LAPORAN AKHIR
PRAKTIKUM PENGINDERAAN JAUH I
LABORATORIUM FOTOGRAMETRI
JURUSAN TEKNIK GEODESI
FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
INSTITUT TEKNOLOGI NASIONAL
BANDUNG
2018
DAFTAR ISI
BAB I PENDAHULAUN.......................................................................................1
1.1 Maksud dan Tujuan Praktikum...................................................................1
1.2 Tempat dan Waktu Pelaksanaan Praktikum................................................1
BAB II DASAR TEORI..........................................................................................2
2.1 Citra Landsat 8............................................................................................2
2.2 Citra MODIS ............................................................................................3
2.3 Koreksi Geometrik......................................................................................5
2.4 Koreksi Radiometrik...................................................................................6
2.5 Ground Control Point (GCP)......................................................................7
2.6 Komposit Citra............................................................................................8
2.7 Cropping Citra............................................................................................9
2.8 Klasifikasi Terbimbing...............................................................................10
2.9 Klasifikasi Tak Terbimbing.........................................................................13
2.10 Ground Truth............................................................................................14
2.11 Confusion Matrix......................................................................................15
BAB III PELAKSANAAN PRAKTIKUM..........................................................16
3.1 Tahapan Download Citra Landsat 8............................................................16
3.2 Tahapan Download Citra MODIS..............................................................19
3.3 Tahapan Koreksi Geometrik.......................................................................22
3.4 Tahapan Koreksi Radiometrik....................................................................28
3.5 Tahapan Komposit Citra.............................................................................35
3.6 Tahapan Cropping Citra..............................................................................37
3.7 Tahapan Klasifikasi Terbimbing.................................................................43
3.8 Tahapan Klasifikasi Tak Terbimbing..........................................................49
3.9 Tahapan Confusion Matrix..........................................................................53
BAB I
PENDAHULUAN
Maksud dari praktikum penginderaan jauh yaitu untuk membuat peta hasil
dari klasifikasi terbimbing yang telah kita olah dari citra landsat 8.
BAB II
DASAR TEORI
8-36) dengan panjang gelombang mulai dari 0,620-14,385 µm. Sensor ini
mengorbit bumi secara polar pada ketinggian 705 km, lebar cakupan lahan pada
permukaan bumi setiap putarannya sekitar 2330 km.
Ground Control Point (GCP) atau titik kontrol tanah merupakan objek di
permukaan bumi yang dapat diidentifikasi dan memiliki informasi spasial sesuai
dengan sistem referensi pemetaan. Informasi spasial dalam bentuk koordinat X, Y,
Z atau Lintang Bujur dan ketinggian dari setiap GCP diukur dengan menggunakan
GPS geodetik berketelitian sub-meter. Keperluan GCP yang paling utama adalah
proses georeferensi hasil pengolahan foto sehingga memiliki sistem referensi
sesuai dengan yang dibutuhkan pada hasil pemetaan. GCP ini juga digunakan pada
saat data processing untuk membantu proses koreksi geometri pada mosaic
orthophoto, sehingga akurasi dari peta yang dihasilkan akan tinggi. Secara khusus
GCP berfungsi pula sebagai:
1) Faktor penentu ketelitian geometris hasil olah foto (ortofoto, DSM, DTM),
semakin teliti GCP maka semakin baik pula ketelitian geometris output
(dengan kaidah-kaidah peletakan GCP yang dipenuhi).
2) Faktor yang mempermudah proses orientasi relatif antar foto sehingga
keberadaan GCP bisa meningkatkan akurasi geometrik dari peta foto.
3) Faktor koreksi hasil olah foto yang berupa ball effect atau kesalahan yang
mengakibatkan model 3D akan berbentuk cembung ditengah area yang
diukur.
4) Faktor yang mempermudah dalam proses penyatuan hasil olah data yang
terpisah, misal olah data area A dan area B dengan lebih cepat dan efektif,
daripada proses penyatuan berdasar seluruh pointcloud (jumlahnya jutaan)
yang akan memakan banyak waktu.
Ground Control Point (GCP) merupakan proses koreksi geometrik citra
dengan cara membandingkan posisi yang berada pada citra, dengan posisi yang
ada di lapangan/ peta yang sudah tersedia sebelumnya. GCP adalah suatu lokasi
pada permukaan bumi yang dapat diidentifikasi pada citra dan sekaligus dikenali
posisinya pada peta.( Jensen, 2005)
2.6 Komposit Citra
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.
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. (Sigit Heru.2011)
Dari kelas yang dihasilkan, analis bisa menggabungkan beberapa kelas yang
dianggap memiliki informasi yang sama menjadi satu kelas. Misal class 1, class 2,
dan class 3 masing-masing adalah sawah, perkebunan dan hutan maka bisa
dikelompokkan menjadi satu kelas yaitu kelas vegetasi.
Metode tidak terbimbing terdiri dari dua jenis yaitu :
1. Iso Data : Mengklasifikasikan kelas secara merata, setiap pixel
diklasifikasikan ke kelas terdekat. Setiap interaksi akan dikalkulasi ulang dan
mereklasifikasi pixel ke bentuk baru. Memisah kelas, menggabungkan dan
menghapus dilakukan berdasarkan parameter input. Semua pixel
diklasifikasikan ke kelas terdekat kecuali deviasi standar atau ambang batas
jarak yang telah ditentukan, dalam hal ini beberapa pixel mungkin tidak
diklasifikasikan jika tidak memenuhi kriteria yang ditentukan. Proses ini
berlanjut sampai jumlah pixel dalam setiap perubahan kelas kurang dari
ambang perubahan pixel yang dipilih atau jumlah maksimum interasi tercapai.
BAB III
PELAKSANAAN PRAKTIKUM
3. Pilih satelit
Pada praktikum ini
“Satelit Modis
Terra” yang
digunakan
4. Kemudian klik
MOD02QKM
(level 1B
Calibrated
Radiance – 250 m
Pilih level 0/level
7
Klik Next (pojok
kanan atas)
5. Atur rentang waktu
peremakam
Sama seperti
Landsat-8 rentang
waktu yang
digunakan 1 tahun
Klik Next
7. Klik Tiles
Karena wilayah
kita adalah “Kota
Padang”
Bagian dari
wilayah kota
padang
8. Maka akan mucul
daftar citra yang
akan di download
Klik “Image
Viewer” yang
berada di kiri
9. Kemudian ceklis
file yang akan di
download
2. Output Map
Projection
Geographic
Lat/Lan
Klik OK
3. Pilih File
Klik Open Vektor
File
4. Masukan data
vektor (SHP kota
padang) ke project
ENVI
Klik Open
Klik Load Selected
5. Klik Display #1
Klik OK
7. Klik Map
Registration
Select GPS :
Image to Map
8. Select Registration
Project
“Geographic
Lat/Lan”
Klik OK
9. Maka mulai
melakukan
penempatan GCP
sebanyak 10 titik
Cari posisi yang
tepat untuk
menempatkan titik
GCP
Baik pada citra
maupun pada data
shp
Jika sudah pas klik
kanan pada shp
klik “Export Map
Location”
14 Berinama Koreksi
Geometrik
16 Klik Choose
OK
6. Klik Kanan
Pseudoco-lour
Ganti dengan Red
Green Blue
2. Natural (4,3,2)
2. Vegetasi (5,4,3)
3. Urban (7,6,4)
4. Agricultue (6,5,2)
7. Klik Overlay
Vektors..
8. Pada Vektor
Parameter
Klik Open Vektor
File
17. Klik
“EVF:Layer.kotap
adang.shp..”
Klik Choose
Berinama file
“ROIS”
4. Untuk mengubah
warnanya
Klik kanan warna
Pilih Colors 1-20
pilih warna
yang di inginkan
5. Mulai
mengklasifikasi
kelas tutupan lahan
Klik zoom
Pilih pixel yang
brightnes nya
mendekati Red
Klik kiri pada
7. Ini untuk
klasifikasi Vegetasi
8. Ini untuk
klasifikasi Lahan
Kosong
17. Berinama
Supervised
4. Hasil komposit
rois natural
5. Klik Classifi-
cation Unsuper-
vised Klik
IsoData
7. Number Of
Classes, Min : 5 ,
Max : 5
Max Interations 1
Klik Choose
8. Isikan IsoData
Klik Open
9. Klik OK
14. Isikan
Unsupervised
Klik Open
6. Buat 9 kelas,
dengan masing-
masing kelas
berbeda warnanya
7. Klik Overlay
Vektor pada TGB
Bandung
8. Pada Vektor
Parameters Klik
file Open
Vektor file
24. Klik OK
25. Klik OK
27. Untuk
menyimpannya
Klik file Save
Text to ASCII
Untuk menginport
peta klasifikasi
Buka ArcGIS
Input data
Koordinat 1-5 ,
Batas Administrasi
dan tiff
Klik Batas
Administrasi
Convert to
Graphic
Ungrup Batas
Administrasi
Klik Layers
Propertise
Ubah warna
kesepuluh jadi no
color
Hapus warna
selain ke 9 warna
klasifikasi
BAB IV
Klasifikasi tak terbimbing ini lebih cocok digunakan untuk mengamati tutupan
lahan yang belum pernah dikunjungi atau disurvey oleh operator.
BAB V
5.1 Kesimpulan
5.2 Saran
Pada saat melakukan ground truth peta kerja harus lebih jelas, lokasi mana
yan terdekat, sehingga dalam melakukan ground truth tidak bolak-balik
DAFTAR PUSTAKA
Danoedoro, Projo. (1996). Pengolahan Citra Digital: Teori dan Aplikasinya Dalam
Bidang Penginderaan Jauh. Yogyakarta. Fakultas Geografi UGM.
Danoedoro, Projo. 2012. Pengantar Penginderaan Jauh Dijital. Yogyakarta
Gispedia. (2016). Karakteristik Citra Modis.
http://www.gispedia.com/2016/04/Karakteristik-citra-modis.html. Di akses
Pada Tanggal 13 Maret 2018
Lillesand TM, Kiefer RW. 1997. Penginderaan Jauh dan Interpretasi Citra;
diterjemahkan oleh Dulbahri et al. Yogyakarta (ID): Gadjah Mada University
Press.
R. Bernstein, 1983: Image Geometry and Rectification. In R. N. Colwell (Ed.)
Manual of Remote Sensing, 2e, Chapter 21, Falls Crunch, Va. American
Society of Photogrammetry.
Septiana Egi. (2015). Komposit Band Citra Landsat di ArcGIS.
http://www.info-geospasial.com/2015/07/composite-band-citra-landsat-di-
arcgis.html. Diakses pada Tanggal 1 April 2018.
Septiana, E. 2015. Mengenal Klasifikasi Terbimbing dan Tak Terbimbing.
http://www.info-geospasial.com/2017/02/mengenal-metode-klasifikasi-tidak-
terbimbing-dan-metode-terbimbing-di-envi.html (Dakses 15 April 2018)
Wawan. (2015). Mengenal Komposit Band Pada Landsat 8.
http://www.wawanhn.com/2015/05/mengenal-komposit-band-pada-l
andsat-8.html . Di akses Pada Tanggal 13 Maret 2018.