discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/295073376
CITATIONS READS
0 2,608
1 author:
Abdul Malik
Universitas Negeri Makassar
4 PUBLICATIONS 7 CITATIONS
SEE PROFILE
All content following this page was uploaded by Abdul Malik on 14 September 2016.
Oleh :
Abd. Malik, S.T., M.Si.
Jurusan Geografi
Universitas Negeri Makassar
2008
ii
DAFTAR ISI
I. PENDAHULUAN 1
1.1. Penginderaan Jauh 1
1.2. Pengolahan Citra Digital Multispektral 4
1.3. Software ER Mapper Versi 7.0 8
1.4. Menginstal ER Mapper Versi 7.0 10
II. MEMULAI ER MAPPER VERSI 7.0 11
2.1. Mengaktifkan Program ER Mapper 7.0 11
2.2. Loading Data Citra 11
2.3. Menampilkan Data Citra 14
2.4. Mosaik Citra 21
III. KOREKSI GEOMETRIK/REKTIFIKASI CITRA 25
3.1. Menentukan Metode Geocoding 25
3.2. Menentukan Titik Kontrol (Ground Control Point = GCP) 26
3.3. Proses Rektifikasi 33
IV. KUALITAS CITRA 35
4.1. Pembuatan Citra Komposit (RGB = Red-Green-Blue) 35
4.2. Pemotongan Citra (Cropping) 37
4.3. Penajaman Kontras Citra (Transformation) 46
4.3.1. Penajaman Citra 46
4.3.2. Filtering 47
4.3.3. Transformasi Khusus (NDVI = Normalized Difference
Vegetation Index) 50
V. KLASIFIKASI MULTISPEKTRAL CITRA 53
5.1. Klasifikasi Unsupervised (Tak Terbimbing) 53
5.2. Klasifikasi Supervised (Terbimbing) 63
iii
Puji dan Syukur kami panjatkan kehadirat Allah SWT karena berkat rahmat
dan hidayah-Nya, penulisan buku panduan Pengolahan Citra Digital Dengan ER
Mapper Versi 7.0 ini dapat diselesaikan.
Kehadiran buku panduan ini akan sangat membantu dalam memberikan
pengetahuan, pemahaman dan keterampilan yang mendalam tentang pengolahan
citra digital khusususnya bagi mahasiswa yang memprogram mata kuliah
Penginderaan Jauh Dasar, Interpretasi Foto Udara, Penginderaan Jauh Terapan, dan
Sistem Informasi Geografi (SIG) Jurusan Geografi FMIPA-UNM.
Secara keseluruhan buku panduan ini terdiri atas 8 (delapan) pokok bahasan
yang membahas secara ringkas, padat, namun mudah dipahami tentang teknik
pengolahan citra digital, selain itu yang menarik karena contoh citra digital yang
diolah dalam buku panduan ini, langkah-langkah kerjanya dikerjakan secara penuh
dari awal hingga akhir yakni sampai pada annotasi dan pencetakan, sehingga bagi
para pengguna buku panduan ini akan sangat mudah memahami dan terampil dalam
melakukan pengolahan citra digital.
Penulis menyadari buku panduan ini masih jauh dari kesempurnaan, karena
itu saran dan kritikan dari berbagai pihak yang bersifat membangun guna
penyempurnaannya ke depan senantiasa kami tunggu.
Terima Kasih.
Penulis
1
I. PENDAHULUAN
besar file (kapasitas file) yang kita gunakan dan mempercepat proses-proses
pengolahan citra.
5. Komposit Citra (Image Composit); merupakan modifikasi saluran/kanal/band
citra untuk menonjolkan beberapa aspek. Pemilihan band didasarkan atas
kebutuhan pengolahan data. Misalnya untuk memperlihatkan penutup lahan
kawasan pesisir dan laut, maka disarankan menggunakan komposit citra 321,
maksudnya band 3 diberi warna merah, band 2 diberi warna hijau, dan band 1
diberi warna biru, yang biasa disebut dengan Red, Green, Blue (RGB).
X–Peta Y–Peta
No X–Citra Y–Citra Keterangan
(mU) (mT)
1 1213,29 2134,89 9552150 791700 Jembatan menuju Sumpangminangae
5. Klasifikasi (Classification)
Klasifikasi Terbimbing (Supervised Classification) adalah klasifikasi nilai
pixel didasarkan pada contoh daerah yang diketahui jenis objek dan nilai
spektralnya. Klasifikasi terselia digunakan data penginderaan jauh multispektral
yang berbasis numerik, maka pengenalan polanya merupakan proses otomatik
dengan bantuan komputer dengan tahapan sebagai berikut :
7
Citra setelah
Proses klasifikasi
ER Mapper Versi 7.0 merupakan salah satu software atau perangkat lunak
dalam pengolahan data citra satelit yang termasuk banyak digunakan saat ini,
walaupun masih banyak software-software yang lain seperti Ilwis, ERDAS, maupun
Idrisi For Windows. ER Mapper Versi 7.0 merupakan penyempurnaan dari versi
9
sebelumnya yakni, versi 6.4., walaupun saat ini sebenarnya telah ada muncul untuk
versi 7.1.
Untuk mengoperasikan software ini tentunya harus didukung oleh komputer
baik itu komputer dengan spesifikasi berikut :
- Sistem Operasi (Operating System atau OS): Windows NT, Windows 2000,
Windows XP, Windows Vista
- Perangkat Keras (Hardware): Standard PC/Laptop minimal Pentium 4, Memory
256MB, Free Space Hard Disk 607 MB, VGA Card 4MB.
ER Mapper yang merupakan salah perangkat lunak utama dalam
pengolahan data seperti :
- Data Satellite images (Landsat, SPOT, Ikonos, Quicbird, dan lain-lain)
- Data Foto Udara hasil scan
- Data Seismic 3D
- Data Geofisika seperti data airborne magnetics
- Data raster lainnya yang berbasis imagery
- Data Vector
Selain itu ER Mapper juga mendukung untuk data ARC/INFO, DXF, .Shp, dan dan
pembuatan DEM (Digital Elevation Model).
Beberapa aplikasi kajian/bidang yang dapat dilakukan dengan ER Mapper,
antara lain :
- Kehutanan ; Pemetaan Hutan dan Perubahannya, Deteksi Kebakaran Hutan,
Penempatan Akses Jalan dan Produksi Peta-peta
- Pengguna SIG ; Integrasi Data Raster dan Vektor
- Penggunaan Lahan; Klasfikasi Penggunaan Lahan dari Data Satelit dan
Deteksi Perubahan Penggunaan Lahan Setiap Saat
- Perhubungan (Jalan); Deteksi jalan-jalan baru dan perubahannya,
Menemukan/penempatan area sebagai jalanan, dan Menghasilkan peta-peta
yang menunjukkan perubahan jalan
- Eksporasi Mineral; Interpretasi aplikasi-aplikasi Geologi dan Peta-peta Kawasan
Eksplorasi
10
- Minyak dan Gas; Mengetahui struktur seismic horizon dalam 2D dan 3D, Peta
Dasar untuk daerah yang mengandung minyak atau gas, Penajaman dan
Pengolahan data perekaman satelit SAR.
- Telekomunikasi; Pemetaan lokasi untuk Transimisi Selular
- Sumberdaya Air; Pemetaan perubahan vegetasi didaerah tangkapan air,
Memetakan daerah aliran permukaan, dan Pengukuran daerah tangkapan air
yang berpotensi tercemar
ERErMapper
Mapper7.0.lnk
7.0
atau dari menu Start pilih All Program kemudian Pilih Earth Resource
Mapping lalu Klik ER Mapper 7.0 sehingga muncul window main menu sebagai
berikut :
Menu Bar
Tools Bar
Data raster adalah tipe data yang menjadi bahan utama kegiatan pengolahan
citra. Data raster adalah citra digital yang dibentuk dari elemen-elemen gambar (pixel
= picture element) dan dinyatakan dalam tingkat keabuan. Contoh data raster adalah
citra satelit dan foto udara. Secara defenitif citra penginderaan jauh adalah gambaran
suatu obyek dari pantulan atau pancaran radiasi elektromagenetik obyek, yang
direkam dengan cara optic, elektro-optik, optic-mekanik, atau elektronik. Citra
penginderaan jauh merupakan gambaran dari wujud aslinya atau paling tidak berupa
gambaran planimetriknya, sehingga citra merupakan keluaran suatu system
perekaman data dapat bersifat optic, analog, dan digital. Pada saat membuaka data
raster, Er Mapper akan membuat dua file : (1) File data binary yang berisikan data
raster dalam format BIL, tanpa file extension; dan (2) File header dalam format
ASCII dengan extension .ers.
Data vektor adalah data yang tersimpan dalam bentuk titik, garis, dan polygon
(area). Contoh data vector adalah data yang dihasilkan dari hasil digitasi Sistem
Informasi Geografis (SIG) seperti lokasi pengambilan sampel, jalan atau penggunaan
lahan. Er Mapper juga akan membuat dua file hasil dari mengimport data vector : (1)
File data dalam format ASCII berisikan data vector; dan (2) File header dalam format
ASCII dengan extension .erv.
Er Mapper memiliki banyak fasilitas import yang dapat digunakan untuk
mengimport antara lain data raster dan vector dalam berbagai format. Untuk
melalukan import data dapat dilakukan sebagai berikut :
13
• Dari menu bar pilih Utilities yang akan menampilkan berbagai jenis data yang
dapat diimport dengan Er Mapper.
• Untuk mengimport data Landsat TM, pilih Import Satellite Imagery kemudian klik
Landsat TM BSQ/BIL CCT (Common LTWG CCT Format), lalu klik Import.
14
• Klik Import File/Device Name untuk memilih file yang akan diimport dengan
mengklik akan muncul kotak dialog yakni Input File Selection, lalu pilih
direktori dimana file yang akan diimport.
• Klik Output Dataset Name memberikan nama baru file hasil import dan
menempatkan file tersebut didirektori yang diinginkan dengan mengklik
Er Mapper 7.0 memiliki kemampuan membuka langsung data dalam berbagai format
extension sebagai berikut : .ers, .alg, .hdr, .bmp, .doq, .ecw, .fst, .tif, .tiff, .l1g, .l1r,
.met, .hdf, .jpg, tanpa harus melakukan proses import.
• Dari menubar pilih File / New untuk membuat tampilan kosong atau klik .
• D ari menubar pilih View / Algorithm, atau dari toolbar klik untuk
menampilkan isi dari algorithm dari Window atau Tampilan yang dibuat
sebelumnya.
• Akan muncul tampilan kotak Algorithm dan kotak window baru sebagai berikut
:
15
Pada kotak tersebut belum ada image karena belum ada file image yang
dimasukkan. Tanda
*** menunjukkan window/kotak tersebut sedang aktif atau sedang
dipilih, angka 1 menunjukkan bahwa kotak window tersebut adalah kotak
pertama yang dibuka, angka ini akan bertambah sebanyak jumlah kotak
window yang dibuka sehingga bila kita membuka kotak ke 15 maka akan
muncul angka 15 pada tampilan tersebut. Tulisan Algorithm Not Yet
Saved berarti tampilan window yang kita buka belum disimpan dalam file
algoritma (.alg).
• Dari menu Algorithm klik dibawah kata No Dataset untuk meload Data
yang akan ditampilkan.
• Akan keluar tampilan baru, kotak Raster Dataset
16
berarti kita memilih file yang di highli ght dan kotak Raster
Dataset akan menutup berarti kita memilih file yang di highlight
dan kotak Raster Dataset tidak akan menutup. Kalimat this layer only
yang mengikuti kata OK dan Apply menunjukkan bahwa perintah tersebut
hanya berpengaruh pada layer yang dipilih saja tetapi tidak untuk semua
layer.
adalah perintah untuk memperlihatkan informasi dari file
dataset yang akan kita pilih, akan tampil kotak seperti berikut :
• Bila data tersebut adalah data asli, maka cell size x dan y akan bernilai 1
meters. Nilai ini harus kita ubah terlebih dahulu sesuai dengan resolusi spasial
Landsat-TM yaitu 30 meters, yaitu dengan mengklik . Kemudian akan
tampil:
18
Isikan nilai 30 pada pilihan Xdimension dan Ydimension seperti contoh diatas,
19
Menunjukkan layer pada file terpilih yang aktif dan akan ditampilkan pada
layer tersebut (contoh diatas menunjukan band 1 sebagai layer terpilih). Dengan
mengklik tombol panah kebawah disamping tulisan B1:Band1 maka akan tampak
seluruh layer yang ada pada file tersebut (dalam hal ini adalah 7 band dari
Landsat-TM) seperti contoh diatas.
• Set jenis layer yang akan digunakan untuk menampilkan data yang telah
diload, beberapa pilihan layer yang disediakan adalah Pseudo, Red, Green,
Blue, Intensity, Height , dll. Untuk mengetahui jenis layer dapat dengan
mengklik kanan pada kalimat Pseudo Layer dan akan muncul :
20
Catatan :
• Untuk mengganti jenis layer klik kanan pada layer yang akan diganti.
paste layer
• Untuk Menonaktifkan layer, klik kanan kemudian pilih Turn Off atau klik
Default
Surface 1
Default
Surface 2
22
Citra masih ditampilkan dalam mode pseudo color, untuk dapat melihat citra
dalam warna true color, kita buat dengan kombinasi band RGB 453. Sebelum itu, jika
pada perbatasan scene ada bagian citra yang tidak tampak, lakukan edit Null Cell
Value pada kedua citra. Caranya dimulai menempatkan cursor pada DS yang ke 1.
Klik untuk membuka kotak dialog Raster Dataset. Selanjutnya klik info, klik Edit
(a) pada window Dataset Information, klik Raster Info (b) pada window Dataset
Header Editor, lalu ganti Null Cell Value : None dengan “0” (nol) pada window
Dataset Header Editor (c) : Raster Information, Klik OK pada window Dataset
Header Editor : Raster Information, klik Apply (d) pada window Dataset Header
Editor, klik Yes pada window Er Mapper Status, klik OK pada window Dataset Header
Editor, klik Close pada window Dataset Information.
b
c
Pada View Window akan tampak kedua citra yang telah tersambung, tetapi
belum tahu apakah di perbatasan kedua citra tersebut sudah representatif dan
kontinyu, seperti gambar berikut :
23
Selanjutnya hasil mosaik citra tersebut di buat dalam bentuk color composite
true color, misalnya RGB 453, dengan langkah sebagai berikut :
• Delete dengan icon pada window layer-layer selain band 4,5, dan 3 pada DS
1 dan DS 2 sehingga yang tersisa hanya band 4,5 dan 3.
• Ganti dengan surface Red Green Blue.
• Ganti juga pada masing-masing DS dengan layer Red, Green
dan Blue sesuai urutan band 4, 5, dan 3 (tidak boleh tertukar urutannya).
24
• Setelah citra telah termosaik dan tidak ada pergeseran, proses selanjutnya
menyimpan 2 dataset citra tersebut kedalam satu dataset. Dimulai dengan
membuka kembali semua band pada DS 1 dan DS 2 kedalam mode pseudo
layer. Sehingga pada window algorithm tersusun urut seperti gambar di bawah
sebelah kiri. Pada view window, kondisi citra “harus” kedalam keadaan Zoom to
All Datasets.
• Lakukan drag layer-layer pada DS 2 ke DS 1.
• Dari menubar pilih File-Save as untuk menyimpan algoritma-nya misalnya D:\
PraktekPJT\ 114064_1997\ L5114064_050897_B1234567.alg untuk menyimpan
hasilnya, dapat dilakukan dalam dua bentuk:
1. Disimpan dalam bentuk Virtual.
• Dari menubar pilih File-Save as akan muncul window baru yakni Save as.
Pada Files of Types, pilih ER Mapper Virtual Dataset (.ers) isikan nama
file baru di bawah kata Save as, misal D:\PraktekPJT\
114064_1997\L5114064_050897_B1234567_Mosaik_Virt.ers lalu Klik
OK.
2. Disimpan dalam bentuk Dataset.
• Dari menubar pilih File-Save as akan. Pada Files of Types, pilih ER
Mapper Raster Dataset (.ers) isikan nama file baru di bawah kata Save
as, misal D:\PraktekPJT\ 114064_1997\L5114064_ 050897_ B1234567_
Mosaik.ers lalu Klik OK.
• Klik Apply
• Pada window save as ER Mapper Raster Dataset klik Default, output
type : Multy Layer, klik output dataset type pilih Unsigned8bitinteger,
kemudian pixel heignt dan Pixel width masing masing 30. Maintain
aspect ratio d an Delete Output Transform di ceklist
• Klik OK, tunggu sampai window ER mapper status mencapai 100% dan
dan muncul pesan complete.
25
• Klik langkah 3)GCP Setup, lalu ceklist pada Geocoded image, vectors or
algorithm. Klik untuk membuka file referensi yang menjadi acuan untuk
mengoreksi data citra (misalnya Peta Rupa Bumi Digital Sulawesi Selatan
yang sudah geocoded) dalam format file .ers
• Pada kotak dialog Output Coordinate Space klik Change untuk menentukan
To geodetic datum : (misalnya = WGS84), To geodetic projection:
(misalnya = SUTM50) dan To coordinate type: (misalnya :
Eastings/Northings).
• Gunakan icon dari menu bar untuk menunjuk titik-titik referensi pada
citra dan peta. Gunakan juga icon-icon zooming dan panning
dari menu bar untuk memperbesar, memperkecil dan menggeser
citra dan peta.
• Klik dengan icon pada window view UNCORRECTED GCP ZOOM
untuk mengambil titik X dan Y, lalu klik pada window view CORRECTED
GCP ZOOM untuk mengambil koordinat Eastings dan Northings. Lalu
klik “Edit” hingga berubah menjadi “No” pada window Geocoding Wizard-
Step 4 of 5 agar titik yang telah dipilih terkunci (tidak akan mengalami
pergeseran)
• Klik icon pada window Geocoding Wizard-Step 4 of 5 untuk menambah
titik referensi baru lalu (lakukan langkah-langkah tersebut untuk titik-titik yang
lain)
31
• Jika telah mengambil minimal 4 titik GCP, save untuk menyimpan file GCP ke
dalam file header citra. Klik juga icon untuk menyimpan file GCP ke
dalam file tersendiri yang berextensi gcp (.gcp).
• Untuk melihat ke arah mana salahnya pergeseran titik referensi, aktifkan Grid
dan Errors pada window.
• Dari tool bar klik lalu klik untuk memilih file citra yang akan
dikompositkan, misalnya L5114064_050897_B1234567_rec.ers yang terdapat
pada folder : D:\Praktek PJT\114064_1997\ , lalu klik OK.
36
• Klik icon 2 kali, lalu klik kanan pada dan pilih Red
Green Blue, lalu ubah dengan menklik kanan menjadi Red
untuk yang pertama 1, Green kedua dan Blue ketiga, bersamaan itu pula ubah
band-nya untuk Red: Band 4; Green: Band 5; dan Blue: Band 3, sehingga
nampak citra dengan komposit RGB 453, seperti gambar berikut :
• Simpan file citra hasil komposit tersebut dengan memilih File-Save as dengan
menyimpannya pada folder : D:\Praktek PJT\114064_1997\ , dengan memilih
Er Mapper Raster Dataset pada Files of Type untuk menempatkan dataset
hasil save as. Isikan nama file baru dengan nama
L5114064_050897_B1234567_B453.ers lalu klik OK.
• Pada window Save as Er Mapper Raster Dataset klik Default, Output Type :
Multi Layer, Data Type : Unsigned8bitInteger, lalu pixel height dan pixel
√)
width masing-masing 30. Maintain aspect ration di ceklist (√
• Klik OK dan tunggu sampai window Er Mapper Status mencapai 100% dan
pesan yang menyatakan complete.
37
• Dari toolbar klik lalu klik pilih citra yang akan dipotong, misalnya
D:\Praktek PJT\114064_1997\L5114064_050897_B1234567_rec.ers, lalu
tampil-kan semua band pada file tersebut, jangan lupa ganti
• Dari menu bar View-Geoposition atau klik , lalu pilih Extens akan muncul
kotak dialog seperti berikut :
38
lalu pada window tools klik akan muncul vector polygon kota Makassar di
40
• Setelah itu beri nama region vector polygon dengn cara klik pada window
tools, jangan lupa garis vector tersebut harus dalam keadaan terselect, seperti
gambar berikut, lalu ketikkan kata “Makassar” pawa window yang tersedia, lalu
klik Apply.
42
• Save file vector tersebut dengan dan save as ke dalam Raster Region
dengan
• Pindahkan dot selection pada vektor file ke Raster Region. Pada baris Save to
File, filenya harus sama dengan yang dibuka di window algorithm, yakni
L5114064_050997_B1234567_rec.ers, seperti gambar berikut :
REGION1: makassar
44
• Untuk mengganti background color citra yang berwarna hitam menjadi putih,
lalu dari menu bar klik File-Page Setup, lalu ubah Set Color menjadi White,
lalu klik OK, sehingga dihasilkan gambar berikut :
45
• Untuk menyimpan citra hasil cropping tersebut dalam File Dataset, dari
menu bar klik File-Save As, dan simpan dalam folder :
D:\ Praktek PJT\114064_1997\ dengan nama
L5114064_050897_B1234567_rec_makassar.ers
Catatan :
• Jika menggunakan citra Landsat 7 ETM, yang memiliki tambahan band 8,
lakukan hal yang sama untuk band 8 tersebut, mulai dari overlay annotation
layer makassar.erv dengan citra band 8, lalu simpan dalam raster region pada
file band 8, kemudian beri formula. File misalnya disimpan dengan nama
L7114064_050802_B8_rec_makassar.ers
• Pada saat di Save As...., layer vector bisa di cut , agar tidak terbawa
dalam dataset baru.
46
• Kesembilan icon disebelah kanan adalah berbagai jenis stretch yang umum
digunakan antara lain transformasi linier, histogram equalisasi, gausian, dll. Untuk
mengetahui jenis transformasi untuk setiap icon letakkan cursor beberapa saat
diatas icon.
• Untuk mengganti layer yang akan diubah kontrasnya klik , , atau
47
• Anda dapat juga membuat kontras citra secara manual dengan mendrag garis
lurus pada kotak histogram dengan mouse kiri, seperti contoh:
Drag to
transform
• Untuk menyimpan hasil transformasi maka tampilan citra perlu disimpan, bisa
sebagai algoritma ataupun sebagai raster dataset dengan mengklik File-Save As
dan simpan di folder D:\ Praktek PJT\114064_1997\ dengan nama
L5114064_050897_B1234567_rec_trans.alg
4.3.2. Filtering
Filter spasial adalah suatu aplikasi umum yang diterapkan pada citra untuk
penajaman guna memuddahkan interprestasi visual. Filter spasial disebut juga
sebagai operasi lokal dalam pengolahan citra, sebab filter spasial merubah harga
setiap pixel dalam dataset sesuai dengan harga-harga pixel di sekitarnya.
Filter spasial dapat dibagi menjadi tiga kategori utama, yaitu :
1. Low pass filter atau filter lolos rendah, adalah filter yang menekan frekuensi
rendah meratakan keluaran noise pada citra atau menghilangkan spike pada
citra. Filter lolos rendah terkadang disebut juga sebagai filter smoothing atau filter
averaging.
48
2. High pass filter atau filter lolos tinggi, adalah filter yang menekan frekuensi tinggi
untuk mmenajamkan penampakan liner pada citra seperti jalan, patahan
lingkungan air dan tanah. Filter lolos tinggi terkadang disebut juga sebagai filter
sharpening karena secara umum digunakan untuk menajamkan citra secara detail
tanpa mempengaruhi bagian dari frkuensi rendah citra.
3. Edge detection filter, adalah filter yang menekan pinggir-pinggir disekeliling
suatu obyek atau penampakkan dalam suatu citra untuk memudahkan dalam
analisis. Filter edge detection biasanya membuat suatu citra dengan latar
belakang abu-abu dan hitam, dan garis putih yang mengelilingi pinggir obyek atau
penampakan dalam suatu citra.
Kita dapat memilih jenis-jenis filter yang ingin digunakan dari kumpulan filter
yang ada di ER Mapper, sepertim filter untuk averaging, edge enhancement,
laplacian, noise removal, sharpening, threshold, median, gradient. Kita juga dapat
mendefinisikan dan memasukkan filter-filter khusus yang kita buat sendiri. Filter dapat
digunakan untuk meningkatkan tampilan citra, menajamkam citra, meratakan dan
menghilangkan noise atau bising.
Untuk melakukan filtering, terlebih dahulu buka file raster dataset
L5114064_050897_B1234567_B453.ers pada folder D:\ Praktek PJT\114064_1997\
lalu klik akan muncul window filter. Dari window filter klik untuk meload jenis
filter yang akan digunakan, akan banyak pilihan jenis filter pada ER Mapper.
49
• Kemudian klik , lalu save hasil filtering pada dengan mengklik File-Save As
dan simpan di folder D:\ Praktek PJT\114064_1997\ dengan nama
L5114064_050897_B1234567_B453_filter.alg
Untuk memulai pembuatan algoritma NDV terlebih dahulu anda harus membuka file
citra yang akan di proses yakni L5114064_050897_B1234567_B453.ers dengan
mengklik , setelah terbuka citra dilanjutkan dengan mengklik icon Edit Formula
hingga akan muncul kotak dialog seperti dibawah ini :
51
Anda akan langsung masuk pada direktori formula algoritma yang telah di
patentkan, kemudian pilih algolitrma yang anda kan buat seperti dibawah ini, misalnya
menggunakan citra Landsat TM, lalu klik OK, seperti gambar berikut :
52
• Lalu klik , selanjutnya simpan file hasil transformasi NDVI dengan mengklik
File-Save As dan simpan di folder D:\ Praktek PJT\114064_1997\ dengan nama
L5114064_050897_B1234567_B453_NDVI.alg
53
V. KLASIFIKASI MULTISPEKTRAL
Klasifikasi multispektral adalah suatu proses dimana semua pixel dari suatu
citra yang mempunyai penampakan spektral yang sama akan diidentifikasikan.
Sebagai contoh suatu citra Landsat TM dengan tujuh buah informasi band dapat
diklasifikasi untuk mengidentifikasi lingkupan kawasan atau lahan di pesisir atau tata
guna lahan. Kita mempunyai sejumlah pilihan untuk membuat suatu klasifikasi, kita
dapat memilih jenis keluaran yang diinginkan dan juga pengolahan data yang
diinginkan. Dalam proses klasifikasi kita akan membuat suatu data set klasifikasi atau
suatu algoritma dari tiap-tiap baris yang mempresentasikan suatu kelas.
Klasifikasi unsupervised (tak terbimbing) dan supervised (terbimbing)
biasanya digunakan untuk mengklasifikasi keseluruhan suatu dataset menjadi kelas-
kelas. Kelas-kelas dapat mengidentifikasi misalnya area air (laut, sungai, maupun
danau), vegetasi (hutan dan tanaman, tanaman hijau lainnya), tambak, permukiman,
lahan kosong, dan lain-lain. Suatu dataset klasifikasi biasanya diperlihatkan dengan
menggunakan suatu tampilan baris klasifikasi dalam algoritma. Tampilan baris
klasifikasi dapat menampilkan banyak kelas, dengan warna yang berbeda-beda untuk
masing-masing kelas.
• Klik pada Input Dataset untuk file yang akan diklasifikasi, misalnya
D:\Praktek PJT\114064_1997\L5114064_050897_B1234567_makassar_ rec.ers
• Masukkan band yang akan digunakan dengan mengklik pada Band to Use.
Karena band RGB yang digunakan 453, maka masukkan 3-5
• Klik pada Output Dataset untuk memasukkan nama file yang baru hasil dari
klasifikasi, misalnya D:\Praktek PJT\114064_1997\ L5114064_
050897_B1234567_ makassar_ rec_unclass.ers.
• Masukkan nilai Maximum iterations, nilai tertinggi yang bisa dimasukkan 9999,
disini diberikan nilai 15.
• Masukkan nilai Maximum number of classes, nilai tertinggi yang bisa
dimasukkan adalah 255, disini diberikan 30.
• Masukkan nilai Maximum standard deviation, disini diberikan 2.
• Lalu Klik OK, sehingga munculnya pesan Unsupervised Classification complete
successfully sebagai berikut :
• Untuk menampilkan hasil klasifikasi tersebut, klik lalu ubah Pseudo layer
dengan mengklik kanan menjadi Class Display Layer, lalu klik pada
window Algorithm tersebut untuk menampilkan citra hasil klasifikasi dalam bentuk
grayscale (keabuan) yang belum dapat memberikan informasi kelas-kelas tentang
obyek yang ada seperti gambar berikut :
• Pada window Edit Class/Region Details klik Auto-gen colors sehingga muncul
untuk menampilkan secara otomatis kelas yang sama
berdasarkan warna komposit warna yang diberikan dalam hal ini RGB 453, lalu
berikan tanda centang pada kotak kecil Full Saturation lalu klik
seperti gambar berikut:
58
• Sehingga warna klasnya pada window Edit Class/Region Details akan berubah
dari grey scale menjadi warna yang menyerupai komposit warna RGB 453 seperti
gambar berikut:
• Save perubahan warna tersebut lalu klik pada menu bar sehingga citra juga
akan berubah sesuai komposit warna RGB 453
59
• Kemudian dari window Formula Editor klik File lalu pilih Save. Untuk contoh ini di
save pada C:\ERMapper70\Formula\Vegetation dengan nama makassar.frm
• Selanjutnya klik File dan Save as file hasil klasifikasi yakni L5114064_
050897_B1234567_ makassar_ rec_unclass.ers yang ada di D:\Praktek
PJT\114064_1997\ menjadi nama baru untuk klasifikasi 5 kelas. Untuk contoh ini
save dengan nama L5114064_ 050897_B1234567_ makassar_
rec_unclass1.ers.
• Buka program WordPad dengan mengklik Start lalu pilih All Programs, lalu pilih
Accessories, lalu pilih WordPad. Lalu tampilkan file L5114064_
050897_B1234567_ makassar_ rec_unclass1.ers dengan mengklik File lalu pilih
Open. Jangan lupa Files of type adalah All Documents (*.*)
• Kemudian Klik Open, lalu sorot Region Info Begin dari Class Number = 6 sampai
dengan Region Info End dari Class Number = 30, lalu klik atau tekan tombol
Delete di keyboard untuk menghapusnya, lalu klik untuk mensave. (Hal ini
dilakukan karena walaupun kelasnya sudah menjadi 5 kelas, namun dokumen
yang ada pada file .ers-nya masih 30 kelas).
61
62
• Untuk menampilkan hasil klasifikasi 5 kelas tersebut, klik lalu ubah Pseudo
layer dengan mengklik kanan menjadi Class Display Layer, lalu klik
pada window Algorithm tersebut untuk menampilkan citra hasil klasifikasi
tersebut, untuk contoh ini L5114064_ 050897_B1234567_ makassar_
rec_unclass1.ers , lalu Klik Edit pada menu bar lalu pilih Edit Class/Region
Color and Name sehingga muncul window Edit Class/Region Details, yang akan
menampilkan 5 kelas.
• Untuk memudahkan mengenali obyek pada 5 kelas tersebut, Lakukan perubahan
warna sesuai dengan keinginan Anda dengan mengklik . Untuk contoh
ini :
1. Kelas air (Laut dan Sungai) : hitam
2. Kelas tambak : abu-abu (128,128,128)
3. Kelas permukiman : orange (255,128,0)
4. Kelas vegetasi darat : hijau
5. Kelas lahan kosong : kuning
• Dari kotak Tools ini kemudian kita membuat polygon training area yang mewakili
obyek-obyek yang akan kita kelaskan. Klik untuk memulai pengambilan
polygon training area.
• Kursor akan berubah menjadi , lalu kita membuat polygon dengan mengklik
kiri untuk memulai polygon dan seterusnya lalu diakhiri dengan mengklik kiri dua
kali, maka polygon akan menutup. Misalnya kelas pertama adalah Sungai, maka
buat polygon pada daerah Sungai
• Lakukan proses yang sama untuk obyek-obyek yang lain.Setelah semua obyek
terwakili melalui polygon training area, kemudian klik pada kotak Tools.
• Kemudian pada menubars pilih Process lalu pilih Calculate Statistics….
• Klik pada Dataset, kemudian pilih file yang tadi telah kita training area.
• Isikan nilai 1 pada Subsampling interval, kemudian pada kotak di samping
Force Recalculate stats klik sehingga seperti contoh diatas. Kemudian klik OK.
67
• Klik pada Input Dataset, pilih file yang telah di calculate statistics.
• Input Band pilih Band 3-5
• Output Dataset biasanya sudah memberi nama secara otomatis dengan
menambahakan akhiran _class pada nama file input. Kemudian klik OK.
• Untuk menampilkan hasil klasifikasi tersebut, klik lalu ubah Pseudo layer
dengan mengklik kanan menjadi Class Display Layer, lalu klik pada
window Algorithm tersebut untuk menampilkan citra hasil klasifikasi tersebut,
yakni L5114064_050897_B1234567_makassar_ rec_class.ers
• Lalu Klik Refresh
• Untuk menampilkan hasil klasifikasi 7 kelas tersebut, klik lalu ubah Pseudo
layer dengan mengklik kanan menjadi Class Display Layer, lalu klik
pada window Algorithm tersebut untuk menampilkan citra hasil klasifikasi
tersebut, untuk contoh ini L5114064_050897_B1234567_makassar_
rec_class.ers , lalu Klik Edit pada menu bar lalu pilih Edit Class/Region Color
68
and Name sehingga muncul window Edit Class/Region Details, yang akan
menampilkan 7 kelas tersebut.
• Untuk memudahkan mengenali obyek pada 5 kelas tersebut, Lakukan perubahan
warna sesuai dengan keinginan Anda dengan mengklik . Untuk contoh
ini :
1. Kelas tanah terbuka : kuning
2. Kelas Permukiman : orange (255,128,0)
3. Kelas vegetasi darat : hijau
4. Kelas tambak : abu-abu (128,128,128)
5. Kelas mangrove : merah
6. Kelas Sungai : coklat (128,64,0)
7. Kelas Laut : biru muda (0,128,255)
NO. POSISI
PENUTUP LAHAN KETERANGAN
X Y
7.1. Re-Klasifikasi
• Ganti nama penggunaan lahan sesuai hasil pengamatan Anda. Kemudian klik
lalu untuk menutup kotak.
• Untuk menampilkan hasil klasifikasi tersebut, klik lalu ubah Pseudo layer
dengan mengklik kanan menjadi Class Display Layer, lalu klik pada
window Algorithm tersebut untuk menampilkan citra hasil re-klasifikasi tersebut,
lalu klik Refresh
• Lakukan proses Calculate Statistic terlebih dahulu terhadap file hasil klasifikasi.
• Kemudian dari menu bar pilih View lalu Statistics, lalu pilih Area Summary
Report….
• Pilih file yang akan Anda hitung luasannya pada Input Dataset, kemudian klik
OK, Maka akan muncul luasan pada setiap kelas dalam satuan Hectare, Kilometer
persegi, Acre dan Mil persegi
73
8.1. Annotasi
• Dari menu bar pilih File lalu Page Setup, maka akan muncul window sebagai
berikut :
74
• Selanjutnya klik untuk membuka window Algorithm dan klik Edit lalu pilih
Add Vector Layer dan pilih Annotation/Map Composition. Maka di Algorithm
akan bertambah 1 layer yakni Annotation Layer.
• Klik Icon Annotation dengan Annotation Layer disorot dan akan muncul
kotak New Map Composition, kemudian klik OK akan muncul Annotation Tools
box.
75
Drag
76
• Lalu pada kotak Map Object Attributes, klik Fit Grid supaya grid masuk
kedalam citra, lalu ubah Grid Style menjadi Full Grid dan atur Grid Spacing X
dan Y nya untuk ukuran gridnya.
• Kemudian Ubah juga Left Labels Orientation menjadi Vertical Up dan Top
Labels Orientation menjadi Horizontal Right untuk tulisan posisi geografisnya.
• Selanjutnya untuk membuat attibut lain, misalnya Legend_Item, terlebih dahulu
buat kembali kotak pada window citra sebagai tempat attibut tersebut seperti
sebelumnya, lalu ubah Category-nya pada window Map Object Select menjadi
Legend_Item, lalu pilih Classification Legend dan drag kembali ke Window Map
Attributes.
77
Drag
78
• Pada window Map Object Attributes, Load data pada Classified Raster File,
dengan mengklik , lalu klik menjadi . Hapus
tulisan pada kolom Label: dan tekan Enter. Jika pada citra, ada kelas yang
berwarna hitam, maka pada Reject Black Classes pilih No.
• Kemudian masukkan North_Arrow (panah utara) dan Scale_Bar, dengan mencari
pada Category.
• Untuk menuliskan judul serta keterangan lain, klik , lalu buat kotak pada peta
dimana tulisan tersebut akan ditempatkan. Size tulisan dapat dirubah dengan
merubah angkanya.
• Untuk membawa tulisan atau gambar, klik , lalu klik pada objek yang akan di
pindahkan, klik dengan mouse kiri dan drag objek ketempat yang diinginkan.
• Save Annotasi yang Anda buat dengan mengklik lalu ketik nama filenya dan
untuk Files of Type : Vector Map (.erv). Jangan lupa untuk men-save juga dalam
tipe file .alg dengan mengklik pada menu bar File lalu pilih Save as… dan simpan
dengan nama dan folder yang diinginkan. Hal ini akan memudahkan Anda untuk
sewaktu-waktu melakukan pencetakan tanpa harus masuk pada pengaturan
annotasi.
8.2. Pencetakan
• Untuk pencetakan dalam bentuk file .bmp beri tanda centang pada
lalu klik pada Hardcopy Control Files sehingga secara
otomatis akan muncul Output Name.
80
• Jika pencetakan berhasil akan muncul window Print Status dan pesan Hardcopy
finished successfully, lalu klik OK dan Close untuk menutupnya.
DAFTAR PUSTAKA
Anonim . 2005. ER Mapper User Guide 7.0. West Perth. Western Australia.
Faizal, A. 2001. Aplikasi Teknik Penginderaan Jauh dan Sistem Informasi Geografis
untuk Penyusunan Tata Ruang Ekosistem Terumbu Karang di Pulau
Tanakeke Sulawesi Selatan. Tesis (Tidak dipublikasi). Universitas Gajah
Mada. Yogyakarta.
Lillesand dan Kiefer. 1990. Penginderaan Jauh dan Interpretasi Citra. Gajah Mada
University Press, Yogyakarta.
Prasetyo L.B. 2005. Kapita Selekta Sistem Informasi Geografis (SIG ) dan
Penginderaan Jauh. Jurusan Konservasi Sumberdaya Hutan, Fakultas
Kehutanan, Institut Pertanian Bogor, Bogor.
Sutanto, 1986. Penginderaan Jauh Jilid I. Penerbit Gajah Mada University Press,
Yogyakarta.
Sutanto, 1987. Penginderaan Jauh Jilid II. Penerbit Gajah Mada University Press,
Yogyakarta.