LAPORAN PRAKTIKUM

GD3205 PENGINDERAAN JAUH

Modul 4: PAN SHARPENING

Oleh :
Muhammad Rory Abduljabbar (15115038)
Syafiq Ali Fauzan (15115062)
Dody Virgiawan (15115080)
Firdausi Zahara Gandes (15115097)

PROGRAM STUDI TEKNIK GEODESI DAN GEOMATIKA

FAKULTAS ILMU DAN TEKNOLOGI KEBUMIAN
INSTITUT TEKNOLOGI BANDUNG
2018
 BAB I
PENDAHULUAN

1.1. Latar Belakang

Penginderaan jauh (inderaja) adalah sebuah metode maupun teknik penentuan posisi
yang digunakan untuk memperoleh data seperti objek dan fenomena melalui sebuah wahana
yang tidak melakukan kontak fisik dengan objek ataupun fenomena tersebut. Wahana tersebut
digunakan atau dioperasikan dari jarak jauh untuk proses akuisisi data di lapangan (misalnya
pesawat, satelit, UAV, kapal, dan lainnya). Berdasarkan pengertian mengenai inderaja
tersebut, ilmu mengenai inderaja menjadi esensial seiring dengan berkembangnya teknologi,
terutama dalam kebutuhan keilmuan geodesi dalam menghasilkan produk utamanya, yaitu
peta.
Terdapat beberapa jenis citra yang dapat diperoleh dari proses penginderaan jauh, salah
duanya adalah citra multispektral dan pankromatik. Citra multispektral memiliki lebih dari
satu kanal, sedangkan citra pakromatik hanya memiliki satu kanal. Dilihat dari resolusinya,
citra multispektral cenderung memiliki resolusi lebih rendah daripada citra pankromatik, hal
ini terjadi karena citra pankromatik mempunyai rentang spektrum gelombang yang lebih besar
daripada kanal/band multispektral. Dengan demikian sensor pankromatik dapat menerima
sejumlah energi yang sama dengan sensor multispektral namun dengan ukuran yang lebih
kecil. Oleh karena hal tesebut, terdapat metode untuk menajamkan citra multispektral dengan
bantuan dari cira pankromatik atau biasa disebut metode Panchromatik Sharpening atau Pan
Sharpening.

1.2. Tujuan Praktikum

Tujuan dari dilaksanakannya praktikum Penginderaan Jauh modul 4 ini adalah untuk:
a. Mengetahui konsep dasar dari metode Panchromatik Sharpening
b. Melakukan kegiatan Panchromatik Sharpening pada citra Landsat 8
1.3. Manfaat Praktikum
Manfaat yang diperoleh setelah melaksanakan praktikum Penginderaan Jauh modul 4 ini
adalah:
a. Dapat mengetahui fungsi dari metode Panchromatik Sharpening di ENVI
b. Dapat mempraktikan cara menajamkan citra multispektral dengan acuan citra
pankromatik
 BAB II
STUDI LITERATUR

2.1 Pan Sharpening

"Pan Sharpening" adalah singkatan dari " panchromatic Sharpening ". Artinya
menggunakan sebuah gambar pankromatik (single band) untuk "mempertajam" citra
multispektral. Dalam hal ini, untuk "Mempertajam" berarti meningkatkan resolusi spasial
citra multispektral. Gambar multispektral mengandung resolusi spektral yang lebih tinggi
daripada Citra pankromatik, meski seringkali citra panchromatic akan memiliki resolusi
spasial yang lebih tinggi dari pada citra multispektral. Sebuah gambar yang diukir
melengkung mewakili sensor fusi antara gambar multispektral dan panchromatic yang
memberikan yang terbaik dari kedua jenis gambar, resolusi spektral tinggi dan resolusi
spasial tinggi. Inilah alasan mengapa pan sharpening dilakukan.

2.2 Multispektral

Citra multispektral adalah gambar yang berisi lebih dari satu band spektral. Ini
dibentuk oleh sebuah sensor yang mampu memisahkan cahaya yang dipantulkan dari bumi
ke dalam band spektral diskrit. Citra warna adalah contoh sederhana dari citra multispectral
yang berisi tiga band. Dalam hal ini, pita-pita tersebut sesuai dengan warna biru, hijau dan
merah pita panjang gelombang spektrum elektromagnetik. Spektrum elektromagnetiknya
pemetaan energi gelombang elektromagnetik, seperti yang ditunjukkan di bawah ini.

Gambar 1 Spektrum elektromagnetik

Spektrum elektromagnetik penuh mencakup semua bentuk radiasi, dari panjang gelombang
yang sangat pendek sinar gamma melalui gelombang radio panjang gelombang. Dalam
penginderaan jarak jauh Citra, kita terbatas pada radiasi yang tercermin atau dipancarkan
dari bumi, itu bisa juga melewati atmosfer ke sensor. Sensor elektro-optik terasa seperti
solar Radiasi yang bersumber pada matahari dan tercermin dari bumi yang terlihat hingga
dekat (hanya di sebelah kanan merah pada gambar di atas) daerah. Sensor termal
merasakan solar radiasi yang diserap oleh bumi dan dipancarkan sebagai radiasi termal
panjang gelombang yang lebih panjang di daerah pertengahan sampai inframerah jauh.
Sensor radar menyediakan sumber energinya sendiri bentuk gelombang mikro yang
terpental dari bumi kembali ke sensor. Sebuah Diagram konseptual sensor multispektral
ditunjukkan di bawah ini.

Gambar 2 Diagram konseptual sensor multispektral

Dalam diagram ini, radiasi yang masuk dipisahkan menjadi pita spektral dengan
menggunakan prisma. Kita semua pernah melihat bagaimana prisma mampu melakukan
ini dan kita telah melihat atmosfer bumi bertindak seperti prisma saat kita melihat pelangi.

Dalam prakteknya, prisma jarang digunakan pada sensor modern. Sebagai gantinya, kisi
difraksi
Yang merupakan selembar bahan dengan banyak alur tipis yang diukir ke dalamnya
digunakan. Alurnya menyebabkan cahaya tercermin dan ditransmisikan dalam arah yang
berbeda tergantung pada panjang gelombang Anda dapat melihat contoh kasar dari kisi
difraksi saat Anda melihat CD dan perhatikan efek multi-warna cahaya yang
memantulkannya saat Anda memiringkannya pada perbedaan sudut.

Setelah memisahkan cahaya menjadi "tempat sampah" yang berbeda berdasarkan rentang
panjang gelombang, Sensor multispektral membentuk gambar dari masing-masing tempat
sampah dan kemudian menggabungkannya menjadi sebuah gambar tunggal untuk
eksploitasi

Gambar multispektral dirancang untuk memanfaatkan berbagai sifat spectral bahan di

permukaan bumi Contoh yang paling umum adalah untuk deteksi sehat vegetasi Karena
vegetasi yang sehat lebih mencerminkan cahaya inframerah dekat daripada yang terlihat
Cahaya, sensor yang mengkombinasikan pita inframerah yang terlihat dan dekat dapat
digunakan untuk mendeteksi kesehatan dan vegetasi kurang sehat. Biasanya ini dilakukan
dengan satu atau lebih vegetasi Indeks seperti Indeks Vegetasi Perbedaan Normalized
(NDVI) didefinisikan sebagai rasio dari perbedaan reflektansi merah dan mendekati
inframerah dibagi dengan jumlah kedua nilai. Beberapa tanda tangan spektral khas
vegetasi, tanah dan air ditunjukkan di bawah ini.

Gambar 3 Profil spektral vegetasi, tanah dan air

 Ini hanya spektrum representatif. Setiap jenis vegetasi, air, tanah dan lainnya Tipe
permukaan memiliki spektrum reflektansi yang berbeda, dan di luar laboratorium, ini juga
tergantung pada posisi matahari di langit dan posisi satelit juga.

Bila ada lebih banyak band yang mencakup lebih banyak bagian spektrum
elektromagnetik, lebih banyak lagi Materi dapat diidentifikasi menggunakan algoritma
yang lebih maju seperti yang diawasi dan klasifikasi tanpa pengawasan, selain rasio band
sederhana namun efektif dan metode normalisasi seperti NDVI.

RemoteView memiliki beberapa alat yang memanfaatkan data multispektral termasuk

Image Calculator untuk melakukan NDVI dan indeks lainnya dan Multispectral yang kuat
Kemampuan klasifikasi yang mencakup keduanya diawasi (menggunakan perangkat
pelatihan) dan klasifikasi tanpa pengawasan Namun, makalah ini difokuskan pada alat Pan
Sharpening dalam RemoteView

2.3 Data Pankromatik

Berbeda dengan citra multispektral, gambar pankromatik hanya berisi satu wide band data
reflektansi. Data biasanya mewakili berbagai band dan Panjang gelombang, seperti
inframerah terlihat atau termal, yaitu, menggabungkan banyak warna sehingga begitu
"Pan" chromatic. Gambar pankromatik dari pita yang terlihat kurang lebih sebuah
kombinasi data merah, hijau dan biru menjadi satu ukuran pantulan. Modern Pemindai
multispektral juga umumnya mencakup beberapa radiasi sedikit lebih lama panjang
gelombang dari lampu merah, yang disebut radiasi "near infrared".

Gambar panchromatic umumnya dapat dikumpulkan dengan resolusi spasial yang lebih
tinggi daripada sebuah Citra multispektral karena jangkauan spektral yang luas
memungkinkan detektor yang lebih kecil untuk digunakan sambil mempertahankan rasio
sinyal terhadap noise yang tinggi.

Sebagai contoh, data multispektral 4-band tersedia dari QuickBird dan GeoEye. Untuk
Masing-masing, resolusi spasial panchromatic sekitar empat kali lebih baik dari pada data
multispektral Citra panchromatic dari QuickBird-3 memiliki resolusi spasial sekitar 0,6
meter di nadir. Sensor yang sama mengumpulkan hampir data multispektral di sekitar 2,4
meter resolusi. Untuk Ikonos GeoEye, pankromatik dan multispectral Resolusi spasial
masing-masing sekitar 1,0 meter dan 4,0 meter. Kedua sensor bisa kumpulkan co terdaftar
(dijelaskan di bawah) pankromatik dan empat band (merah, hijau, biru dan dekat-
inframerah) gambar multispektral.

Kepentingan melakukan ko-registrasi

Ada banyak penelitian tentang penajaman pan dan banyak, banyak algoritma telah
dilakukandikembangkan. Ada yang sedikit lebih baik dari yang lain dalam melestarikan
spasial atau spectral informasi, tapi umumnya selalu ada yang kehilangan satu atau yang
lain atau keduanya. Semua dariMetode tergantung pada gambar pankromatik dan
multispektral menjadi sangat erat terdaftar. Saat gambar didaftarkan, Anda bisa
memikirkan overlay satu di bagian atas lain dan memeriksa setiap pixel pada gambar atas.
Pixel pada gambar di bawah yang seharusnya Jadilah fitur yang persis sama di lapangan.

Pan mengasah algoritma tergantung pada input gambar menjadi co terdaftar karena mereka
semua melakukan operasi pada piksel yang sesuai pada kedua gambar. Mereka semua
melakukan sesuatu dengan piksel multispektral dan piksel panchromatic untuk membuat
piksel baru. Jika gambar tidak co terdaftar, pengolahan akan menggunakan piksel yang
salah, bukan yang sesuai dan hasilnya tidak akan terlihat alami.

Dalam prakteknya RemoteView menggunakan informasi georeferensi dalam gambar untuk

melakukan co pendaftaran "on the fly". Itulah sebabnya gambar yang digunakan untuk
penajaman panci harus georeferensi, itu adalah mereka harus memiliki metadata yang
mendukung salah satu gambar / tanah metode transformasi yang didukung di RemoteView.
Untuk informasi tentang georeferencing lihatlah, kertas putih Fotogrametri Dasar yang
tersedia di situs ini. Tidak seperti yang maju Operasi fotogrametri, gambar tidak perlu
memiliki model sensor yang ketat dukungan, atau dukungan RPC untuk melakukan
 penajaman pan. Metode yang lebih sederhana seperti ICHIPB atau metode proyeksi "4-
corner" lainnya juga didukung.

Perangkat lunak ini menggunakan informasi georeferensi dalam satu gambar untuk
mengidentifikasi tanah titik yang terkait dengan setiap piksel, kemudian gunakan informasi
georeferensi di sisi lain gambar dalam arah sebaliknya, untuk mengubah lokasi tanah
menjadi ruang gambar agar Cari piksel gambar yang sesuai pada gambar lainnya.

Untuk tingkat yang besar, hasil yang Anda dapatkan dari penajaman pan akan tergantung
pada bagaimana caranya baik co terdaftar dua gambar dan seberapa dekat metode
georeferencing mereka setuju, begitulah baiknya georeferensi relatif mereka.

Jika gambar tidak terdaftar dengan baik, Anda bisa memperbaiki situasi ini dengan
menggunakan RemoteView gambar ke alat registrasi gambar Alat ini dijelaskan dalam
kertas putih Basic Fotogrametri Dengan secara manual mengidentifikasi sejumlah kecil
"titik dasi" pada keduanya gambar, Anda bisa mendapatkan registrasi co yang jauh lebih
baik dan pan sharpening menghasilkan beberapa kasus.

2.4 Keuntungan Pan Sharpening

Dengan meningkatkan resolusi spasial citra multispektral resolusi spektral tinggi, Banyak
tugas pengolahan gambar lainnya yang dilakukan pada citra multispektral tersebut
ditingkatkan. Ini termasuk interpretasi gambar visual sederhana dan eksploitasi visual,
seperti serta generasi produk dan metode lanjutan seperti Orthorectification dan
orthomosaik.
 BAB III
METODOLOGI PRAKTIKUM

3.1 Alat dan Bahan

Pada praktikum penginderaan jauh dengan modul pan sharpening ini, alat dan bahan yang
digunakan adalah:
3.1.1 Laptop yang sudah ter-install piranti lunak ENVI
3.1.2 Data citra Landsat 8 beserta metadata-nya

3.2 Langkah Pengerjaan

Pada praktikum ini, dilakukan proses pan sharpening dari citra Landsat. Berikut adalah langkah
kerja yang dilakukan pada praktikum ini:
1. Pertama-tama kita input data citra landsat 8 nya:
2. Klik R G B pada data manager, kemudian akan ditampilkan citra RGB nya:

3. Buka data manager (F4), kemudian centang panchromatic lalu load grayscale untuk
membuat layer citra pankromatik yang baru dengan data citra sebelumnya:
4. Tampilkan menu ROI, kemudian plot sebuah area pada citra sebagai area yang akan
dilakukan pan-sharpening

5. Buka fitur subset data from ROI, untuk membuat layer subset multispectral dan layer
subset pankromatik dari citra. Untuk yang multispectral pilih file dengan keterangan 7
band.
6. Setelah muncul layer baru subset multispectral, buka data manager lalu klik load true
color.

7. Kemudian untuk subset pankromatik, pilih file dengan jumlah band adalah 1
8. Kemudian kita lakukan proses sharpening, sharpening kita lakukan dengan Metode
Gram Schmidt, buka fitur gram Schmidt sharpening, lalu input data subset
multispectral dan pankromatik untuk digabungkan.

9. Dalam proses sharpening terdapat 3 metode resampling, yang pertama dipilih metode
nearest neighbor,
10. Metode resampling yang kedua adalah Bilinear, dengan cara yang sama didapatkan
hasil sebagai berikut.

11. Metode resampling yang terakhir adalah Cubic Convolution, denga hasil sebagai
berikut.
 BAB IV
HASIL DAN ANALISIS
4.1 Hasil
Dari step-step yang telah dilakukan untuk proses sharpening didapatkan hasil
seperti berikut:
 Citra yang diproses

 Citra Pankromatik dan area ROI

 Subset Multispektral

 Subset Pankromatik
 Pan-Sharpening Nearest Neighbour

 Pan-Sharpening Bilinear
  Pan-Sharpening Cubic Convolution

4.2 Analisis
Firdausi Zahara Gandes – 15115097
Pada praktikum kali ini telah dilakukan proses pan sharpening pada citra
multispektral Landsat 8 dengan bantuan citra pankromatik Landsat 8. Dari hasil yang
diperoleh, dapat terlihat bahwa resolusi citra baru yang dihasilkan lebih baik daripada
sebelumnya. Resolusi citra multispektral yang awalnya 30 m berubah menjadi 15 meter.
Penyebab terjadinya hal tersebut adalah akibat dari proses pan sharpening yang
melibatkan citra pankromatik yaitu citra yang mampu menangkap lebih banyak energi
dengan sensor yang lebih kecil pada saat proses perekaman data.
Proses pan sharpening ini mengakibatkan bertambahnya pixel pada citra baru.
Karena jumlah pixelnya lebih banyak, maka perlu dilakukan resampling untuk mengisi
pixel-pixel yang kosong. Terdapat 3 jenis resampling yang telah dilakukan. Penjelasan
dari masing-masing resampling akan dijelaskan sebagai berikut
  Yang pertama adalah neirest neighbour. Pada teknik ini nilai digital number dari
citra diperoleh dari nilai digital number pixel lain yang posisinya paling dekat dengan
pixel yang di-resampling. Oleh karena hal tersebut, maka tidak ada nilai digital
number baru yang muncul sebab nilainya diperoleh dari yang sudah ada.
 Yang kedua adalah bilinear. Pada teknik ini nilai digital number dari pixel yang
tidak diketahui nilainya diperoleh dari perhitungan matematis orde dua. Perhitungan
dilakukan pada 4 pixel sekitar nilai pixel yang dicari nilai digital numbernya. Karena
hal tersebut maka akan tercipta nilai digital number yang baru.
 Yang ketiga adalah cubic convolution. Pada teknik ini nilai digital number dari
pixel yang tidak diketahui diperoleh dari perhitungan matematis orde tiga.
Perhitungan dilakukan pada 9 pixel sekitar nilai pixel yang dicari nilai digital
numbernya. Karena hal tersebut maka akan ada nilai digital number yang baru.

Dari ketiga proses resampling yang telah dilakukan, tidak terdapat visualisasi yang
menonjol antara satu dengan yang lain. Hasil dari ketiga metode tersebut mirip satu sama
lain. Untuk bisa menentukan metode mana yang paling cocok maka ada beberapa faktor
yanng harus dilihat. Faktor yang pertama adalah kondisi nyata objek. Teknik resampling
neirest neighbour cocok digunakan untuk daerah yang relatif homogen, sedangkan teknik
resampling bilinear dan cubic convolution cocok untuk daerah yang kondisinya sedikit
heterogen. Namun pada dasarnya resampling ini merupakan teknik untuk ‘menebak’ nilai
digital value suatu pixel secara interpolasi backward, oleh karena itu sebenarnya tidak
dapat ditentukan metode yang akan mewakili kondisi aslinya tetapi hanya paling
mendekati kondisi aslinya.

Dody Virgiawan – 15115080

Pada praktikum ini telah dilakukan proses Pan Sharpening pada citra satelit
Landsat 8. Adapun metode pan sharpening yang digunakan pada praktikum ini adalah
dengan menggunakan beberapa metode resampling yang berbeda, yakni bilinear, cubic
convolution dan nearest neighbor. Jika melihat pada bagian hasil, dapat dilihat bahwa
secara keseluruhan visualisasi perbandingan sebelum dan sesudah gambar yang
dilakukan pan sharpening tidak memiliki perubahan yang signifikan. Namun,
berdasarkan prinsip bahwa pan sharpening akan menajamkan atau meningkatkan
kualitas resolusi spasial dari suatu citra, maka akan dilakukan proses zoom in untuk
meneliti perubahan resolusi yang ada.
Secara umum dapat dilihat bahwa citra sebelum dilakukan pan sharpening akan
memilki resolusi spasial yang lebih rendah jika dibandingkan dengan sesudah pan
sharpening. Namun setelah proses pan sharpening, proses resampling dengan bilinear,
cubic convolution dan nearest neighbor tidak menghasilkan perbedaan yang signifikan
diantara citra sesudah terkoreksi dari ketiga metode tersebut. Berdasarkan teori, metode
nearest neighbor akan memperoleh nilai DN dari tetangga terdekatnya, metode bilinear
akan melakukan pemindahan nilai DN dengan rata – rata 4 tetangga sekitarnya,
sementara cubic convolution akan merata-ratakan 16 tetangga sekitarnya. Secara konsep,
metode cubic convolution akan menghasilkan citra yang lebih baik karena semakin
banyak data yang digunakan untuk proses pemindahan nilai Digital Number (DN),
namun prosesnya akan lebih lama jika dibandingkan dengan bilinear.
Secara umum, dengan adanya Pan Sharpening ini maka akan terjadi proses
peningkatan resolusi secara spasial dari citra multi spektral yang diolah. Untuk pemilihan
metode mana yang tepat akan kembali tergantung terhadap kondisi lingkungan tersebut.
Hal ini dikarenakan masing – masing metode akan memiliki model matematis yang
berbeda pula. Namun pada dasarnya metode cubic convolution dianggap memiliki
kualitas yang lebih baik dikarenakan data yang diolah lebih banyak. Kesimpulannya
adalah dengan menggunakan Pan Sharpening ini akan terjadi peningkatan metadata
multispectral, dari yang semula berukuran 30 meter menjadi 15 meter.

Syafiq Ali Fauzan – 15115062

Pada praktikum kali ini dengan judul modul Pan-sharpening, kita akan melakakukan
sebuah proses sharpening itu sendiri. Pan Sharpening merupakan salah satu
pengolahan citra satelit yang bersifat penajaman secara spasial, dengan kata lain Pan
Sharpening yaitu Fusion atau penggabungan 2 data yang memiliki resolusi spasial
berbeda. Dari penggabungan tersebut diharapkan mampu mempermudah kita dalam
melakukan interpretasi pada citra tersebut. Dari resolusi spasial 30 meter pada saat kita
membuat komposit band natural color 432 (multispektral) dengan teknik Pan-
Sharpening kita bisa meningkatkan resolusi spasial komposit band tersebut dengan
menambahkan band 8 (Pankromatik) kedalamnya. Langkah inilah yang telah kita
lakukan dengan menggunakan perangkat lunak ENVI. Dengan metode ini pula kita akan
mendapatkan citra natural color yang semula memiliki resolusi spasial 30 meter akan
menjadi citra landsat yang memiliki nilai resolusi spasial yang semakin baik yaitu 15
meter.
Pan-sharpening akan menghasilkan sebuah citra yang menampilkan warna natural
dari sebuah citra dengan meningkatkan resolusinya melalui penggabungan 2 data
tersebut. Dari proses tersebut diketahui akan membuat citra tersebut memiliki jumlah
pixel yang lebih banyak dari semula. Penambahan jumlah pixel tersebut didapatkan dari
3 metode resampling yakni nearest neighbor, bilinear, dan cubic convolution. Hasil
visualisasi ketiga metode tersebut menunjukkan tidak adanya perbedaan yang signifikan
diantara ketiganya. Hanya ketika kita melakukan zoom hingga sangat dekat maka akan
dapat dilihat jika kita menggunakan metode nearest neighbour, maka pada sekitaran
sebuah objek yang memiliki ketinggian akan terlihat seperti terdapat bayangan hal
tersebut dikarenakan metode nearest neighbour menggunakan metode resampling
dengan menambahkan pixel baru dengan cara menyamakan dengan pixel-pixel terdekat,
sehingga interpretasi akan tidak maksimal. Sedangkan untuk 2 metode yang lain yakni
bilinear dan cubic convolution, jika kita zoom ke sebuah objek dapat dilihat pada objek
yang memiliki ketinggian maka tampak disekitarnya akan lebih jelas dan
menggambarkan yang sebenarnya dikarenakan 2 metode resampling ini dilakukan
dengan cara yang serupa yakni dengan mempertimbangkan 4 titik terdekat untuk metode
bilinear dan 16 titik terdekat untuk cubic convolution.
Sehingga bila kita cari mana metode yang terbaik, dapat dikatakan setiap metode
memiliki cara yang berbeda sehingga memiliki kecocokan dengan data yang berbeda-
beda pula. Untuk data citra dengan area yang cenderung seragam dan minim adanya
naik turun ketinggian maka metode nearest neighbour cocok dipilih, metode nearest
neighbour data yang bernilai ekstrim dan derau yidak dihilangkan. Kondisi ini penting
untuk pertimbangan dalam penentuan jenis vegetasi atau menentukan tingkat perbedaan
suhu atau tingkat kekeruhan air dalam dnaau. Sedangkan bila diketahui data citra
memiliki karakter yang sangat beragam objek yang terdapat didalamnya serta memiliki
kerapatan yang cenderung tinggi antar objeknya maka metode bilinear dan cubic
convolution dapat dipilih, namun untuk hasil yang lebih baik untuk tipe citra seperti
yang kita olah, maka metode cubic convolution dirasa merupakan yang terbaik karena
metode ini mempertimbangkan lebih banyak tetangga terdekat (16) yang akan
digunakan sebagai faktor proses interpolasi sehingga objek yang seharusnya mungkin
bisa Nampak, akan dapat dimunculkan dengan metode ini, perataan dan deviasi standar
dari citra keluaran lebih sesuai dengan piksel masukan jika dibandingkan dengan
metode resampling lainya. Pengaruh cubic convolution juga dapat mempertajam citra
dengan maksimal dan menghaluskan derau.

M. Rory Abduljabbar – 15115038

Pada praktikum kali ini dilakukan proses pan sharpening yang bertujuan untuk
merpertajam resolusi citra (pada kasus ini yang awalnya 30m menjadi 15m) dengan
menggunakan bantuan landsat8 citra pankromatik (citra yang menangkap lebih banyak
energi dengan sensor yang lebih kecil pada proses pemotretan data).
Proses pansharpening merupakan salah satu metode yang menggunakan
backward interpolation dalam rangka mengisi piksel piksel baru yang terbuat karena
proses penajaman citra. Pada praktikum ini digunakan 3 metode interpolasi untuk
penajaman citranya yakni nearest neighbor yang menggunakan nilai piksel terdekat dari
piksel baru yang akan diisi, kemudian ada bilinear yang menggunakan penghitungan
matematis orde dua pada dua piksel teprilih yang terbobotkan kemudian ada bicubic
yang menggunakan penghitungan matematis orde tiga pada empat piksel terpilih yang
terbobotkan.
Dengan menggunakan tiga metode resampling yang digunakan untuk
sharpening terlihat perbedaan antara citra yang belum ditajamkan dengan yang sudah
memiliki ketajaman yang berbeda, namun masih belum terlihat perbedaan jelas antara
ketiganya namun hanya terlihat bahwa berurutan dari bicubic ke bilinear ke nearest
terlihat bicubic lebih terang (brightness value) lebih besar baru kemudian bilenar baru
kemudian nearest dan pada citra hasil interpolasi nearest neighbor pada suatu objek
terlihat bayangan yang terjadi (tidak ada pada bilinear dan bicubic) dan lebih terlihat
lagi pada objek objek yang memiliki ketinggian, hal ini dapat dijelakan bahwa benar
adanya ketika nearest neighbor menggunakan nilai dari piksel piksel terdekatnya untuk
mengisi piksel yang kosong (karena bayangan saat pemotretan digunakan untuk mengisi
piksel kosong yang diakibatkan penajaman) dan hal ini tidak terjadi pada kasus
interpolasi dengan bilinear dan bicubic karena memang mereka dalam mengisi piksel
yang kosong tidak dengan piksel terdekat namun secara acak dengan jumlah tertentu
dan penentuan nilai dengan penghitungan matematis tertentu. Hal inilah sebab salah satu
alasan nearest neighbor lebih cocok digunakan pada daerah yang homogen karena nilai
piksel yang satu dengna yang lainnya tidaklah jauh sehingga mengambil nilai piksel
terdekat untuk mengisi piksel yang kosong pun tidak masalah.
Proses interpolasi ini pada dasarnya untuk mengadakan nilai yang tidak ada
diantara dua nilai, oleh karena itu nilai piksel yang didapatkan dari masing masing
interpolasi tidak dapat dikatakan sebagai benar karena wujud aslinya dilapangan pun
belum tentu akan sama seperti yang ada dipiksel sehingga hasil akhir dari semua
interpolasi hanya bisa dikatakan sebagai mendekati benar namun tidak penah benar
dengan kondisi di lapangan aslinya.
 BAB V
PENUTUP
5.1 Kesimpulan

Panchromatic Sharpening atau Pan Sharpening adalah sebuah metode dalam

penginderaan jauh yang diperuntukkan untuk meningkatkan resolusi spasial dari sebuah
citra. Adapun untuk meningkatkan resolusi spasial tersebut digunakan citra panchromatic,
yang artinya adalah sebuah gambar dengan single band yang digunakan untuk
“mempertajam” sebuah citra multi band atau multi spektral. Kombinasi antara citra
panchromatic dan multispectral diperlukan karena pada citra multispektal memiliki
resolusi spektral yang lebih tinggi namun resolusi spasial yang cenderung lebih rendah
karena sensor harus sudah memuat data yang lebih banyak pada spektral, sedangkan pada
citra panchromatic resolusi spektral tidak tinggi namun resolusi spasial yang dihasilkan
cenderung lebih tinggi. Sehingga kombinasi antara keduanya akan menghasilkan citra
dengan resolusi spasial dan resolusi spektral yang tinggi.

Pada praktikum ini telah dilaksanakan Pan Sharpening pada citra Landsat 8 dengan
menggunakan beberapa metode; yakni nearest neighbor, bilinear dan cubic convolution.
Secara kasat mata tidak ada perubahan yang signifikan diantara ketiga metode tersebut,
namun jika citra diteliti sampai pixel-nya, hal ini dapat diindikasikan bahwa terdapat
perbedaan. Secara dasar metode cubic convolution seharusnya memiliki hasil yang baik
dikarenakan lebih banyak data yang digunakan untuk proses interpolasi, namun untuk
mententukan mana yang terbaik pada kenyataannya hal ini sangat bergantung dengan
kondisi wilayah pada citra tersebut dan bahwa pada ketiga metode tersebut memiliki
model matematis yang berbeda pula.

5.2 Saran

Saran yang dapat disampaikan agar asisten dapat menghimbau dan mengingatkan agar
melakukan persiapan untuk praktikum secara baik, terutama dalam hal data yang
dibutuhkan. Dan saran lainnya adalah agar pelaksanaan praktikum hari Jumat dimulai pada
pukul 13.30 saja, dikarenakan waktu yang mepet untuk shalat Jumat dan makan siang.
Terimakasih.
 DAFTAR PUSTAKA

http://imstrat.ca/uploads/files/Brochures/PanSharpening.pdf diakses pada 28 Februari

2018 pukul 21.40.
http://www.wawanhn.com/2015/05/pan-sharpening-citra-landsat-8-dengan.html diakses
pada 28 Februari 2018 pukul 21.20.
http://www.shadedrelief.com/landsat8/landsat8panchrom.html diakses pada 28 Februari
2018 pukul 21.30.