAMAN YAITU PENGGUNAAN LEBIH DARI SATU
PENAJAMAN (MERENTANG KONTRAS, PENAJAMAN TEPI,
PEMUTARAN SUMBU KOORDINAT).
MULTISPECTRAL YAITU PENGINDERAAN SUATU DAERAH
DENGAN MENGGUNAKAN LEBIH DARI SATU SENSOR ATAU
DETECTOR DENGAN SPECTRUM ELEKTROMAGNETIK
YANG BERBEDA-BEDA.
MULTIPOLARISASI IALAH MEMBUAT TENAGA
ELEKTROMAGNETIK YANG MENGENAI OBYEK DAPAT
DIPANDANG MENJALAR MELALUI SEGALA BIDANG.
MULTIARAH YAITU ARAH SENSORNYA YANG DIGUNAKAN
BERBEDA-BEDA (TEGAK LURUS, MIRING KE KIRI DAN KE
KANAN).
PERANAN PENGINDERAAN JAUH
PERANAN PENGINDERAAN JAUH DI DALAM SISTEM
INFORMASI DATA DAN PENGELOLAANNYA MELIPUTI
MENDETEKSI PERUBAHAN, KALIBRASI BAGIAN LAIN PADA
SISTEM YANG SAMA, SUBSTITUSI DATA SETELAH
DIKALIBRASI, DAN PENGEMBANGAN MODEL
 DASAR FISIKA PENGINDERAAN JAUH.

TENAGA UNTUK PENGINDERAAN JAUH

DI DALAM PENGINDERAAN JAUH DIPERLUKAN TENAGA
PENGHUBUNG YANG MEMBAWA DATA TENTANG OBYEK KE
SENSOR, TENAGA TERSEBUT DAPAT BERUPA DISTRIBUSI DAYA,
DISTRIBUSI GELOMBANG BUNYI, DAN DAN DISTRIBUSI TENAGA
ELEGTROMAGNETIK.
UNTUK PENGINDERAAN JAUH DIBATASI DENGAN PENGGUNAAN
TENAGA ELEKTROMAGNETIK SAJA.

TENAGA ELEKTROMAGNETIK :
PAKET ELEKTRISITAS DAN MAGNETIS YANG BERGERAK DENGAN
KECEPATAN SINAR PADA FREKUENSI DAN PANJANG GELOMBANG
TERTENTU DENGAN SEJUMLAH TENAGA TERTENTU.

MATAHARI MERUPAKAN SUMBER UTAMA DARI TENAGA

ELEKTROMAGNETIK SIFATNYA ALAMIAH (SISTEM PASIF),
DISAMPING ITU MASIH ADA TENAGA ELKTROMAKNETIK BUATAN
(SISTEM AKTIF).
MATAHARI MEMANCARKAN GELOMBANG ELEKTROMAGNETIK
DENGAN CARA RADIASI YAITU DIPANCARKAN KESELURUH ARAH
DENGAN KECEPATAN YANG TETAP DAN DENGAN POLA
GELOMBANG YANG HARMONIK. DISAMPING ITU DENGAN CARA
KONVEKSI TAPI KECIL SEHINGGA DIABAIKAN.

DISEBUT HARMONIK KARENA KOMPONEN KOMPONEN

GELOMBANGNYA TERATUR SECARA SAMA DAN REPETITIF DALAM
RUANG DAN WAKTU.

PERBEDAAN YANG PALING UMUM DIGUNAKAN UNTUK TENAGA

ELEKTROMAGNETIK DALAM PJ IALAH PANJANG GELOMBANG ()
 SPEKTRUM ELEKTROMAGNETIK

SPEKTRUM ELEKTROMAGNETIK ( TERDIRI DARI BERKAS ATAU SPEKTRUM

YANG SANGAT LUAS YAKNI MELIPUTI SPEKTRA KOSMIK, GAMMA,
ULTRAVIOLET, TAMPAK, INFRARED, GELOMBANG MIKRO (MICROWAVE),
DAN RADIO)
Spektrum elektromagnetik dan bagian-bagiannya
SPEKTRUM ELEKTROMAGNETIK UNTUK PJ
JENDELA ATMOSFIR
SPEKTRUM ELEKTROMAGNETIK YANG TELAH DISEBUTKAN DIATAS HANYA
SEBAGIAN KECIL YANG BISA DIGUNAKAN UNTUK PJ. HAL INI DISEBABKAN
ATMOSFER BISA DITEMBUS OLEH SEBAGIAN KECIL DARI SPEKTRUM
ELEKTROMAGNETIK TERSEBUT.
BAGIAN - BAGIAN SPEKTRUM ELEKTROMAGNETIK YANG DAPAT MELALUI
ATMOSFER DAN MENCAPAI PERMUKAAN BUMI DISEBUT JENDELA
ATMOSFER.

HAMBATAN ATMOSFER

TENAGA ELEKTROMAGNETIK DALAM JENDELA ATMOSFER, TIDAK DAPAT

MENCAPAI PERMUKAAN BUMI SECARA UTUH YANG DISEBABKAN ADANYA
DEBU, UAP AIR DAN GAS.

PROSES PENGHAMBATAN BERUPA SERAPAN, PANTULAN DAN

HAMBURAN.

TENAGA ELEKTROMAGNETIK YANG MENCAPAI PERMUKAAN BUMI

SEBAGIAN DISERAP DAN DIPANTULKAN MENCAPAI SENSOR.

SETIAP OBYEK MEMPUNYAI KARAKTERISTIK TERSENDIRI DIDALAM

MENYERAP DAN MEMANTULKAN TENAGA YANG DITERIMA OLEHNYA.
KARAKTERISTIK INI DISEBUT KARAKTERISTIK SPEKTRAL (SPECTRAL
SIGNATURE).

OBYEK YANG MEMANTULKAN TENAGA AKAN TAMPAK CERAH SEDANGKAN

YANG MENYERAP AKAN TAMPAK HITAM.

BESARNYA TENAGA YANG DITERIMA OLEH SUATU BENDA (E) SAMA

DENGAN JUMLAH TENAGA YANG DIPANTULKAN OLEHNYA (P) DITAMBAH
DENGAN TENAGA YANG DISERAP OLEHNYA (S), DAN YANG MENEMBUS
BENDA ITU

E= P+S+T

PERLU DIINGAT BAHWA PANTULAN MERUPAKAN KOMPONEN YANG SANGAT

PENTING DIDALAM PJ, UNTUK ITU PERLU DLMENGERTI ISTILAH - ISTILAH
YANG MIRIP DENGAN PANTULAN.

1. REFLECITIVITY (DAYA PANTUL) ADALAH PANTULAN OBYEK BILA

OBYEK ITU BENAR - BENAR TAK TEMBUS CAHAYA.
2. REFLECTANCE (PANTULAN) ADALAH PERBANDINGAN ANTARA
TENAGA YANG DIPANTULKAN OLEH OBYEK TERHADAP SELURUH
TENAGA YANG DITERIMA OLEH OBYEK TIAP SATUAN LUAS.
3. REFLECTION (PANTULAN) ADALAH JUMLAH TENAGA YANG MENGENAI
SUATU BENDA DIKURANGI DENGAN TENAGA YANG DISERAP DAN
TENAGA YANG MENEMBUS BENDA ITU.
4. ALBEDO ADALAH JUMLAH PANTULAN TENAGA OLEH OBYEK SECARA
ALAMIAH.

PANTULAN DAPAT MENGARAH KE BERBAGAI ARAH BILA TENAGA YANG

MENGENAI OBYEK DIHAMBURKAN ATAU DIPANTULKAN SEMPURNA

TANPA HAMBURAN (SPECULAR REFLECTION)

1. HAMBURAN
HAMBURAN ADALAH PANTULAN KEARAH SERBA BENDA YANG DISEBABKAN
OLEH BENDA YANG PERMUKAAN KASAR DAN BENTUKNYA TAK MENENTU,
ATAU OLEH BENDA-BENDA KECIL YANG TERSERAK TAK MENENTU.

HAMBURAN DAPAT DIBEDAKAN MENJADI 3 :

A) REYLEIGH
ATMOSFER YANG CERAH TERUTAMA MENGANDUNG BUTIR - BUTIR GAS
NITROGEN DAN OKSIGEN (DIAMETER1 L ATMOSFER REYLEIGH). SEDANG
HAMBURANNYA DISEBUT HAMBURAN REYLEIGH. HAMBURAN INI TERJADI
PADA KETINGGIAN 4500 M HINGGA 9000 M.

BESARNYA HAMBURAN REYLEIGH

1
H
4
H = BESARNYA HAMBURAN
= PANJANG GELOMBANG

HAMBURAN REYLEIGH LEBIH BESAR TERJADI PADA SALURAN BIRU

SEHINGGA MENYEBABKAN CUACA CERAH TAMPAK BIRU.
EFEK DARI HAMBURAN INI FOTO HITAM PUTIH TAMPAK BERKABUT, TIDAK
TAJAM. SEDANGKAN PADA FOTO BERWARNA MENIMBULKAN WARNA ABU -
ABU KEBIRU - BIRUAN YANG MENGURANGI KEJELASAN ATAU KETAJAMAN
FOTO.
UNTUK MENGURANGI EFEK HAMBURAN. REYLEIGH PERLU FILTER KUNING.
SEDANGKAN FILM YAN'G DIGUNAKAN DISEBUT "PAN-BLUE" (DIKURANGI
SALURAN BIRU).

B) MIE
BUTIR - BUTIR YANG MEMPUNYAI DIAMETER SAMA ATAU LEBIH BESAR
DARI GELOMBANG TAMPAK DISEBUT "BUTIR MIE" BIASANYA BERUPA DEBU,
KABUT, DAN ASAP. ATMOSFERNYA DISEBUT ATMOSFER MIE SEDANGKAN
HAMBURANNYA DISEBUT HAMBURAN MIE. HAMBURAN MIE INI TERJADI
DIBAWAH DIBAWAH 4500 M. HAMBURAN MIE TERJADI DOMINAN PADA
GELOMBANG PANJANG DAN PADA CUACA BERWARNA (ATMOSFER TAMPAK
PUTIH HINGGA KEMERAHAN).
C) NONSELEKTIF
PENYEBABNYA BUTIR - BUTIR DALAM ATMOSFER YANG DIAMETERNYA
JAUH LEBIH BESAR DARI PANJANG GELOMBANG SPEKTRUM TAMPAK.
(UKURAN BUTIR - BUTIR 5 M - 1 00M).
HAMBURAN INI DISEBUT NONSELEKTIF KARENA TIDAK TERGANTUNG
PANJANG GELOMBANG. HAMBURAN INI TERJADI PADA SPEKTRUM
TAMPAK DAN NEAR INFRARED SAMA KUATNYA YANG AKAN
MENGAKIBATKAN KABUT DAN AWAN TAMPAK PUTIH.

2. SERAPAN
PENYEBABNYA ADALAH UAP AIR, KARBON DIOKSID, DAN OZON. SPEKTRUM
INFRA MERAH MERUPAKAN BAGIAN YANG TERKENA GANGGUAN TERPARAH

matahar
i
I

Karakteristik spectral sumber tenaga, pengaruh atmosfer, dan system

penginderaan (skala panjang gelombang ialah logaritmk).
Kurva Pantulan spektral yang mencirikan obyek tanah, air, dan
vegetasi
 METODE PENGINDERAAN JAUH

METODE PENELITIAN ATAU METODOLOGI SUATU STUDI IALAH RANCANG-

BANGUN (DESIGN) MENYELURUH UNTUK MENYELESAIKAN MASALAH
PENELITIAN. TEKNIK PENELITIAN IALAH ALAT KHUSUS UNTUK
MELAKSANAKAN METODE.

TAHAPAN DALAM METODE PENGINDERAAN JAUH

1. PERUMUSAN MASALAH DAN TUJUAN
PERUMUSAN TUJUAN DIMULAI DENGAN PERUMUSAN MASALAH
SECARA JELAS. MASALAH DAPAT BERUPA SESUATU YANG
ANEH, YANG TIDAK PADA TEMPATNYA ATAU TIDAK BIASA
TERJADI. MASALAH YANG TELAH DIRUMUSKAN DENGAN
JELAS MERUPAKAN LANDASAN BAGI PERUMUSAN TUJUAN
YANG INGIN DICAPAI.
2. EVALUASI KEMAMPUAN
EVALUASI KEMAMPUAN DISINI MENYANGKUT ANTARA LAIN
KEMAMPUAN PELAKSANA SERTA TIMNYA, ALAT DAN
PERLENGKAPANNYA, DANA, DAN WAKTU YANG TERSEDIA.
ANTARA KEMAMPUAN DAN TUJUAN YANG INGIN DICAPAI HARUS
SESUAI. BILA TIDAK SESUAI, KEMAMPUANNYA HARUS
DITINGKATKAN ATAU TUJUANNYA HARUS DITINJAU KEMBALI,
DENGAN MENYUSUTKAN BILA PERLU.
3. PEMILIHAN CARA KERJA
BERHUBUNGAN DENGAN PEMILIHAN CARA KERJA YANG PALING
SESUAI UNTUK MENUNJANG PENCAPAIAN TUJUAN YANG
HENDAK DICAPAI.
4. TAHAP PERSIAPAN
DALAM TAHAPAN INI TEKNIK PENGINDERAAN JAUH TELAH
MULAI DIGUNAKAN, MELIPUTI TAHAPAN :
 i) MENYIAPKAN DATA ACUAN
MERUPAKAN DATA YANG BUKAN BERASAL DARI CITRA
PENGINDERAAN JAUH, AKAN TETAPI DATA ITU DIPERLUKAN DALAM
INTERPERTASI CITRA. DATA ACUAN DIPERLUKAN UNTUK
MENINGKATKAN KEMAMPUAN INTERPERASI CITRA DAN
KECERMATAN HASILNYA.
MISALNYA ; LAPORAN PENELITIAN, MAKALAH SUATU MAJALAH,
BUKU, MAKALAH DALAM PERTEMUAN ILMIAH, PETA, DLL
ii) MENYIAPKAN DATA PENGINDERAAN JAUH
MERUPAKAN DATA HASIL PEREKAMAN OBYEK DENGAN
MENGGUNAKAN SENSOR BUATAN, DAPAT BERUPA CITRA FOTO,
CITRA NON FOTO ATAU DATA NUMERIK.
iii) ORIENTASI MEDAN
DILAKUKAN APABILA TIDAK DAPAT DIPEROLEH DATA ACUAN ATAU
BILA OBYEK YANG DIINTERPERTASI SULIT DIKENALI PADA FOTO.
BISA DENGAN MEMBAWA CITRA FOTO KE MEDAN DAN
MENCOCOKKAN UJUD YANG TERGAMBAR DI FOTO DENGN UJUD
SEBENARNYA DI MEDAN. DENGAN DEMIKIAN MAKA HASIL
INTERPRETSINYA AKAN LEBIH ANDAL KECERMATANNYA

5. INTERPRETASI CITRA

MERUPAKAN PERBUATAN MENGKAJI FOTO UDARA DAN ATAU

CITRA DENGAN MAKSUD UNTUK MENGINDENTIFIKASIKAN OBYEK
DAN MENILAI ARTI PENTINGNYA OBYEK TERSEBUT (ESTES DAN
SIMONETT,1975).

UNTUK MEMBERIKAN KEJELASAN DARI INTERPRETASI PERLU

PENGERTIAN CITRA, SEBAB CITRA MERUPAKAN OBYEK YANG DI
PERGUNAKAN UNTUK INTERPRETASI:
DI DALAM LITERATUR INGGRIS CITRA DI TERJEMAHKAN SEBAGAI IMAGE
ATAU IMAGING.
DARI KEDUA ISTILAH TERSEBUT DI ATAS ADA PERBEDAAN YAITU :
IMAGE GAMBARAN SUATU OBYEK ATAU SUATU PERWUJUDAN, SUATU
IMAGE PADA UMUMNYA BERUPA SEBUAH PETA, GAMBAR
ATAU FOTO.
IMAGING GAMBARAN VISUAL TENAGA YANG DI REKAM DENGAN
MENGGUNAKAN PIRANTI PJ.
KEDUA ISTILAH TERSEBUT DI DALAM PJ DI BENARKAN TETAPI IMAGING
LEBIH BENAR UNTUK DI SEBUT SEBAGAI CITRA.

INTERPRESTASI DI DALAM PENGINDERAAN JAUH DI BAGI DUA (2):

1. INTERPRESTASI SECARA DIGITAL DATA PENGINDERAAN JAUH
BERUPA NUMERIK. PADA INTERPRETASI DIGITAL PADA DASARNYA
MERUPAKAN KLASIFIKASI DARI PIXEL (PICTURE ELEMENT = BAGIAN
YANG TERKECIL YANG MASIH DAPAT DI KENALI / TERGAMBAR).
SEDANGKAN KLASIFIKASI INI DI BAGI MENJADI 2.
- SUPERVISED KLASIFIKASI BILA KLASIFIKASI NILAI PIXEL DI
DASARKAN ATAS DAERAH CONTOH YANG DIKETAHUI JENIS OBYEK
DAN NILAI SPEKTRAL.
- UNSUPERVISED CLASSIFICATION BLA KLASIFIKASINYA DI
LAKUKAN TANPA DAERAH CONTOH YANG DIKETAHUI JENIS OBYEK
DAN NILAI SPEKTRALNYA.
2. INTERPRETASI SECARA MANUAL DATA PENGINDERAAN JAUH
BERUPA DATA VISUAL (HARD COPY). ADAPUN TAHAP-TAHAP
INTERPRETASI SECARA MANUAL DI LAKUKAN DENGAN BEBERAPA
TAHAPAN.

INTERPERTASI MENURUT PENDAPAT PARA AHLI

A. MENURUT VINK.
1. DETEKSI PENYADAPAN DATA SECARA SELEKTIF ATAS OBYEK
( TAMPAK LANGSUNG) DAN ELEMEN (TAK TAMPAK LANGSUNG ) DARI
CITRA.
2. PENGENALAN DAN IDENTIFIKASI UPAYA MENCIRIKAN OBYEK YANG
TELAH DI DETEKSI DENGAN MENGGUNAKAN KETERANGAN YANG
CUKUP.
3. ANALISIS PEMISAHAN DENGAN GARIS BATAS KELOMPOK OBYEK
ATAU ELEMEN YANG MEMILIKI KESAMAAN UJUD.
4. DEDUKSI DI LAKUKAN BERDASARKAN ATAS KONVERGANSI BUKTI
UNTUK PREDIKASI TERJADINYA HUBUNGAN TERTENTU.
KONVERGASI BUKTI PENGGUNAAN BUKTI-BUKTI YANG MASING-
MASING SALING MENGARAH SATU TITIK SIMPUL.
5. KLASIFIKASI MENYUSUN OBYEK DAN ELEMEN KE DALAM SISTEM
YANG TERATUR.
6. IDEALISASI PENGGAMBARAN HASIL INTERPRETASI TERSEBUT.

HASIL INTERPRETASI CITRA SANGAT BERGANTUNG ATAS PENAFSIR CITRA

BESERTA TINGKAT REFERENSINYA.
TINGKAT REFERENSI : KELUASAN DAN KE DALAMAN PENGETAHUAN
PENAFSIR CITRA.
1. TINGKAT REFERENSI UMUM PENGETAHUAN UMUM PENAFSIR CITRA
TENTANG GEJALA DAN PROSES YANG DI INTERPRETASI.
2. TINGKAT REFERENSI LOKAL PENGETAHUAN ATAU KEAKRABAN
PENAFSIR CITRA TERHADAP LINGKUNGAN SETEMPAT ATAU DAERAH
YANG DI INTERPRETASIKAN.
3. TINGKAT REFERENSI KHUSUS PENGETAHUAN YANG MENDALAM
TENTANG PROSES DAN GEJALA YANG DI INTERPRETASIKAN.

B. MENURUT LO (1976)
BERDASARKAN PENDAPAT VINK MAKA LO MENGUTARAKAN BAHWA
INTERPERTASI CITRA DILAKUKAN DENGAN TAHAPA SBB:
DISINI DAPAT DISIMPULKAN BAHWA INTERPRETASI TERDIRI DARI DUA
PROSES YAITU MERUMUSKAN IDENTITAS OBYEK DAN PROSES YANG
LEBIH RUMIT YAITU ANALISIS DAN DEDUKSI, KEMUDIAN DILAKUKAN
KLASIFIKASI DALAM UPAYA MENYAJIKAN SEJENIS KETERATURAN DAN
KAITAN ANTARA INFORMASI KUALITATIF YANG DITERIMA DAN AKHIRNYA
MENUJU ARAH TEORISASI.

6. LAPORAN PENGINDERAAN JAUH

SEIRING DENGAN SERINGNYA PJ DI GUNAKAN / DITERAPKAN DALAM
BERBAGAI PENELITIAN, UNTUK MEMBUAT LAPORAN PENELITIAN TERSEBUT
SECARA GARIS BESAR PJ DI BAGI MENJADI 2:

1. LAPORAN PENELITIAN MURNI

ANALISANYA BERKISAR PADA BIDANG PENGINDERAAN JAUH
MISALNYA, STUDI SIFAT SPEKTRAL TANAH DAN KORELASINYA
TERHADAP PENGINDERAAN JAUH.
 2. LAPORAN PENELITIAN TERAPAN
DALAM PENELITIAN INI PENGINDERAAN JAUH MEMBANTU DI DALAM
PEROLEHAN DATA, DAN SERING PULA MEMBANTU DI DALAM ANALISIS
SPASIALNYA. ANALISISNYA BERUPA ANALISIS DI DALAM BIDANG
TERAPANNYA SEPERTI : PERTANIAN, GEOLOGI.
MISALNYA, PENGGUNAAN PENGINDERAAN JAUH UNTUK MENGKAJI
EROSI TANAH.

7. UJI KETELITIAN
UJI KETELITIAN MERUPAKAN SUATU TAHAPAN YANG PENTING DI DALAM PJ
SEBAB:
1. UNTUK DI KETAHUI SEBELUM PENELITI MELANGKAH LEBIH JAUH
DENGAN ANALISIS BERDASARKAN DATA TERSEBUT.
2. UNTUK PENGGUNA KETELITIAN SANGAT MEMPENGARUHI BESARNYA
KEPERCAYAAN YANG DAPAT DI BERIKAN TERHADAP DATA TERSEBUT.
3. UNTUK PENELITI YANG MELAKUKAN PENELITIAN SERUPA, HASILNYA
TERSEBUT PENTING PULA DALAM UPAYA MENINGKATKAN KETELITIAN
SELANJUTNYA.

UNSUR DAN TEKNIK INTERPRETASI CITRA

PENGENALAN OBYEK MERUPAKAN BAGIAN VITAL DALAM

INTERPRETASI CITRA. TANPA DIKENALI IDENTITAS DAN JENIS OBYEK
YANG TERGAMBAR PADA CITRA, TIDAK MUNGKIN DILAKUKAN
ANALISIS UNTUK MEMECAHKAN MASALAH YANG SEDANG DI HADAPI.
PRINSIP PENGENALAN OBYEK TERGAMBAR PADA CITRA
MENDASARKAN ATAS PENYIDIKAN KARAKTERISTIKNYA ATAU
ATRIBUTNYA. KARATERISTIK OBYEK YANG TERGAMBAR PADA CITRA
DAN DIGUNAKAN UNTUK MENGENALI OBYEK DISEBUT UNSUR
INTERPRESTASI CITRA.

ADAPUN UNSUR INTERPRESTASI CITRA TERSEBUT ADA 9 BUTIR :

1. RONA ATAU WARNA.
2. UKURAN.
3. BENTUK.
4. TEKSTUR.
5. POLA.
6. TINGGI.
7. BAYANGAN.
8. SITUS.
9. ASOSIASI.

-------------------------------------------------------------------------------------
--

PRIME
R
UNSUR DASAR RONA/
WARNA
SUSUNAN
--------------------------
KERUANGAN
----------------------------------
RONA
UKURAN TEKSTUR
BENTUK
SEKUNDER

------------------

POLA TINGGI BAYANGAN TERSIER

LEBIH TINGGI

-------
-

SITUS ASOSIASI

I. RONA DAN WARNA

RONA ADALAH TINGKAT KEGELAPAN ATAU TINGKAT KECERAHAN
OBYEK PADA CITRA. MERUPAKAN TINGKATAN DARI HITAM KE
PUTIH ATAU SEBALIKNYA.
WARNA ADALAH UJUD YANG TAMPAK OLEH MATA DENGAN MENGGUNAKAN
SPEKTRUM SEMPIT, LEBIH SEMPIT DARI SPEKTRUM TAMPAK.
MISAL, BIRU ( 0.4-0.5) M, HIJAU(0.5-0.6) M, MERAH (0.6-0.7) M
KARENA PENTINGNYA UNSUR RONA ATAU WARNA PERLU DI KETAHUI

1. CARA PENGUKURAN RONA

CARA RELATIF DENGAN MENGGUNAKAN MATA BIASA, DAPAT
DIBEDAKAN MENJADI PUTIH, KELABU PUTIH, KELABU, KELABU
HITAM, HITAM.
CARA KUANTITATIF DENGAN MENGGUNAKAN ALAT.

ALAT PENGUKUR RONA DI SEBUT DENSITO METER.

1. DENSITOMETER TRANSMISI MENGUKUR DENSITI PADA FILM.
2. DENSITOMETER PANTULAN MENGUKUR DENSITI PADA CITRA
YANG DI CETAK DI ATAS KERTAS.

TIAP JENIS DENSITOMETER DI ATAS DI BEDAKAN

1. DENSITOMETER TITIK (SPOT DENSITOMETER), DIGUNAKAN UNTUK
MENGUKUR DENSITI CITRA PADA BEBERAPA BAGIAN.
2. DENSITOMETER PENYIAMAN (SCANNING DENSITOMETER),
DIGUNAKAN UNTUK MENGUKUR DENSITI SELURUH CITRA

2. FAKTOR YANG MEMPENGARUHI RONA

a. KARAKTERISTIK OBYEKNYA SENDIRI, YAITU
- PERMUKAAN KASAR CENDERUNG MENIMBULKAN RONA GELAP PADA
FOTO.
- WARNA YANG GELAP MENIMBULKAN RONA GELAP.
- OBYEK BASAH\LEMBAB MENIMBULKAN RONA GELAP
- PANTULAN OBYEK, MISAL AIR TAMPAK GELAP, BATUAN KAPUR
TAMPAK CERAH.
 b. BAHAN YANG DI GUNAKAN
KEPEKAAN FILM UNTUK MEREKAM OBYEK SANGAT MEMPENGARUHI
RONA PADA FOTO INI DI SEBABKAN OLEH SENSITIFITAS DARI
LAPISAN PERAK HALID.
MISAL , PERAK HALID SENSITIF TERHADAP SPEKTRUM ULTRA VIOLET
BIRU, FILM ORTOKROMATIK SENSITIF TERHADAP ULTRA VIOLET
BIRU, HIJAU, DLL
c. PEMROSESAN EMULSI.
EMULSI INI DAPAT DI PROSES DENGAN HASIL REDUP (MATA),
SETENGAH REDUP (SEMI MAT), DAN GILAP (GLOSSY).
d. CUACA
INGAT BAHWA RONA FOTO SANGAT BERGANTUNG ATAS SEJUMLAH
SINAR YANG DAPAT MENCAPAI SENSOR. DAN SEBELUM MENCAPAI
SENSOR MELALUI ATMOSFIR YANG BANYAK GANGGUAN SEPERTI
HAMBURAN MIE, REYLIEGER, NONSELETIF. SEHINGGA KEJERNIHAN
ATMOSFER SANGAT DI PERLUKAN (CUACA BAIK).
e. LETAK OBYEK DAN WAKTU PEMOTRETAN.
LETAK DI ARTIKAN POSISI LINTANG DAN BUJUR SERTA KETINGGIAN
TEMPAT.
SEDANGKAN KETINGGIAN, OBYEK YANG TERLETAK POSISI YANG
TINGGI BIASANYA TERHALANG OLEH KABUT BIASANYA PEMOTRETAN
PADA PUKUL 8.00 AKAN MENGURANGI KABUT TSB SEHINGGA FOTO
RONA TERANG.

3. CARA PENGUKURAN WARNA

a. CARA INTEGRAL
PENGUKURAN WARNA GABUNGAN YANG DIBUAHKAN OLEH LAPIS-
LAPIS ZAT WARNA, TANPA MEMISAHKAN WARNANYA SATU PERSATU.
b. CARA ANALITIK
PENGUKURAN DENSITI PADA SETIAP PANJANG GELOMBANG BAGI
TIAP LAPIS ZAT WARNA.
4. FAKTOR YANG MEMPENGARUHI WARNA
MENURUT PAINE(1981)
a. WARNA ADITIF WARNA YANG TIDAK DAPAT DI BENTUK DENGAN
JALAN MENAMBAHKAN WARNA-WARNA LAIN. (WARNA DASAR
BIRU, HIJAU, MERAH).
b. WARNA DASAR SUBTRAKTIF PEMBENTUKANNYA DI LAKUKAN
DENGAN MENGURANGI SATU WARNA DASAR ADITIF DARI SINAR
PUTIH.

MENURUT SHOU, 1982 KOMPONEN PEMBENTUKAN UKURAN DI

PENGARUHI OLEH :
a. HUE PANJANG GELOMBANG YANG DOMINAN ATAU PANJANG
GELOMBANG SINAR RATA-RATA YANG MEMBENTUK WARNA.
b. SATURATION MENCIRIKAN JULAT (RANGE PANJANG GELOMBANG
DALAM MEMBENTUK WARNA).
c. INTENSITAS JUMLAH TOTAL SINAR YANG DI PANTULKAN,
TERLEPAS DARI PANJANG GELOMBANG.

CONTOH PENGENALAN OBYEK BERDASARKAN RONA

1. AIR TAMPAK RONA GELAP PADA FOTO PANKROMATIK MESKIPUN
DEMIKIAN AIR TAMPAK CERAH BILA DANGKAL, DERAS ALIRANNYA,
KERUH ATAU GABUNGANNYA.
2. TANAMAN BAKAU, KARET, DAN SAYUR TAMPAK GELAP PADA FOTO.
3. ATAP SENG / ASBES BARU PUTIH.

II. BENTUK
BENTUK MERUPAKAN VARIABEL KUALTATIF YANG MEMBERIKAN
KONFIGURASI ATAU KERANGKA SUATU OBYEK (Lo,1976).
BENTUK JUGA MERUPAKAN ATRIBUT YANG JELAS SEHINGGA BANYAK
OBYEK YANG DAPAT DI KENALI BERDASARKAN BENTUKNYA SAJA.
TERDAPAT DUA ISTILAH YANG MEMEPUNYAI PENGERTIAN BENTUK, YAITU
SHAPE BENTUK LUAR ATAU UMUM ( BENTUK BUMI BULAT),
FORM MERUPAKAN SUSUNAN ATAU STRUKTUR YANG BENTUKNYA LEBIH
RINCI. ( PADA BUMI BENTUKNYA BULAT TERDAPAT BERBAGAI RELIEF
SEPERTI GUNUNG API, DATARAN PANTAI DAN SEBAGAINYA ).

CONTOH PENGENALAN OBYEK BERDASARKAN BENTUK

- GEDUNG SEKOLAH PADA UMUMNYA BERBENTUK L, I, U, ATAU EMPAT
PERSEGI MEMANJANG.
- TAJUK POHON PALMA BERBENTUK BINTANG, TAJUK POHON PINUS
BERBENTUK KERUCUT.
III. UKURAN
UKURAN ADALAH ATRIBUT OBYEK YANG ANTARA LAIN BERUPA JURAH,
LUAS, TINGGI, LERENG, DAN VOLUME.

UKURAN OBYEK PADA CITRA MERUPAKAN FUNGSI SKALA BILA AKAN

MELAKUKAN INTERPRETASI HARUS DIPERHATIKAN SKALANYA.

CONTOH PENGENALAN OBYEK DENGAN UKURAN.

- UKURAN RUMAH, SERING MENCIRIKAN RUMAH ITU RUMAH MUKIM,
KANTOR, ATAU INDUSTRI RUMAH MUKIM PADA UMUMNYA LEBIH
KECIL BILA DI BANDINGKAN DENGAN KANTOR ATAU INDUSTRI.
- LAPANGAN SEPKAK BOLA MEMPUNYAI UKURAN (80 X 100) M, BULU
TANGKIS (8X15) M, TENIS (15X30)M.

IV.TEKSTUR.
TEKSTUR ADALAH FREKUENSI PERUBAHAN RONA PADA CITRA ATAU
PENGULANGAN RONA KELOMPOK OBYEK YANG TERLALU KECIL
UNTUK DI BEDAKAN SECARA INDIVIDU ANTAR LAIN :
TEKSTUR SERING DINYATAKAN DENGAN KASAR, HALUS SEPERTI BELUDRU,
DAN BELANG-BELANG.

CONTOH PENGENALAN OBYEK DENGAN TEKSTUR

- HUTAN BERTEKSTUR KASAR, BELUKAR BERTEKSTUR SEDANG, SEMAK
BERTEKSTUR HALUS.
- TANAMAN PADI BERTEKSTUR HALUS, TEBU BERTEKSTUR SEDANG,
TANAMAN PEKARANGAN BERTEKSTUR KASAR.
- PERMUKAAN AIR YANG TENANG BERTEKSTUR HALUS.

V. POLA
POLA ATAU SUSUNAN KERUANGAN MERUPAKAN CIRI YANG MEMADAI BAGI
BANYAK OBYEK BENTUKAN MANUSIA DAN BAGI BEBERAPA
OBYEK ALAMIAH.

CONTOH PENGENALAN OBYEK DENGAN POLA.

- PEMUKIMAN TRANSMIGRASI DIKENALI DENGAN POLA YANG TERATUR,
YAITU RUMAH-RUMAH YANG UKURAN DAN JARAKNYA SERAGAM DAN
MASING-MASING MENGHADAP KE JALAN.
- KEBUN SAWIT, KEBUN KARET DAN SEBAGAINYA. POLANYA TERATUR DI
BANDINGKAN DENGAN HUTAN.

VI. BAYANGAN
BAYANGAN BERSIFAT MENYEMBUNYIKAN DETAIL ATAU OBYEK YANG
BERADA DI DAERAH GELAP.
NAMUN DEMIKIAN BAYANGAN SERING MERUPAKAN KUNCI PENGENALAN
YANG PENTING BAGI BEBERAPA OBYEK YANG JUSTRU LEBIH TAMPAK DARI
BAYANGANNYA.
CONTOH PENGENALAN OBYEK DENGAN BAYANGAN
- CEROBONG ASAP, MENARA, BAK AIR, YANG DI PASANG TINGGI LEBIH
TAMPAK DARI BAYANGANNYA.
- LERENG YANG TERJAL LEBIH JELAS DENGAN ADANYA BAYANGAN.
VII. TINGGI
TINGGI MERUPAKAN UNSUR INTERPRETASI YANG SANGAT ERAT
KAITANNYA DENGAN BAYANGAN UNTUK MENGENALI OBYEK.
UNTUK MELIHAT UNSUR TINGGI DIPERLUKAN ALAT STEREOSKOP DAN
FOTO UDARA YANG SALING OVERLAP.

CONTOH PENGENALAN OBYEK DENGAN TINGGI

- HOTEL ATAU PUSAT PERKANTORAN DI KOTA-KOTA BESAR BIASANYA
LEBIH TINGGI JIKA DI BANDINGKAN PEMUKIMAN.

VIII. SITUS
SITUS MERUPAKAN LETAK SUATU OBYEK TERHADAP OBYEK LAIN DI
SEKITARNYA.
SITUS DIARTIKAN BERBAGAI MAKNA OLEH BERBAGAI AHLI SBB :
LETAK SUATU OBYEK TERHADAP OBYEK LAIN DI SEKITARNYA.
SEPERTI LETAK KOTA TERHADAP WILAYAH KOTA, ATAU LETAK
SUATU BANGUNAN TERHADAP PERSIL TANAHNYA. (SITUS GEOGRAFI
SEBAGAI TEMPAT KEDUDUKAN ATAU LETAK SUATU DAERAH ATAU
WILAYAH TERHADAP SEKITARNYA).
LETAK OBYEK TERHADAP BENTANG DARAT SITUS INI MERUPAKAN
UNIT TERKECIL DARI MORFOLOGI YANG DI PENGARUHI OLEH
FAKTOR SITUS BEDA TINGGI, KECURAMAN LERENG, KETERBUKAAN
TERHADAP SINAR, KETERBUKAAN TERHADAP ANGIN, KETERSEDIAAN
AIR PERMUKAAN DAN AIR TANAH.
MISAL SITUS SUATU OBYEK DI RAWA, DI PUNCAK BUKIT YANG
KERING, DI SEPANJANG TEPI SUNGAI DSB. SITUS SEMACAM INI DI
SEBUT SITUS TOPOGRAFI. (LETAK SUATU OBYEK ATAU TEMPUH
TERHADAP DAERAH SEKITARNYA).
CONTOH PENGENALAN OBYEK BERDASARKAN SITUS
- TAJUK POHON YANG BERBENTUK BINTANG MENCIRIKAN POHON PALMA
MUNGKIN JENIS PALMA TERSEBUT POHON KELAPA, KELAPA SAWIT,
SAGU, NIPAH DAN SEBAGAINYA. BILA TUMBUHANNYA MENGGEROMBOL
DAN SITUSNYA DI AIR PAYAU MAKA TAMPAK PADA FOTO TERSEBUT
MUNGKIN SEKALI NIPAH.
- SITUS KEBUN KOPI TERLETAK DI TANAH MIRING KARENA TANAMAN
KOPI MENGHENDAKI AIR YANG BAIK.

IX. ASOSIASI
ASOSIASI DAPAT DIARTIKAN SEBAGAI KETERKAITAN ANTARA OBYEK YANG
SATU DENGAN YANG LAIN.
KARENA ADA KETERKAITAN INI MAKA TERLIHATNYA SUATU OBYEK PADA
CITRA SERING MERUPAKAN PETUNJUK ADANYA OBYEK LAIN.

CONTOH PENGENALAN OBYEK BERDASARKAN ASOSIASI

- STASIUN KERETA API BERASOSIASI DENGAN JALAN KERETA API YANG
JUMLAHNYA LEBIH DARI SATU (BERCABANG).
- GEDUNG SEKOLAH DISAMPING BERBENTUK I, L, U, BERASOSIASI
DENGAN LAPANGAN OLAH RAGA.
- LAPANGAN SEPAK BOLA YANG MEMPUNYAI UKURAN 80 X 100 DI TANDAI
DENGAN ADANYA GUNUNG.

X. KONVERGENSI BUKTI
ADALAH MERUPAKAN UPAYA UNTUK MENCIUTKAN LINGKUP KE ARAH TITIK
SIMPUL TERTENTU DENGAN DIGUNAKANNYA UNSUR
INTERPRETASI CITRA YANG BANYAK.

MISAL PADA FOTO UDARA TERLIHAT TUMBUHAN DENGAN TAJUK

BERBENTUK BINTANG
 BENTUK POLA UKURAN SITUS
(TAJUK BERBENTUK (TIDAK TERATUR) (TINGGI > 10M) (AIR PAYAU)
BINTANG)

KELAPA

KELAPA NIPAH ENAU

SAWIT

NIPAH ENAU SAGU

SAGU
ENAU

SAGU
SAGU

TEKNIK INTERPRETASI

TEKNIK INTERPRETASI SEBAGAI ALAT ATAU CARA KHUSUS UNTUK

MELAKSANAKAN METODE PENGINDERAAN JAUH.
CARA-CARA INTERPRETASI CITRA YANG LEBIH MENGUNTUNGKAN YANG
BERARTI SEGI KEMUDAHAN PELAKSANAAN INTERPRETASINYA, LEBIH
AKURAT HASIL INTERPRETASINYA, ATAU LEBIH BANYAK INFORMASI YANG
DI PEROLEH, YAITU :
1. DATA ACUHAN
DATA ACUAN MERUPAKAN DATA LAIN UNTUK LEBIH MENYAKINKAN
HASIL INTERPRETASINYA DAN UNTUK MENAMBAH DATA YANG DI
PERLUKAN, TETAPI TIDAK DI PEROLEH DARI CITRA.
DAPAT BERUPA : PUSTAKA, PENGUKURAN, ANALISIS LABORATORIUM,
PETA, KERJA LAPANGAN, DLL.
 KEUNTUNGAN DENGAN ADANYA DATA ACUAN AKAN MENINGKATKAN
KETELITIAN HASIL, INTERPRETASI YANG DAPAT MEMPERJELAS
LINGKUP, TUJUAN DAN MASALAH SEHUBUNGAN DENGAN PROYEK
TERTENTU.
MESKIPUN CITRA MENYAJIKAN DATA LENGKAP PADA UMUMNYA MASIH
DI PERLUKAN PEKERJAAN MEDAN. PEKERJAAN MEDAN INI SANGAT
BERGANTUNG PADA:
b. KUALITAS CITRA YANG MELIPUTI SKALA RESOLUSI DAN INFORMASI
HARUS DIINTERPRETASI.
c. JENIS ANALISIS ATAU INTERPRETASINYA.
d. TINGKAT KETELITIAN YANG DI HARAPKAN BAIK YANG MENYANGKUT
PENARIKAN GARIS BATAS ATAU DELENIASI MAUPUN
KLASIFIKASINYA.
e. PENGALAMAN PENAFSIR CITRA DAN PENGETAHUANNYA TENTANG
SENSOR DAERAH DAN OBYEK YANG HARUS DI INTERPRETASIKAN.
f. KONDISI MEDAN DAN KEMUDAHAN UNTUK MENCAPAI DAERAH YANG
UNTUK ALASAN TERTENTU DAERAH YANG TIDAK DAPAT DIJANGKAU
UNTUK UJI MEDAN.
g. KETERSEDIAN DATA ACUAN

UNTUK VERIFIKASI INTERPRETASI CITRA SERING HARUS DI LAKUKAN

CARA-CARA SAMPLING DALAM PEKERJAAN MEDAN. PERLU DI
PERHATIKAN BAHWA PEKERJAAN MEDAN PADA SUATU DAERAH YANG
LUAS PERLU METODE-METODE SAMPLING KHUSUS SEHUBUNGAN
UNTUK UJI MEDAN PADA DAERAH YANG SULIT DI JANGKAU KARENA
DAERAHNYA SANGAT LUAS.
MANFAAT PEKERJAAN MEDAN
MEMBANTU PROSES INTERPRETASI DAN ANALISIS
VERITIFIKASI HASIL INTERPRETASI DAN ANALISIS

2. KUNCI INTERPRETASI CITRA.

KUNCI INTERPRETASI CITRA BIASANYA BERUPA POTONGAN CITRA YANG
TELAH DI INTERPRETASI SERTA DI YAKINI KEBENARANNYA, DAN DI
BERI KETERANGAN SEPERLUNYA.
KUNCI INTERPRETASI CITRA DI BEDAKAN ATAS DASAR LINGKUPNYA
DAN ATAS DASAR LAINNYA
a. ATAS DASAR LINGKUPNYA.
KUNCI INDIVIDUAL KUNCI INTERPRETASI CITRA YANG DI
GUNAKAN UNTUK OBYEK ATAU KONDISI INDIVIDUAL.
CONTOH : KUNCI INTERPRETASI KARET.
KUNCI SUBYEK HIMPUNAN KUNCI INDIVIDUAL YANG DI
GUNAKAN UNTUK IDENTIFIKASI OBYEK-OBYEK ATAU KONDISI
PENTING DALAM SUATU OBYEK ATAU KATEGORI TERTENTU.
CONTOH : KUNCI INTERPRETASI TANAMAN PERKEBUNAN.
KUNCI REGIONAL HIMPUNAN KUNCI INDIVIDUAL ATAU KUNCI
SUBYEK UNTUK IDENTIFIKASI OBYEK-OBYEK ATAU KONDISI
SUATU WILAYAH TERTENTU.
CONTOH : WILAYAH ADMINISTRASI DLL.
KUNCI ANALOG KUNCI SUBYEK ATAU KUNCI REGIONAL UNTUK
DAERAH YANG TERJANGKAU SECARA TERRESTRIAL.
CONTOH : HUTAN KALIMANTAN HUTAN IRIAN JAYA ( TETAPI
TAK DI ANJURKAN KECUALI DARURAT).

b. ATAS DASAR LAINNYA

PERBEDAAN DENGAN YANG DI ATAS PADA KARAKTER DASAR
ATAU KARAKTERISTIKNYA.
KARAKTERISTIK INI DI BEDAKAN :
KUNCI LANGSUNG KUNCI INTERPRETASI CITRA YANG DI
SIAPKAN UNTUK OBYEK ATAU KONDISI YANG TAMPAK LANGSUNG
PADA CITRA,
CONTOH : POLA ALIRAN.
 KUNCI ASOSIATIF KUNCI INTERPRETASI CITRA YANG
TERUTAMA DI GUNAKAN UNTUK DEDIKASI INFORMASI YANG TAK
TAMPAK LANGSUNG PADA CITRA.
CONTOH : TINGKAT EROSI DAN KEPADATAN PENDUDUK.

3. PENANGANAN DATA.
UNTUK KEMUDAHAN DALAM MENYIMPAN CITRA DAN MENCARI KEMBALI
DAN UNTUK KEAWETAN CITRA, DIPERLUKAN PENANGANAN DATA YANG
HANDAL.
CARA SEDERHANA UNTUK PENANGANAN DATA YANG BERGUNA UNTUK
INTERPRETASI CITRA :
1. MENYUSUN CITRA TIAP SATUAN PEREKAMAN ATAU
PEMOTRETAN SECARA NUMERIK MENGHADAP KEATAS.
2. MENGURUTKAN TUMPUKAN CITRA SESUAI DENGAN URUTAN
INTERPRETASI YANG AKAN DILAKSANAKAN DAN MELETAKKAN
KERTAS PENGIKAT DI ATASNYA.
3. MELETAKKAN TUMPUKAN CITRA SEDEMIKIAN SEHINGGA JALUR
TERBANG MEMBENTANG DARI KIRI KE KANAN TERHADAP ARAH
PENGAMATAN.
4. MELETAKAN CITRA YANG AKAN DIGUNAKAN SEBAGAI PEMBANDING
DI SEBELAH MENYEBELAH YANG AKAN DI INTERPRETASIKAN.
5. DI USAHAKAN PADA SAAT CITRA DI KAJI, TUMPUKAN MENGHADAP
KE BAWAH DALAM URUTANNYA.

4. PENGAMATAN STEREOSKOPIK
PENGAMATAN STEREOSKOPIK PADA PASANGAN CITRA YANG SALING
BERTUMPUKAN DAN BERURUTAN YANG DAPAT MENIMBULKAN
GAMBARAN 3-D BAGI JENIS CITRA TERTENTU. KARENA OBYEK TEMPUH
3-D PENGENALAN CITRA LEBIH MUDAH DI LAKSANAKAN. DI SAMPING
ITU, PENGENALAN OBYEK JUGA DI PERMUDAH OLEH 2 HAL :
1. PERBESARAN TEGAK YANG MEMPERJELAS RELIEF.
 2. PERBESARAN (TEGAK DAN MENDATAR) BILA DI GUNAKAN
BINOKULER DALAM PENGAMATANNYA

5. METODE PENGKAJIAN
PEKERJAAN INTERPRETASI UMUMNYA DI MULAI PENGKAJIAN TERHADAP
SEMUA OBYEK YANG SESUAI DENGAN TUJUANNYA.
NAMUN DEMIKIAN ADA SEBAGIAN PENDAPAT BAHWA INTERPRETASI DI
LAKUKAN DENGAN METODIK YAITU :
MULAI PERTIMBANGAN UMUM YANG DI LANJUTKAN KE ARAH OBYEK
KHUSUS
METODE PENGKAJIAN SECARA UMUM :
1. FISHING EXPEDITION.
BAHWA PENAFSIRAN CITRA MENGAMATI SELURUH CITRA DAN
MENGAMBIL DATANYA SEPERTI ORANG MENCARI IKAN DI DALAM
AIRNYA. YAITU MENJELAJAHI SELURUH DAERAH. DI DALAM HAL INI
PENGAMATAN ATAS SELURUH OBYEK YANG TERGAMBAR PADA
SELURUH CITRA.
2. LOGICAL SEARCH
PENAFSIR CITRA JUGA MENGAMATI CITRA SECARA MENYELURUH,
TETAPI LOGICAL SEARCH SECARA SELECTIF HANYA MENGAMBIL
DATA YANG RELEVAN TERHADAP TUJUAN INTERPRETASINYA
(PENAFSIRAN SECARA SELECTIF).

6. KONSEP MULTI
PENAFSIRAN CITRA YANG DI PEROLEH MELIPUTI :
1. MULTI SPEKTRAL
3 KEUNTUNGAN MULTI SPEKTRAL
a. MENINGKATKAN KEMAMPUAN CITRA SECARA MANUAL KARENA
PADA SPEKTRUM SEMPIT TERTENTU, MAKA KARAKTERISTIK OBYEK
SERING LEBIH MENONJOL BEDANYA TERHADAP KARAKTERISTIK
SPEKTRAL OBYEK PADA SALURAN SEMPIT LAINNYA MAUPUN
TERHADAP SPEKTRUM LEBAR.
 b. DI MUNGKINKANNYA PEMBUATAN CITRA PADUAN WARNA.
BISA MELAKSANAKAN ENHANCEMENT (PENAJAMAN CITRA)
SEHINGGA LEBIH MENGENAL OBYEK YANG TAK TAMPAK PADA CITRA
HITAM-PUTIH.
c. DI MUNGKINKANNYA PERAGAAN CITRA PADUAN WARNA DENGAN
MENGGUNAKAN ALAT PANGAMAT WARNA ADITIF.

2. MULTI TINGKAT.
PENGINDERAAN JAUH YANG MENGGUNAKAN WAHANA DENGAN
KETINGGIAN TERBANG DI ATAS MUKA BUMI ATAU TINGGI ORBIT YANG
BERBEDA-BEDA.
AKIBAT DARI MULTI TINGKAT ANALISIS INI MEMBUAHKAN CITRA YANG
BERBEDA. BAGI FOTO YANG BERSKALA BESAR, SEDANG, DAN KECIL.
SKALA BESAR 1 : 10.000 (FOTO)
SKALA SEDANG 1 : 10.000 1 : 30.000
SKALA KECIL LEBIH KECIL 1 : 30.000
UNTUK SATELIT
BESAR 1 : 50.000
SEDANG 1 : 50.000 1 : 250.000
KECIL LEBIH KECIL 1 : 250.000

3. MULTI TEMPORAL
SUATU DATA DAERAH YANG MENGGAMBARKAN KONDISI SAAT
PEREKAMAN YANG BERBEDA. SANGAT BAIK UNTUK MEMONITORING
PERUBAHAN-PERUBAHAN YANG TERJADI.

4. MULTI ARAH
SENSOR YANG DAPAT DIATUR KE ARAH YANG BERBEDA DAPAT
MENINGKATAKAN KEMAMPUAN PENGADAAN DATA PENGINDERAAN JAUH.
E.G. SPOT SENSOR ANAG DAPAT DI ARAHKAN UNTUK MENDAPATKAN
OVERLAPING TERTENTU DIRI CITRA.
RADAR ANTENA BISA DI PASANG DENGAN SUDUT INCIDEN YANG
BERBEDA.

5. MULTI POLARISASI
KONSEP INI UMUMNYA DI TERAPKAN PADA RADAR. POLARISASI DI DALAM
RADAR INI MELIPUTI :
1.H HORIZONTAL
2.V VERTIKAL

SEHINGGA SEKURANG-KURANGNYA ADA 4 PADUAN POLARISASI TERSEBUT.

1. HV
2. HH DARI KE EMPAT PERPADUAN INI
3. VH MEMBERIKAN RONA YANG LAIN
4. VV

6. MULTI DISIPLIN
CITRA PENGINDERAAN JAUH MENYAJIKAN GAMBARAN LENGKAP SEHINGGA
IA MERUPAKAN SARANA YANG BAIK SEKALI BAGI PENDEKATAN MULTI
DISIPLINER.
 PENGERTIAN CITRA DIGITAL

CITRA DIGITAL : CITRA YANG DISUSUN OLEH ANGKAANGKA

NUMERIC YANG BERBENTUK MATRIKS 2

DIMENSI (KISI ARAH HORISONTAL DAN

VERTIKAL )SEHINGGA DAPAT DIBACA DAN

DIOLAH OLEH SUATU PERANGKAT DIGITAL

CARA PEROLEHAN CITRA DIGITAL

DIPEROLEH DARI PEREKAMAN LANGSUNG DARI SENSOR SATELIT,

DATA DIREKAM DALAM CCT ( COMPUTER COMPATIBLE

TAPE)/CD/DVD

DIKONVERSI DARI CITRA ANALOG/OPTIS, YAITU MENGGUNAKAN

SCANNER
SEBUAH DIGITAL IMAGE DISIMPAN DALAM 2 DIMENSI YANG BERJAJAR
JAJAR DENGAN LUASAN YANG KECIL DISEBUT PIXEL (PICTURE
ELEMENT)
MASING MASING PIXEL DI DALAM RASTER IMAGE DIWAKILI OLEH
DIGITAL NUMBER
DIGITAL NUMBER

32 75 100 10 44 LINE

20 45 120 24 20

65 74 40 44 44

45 44 20 24 47

SAMPLES

UKURAN PIXEL BERHUBUNGAN DENGAN RESOLUSI SPASIAL

DARI CITRA DIGITAL TERSEBUT, MISAL;
RESOLUSI SPASIAL CITRA MULTISPEKTRAL LANDSAT ETM 7
ADALAH 30 M, ITU BERARTI UKURAN 1 PIXEL DALAM CITRA
DIGITAL MEWAKILI UKURAN 30 X 30 M DI LAPANGAN
SETIAP PIXEL DALAM CITRA DIGITAL MEMPUNYAI NILAI
SPEKTRAL YANG SERING DISEBUT DENGAN NILAI PIXEL.
NILAINYA MENUNJUKKAN TINGKAT KEGELAPAN YANG DIUKUR
SECARA NUMERIK , MISAL ; CITRA DIGITAL MEMUNYAI JULAT
TINGKAT KEGELAPAN ANTARA 0-255 (8 BIT) ARTINYA TERDAPAT
256 TINGKAT KEGELAPAN YANG MUNGKIN DIMILIKI PIXEL CITRA
TERSEBUT

BEDA CARA PENGOLAHAN CITRA ANALOG DAN CITRA DIGITAL

CITRA ANALOG
MEMERLUKAN WAKTU YANG LAMA KARENA PERLATAN YANG
ANALOG
DIBATASI OLEH KEMAMPUAN MATA SAAT MEMBEDAKAN
KARAKTERISTIK SPEKTRAL
DENGAN PENGETAHUAN YANG DIMILIKINYA, MEMUNGKINKAN
PENGGUNAAN KEMAMPUAN MANUSIA DALAM MENGEVALUASI
POLA SPATIAL

CITRA DIGITAL
PROSES LEBIH CEPAT, KARENA SEMUA DIKERJAKAN SECARA
DIGITAL
KEMAMPUAN YANG LEBIH BESAR DAN PASTI DALAM
MEMBEDAKAN KARAKTERISTIK SPEKTRAL SUATU OBYEK.
KURANG BAGUS DALAM MENGANALISA POLA SPATIAL OBYEK

KONSEP PENGOLAHAN CITRA DIGITAL

PENGOLAHAN CITRA DIGITAL :
MELIPUTI TIGA TAHAPAN YAITU MENGENALI DATA, MENGOLAH
DAN MEMANIPULASI DATA , SERTA MENAMPILKAN HASILNYA,
SEMUA TAHAPAN TERSEBUT DIKERJAKAN DENGAN KOMPUTER
( PAUL J. CURRAN).
ISTILAH YANG DIGUNAKAN OLEH SEBUAH KOMPUTER UNTUK
MEMANIPULASI DATA SIMPANAN IMAGE DALAM SEBUAH FORMAT
DIGITAL.

DIHARAPKAN DENGAN MENGGUNAKAN METODE PENGOLAHAN CITRA

DIGITAL DAPAT MEMPERCEPAT PROSES PEKERJAAN DAN MENGGALI
SERTA MENYADAP INFORMASI SEBANYAK-BANYAKNYA DARI CITRA
MAKSUD PENGOLAHAN CITRA DIGITAL MERUPAKAN APLIKASI ILMU
KEBUMIAN UNTUK MEMBUAT GEOGRAFI DATA BERARTI UNTUK
PENGGUNA UNTUK MEMECAHKAN MASALAH, DAN MENDAPATKAN
INFORMASI KUANTITATIF.
TAHAPAN PENGOLAHAN CITRA DIGITAL

TRANSFER
DATA

IMAGE
DISPLAY

KOREKSI
RADIOMETRIK

KOREKSI
GEOMETRI

PENAJAMAN CITRA

PENAPISAN/FILTERING

KLASIFIKASI

PENYAJIAN HASIL

PRA PROSES CITRA

 TRANSFER DATA

DATA IMPORT
MERUPAKAN PEMBACAAN EXTERNAL DATA YANG DAPAT BERUPA :
TAPE
CD-ROM
EXABYTE
DI DALAM PENGINDERAAN JAUH DIKENAL 4 STRUKTUR FORMAT
PENYIMPANAN DATA YAITU :
BIL (BAND INTERLEAVED BY LINE), DATA DISIMPAN TIAP GARIS
DISELURUH BAND
CONTOH STRUKTUR DATA SUATU CITRA YANG TERSUSUN DARI 2
BARIS DAN 3 KOLOM SERTA TERDIRI DARI 2 BAND :
L1C1B1 L1C2B1L1C3B1
L1C1B2 L1C2B2L1C3B2
L2C1B1 L2C2B1L2C3B1
L2C1B2 L2C2B2L2C3B2
BIP (BAND INTERLEAVED BY PIXEL), DATA DISIMPAN PER PIXEL DI
SELURUH SPEKTRAL BAND
CONTOH STRUKTUR DATA SUATU CITRA YANG TERSUSUN DARI 2
BARIS DAN 3 KOLOM SERTA TERDIRI DARI 2 BAND :
L1C1B1 L1C1B2 L1C2B1 L1C2B2 L1C3B1 L1C3B2
L2C1B1 L2C1B2 L2C2B1 L2C2B2 L2C3B1 L2C3B2
BSQ (BAND SEQUENTIAL), DATA DISIMPAN PERSPECTRAL BAND DI
SELURUH PIXEL DENGAN BERURUTAN
CONTOH STRUKTUR DATA SUATU CITRA YANG TERSUSUN DARI 2
BARIS DAN 3 KOLOM SERTA TERDIRI DARI 2 BAND :
<BAND1>
L1C1L1C2L1C3
L2C1L2C2L2C3
 <BAND 2>
L1C1L1C2L1C3
L2C1L2C2L2C3
GEOTIFF DATA DISIMPAN DALAM TIFF FILE YANG SUDAH
DIREKTIFIKASI DENGAN MENGGUNAKAN PETA SKALA SANGAT KECIL,
FORMAT INI SEKARANG UMUM DIBERIKAN KE PENGGUNA UNTUK
MEMUDAHKAN MEMBUKA FILE.

CONTOH BACAAN DATA BSQ

TAPE DIRECTORY
HEADER
ANCILLARY
ANNOTATION
IMAGE. LINE 1, BAND 1
. LINE 2, BAND 1
IMAGE LINE N, BAND 1
TAPE DIRECTORY
HEADER
ANCILLARY
ANNOTATION
IMAGE. LINE 1, BAND 2
. LINE 2, BAND 2
IMAGE LINE N, BAND 2
TAILER
cONTOH BACAAN BIL
TAPE DIRECTORY
HEADER
ANCILLARY
ANNOTATION
IMAGE . LINE 1, BAND 1
. LINE 1, BAND2
.
.. LINE 1, BAND N
.
..
. LINE 2, BAND 1
. LINE 2, BAND 2
.. .
. .
.. LINE 2, BAND N
. .
.. ..
.. .
.. ..
.. ..
IMAGE ..
..
LINE N , BAND N
TAILER

IMAGE DISPLAY

DATA CITRA YANG TELAH DTRANSFER\IMPORT DAPAT DITAMPILKAN

OLEH KOMPUTER. SEBUAH KOMPUTER YANG TERDIRI DARI MEMORY
BOARD DAN MONITOR AKAN MENGHASILKAN SEBUAH IMAGE YANG
TAMPAK DARI SEBUAH DATA FILE
THEORI WARNA
GUNA MENGHASILKAN TAMPILAN CITRA DENGAN KEHENDAK , PERLU
ADANYA PENGETAHUAN TENTANG WARNA DISEBABKAN PENGOLAHAN
CITRA DIGITAL DILAKUKAN PADA CITRA YANGMEMPUNYAI BAND YANG
BERBEDA DARI NILAI SPEKTRAL YANG BERVARIASI
WARNA PRIMAIR,TERDIRI DARI :
1. BIRU
 2. HIJAU
3. MERAH
PERPADUAN TIGA WARNA PRIMAIR AKAN MENGHASILKAN
BIRU + HIJAU + MERAH = PUTIH
- BIRU - HIJAU - MERAH = HITAM
WARNA SEKUNDER, MERUPAKAN PERPADUAN DARI DUA
WARNA PRIMAIR, TERDIRI DARI
1. KUNING -BIRU+ HIJAU + MERAH
2. MAGENTA +BIRU - HIJAU+ MERAH
3. CYAN + BIRU + HIJAU-MERAH
MASIH BANYAK VARIASI WARNA DARI KOMBINASI WARNA TERSEBUT
DIATAS. (BISA DICOBA)

WARNA BISA DINYATAKAN DIDALAM VEKTOR ALJABAR

COLOR = R
G
B

DI DALAM SEBUAH BYTE 0 255

HITAM
SEHINGGA 255 PUTIH 0 =
255 0
255 0
 WARNA KUBUS

WARNA HUE, SATURATION, DAN INTENSITY

KUBUS DENGAN WARNA SEGITIGA

WARNA SEGITIGA

HUE ADALAH SUDUT YANG MENUNJUKAN SEBUAH ARAH

SATURATION ADALAH PENERANGAN SEBUAH WARNA YANG

DITUJUKAN DENGAN PANJANG DAN BESARNYA SEBUAH VEKTOR
WARNA.
INTENSITY KEKUATAN DARI SELURUH WARNA

SATURATION DAPAT DIGAMBARKAN DENGAN SKALA 0 255

ATAU DENGAN FORMULA = VBIRU 2

+ HIJAU2+MERAH2

JARAK DIHITUNG DARI HITAM (ORIGIN)

MEMBUAT COLOR COMPOSITE

WARNA COMPOSITE : DIBENTUK DENGAN DASAR TIGA SPEKTRAL

BAND, SEBAB KITA DIBATASI OLEH 3 WARNA PRIMIER.

1. FALSE COLOR COMPOSITE (FCC)

ISTILAH FALSE DIGUNAKAN KARENA COMPOSITE WARNA YANG
DIHASILKAN TIDAK MENAMPILKAN WARNA ASLINYA DARI PERMUKAAN
BUMI. CONTOH : VEGETASI : MERAH (SEHARUSNYA HIJAU)
R G B
G R NIR

2. NATURAL COLOR COMPOSITE (NCC)

KARENA VEGETASI MEMPUNYAI REFLECTANCE YANG TINGGI DI NIR

KEMUDIAN DIBUAT SEBAGAI WARNA HIJAU MENAMPILKAN SITUASI
ASLINYA.

3. GREEN VEGETASI INDEX (GVI)

MEMBERIKAN INFORMASI MACAM MACAM VEGETASI YANG
BERWARNA HIJAU DENGAN FORMULA

NGVI = ((NIR RED)/(NIR+RED)) * 127 + 127

GREEN VEGETASI INDEX INI SERING DIGUNAKAN DIDALAM APLIKASI
MODEL EROSI.

SELAIN PENGETAHUAN TENTANG WARNA DIPERLUKAN, KETAJAMAN

MENGANALISA NILAI STATISTIK YANG MENAMPILKAN HITOGRAM DAN
VALUES. MEMPUNYAI TUJUAN UNTUK MENILAI KUALITAS DATA DAN
LIPUTAN DAERAH.

TRANSFORMASI DATA

BAGIAN DARI DISPLAY DATA YANG BERTUJUAN UNTUK

MENGEVALUASI DATA UNTUK MENDAPATKAN DATA /INFORMASI
SEBANYAK BANYAKNYA, MAKA PERLU DILAKSANAKAN ADANYA
TRANSFORMASI DATA. ADA BEBERAPA ALASAN MENGAPA HARUS
MELAKUKAN TRANSFORMASI DATA DIDALAM PENGOLAHAN CITRA
DIGITAL.
1. UNTUK MENGHASILKAN INFORMASI YANG LEBIH DETAIL
2. UNTUK MENGURANGI UKURAN PENYIMPANAN DATA DIDALAM
ALAT PENYIMPAN DATA (HARDISK DLL)
- EFFICIENSI PENYIMPANAN
- EFFISIENSI PEMROSESAN
3. MENGHASILKAN BENTUK FISIK YANG RELEVAN TERHADAP
UNSUR UNSUR KERUANGAN KLASIFIKASI HAL INI PENTING
UNTUK TUJUAN KLASIFIKASI TERHADAP OBYEK TERTENTU.
4. UNTUK MEMBUAT STANDARISASI DAN NORMALISASI DATA
- LOGIC BASED KLASIFIKASI
- TREND ANALISIS (TEMPORAL, SPATIAL, DAN SPECTRAL)

TIPE TIPE TRANSFORMASI IMAGE

 1. OPERASI ARITMATIKA SEDERHANA
2. TRANSFORMASI EMPERICAL BASED
3. PRINCIPAL COMPONENT ANALYSIS (PCA)
4. MULTIPLE DISCRIMINAN ANALYSIS
5. HUE, SATURATITON, INTENSITY TRANSFORMASI
6. FOURIER TRANSFORMASI
AD.1. OPERASI ARITMATIKA SEDERHANA
- PENAMBAHAN
- PENGURANGAN
- PERKALIAN
- PEMBAGIAN

OPERASI ARITMATIKA INI DILAKUKAN TERHADAP IMAGE YANG TELAH

DIKOREKSI GEOMETRI. DARI KE EMPAT OPERASI TERSEBUT

PEMBAGIAN SERING DIGUNAKAN SEBAB:

1. ASPEK ASPEK SEBUAH BENTUK TERTENTU DARI KURVA
REFLECTANCE SPEKTRAL DARI PENUTUP PERMUKAAN YANG
BERBEDA BEDA TIPE DAPAT LEBIH DETAIL DAN INFORMATIVE
DENGAN OPERASI PEMBAGIAN.
2. PEREKAMAN YANG TAK DIINGIKAN SEPERTI VARIABEL
ILLUMINASI HASIL DARI EFEK TOPOGRAFI DAPAT DIKURANGAN
DENGAN PEMBAGIAN.

Gambar 1
Gambar 2

I. OPERASI ARITMATIC
1. VEGETATION INDEX
MSS = b7/b5 TM = b4/b3
SPOT = b3/b2 NOAA = b2/b1 = IR/R
2. NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI)
MSS NDVI = (b7-b5/b7+b5) * 127 + 128
TM NDVI = (b4-b3/b4+b3) * 127 + 128
SPOT NDVI = (b3-b2/b3+b52) * 127 + 128
NOAA NDVI = (b2-b1/b2+b1) * 127 + 128

3. TRANSFORMASI VEGETASI INDEX (TVI)

TVI 6 = SQRT (ND6 + 0,5)
TVI 7 = SQRT (ND7 + 0,5)
ND6 = b6 b5 / b6+b5
ND7 = b7 b5 / b7+b5
DARI RUMUS DIATAS DIDAPATKAN HASIL NEGATIVE SEHINGGA
FORMULA DIRUBAH :
TVI 6 = ND6 + 0,5 / Abs (ND6 + 0,5) * SQRT (Abs (ND6 + 0,5)
TVI 7 = ND7 + 0,5 / Abs (ND7 + 0,5) * SQRT (Abs (ND7 + 0,5)

II. TRANSFORMASI EMPIRICAL BASED IMAGE

BERDASARKAN PENGALAMAN DENGAN DATA LANDSAT MSS SANGAT
SULIT SEKALI MENGATASI UNTUK KLASIFIKASI PADA DAERAH
PERTANIAN

METHOD
1. PERPENDICULAR VEGETATION INDEX (PVI)
 Gambar 3

PVI 7 = SQRT ((0,355 * MSS7 0.149*MSS5)^2 + (0.355*MSS5

0.852*MSS7)^2)
PVI 6 = SQRT ((0,498 * MSS6 0.1457*MSS-2.5075)^2 +
(2.734+0.498*MSS5 0.543*MSS6)^2)

2. TASSELED CAP TRANSFORMASI DARI PVI DIATAS BAHWA PVI

MEMPERTIMBANGKAN 2 DARI 4 BAND MSS SEDANG TASSELED CAP
MENGGUNAKAN KE 4 BAND MSS DAN KEMUDIAN KE - 6 SEMUANYA
BAND DARI TM. TRANSFORMASI IDENTIFIKASI 4 SUMBU BARU :
1. SBI SOIL BRIGHTENESS INDEX
2. GVI GREEN VEGETATION INDEX
3. NSI NON SUCH INDEX
4. YVI YELLOW STUFF VEGETATION INDEX

Gambar 4

SBI = 0.322*MSS4+0.603*MSS5+0.675*MSS6+0.262*MSS7
GBI = -0.283*MSS4 -0.660*MSS5+0.577*MSS6+0.322*MSS7
YVI = - 0.899*MSS4+0.428*MSS5+0.076*MSS6-0.410*MSS7
NSI = - 0.016*MSS4+0.131*MSS5-0.452*MSS6+0.882*MSS7
3 PRINCIPAL COMPONENT ANALISIS
BIASANYA BAND-BAND YANG BERDEKATAN DI DALAM IMAGE
MEMPUNYAI KORELASI. KENAMPAKAN DARI KORELASI DARI BAND
BAND IMAGE BERARTI BAHWA ADANYA KELEBIHAN DI DALAM DATA
YANG BERARTI BEBERAPA INFORMASI DIULANGI.
UNTUK MELAKSANAKAN PC ANALYSIS SUMBU SPECTRAL
DIROTASIKAN, DIUBAH KOORDINATNYA DARI MASING MASING PIXEL
DI RUANG SPEKTRAL SUMBU BARU PARAREL TERHADAP SUMBU
ELLIPSE.

Gambar 5

BAHWA PANJANG DAN ARAH DARI TRANSECT BEBAS ELLIPSOID

DITENTUKAN DENGAN MATRIK ALJABAR.
DIMANA PANJANGNYA EIGEN VALUE SEDANG ARAH DARI SUMBU
PERTAMA PCI EIGEN VEKTOR
UNTUK MENGHITUNG PC TRANSFORMASI LINEAR TRANSFORMASI
DIGUNAKAN DI DATA (HASIL TRANSFORMASI SUMBU DIMENSI
SPEKTRAL RUANG DIIGESER DAN DIPUTAR RELATIVE
TERHADAP SUMBU ELLIPSE.
HASIL DARI PCA MEMANFAATKAN VARIABILITY DATA UNTUK
MENGURANGI JUMLAH BANDS.
CONTOH HASIL PCA
IST PC MEMPUNYAI 79.03% VARIABILITY
2ND PC MEMPUNYAI 10.43% VARIABILITY
3RD PC MEMPUNYAI 5.98% VARIABILITY
4TH PC MEMPUNYAI 3.00% VARIABILITY
5TH PC MEMPUNYAI 1.50% VARIABILITY
6TH PC MEMPUNYAI 0.50% VARIABILITY
7TH PC MEMPUNYAI 0.30% VARIABILITY

4 MULTIPLE DESCRIMINANT ANALYSIS

DIANALYSIS INI ATAU TRANSFORMASI MERUPAKAN FUNGSI GARIS
YANG DISEBUT FUNGSI DISCRIMINAN YANG MEWAKILI SUMBU
SUMBU KOORDINAT DI DIMENSI RUANG YANG DITENTUKAN DENGAN
SPEKTRAL BAND YANG MEMBUAT DATA TERSEBUT. SEPERTI HALNYA
PADA PCA HUBUNGAN ANTARA SPEKTRAL BAND DENGAN
PENURUNAN FUNGSI DISKREMINANA N DAN KOORDINAT MASING
MASING PIXEL VEKTOR DIHITUNG DALAM FUNGSI DESKREMINAN.
CONTOH APLIKASI TRANSFORMASI INI JIKA KITA MEMPUNYA 2
KELOMPOK JENIS TANAH DENGAN REFLEKTANCE YANG KHUSUS ,
TANAH TERSEBUT DAPAT DIBEDAKAN DENGAN MENGUKUR DIMENSI
SPACE SUMBU KOORDINAT. TANSFORMASI INI BIASANYA DIGUNAKAN
UNTUK TUGAS KHUSUS.

RUMUS =

B = k ni (Xi X) (Xi X)
i=1

W1 = k (Xji Xi) (Xij Xi)

i=1

W = k Wi
j= 1
DALAM HAL INI:
Xi = PIXEL VEKTOR PADA GROUP i
Xi = MEAN VEKTOR GROUP i
X = KESELURUHAN MEAN VEKTOR
Xji = VEKTOR PENGUKURAN PADA KE j PIXEL DALAN GROUP i
Wi = JUMLAH KWADRAT DARI GROUP i HASIL PERPOTONGAN MATRIK
W = PENGGABUNGAN HASIL DALAM GROUP DARI JUMLAH KWADRAT
DAN HASIL PERPOTONGAN MATRIK
B = KELOMPOK ANTARA KWADRAT DAN HASIL PERPOTONGAN MATRIK

5. HUE SATURATION AND INTENSITAS (SAMA PENJELASAN

SEBELUMNYA)

6. FOURIER TRANSFORMATION
DARI PEMBAHASAN DIATAS BAHWA TRANSFROMASI MENGGUNAKAN
MULTI BAND NAMUM PADA TRANDFORMASI INI HANYA MENGGUNAKAN
SINGLE BAND TUJUAN UTAMA DARI TRANSFORMASI INI ADALAH
MEMBENTUK HASIL SKALA KEABU-ABUAN PADA SEBUAH SINGLE
IMAGE ATAU SINGLE BAND YANG DAPAT DILIHAT 3-D. TRANSFORMASI
INI BANYAK DIPILIH KARENA HASIL AKAN MEMBERIKAN GAMBARAN
KONDISI ILLUMINASI , PERUBAHAN KEMIRINGAN, DAN ARAH
KEMIRINGAN (aspect) PADA CITRA. UNTUK ANALISA 3 D

SATU TEKNIK LAIN UPAYA UNTUK MENGEVALUASI DATA ADALAH

DENGAN HISTOGRAM STRETCHING

I. NO STRETCHING
DIGITAL MEMBER (DN) 0 255 DI BAGI RATA TERHADAP KLASS YANG
DIINGINKAN IMAGE BERKUALITAS RENDAH
LEBIH BAIK PERLU ADANYA NILAI STATISTIK YANG MENUNJUKKAN
NILAI TERENDAH DAN TERTINGGI YANG SELANJUTNYA STRETCHING
MUNGKIN BERKURANGNYA CLASS.

2. LINER STRETCHING.
HARGA TERENDAH DI TETAP 0 DAN HARGA YANG TERTINGGI 255.
HARGA TERENDAH DAN TERTINGGI DIHASILKAN DARI INFO STATISTIK.

Gambar 6

3. USER DEFINE STRETCHING

Gambar 7
UNTUK MENSTRETCHING DN YANG MEMPUNYAI HARGA RENDAH.
APLIKASI UNTUK MENGENHANCING AIR

4. HISTOGRAM EQUALIZATION

Gambar 8
JIKA FREKUENSI DARI REFLEKTANCE DI DALAM HUBUNGAN KE
SELURUH IMAGE PENTING, MAKA PERLU MEMBERIKAN BOBOT DN
YANG MEMPUNYAI FREKUENSI YANG TINGGI.
DIBUTUHKAN DATA PERSENT COMMULATIVE FREKUENSI

5. GAUSSIAN STRETCHING
DATA YANG DIBERIKAN DAPAT DI STRETCHING FIT TERHADAP KURVA
DISTRIBUSI NORMAL. MENINGKATKAN KECERAHAN DAN KEGELAPAN.
 Gambar 9

PRE PROCESSING

DATA REMOTE SENSING YANG DIAMBIL DARI STATISTIK, MUNGKIN

TERDIRI DARI BEBERAPA KESALAHAN :
1. KESALAHAN PERALATAN (TIDAK BERFUNGSI DENGAN BAIK
SENSOR)
2. GEOMETRI ORBIT SATELITE
3. ROTASI BUMI
4. PERALATAN DISPLAY
5. DAN LAIN LAIN
UNTUK MENGHILANGKAN KESALAHAN KESALAHAN DIATAS
BIASANYA DISEBUT PRE PROCESSING OPERATION. PRE PROCESSING
INI MELIPUTI :
1. RADIOMETRIC CORRECTION
2. GEOMETRIC CORRECTION

1. RADIOMETRIC CORRECTION
RADIOMETIC CORRECTION SERING DISEBUT COSMETIC OPERATION.
RADIOMETIC CORRECTION INI MELIPUTI :
1. KORELASI UNTUK HILANGNYA. BAGIAN GARIS GARIS YANG
DISEBAB TIDAK BERFUNGSINYA DENGAN BAIK SALAH SATU
DETECTOR.
2. BELANG BELANG BARIS SECARA PERIODIC YANG
DISEBABKAN KELEBIHAN ATAU KEKURANGAN PENYIMPANAN
DATA OLEH DETECTOR.
3. KORELASI UNTUK TITIK-TITIK (NOISE) YANG TERLETAK
SEMBARANGAN (RANDOM)
4. KOREKSI ATMOSFIR

AD 1. KOREKSI UNTUK HILANGNYA BAGIAN BARIS BARIS

SEPERTI KITA KETAHUI BAHWA LANDSAT TM MEMERLUKAN WAKTU 99
MENIT UNTUK SATU KALI MENGELILINGI BUMI. OLEH KARENA ITU
SENSOR DARI LANDSAT TM DIPASANG DENGAN BEBERAPA
DETECTOR UNTUK MENNGURANGI KESALAHAN RADIOMETRIK
C G MSS 6 DETECTOR
TM 16 DETECTOR
WALAUPUN DETECTOR DETEKTOR TERSEBUT TELAH DITEST DAN
DIKALIBRASI DENGAN BAIK NAMUN KADANG KADANG MASING
MASING SERING MEMBUAT

CARA UNTUK MENGKOREKSI

1. KOREKSI DARI DATA DAPAT DILAKSANAKAN DENGAN MENGGANTI
BARIS BARIS TERSEBUT DENGAN NILAI PIXEL SEBELUM ATAU
SESUDAHNYA BARIS BARIS YANG TERSEBUT.
P (i,j) = P (i,j-1)
P (i,j) = P (i,j+1)
i = KOLOM
j = BARIS
2. DATA DIKOREKSI DENGAN MENGGANTI RATA RATA DARI NILAI
PIXEL YANG TERLETAK DIATAS ATAU DIBAWAH BARIS YNG HILANG.

Gambar 10

NAMUN DEMIKIAN KADANG TERJADI DARI CURRENT WALAUPUN

SENSOR / DETECTOR TELAH DIKALIBRASIKAN DENGAN BAIK.
DOKUMEN : ALIRAN ELKTRON YANG MENGALIR KETIKA TIDAK ADA
INPUT PHOTO FLUX MENYEBABKAN ADANYA BELANG BELANG
GARIS SECARA PERIODIC
CARA CARA MENGKOREKSI
I. METODE LINEAR
V = ni (Xi2 + Vi) x2
ni
V = OVERALL VARIANCE
ni = TIDAK ADA PIXEL DARI SENSOR I
xi = MEAN OF SENSOR I
vi = VARIAN DARI SENSOR i
x = OVERALL MEAN
OVERALL SD (S) = v
SD SENSOR i = si

JADI OUTPUT
OUTPUT (FOR SENSOR i) = GAIN (i) X INPUT + OFFSET (i)
DIMANA
GAIN (i) = S
Si
OFFSET = x GAIN *xi
METODE INI MENGASUMSIKAN BAHWA SEBUAH HISTOGRAM YANG
DIBENTUK OLEH SEMUA DETECTOR DI SPECTRAL BAND DARI AREA
HARUS IDENTIK JIKA PROPORSI SAMA DARI AIR, VEGETASI, TANAH,
SEBAGAI CONTOH OLEH SEMUA DETECTOR.

3. KOREKSI YANG DILAKUKAN DENGAN MEMPERHATIKAN BAND

BAND YANG MEMPUNYAI KORELASI YANG KUAT
e.g 6 DAN 7 TM
4 DAN 5
P (i,j) = M(P(i,j,r) P (i,j+1,r)+P(i,j-1,r))/2) + P(i,j+1,k) + p(i,j-1,k))/2
k = BAND DENGAN GARIS YANG HILANG
r = BAND DENGAN KOREKSI YANG TINGGI DENGAN BAND K

M = ST DEVIASI DARI BAND K

ST DEVIASI DARI BAND R

Ad 2. KOREKSI UNTUK BELANG BELANG BARIS

SEBUAH SENSOR DISEBUT IDEAL KETIKA MEMPUNYAI HUBUNGAN
LINEAR INPUT DAN OUTPUT APABILA TERLALU BANYAKBELANG
BELANG MAKA SENSOR TIDAK BEKERJA DENGAN BAIK SEPERTI
TERJADI PADA LANDSAT 7 ETM. KOREKSI SANGAT SUSAH DILAKUKAN.
Ad 3. . KOREKSI UNTUK TITIK YANG SEMBARANGAN TERSEBAR
NOISE YANG DI TIMBUL PADA CITRA DIHILANGKAN DENGAN
MENGGUNAKAN FILTERING /PENAPISAN

Ad 4. KOREKSI ATMOSFIR
KETIKA RADIASI MATAHARI MELALUI ATMOSFER BANYAK TERJADI
INTERAKSI YANG MELIPUTI DIANTARA PEMBAURAN CAHAYA. PADA
SPECTRUM ELEKTROMAGNETIK DENGAN PANJANG GELOMBANG
PALING RENDAH MEMPUNYAI PEMBAURAN YANG PALING TINGGI
BEGITU SEBALIKNYA. AKIBAT DARI INI TIMBUL KABUT DIATAS CITRA.
CARA CARA MENGKOREKSI DENGAN ASUMSI:
1. AREA DIBAWAH KABUT MEMPUNYAI BAYANGAN
2. TIDAK ADA NILAI REFLEKTAN YANG DIPEROLEH DARI DAERAH
BAYANGAN
3. JIKA ADA VALUE REFLEKTANCE LEBIH DARI NOL MERUPAKAN
KONSTRIBUSI DARI KABUT.

KOREKSI
I. PLOT DISTRIBUSI FREKUENSI DARI DATA REFLECTANCE DI
MASING-MASING SPEKTRAL BAND.
II. CATAT OFFSET DATA DARI ANGIN INI DIASUMSIKAN
PENYEBAB PEMBAWAAN SINAR OLEH ATMOSFER
III. KOREKSI = (OUTPUT = ROW DATA PERKIRAAN KABUT)
 KOREKSI GEOMETRI

KOREKSI GEOMETRI : KOREKSI YANG DILAKUKAN TERHADAP

KESALAHAN CITRA YANG DISEBABKAN OLEH GERAKAN SATELIT ,
ROTASI BUMI, GERAKAN CERMIN PADA SENSOR, DAN JUGA
KELENGKUNGAN BUMI
KESALAHAN GEOMETRI DIBEDAKAN MENJADI KESALAHAN
SISTEMATIK DAN KESALAHAN ACAK:

A. KESALAHAN SISTEMATIK BIASA DIAKIBATKAN OLEH GERAKAN

CERMIN SENSOR, KECEPATAN LINTASAN SATELIT, DAN ARAH
KECEPATAN ROTASI BUMI. KESALAHAN INI DAPAT DIKOREKSI
DENGAN MENERAPKAN RUMUS YANG DITURUNKAN DENGAN
MEMBUAT MODEL MATEMATIK ATAS SUMBER DISTORSI.
SEBAGAI CONTOH, KARENA ROTASI BUMI KE ARAH TIMUR DI
BAWAH ORBITAL SATELIT, MENYEBABKAN TIAP SAPUAN CERMIN
SENSOR MENGINDERA SUATU SAERAH YANG AGAK TERGESER
KE ARAH BARAT TERHADAP SAPUAN SEBELUMNYA. DENGAN
MENGGESER LETAK TIAP GARIS SAPUAN MAKA KESALAHAN
NYA DAPAT TERKOREKSI. PADA BEBERAPA CITRA AKAN
TERLIHAT KENAMPAKAN JAJARAN GENJANG YANG AGAK
MENCENG.

B. KESALAHAN ACAK MERUPAKAN KESALAHAN AKIBAT DISTORSI

YANG TIDAK DIPERKIRAKAN SEBELUMNYA . DIKOREKSI DENGAN
MENGGUNAKAN ANALISIS TITIK IKAT MEDAN. PADA KOREKSI
INI, SISTEM KOORDINAT ATAU PROYEKSI TERTENTU DIJADIKAN
RUJUKAN, SEHINGGA DIHASILKAN CITRA YANG MEMPUNYAI
SISTEM KOORDINAT DAN SKALA YANG SERAGAM.

KOREKSI INI MENCAKUP PERUJUKAN TITIK-TITIK TERTENTU PADA

CITRA KE TITIK-TITIK YANG SAMA DI MEDAN ATAUPUN PETA. PADA
KOREKSI INI DIPERTIMBANGKAN BAHWA PERUBAHAN POSISI PIXEL
JUGA MENCAKUP PERUBAHAN INFORMASI SPEKTRALNYA. UNTUK ITU
PERLU DILAKUKAN PROSES RESAMPLING YAITU PROSES
INTERPOLASI NILAI SPEKTRAL DAN TRANSFORMASI GEOMETRI
PIXEL .

DAPAT DISIMPULKAN KOREKSI GEOMETRI DI BAGI DI DALAM 2 GROUP

1. BERDASARKAN KESALAHAN SISTEMATIS
2. BERASARKAN KESALAHAN ACAK

AKAIBAT KESALAHAN SISTEMATIS

AD 1 BERDASARKAN GEOMETRI ORBIT SATELIT
METODE INI DIAPLIKASIKAN UNTUK MENGKOREKSI KESALAHAN YANG
DISEBABKAN OLEH GEOMETRI ORBIT SATELIT
JUGA DIAPLIKASIKAN JIKA PETA DASAR TIDAK ADA DAN JIKA
KETELITIAN YANG TINGGI TIDAK DIBUTUHKAN
SECARA UMUM BAHWA KOREKSI GEOMTRIC BIASANYA SUDAH
DILAKSANAKAN DI STATION PENERIMAAN DATA SEBELUM CCT DIJUAL.
HAL-HAL KOREKSI YANG DILAKSANAKAN :
1. KOREKSI SCALE
BERDASARKAN INSTANTANEOUS FIELD OF VIEW (IFOV) 79 * 79 (MSS)
KARENA ADANYA RESAMPLING 79 * 57 PERLU KOREKSI DENGAN
PENGKALIAN PEMBAGIAN I:I,38 (57:79)
2. DISTORSI PANORAMIC
DISEBABKAN OLEH SUDUT IFOV DARI SATELIT PIXEL YANG
LETAKNYA JAUH DARI NADIR MEMPUNYAI PIXEL YANG LEBIH BESAR.
3. KOREKSI SKEW
SATELIT IMAGE ADALAH MIRING TERHADAP UTARA
SELATAN .......... SUDUT INKLINASI ORBIT. DISTORSI INI
TERGANTUNG DARI LINTANG. KOREKSI INI DILAKUKAN DENGAN
MEMUTAR DATA BERLAWANAN ARAH JARUM JAM ARAH TIMUR
BARAT
C= COS Q SIN Q
- SIN Q COS Q

DIMANA :
Q = SUDUT KEMIRINGAN

4. KOREKSI DISEBABKAN ROTASI BUMI

1 SCENE LANDSAT DENGAN UKURAN 185 X 185 KM DATANYA DIAMBIL

DENGAN WAKTU SEKITAR 27,393 DETIK, SEDANGKAN DI EQUATOR
463,83 METER / DETIK
SEDANGKAN DI LINTANG YANG LEBIH TINGGI
KECEPATAN AKAN LEBIH LAMBAT
SEHINGGA SATELIT AKAN BERGERAK/BERGESER
SEPANJANG 12.705,695 METER
SEHINGGA PERLU ADANYA KOREKSI YANG DIBENTUK
BERDASARKAN :
1. PERHITUNGAN KECEPATAN ROTASI DARI BUMI BERDASARKAN
LINTANG
2. WAKTU YANG PADA SAAT PENGAMBILAN DATA FULL SATU SCENE
3. SUDUT KEMIRINGAN BERDASARKAN LINTANG
4. UNTUK MENGGANTIKAN HITUNGAN KOREKSI SATU PER SATU
(SKALA, PANORAMIK, KEMIRINGAN DAN ROTASI BUMI) DIBENTUK
MATRIK YANG MERUPAKAN GABUNGAN DARI KESALAHAN
KESALAHAN TERSEBUT.

XI = C X
C = AKHIR KOREKSI MATRIK
XI = DATA CONNECTED
X = RAW DATA

AKAIBAT KESALAHAN ACAK

AD.2. KOREKSI GEOMETRI BERDASARKAN TITIK KONTROL
BEBERAPA KOORDINAT TITIK TITIK KONTROL
PROYEKSI PETA
PADA PEKERJAAN / METODE INI DI BUTUHKAN TOPOGRAPHIC MAP /
IMAGE GEOREFERENCED, SEBAGAI REFERENSI.
METODE INI BIASANYA MENGGUNAKAN TITIK TITIK YANG MUDAH
DIIDENTIFIKASIKAN BAIK DI IMAGE MAUPUN DI PETA.
KOORDINAT IMAGE (r,c)
KOORDINAT PETA (x,y)

PELAKSANAAN DAPAT DILAKSANAKAN DENGAN

1. IMAGE (RAW DATA /UNCORERECTED) PETA (REFERENSI)
2. IMAGE (RAW DATA /UNCORERECTED) IMAGE (REFERENSI)

FUNGSI INI BIASANYA DILAKSANAKAN DENGAN MENGGUNAKAN

LEAST SQUARE

RUMUS DARI GEOMETRI KOREKSI YANG BIASA DIPAKAI UNTUK

MELAKUKAN KOREKSI GEOMETRI ADALAH POLYNOMIAL PADA
METODE INI KOREKSI GEOMETRI AKAN MENYBABKAN TERJADINYA
PERUBAHAN SKALA, ROTASI, PERGESERAN METODE POLINOMIAL
DAPAT DIKERJAKAN DENGAN MENGGUNAKAN BEBERA RUMUS
SEPERTI DIBAWAH INI
1st xi = a0 + aic + a2r
2nd xi = A0 + aic + a2r + a3cr + a4c2 + a5r2
3rd xi = a0 + aic + a2r + a3cr + a4cr2 + a5c2r + a6c2 + a7r2 = a8c3 + a9r3
DIMANA
xi = PERKIRAAN KOORDINAT X
ci = NOMER KOLOM DI KORESPONDING IMAGE
ri = NOMER GARIS DI KORESPONDING IMAGE
a0, a1, a2. = KOEFISIEN LEAST SQUARE
ADAPUN BANYAKNYA TITIK CONTROL TERGANTUNG DARI ORDER
POLYNOMINAL
GCPS = (T+1) (T+2)
2
MISAL AKAN DIGUNAKAN ORDE 3 MAKA PALING SEDIKIT TITIK SEKUTU
ATAU KONTROL DILAPANGAN SEBANYAK 10 TITIK

DARI PENGALAMAN VARIASI TOPOGRAFI DARI PERMUKAAN SEMAKIN

VARIATIF MAKA HARUS DIGUNAKAN RUMUS POLYNOMIAL ORDE YANG
TINGGGI (3rd )
SEMAKIN KECIL RMS ERROR HASIL KOREKSI GEOMETRINYA SEMAKIN
BAIK JADI HARUS DIUSAHAKAN MENDAPATKAN RMS ERROR SEKECIL
MUNGKIN.

KOREKSI INI MENCAKUP PENUNJUKAN TITIK-TITIK TERTENTU PADA

CITRA KE TITIK-TITIK YANG SAMA DI MEDAN ATAUPUN PETA. PADA
KOREKSI INI DIPERTIMBANGKAN BAHWA PERUBAHAN POSISI PIXEL
JUGA MENCAKUP PERUBAHAN INFORMASI SPEKTRALNYA. UNTUK ITU
PERLU DILAKUKAN PROSES RESAMPLING YAITU PROSES
INTERPOLASI NILAI SPEKTRAL DAN TRANSFORMASI GEOMETRI PIXEL:
.

.
UNTUK RELOKASI NILAI PIXEL DIGUNAKAN ALGORITMA
POLYNOMIAL (LIHAT KETERANGAN DIATASNYA)
UNTUK INTERPOLASI NILAI SPEKTRAL (RESAMPLING) DIGUNAKAN
METODE SBB:
1. NEAREST NEIGHBOUR, MENGAMBIL NILAI DARI PIXEL
TERDEKAT DAN DITERAPKAN PADA CITRA-CITRA DENGAN
SALURAN ASLI DAN HASIL KLASIFIKASI PENUTUP LAHAN
2. BILINIER INTERPOLATION, MEMPERTMBANGKAN KEEMPAT
NILAI PIXEL YANG BERDEKATAN KEMUDIAN DIRATA-RATA
SECARA PROPORSIONAL.
FORMULA YANG BERLAKU

4
( ZK / DK)
BV b1 k=1
4
( 1 / DK)
k=1

BV = NILAI PIXEL BARU

ZK = NILAI PIXEL DI SEKITAR TITIK PENEMPATAN BARU
DK = KUADRAT JARAK DARI TITIK YANG DIMAKSUD

3. CUBIC CUNVOLUTION, MEMPERTMBANGKAN 16 NILAI PIXEL

YANG BERDEKATAN KEMUDIAN DIRATA-RATA SECARA
PROPORSIONAL.
 UNTUK METODE BILINIER INTERPOLATION DAN CUBIC
CONVULATION COCOK DIGUNAKAN UNTUK CITRA MODEL
MEDAN DIGITAL.

KLASIFIKASI MULTISPEKTRAL

KLASIFIKASI MULTISPEKTRAL
MERUPAKAN SUATU ALGORITMA YANG DIRANCANG UNTUK
MENURUNKAN INFORMASI TEMATIK DENGAN CARA
MENGELOMPOKKAN FENOMENA BERDASAR KRETERIA
TERTENTU (NILAI SPEKTRAL).
ASUMSINYA OBYEK DIBEDAKAN BERDASARKAN NILAI
SPEKTRALNYA, SEMAKIN SEMPIT DAN BANYAK SALURAN YANG
DIGUNAKAN AKAN SEMAKIN TELITI HASIL KLASIFIKASI
MULTISPEKTRAL INI.

UNTUK MENGHASILKAN KLASIFIKASI YANG OPTIMAL BIASANYA

DILAKUKAN DAHULU PEKERJAAN YANG SERING DISEBUT PRE-
KLASIFIKASI PEKERJAAN INI SESUNGGUHNYA ADALAH BAGIAN DARI
TRANFORMASI DATA YANG SUDAH DITERANGKAN SEBELUMNYA.

KLASIFIKASI DIBEDAKAN MENJADI :

A. KLASIFIKASI SUPERVISED (TERSELIA)
MELIPUTI SEKUMPULAN ALGORITMA YANG DIDASARI OLEH
PEMASUKAN CONTOH OBYEK YANG BERUPA NILAI
SPEKTRALDALAM SUATU SAMPEL(KARENA MEMPUNYAI LETAK
SECARA GEOGRAFI DAPAT JUGA DINAMAKAN TRAINING AREA).
YANG PERLU DIPERHATIKAN DISINI :
SISTEM KLASIFIKASI HANYA DAPAT DITERAPKAN UNTUK
PENUTUP LAHAN (LAND COVER) DAN BUKAN PADA
PENGGUNAAN LAHAN (LAND USE).
DIPERLUKAN PRIOR KNOWLEDGE (PENGETAHUAN TENTANG
KONDISI DAERAH, KARAKTERISTIK PENGGUNAAN LAHAN
 DALAM KAITANNYA DENGAN PENUTUP LAHAN) DALAM
PENENTUAN SAMPEL.
TRAINING SAMPEL YANG BAIK MEMPUNYAI HOMOGENITAS NILAI
PIXEL YANG TINGGI, YANG DITUNJUKKAN OLEH KECILNYA
SIMPANGAN BAKU, BENTUK HISTOGRAM, DAN BENTUK
GUGUSNYA YANG MENGELOMPOK.
BEBERAPA ALGORITMA KLASIFIKASI SUPERVISED
1. PARALLELIPIPED (BOX CLASSIFICATION)
PENGKELASANYA DIDASARKAN PADA NILAI DIGITAL
TERTINGGI DAN TERENDAH SAMPLE PADA TIAP SALURAN
YANG TAMPAK SEBAGAI SUATU DAERAH PERSEGI
PANJANG(BOX) PADA RUANG SPEKTRAL, APABILA SUATU
PIXEL TAK DIKENAL MASUK DALAM SALAH SATU PERSEGI
PANJANG , MAKA PIXEL INI DIKLASIFIKASIKAN SEBAGAI
KELAS YANG MENANDAI PERSEGI PANJANG TERSEBUT .
PADA METODE INI KEUNTUNGAN YANG BISA DIAMBIL ADALAH
PELAKSANAANYA CEPAT DAN MUDAH SEBAB NILAI NILAI
DATA HANYA DIBANDINGKAN TERBATAS YANG KONSTAN
MASING MASING BAND DISETIAP PIXEL CONTOH (BIASA
DIGUNAKAN PERCOBAAN KLASIFIKASI ATAU YANG LEBIH
LUAS) SEDANGKANKAN KELEMAHANNYA BANYAK
OVERLAPPING DAN SUSANH MIMISAHKAN PIXEL YANG TIDAK
SAMA.
b) JARAK MINIMUM KE PENGKELAS RERATA (MINIMUM
DISTANCE)
SUATU PIXEL YANG TIDAK DIKENAL IDENTITASNYA DAPAT
DIKELASKAN DENGAN CARA MENGHITUNG JARAK ANTARA
NILAI PIXEL TERSEBUT TERHADAP MASING-MASING NILAI
SPEKTRAL RERATA BAGI MASING-MASING KATEGORI PADA
RUANG SPEKTRAL.
KEUNTUNGANNYA ALGORITMA MATEMATIKANYA SEDERHANA
DAN PENGHITUNGANNYA EFESIEN, TETAPI METODE INI
TIDAK PEKA TERHADAP TINGKAT PERBEDAAN VARIAN PADA
DATA TANGGAPAN SPEKTRAL
c) KEMIRIPAN MAKSIMUM (MAXIMUM LIKELIHOOD)
1. MENGEVALUASI SECARA KUANTITATIF VARIAN
MAUPUN
d) KORELASI POLA TANGGAPAN PEKTRAL KATEGORI KETIKA
MENGKLASIFIKASIKAN PIXEL YANG TA DIKENAL. DALAM HAL
INI MENGASUMSIKAN BAHWA HISTOGRAM MASING MASING
MASING BAND MEMPUNYAI DISTRIBUSI NORMAL , PADA
METODE INI AKAN MEMBERIKAN HASIL YANG BAIK JIKA
DINADINGKAN DENGAN PARALLELIPIPED (BOX
CLASSIFICATION) DAN JARAK MINIMUM KE PENGKELAS
RERATA (MINIMUM DISTANCE) NAMUM DEMIKIAN PADA
METODE INI BANYAK MEMBUTUHKAN WAKTU UNTUK
MENGHITUNG YANG DISEBABKAN ADANYA PENAMBAHAN
JUMLAH BAND DATA MASUKAN
 e) TETANGGA TERDEKAT (K NEAREST NEIGHBOUR)
MERUPAKAN VARIASI DARI PRINSIP KEMIRIPAN MAKSIMUM
NON PARAMETRIK. KEPUTUSAN BAHWA SUATU NILAI
VEKTOR PIXEL MASUK PADA SALAH SATU KELAS
DITENTUKAN SEJUMLAH K (3 ATAU 5) SAMPLE TERDEKATNYA
PADA RUANG SPEKTRAL.

B. KLASIFIKASI UNSUPERVISED (TAK TERSELIA)

KLASIFIKASI INI SECARA OTOMATIS DILAKUKAN /DIPUTUSKAN
KOMPUTER TANPA CAMPUR TANGAN OPERATOR
BEBERAPA ALGORITMA KLASIFIKASI UNSUPERVISED
1. JARAK MINIMUM KE PUSAT GUGUS
TITIK PIXEL DIHITUNG DAN DITANDAI SESUAI DENGAN NAMA
ATAU URUTAN GUGUS YANG TERDEKAT JARAKNYA, DIMANA
SECARA ACAK KOMPUTER MENEMPATKAN VEKTOR RERATA
SEBAGAI PUSAT GUGUS
 2. PENGGUGUSAN STATISTIK
MENGGUNAKAN PARAMETER STATISTIK BERUPA NILAI
VARIAN UNTUK MENENTUKAN HOMOGENITAS KLAS ATAU
GUGUS
3. ALGORITMA CAMPURAN
MEMPERTIMBANGKAN DAERAH SAMPEL YANG SECARA
SPEKTRAL CUKUP MEWAKILI DAERAH KESELURUHAN PADA
CITRA

PEMFILTERAN (SPATIAL FILTERING/PENAPISAN)

SETELAH DILAKUKAN KLASIFIKASI BIASANYA HASILNYA TIDAK

CUKUP BAIK INI DISEBABKAN KARENA ADANYA NOISE DARI PIXEL
YANG TIDAK MASUK KLASIFIKASI DENGAN TERBATASNYA JUMLAH
TRAINING SAMPEL UNTUK MENGHILKAN NOISE DARI KLASIFIKASI
INI BISANYA DILAKUKAN FILTERING/PENAPISAN

FILTERING MERUPAKN MEKANISME YANG DAPAT MENGUBAH

SINYAL-SINYAL OPTIS, ELEKTRONIS ATAUPUN DIGITAL SESUAI
DENGAN KRITERIA TERTENTU (SIWAN DAN DAVIS 1976)
OPERASI PEMFITERAN DITERPAKAN DENGAN
MEMPERTIMBANGKAN NILAI PIXEL TETANGGA KARENA ITU
SERING DISEBUT SEBAGAI OPERASI LOKAL YAITU DENGAN
MENERAPKAN ALGORITMA MOVING WINDOW (MATRIKS).

BEBERAPA CONTOH FILTER :

1. FILTER LOW PASS

SERING DIGUNAKAN UNTUK MEMPERHALUS KENAMPAKAN CITRA
, DENGAN MENERAPKAN MEAN FILTER (3 X 3 ATAU 5 X 5) AKAN
TERJADI PENGHALUSAN GRADASI NILAI DARI SUATU PIXEL KE
PIXEL LAIN, SEHINGGA PERUBAHAN MNCOLOK DAPAT DITEKAN
DENGAN MEMBERIKAN NILAI BARU YANG MERUPAKAN RERATA
DARI NILAI-NILAI PIXEL TETANGGA
2. FILTER HIGH PASS
DIGUNAKAN UNTUK MENONJOLKAN PERBEDAAN ANTAR OBYEK
ATAUPUN PERBEDAAN NILAI, KONDISI ATAUPUN SIFAT ANTAR
OBYEK YANG DIWAKILI OLEH NILAI PIXEL. DENGAN FILTER INI
DAPAT DILAKUKAN TEKNIK PENAJAMAN TEPI UNTUK MENYAJIKAN
KENAMPAKAN OBYEK YANG SANGAT BERVARIASI PADA CITRA
DAN MENYAJIKAN EFEK BAYANG UNTUK MEMPERMUDAH
ANALISIS FISIOGRAFIK

3. FILTER MAYORITAS
DIGUNAKAN UNTUK MEMPERBAIKI HASIL KLASIFIKASI
MULTISPEKTRAL. DIRANCANG BERDSARKAN ASUMSI BAHWA
FENOMENA GEOGRAFIK BERSIFAT KERUANGAN, ARTINYA
KEHADIRAN SUATU OBYEK/FENOMENA TIDAK LEPAS DARI KAITAN
DENGAN OBYEK MLAIN. JADI JIKA TAMPAK NILAI PIXEL A (MISAL
HUTAN) DI TENGAH-TENGAH RATUSAN PIXEL HOMOGEN (MISAL
AIR LAUT), MAKA NILAI PIXEL DAPAT DIHILANGKAN DAN DIGANTI
DENGAN CARA MOVING WINDOW (MATRIK)

ACCURACY HASIL KLASIFIKASI

KETELITIAN HASIL KLASIFIKASI CITRA BIASANYA DINYATAKAN DALAM

PROSENTASE, YANG MERUPAKAN PERBANDINGAN JUMLAH PIXEL
YANG BENAR/SESUAI DIKLASIFIKASIKAN TERHADAP JUMLAH TOTAL
PIXEL SEBUAH KELAS. UNTUK MENGHITUNG KETELITIAN TERSEBUT
DILAKUKAN DENGAN MENGGUNAKAN CONFUSION MATRIX
 APLIKASI PENGINDERAAN JAUH

DALAM MENGAPLIKASIKAN PEGETAHUAN TENTANG

PENGINDERAAN JAUH DALAM SUATU STUDY ATAU PEKERJAAN,
HARUS DAPAT MELAKUKAN SELEKSI TERHADAP SATELIT DATA YAITU
MELIPUTI TUJUAN YANG HARUS DIPERJELAS DAN BAGAIMANA DATA
AKAN DIGUNAKAN ATAU DIPROSES.
SELAIN ITU SECARA DETAIL HARUS MEMPERHATIKAN POINT-POINT
SEBAGAI BERIKUT :
1. OBYEK STUDY
MENGETAHUI SIFAT DAN KARAKTERISTIK OBYEK YANG DIAMATI.
MISAL,BILA INGIN MENGAMATI LAND COVER SAWAH HARUS TAHU
BAHWA KAPAN MUSIM TANAM PADI , SEHINGGA AKAN TERLIHAT
KAN SAWAH TERLIHAT TERTUTUP KAPAN ATAU TIDAK
2. PARAMETER SATELIT DAN SENSOR
BERHUBUNGAN DENGAN PENGETAHUAN UMUM TENTANG
RESOLUSI. MISAL, JIKA INGIN MENGAMATI BENCANA AMAN
SECARA BERKALA DAPAT DIGUNUNAKAN CITRA SATELIT NOAA
YANG RESOLUSI TEMPORALNYA 12 JAM.
3. SKALA PEMETAAN
BERHUBUNGAN DENGAN RESOLUSI SPASIAL CITRA SATELIT,
MISAL UNTUK PEMETAAN KADATAR SKALA 1 : 5.000 DAPAT
DIGUNAKAN CITRA SATELIT IKONOS ATAU QUICK BIRD (RESOLUSI
SUB METER).
4. KETERSEDIAAN FASILITAS UNTUK MENENTUKAN TYPE DATA
BERKAITAN DENGAN PERALATAN YANG HARUS DISEDIAKAN,
MISAL, UNTUK INTERPERTASI MANUAL PADA SUATU PETA
HARDCOPY CITRA DIPERLUKAN KACA PEMBESAR, DEMIKAN JUGA
UNTUK INTERPERTASI SECARA DIGITAL DIPERLUKAN SPESIFIKASI
KOMPUTER DAN SOFTWARE YANG MENDUKUNG. SUMBER DAYA
MANUSIA MEMEGANG PERANAN PENTING JUGA

5. KETERSEDIAAN DATA
 MEMPERTIMBANGKAN KEMUNGKINAN PEROLEHAN DATA CITRA
SATELIT, YAITU MENGETAHUI AGEN/RESELLER PENJUALAAN DATA
TERSEBUT DI INDONESIA, ATAU KEMUNGKINAN PEMESANAN
MELALUI INTERNET JIKA TAK DITEMUI AGEN TSB DI INDONESIA
6. KUALITAS DATA
MENURUT HILWIG(1979) BAHWA KRITERIA YANG PENTING
DIANTARA KRITERIA YANG ADA DIATAS (LIPUTAN AWAN)
7. SISTEM REFERENSI GRID DATA SATELIT
MENGETAHUI SISTEM REFERENSI GRID PENYIMPANAN CITRA
SATELIT, MISAL UNTUK DAERAH MALANG PADA SISTEM
REFERENSI GRID DATA SATELIT LANDSAT TERLETAK PADA PATH-
ROW 118-65 DAN 118-66