CROPPING CITRA

LAPORAN MINGGUAN ACARA IV

DIAJUKAN SEBAGIAN PERSYARATAN

PRAKTIKUM PENGINDERAAN JAUH DASAR

OLEH:

RYAN ALAMSYAH
R1B1 18 085

JURUSAN GEOGRAFI
FAKULTAS ILMU DAN TEKNOLOGI KEBUMIAN
UNIVERSITAS HALU OLEO
KENDARI
2019
 ACARA IV
CROPPING CITRA (PEMOTONGAN CITRA)

I. TUJUAN PRAKTIKUM

Adapun tujuan dari praktikum ini untuk memahami dan melakukan

proses pemotongan citra/cropping citra.

II. ALAT DAN BAHAN

Adapun alat dan bahan yang digunakan dalam praktikum cropping citra
adalah:
Tabel 2.1 Alat dan Bahan serta kegunaannya
No Alat dan Bahan Kegunaan
1 Kertas A4 Untuk menulis materi
2 Citra Landsat 8 Konawe Sebagai bahan untuk di cropping citranya
menggunakan aplikasi software ENVI 4.5
Selatan

3 Komputer Sebagai alat untuk mengolah citra

4 Software Envi 4.5 Untuk menganalisis data citra landsat 8
5 Peta Batas Administrasi Sebagai data administrasi pemotongan
Konawe Selatan citra

III. DASAR TEORI

A. Pengindraan Jauh
Penginderaan jauh merupakan suatu metode pengamatan yang
dilakukan tanpa menyentuh obyeknya secara langsung. Penginderaan jauh adalah
pengkajian atas informasi mengenai daratan dan permukaan air bumi dengan
menggunakan citra yang diperoleh dari sudut pandang atas (overhead
perspective), menggunakan radiasi elektromagnetik dalam satu beberapa bagian
dari spektrum elektromagnetik yang dipantulkan atau dipancarkan dari permukaan
bumi (Campbell, 2011 dalam Maspiyanti dkk, 2013).
 Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi
tentang suatu obyek, daerah, atau fenomena melalui analisis data yang diperoleh
dengan suatu alat tanpa kontak langsung dengan objek, daerah, atau fenomena
yang dikaji. Aplikasi penginderaan jauh terutama memanfaatkan sifat-sifat dan
kelebihan penginderaan jauh dibandingkan pengukuran lapangan. Beberapa
kelebihan pengumpulan data menggunakan penginderaan jauh antara lain
memudahkan pekerjaan di lapangan karena terbatasnya kemampuan dalam
merekam suatu kondisi terutama pada lokasi dengan aksesibilitas yang sulit, cara
ini dapat memberikan data yang lengkap dalam waktu relatif singkat serta
pemantauan kondisi suatu wilayah yang sama secara berkala ( Lilesand dkk, 2004
dalam Wahyuni, 2012).
Perkembangan Teknologi satelit pengindraan jauh meningkat seiring
dengan kemajuan teknologi saat ini. Perkembangan ini meliputi kemampuan
sensor wahana satelit yang membawa sensor mencapai orbit sehingga dapat
mendektesi obyek yang berada di permukaaan bumi. Data yang dihasilkan berasal
dari perekaman sensor yang mengalami peningkatan resolusi meliputi resolusi
spasial, resolusi temporal, resolusi spektral, dan resolusi radiometrik. Kemajuan
teknologi ini menuntut para praktisi bidang pengindraan jauh melakukakan
pengembangan metode-metode ekstrasi citra dengan metode klasifikasi untuk
mendapatkan informasi yang tepat dan akurat. Klasifikasi citra meliputi klasifikasi
secara manual menggunakan citra dan klasifikasi multispektral secara digital
menggunakan komputer. Klasifikasi multispektral merupakan salah satu bagian
dari pengolahan citra pengindraan jauh untuk menghasilkan peta tematik dan
dijadikan masukan dalam permodelan spasial dalam lingkungan sistem informasi
geografis/GIS (Danoedoro, 2012 dalam Anggoro dkk, 2017)

B. Envi
Pengolahan data yang bersifat spasial dapat dilakukan dengan
menggunakan Sistem Informasi Geografis. Sistem Informasi Geografis memiliki
kemampuan untuk mengolah data masukan (input), menjadi suatu (output) yang
berupa informasi baru. Pengelolaan citra landsat menggunakan software Envi 4.5.
Pengolahan citra landsat dengan ENVI 4.5 meliputi koreksi radiometrik, koreksi
geometrik, komposit citra (Prayitno dan Bachrodin, 2015).
Analisis vegetasi dalam penginderaan jauh dapat dilakukan dengan
menggunakan berbagai transformasi, diantaranya adalah NDVI (Normalized
Difference Vegetation Index). Transformasi NDVI memiliki sentivitas tinggi
terhadap kandungan klorofil pada tanaman, sehingga sangat baik untuk
mengidentifikasi vegetasi tidak hanya pada wilayah dengan vegetasi yang
memiliki kerapatan tinggi (Jackson R.D. dan Huete, A.R., 1991).
Pengolahan citra dan pengenalan citra dan pengenalan pola kedua
aplikasi ini akan saling melengkapi untuk mendapatkan cirri khas dari suatu citra
yang akan di kenali. Pada proses pengolahan data citra pada penelitian ini
menggunakan perangkat lunak Software ENVI (The Environment For Visualizing
Images) karena mampu melakukan pendekatan yang unik dalam pengolahan data
citra yang mengkombinasukan file-based dan band-based (Muhlis dkk, 2016).

C. Croppping Citra

Tujuan cropping citra untuk memfokuskan daerah yang digunakan

dalam penelitian serta menghemat memori penyimpanan. Cropping area
penelitian dilakukan dengan pembentukan ROI (Jiyah dkk, 2017).
Preprocessing merupakan tahapan yang bertujuan untuk mendapatkan
Region Of Interest (ROI) dengan cara memotong citra, mengubah ukuran gambar,
dan lain sebagainnya . Pada penelitian ini, diawali dengan pemotongan (cropping)
citra asli sesuai dengan ukuran. Kemudian citra yang sudah dipotong (crop) akan
dihilangkan backgroundnya untuk mendapatkan citra. Dan proses yang terakhir
adalah dengan mengubah semua ukuran citra menjadi 500x500 piksel. Tahapan
ini untuk mendapatkan citra pengolahan yang lebih baik dari sebelumnya. Dan
hasil yang diharapkan dapat menghasilkan akurasi yang tinggi (Sudibyo dkk,
2018).
Pemotongan citra dilakukan guna memperkecil ukuran file dari citra
sehingga pemrosesan data menjadi lebih ringan dan cepat sesuai dengan
kebutuhan data citra yang di analisis, apalagi pada penelitian ini menggunakan
data multitemporal untuk proses klasifikasinya, sehingga pemotongan citra sangat
dibutuhkan untuk tidak menggunakan waktu yang lama dan ukuran yang besar
dalam prosesnya (Ardiansyah dkk, 2015).
V. HASIL PRAKTIKUM

Adapun hasil dari praktikum cropping citra adalah sebagai berikut:

Tabel 5.1 Hasil praktikum cropping citra
Kabupaten Citra Sebelum Pemotongan Citra Sesudah Pemotongan

Konawe Selatan
VI. PEMBAHASAN

Citra merupakan salah satu bentuk informasi yang berupa gambar yang
seringkali mengalami gangguan atau memiliki kualitas yang buruk sehingga sulit
diinterpretasikan oleh manusia, untuk mengatasi hal tersebut dilakukan
pengolahan citra. Pengolahan citra bertujuan untuk memperoleh kualitas citra
yang lebih baik dibandingkan dengan citra awal. Perbaikan citra merupakan tahap
awal dari pengolahan citra yang selanjutnya akan digunakan untuk kebutuhan
analisis citra.
Cropping citra dilakukan untuk mendapatkan daerah penelitian dengan
maksud untuk dapat melakukan pengolahan data yang lebih terfokus, terinci dan
teroptimal untuk menghasilkan citra yang representatif dan continue. Pemotongan
citra memiliki nilai utilitas lainnya, yaitu memperkecil daerah yang akan dikaji
sesuai dengan area terpenting. Pemotongan citra dilakukan sesuai dengan bentuk
daerah yang diinginkan dan di sini kami di berikan daerah Kabupaten Kendari
untuk dilakukan pemotongan citranya. Pemotongan citra diolah secara continue
agar dapat meminimalisir kesalahan di dalam proses pengolahan data
penginderaan jauh di Software ENVI 4.5 bahkan teknik pemotongan citra atau
Cropping citra dapat menyederhanakan suatu area hasil penginderaan jauh,
Sehingga Cropping citra dapat bermanfaat untuk mempermudah kinerja
seseorang ketika sedang melakukan pengamatan citra, terutama dalam membatasi
region atau wilayah tertentu.
Dalam praktikum pemotongan citra daerah Kabupaten Konawe Selatan ini
kami menggunakan citra komposit band 432 yang merupakan warna natural
karena dalam pembuatannya menggunakan komposit warna RGB 432. Komposit
432 ini merupakan perpaduan antara sehingga menghasilkan warna asli pada citra.
Pada table 5.1 merupakan citra hasil pemotongan yang dilakukan pada
wilayah Kabupaten Kendari. Dalam melakukan proses pemotongan citra kami
menggunakan aplikasi ENVI 4.5. Pemotongan citra dilakukan agar memudahkan
pengguna dalam memahami dan menginterpretasikan citra dengan mudah, lebih
terfokus dan teliti. Hal tersebut dapat dilihat pada perbedaan di antara citra
sebelum pemotongan dan citra sesudah pemotongan. Pada citra sebelum
pemotongan hasilnya belum terlihat daerah Kabupaten Konawe Selatan
sedangkan pada citra sesudah pemotongan terlihat jelas daerah pemotongan
citranya dan kita bisa melihat obyek awan, obyek vegetasi dan obyek jalan.
VII. PENUTUP

A. Kesimpulan

Kesimpulan dari praktikum ini yaitu bahwa cropping citra dilakukan

sesuai dengan bentuk daerah yang di berikan yaitu Kabupaten Konawe
Selatan. Adanya teknik cropping citra ini dapat menyederhanakan suatu
area hasil penginderaan jauh dan cropping citra ini dapat bermanfaat untuk
mempermudah kinerja seseorang ketika sedang melakukan pengamatan citra
dalam membatasi region atau wilayah tertentu.

B. Saran
Saran yang dapat saya sampaikan pada praktikum IV ini agar kita
lebih memehami lagi tentang penginderaan jauh lebih dalam lagi dan
komputer yang ada di leb sebaiknya disimpan memang aplikasi yang akan
digunakan dalam setiap praktium.
VII. DAFTAR PUSTAKA

Anggoro, A., Siregar, V. P., & Agus, S. B., 2017, Klasifikasi Multiskala
UntukPemetaan Zona Geomorfologi dan Habitat Bentik Menggunakan
Metode Obia di Pulau Pari, Jurnal Pengindraan Jauh, Vol. 14, No. 2, p.
90

Ardiyansyah., Subiyanto, S., & Sukmono, A., 2015, Indentifikasi Lahan Sawah
Menggunakan NDVI dan PCA Pada Citra Landsat 8, Jurnal Geodesi
Undip, Vol. 4, No. 4, p. 319

Jackson, R.D. and Huete, A.R. 1991. Interpreting Vegetation Indices. Journal of
Preventive Veterinary Medicine, No. 11, p. 231-237.

Jiyah., Sudarsono, B., & Sukmono, A., 2017, Studi Distribusi Total Suspended
Solid (TSS) Di Perairan Pantai Kabupaten Demak Menggunakan Citra
Landsat, Jurnal Geodesi Undip, Vol. 6, No.1, p.44

Maspiyanti, F., Fananny, M. I., & Arymurthy, A. M., 2013, Klasifikasi Fase
Pertumbuhan Padi Berdasarkan Citra Hipespektral Dengan
Modifikasi Logika Fuzzy, Jurnal Pengindraan Jauh, Vol. 10, No.1,
p.42

Muhlis, A, Irawan, A, F dan Ramadhan, F., 2016. Penilaian Perubahan Lahan

Sawah di Kecamatan Gambut Kabupaten antara Tahun 2010 dengan
Tahun 2015. Jurnal INTEKNA, Vol.16, No.2, p.146

Prayitno, Y dan Bachrodin, I., 2015. Perubahan Garis Pantai di Kabupaten

Indramayu dengan Menggunakan Citra Satelit Landsat Multi Temporal.
The journal of Fisheries Development, Vol. 2, No. 3 p. 61-70.

Sudibyo, U., Sari, A. C., & Rachmawanto, E. H., 2018, Optimasi Algoritma
Learning Quanti (LQV) Dalam Pengklasifikasian Citra Daging Sapi
Berbasis GLCM Dan HSV, Jurnal Simetris, Vol. 9, No.1, p. 2

Wahyuni, N. I., 2012, Integrasi Pengindraan Jauh dalam Penghitungan Biomasa

Hutan, Info BPK Manado, Vol. 2, No. 2, p.117