Disusun Oleh:
Disusun Oleh : Ananda Ayu Febri Anggreyni
NRP : 03311640000004
Mata Kuliah : Penginderaan Jauh Terapan
Kelas :A
Dosen Pengampu : Lalu Muhamad Jaelani, S.T, M.Sc, P.hD
Dosen Asistensi : Filsa Bioresita, ST., MT.
Tanggal Pengumpulan: 30 Agustus 2019
Puji syukur kehadirat Tuhan Yang Maha Esa karena dengan rahmat, karunia, serta
hidayah-Nya sehingga penulis dapat menyelesaikan laporan berjudul “Pan Sharpening Data
Citra Landsat 8 Wilayah DKI Jakarta Menggunakan Software Arcmap,Envi Classic 5.3 Dan
Envi 5.3 “ dengan lancar.
Laporan ini penulis susun dengan maksimal dan mendapatkan bantuan dari berbagai
pihak sehingga dapat menyelesaikan pembuatan laporan praktikum ini. Untuk itu kami
menyampaikan banyak terima kasih kepada :
1. Bapak Lalu Muhamad Jaelani, S.T, M.Sc, Ph.D selaku dosen pengajar mata kuliah
Penginderaan Jauh Terapan
2. Ibu Filsa Bioresita, ST., MT. selaku dosen responsi mata kuliah Penginderaan Jauh
Terapan
Penulis berharap laporan ini bermanfaat bagi para pembaca. Penulis menyadari bahwa dalam
penyusunan laporan ini masih ada kesalahan dan kekurangan. Oleh sebab itu, Penulis berharap
adanya kritik, saran dan usulan demi perbaikan laporan yang akan di buat berikutnya. Semoga
laporan ini dapat dipahami bagi siapapun yang membacanya dan juga dapat berguna bagi
penulis. Mohon maaf apabila terdapat kesalahan kata dalam penulisan laporan ini. Kritik dan
saran yang membangun sangat diperlukan demi perbaikan laporan ini.
Penulis
2
DAFTAR ISI
3
BAB I. PENDAHULUAN
1.1 Latar Belakang
Penginderaan jauh yaitu berbagai teknik yang dikembangkan untuk perolehan dan
analisis informasi tentang bumi. Informasi tersebut berbentuk radiasi elektromagnetik
yang dipantulkan atau dipancarkan dari permukaan bumi (Lindgren, 1985 dalam Sutanto
1986). Hasil dari rekaman tersebut berupa data penginderaan jauh yang dalam
penerapannya disebut citra penginderaan jauh. Ada dua macam citra yang dihasilkan dari
produk penginderaan jauh, citra foto dan citra nonfoto (satelit). Seiring dengan kemajuan
teknologi informasi spasial suatu wilayah dapat dilakukan dengan mudah. Dengan adanya
data-data citra satelit dapat memudahkan kita dalam mencari informasi yang lebih dalam
mengenai spasial data, interpretasi suatu wilayah, informasi vegetasi dan segala aspek
keruangan serta informasi yang sangat dibutuhkan didewasa ini. Banyak metode serta
perangkat lunak yang digunakan guna mendukung proses pengolahan data citra satelit
yang ada. Salah satu metode dalam pengolahan data citra yaitu Pan Sharpening.
Proses “Pan Sharpening” merupakan kegiatan dalam “mempertajam” data
multispektral dengan menggunakan data pankromatik (single band). Dari penggabungan
citra ini banyak didapatkan keuntungan dan kemudahan dalam mengolah data citra.
Penggabungan citra memberikan beberapa keuntungan seperti pemeliharaan ruang
penyimpanan komputer, peningkatan kualitas estetika dan kosmetik; peningkatan resolusi
spasial, dan perbaikan analitis (Ranchin et al., 2003). Pada umumnya metode pan-
sharpening bertujuan untuk meningkatkan informasi spasial dari citra multispektral yang
asli dengan menggabungkan citra yang mempunyai resolusi spasial lebih tinggi dengan
citra resolusi spektral yang lebih tinggi pula sehingga kualitas data yang dihasilkan lebih
maksimal.
4
BAB II. DASAR TEORI
2.1 Satelite Landsat 8
Landsat Data Continuity Mission (LDCM) atau dikenal dengan nama Landsat 8
diluncurkan pada tanggal 11 Februari 2013. Citra Landsat 8 merupakan satelit yang dibangun oleh
Orbital Sciences Corporation. Orbital Sciences Corporation adalah yang menjabat sebagai
kontraktor utama untuk misi instrumen pesawat ruang angkasa yang dibangun oleh Ball Aerospace
dan NASA Goddard Space Flight Center, dan peluncurannya dikontrak oleh United Launch
Alliance. Pengolahan data arsip citra masih ditangani oleh Earth Resources Observation and
Science (EROS) center. Satelit Landsat 8 membawa 2 sensor yaitu Operational Land Imager (OLI)
dan Thermal Infrared Sensor (TIRS), dengan kedua sensor tersebut Landsat 8 dapat terbang pada
ketinggian 705 km dari permukaan bumi dan memiliki area rekam seluas 170 km x 183 km. Citra
satelit Landsat 8 ini dalam melakukan liputan pada area yang sama memerlukan waktu 16 hari
sekali dan untuk mengorbit bumi memerlukan waktu 99 menit. Berikut Karakteristik Landsat 8 :
Tabel 1. Karakteristik Lansat 8
Spesifikasi Landsat 8
Tinggi Orbit 705 km
Jenis Orbit Inklinasi 98.2 sun-synchronous
Sensor OLI (Onboard Operational Land Imager) +
TIRS (Thermal Infrared Sensor)
Luas Liputan per scane 185 km x 185 km
Resolusi Temporal 16 hari
Periode Orbit 99 menit
Kuantitas Data 16 bit (0 – 65536)
Satelit Landsat 8 mempunyai 11 saluran/band yang dimana 9 band terdapat pada sensor
Operational Land Imager (OLI) dan 2 band lainnya berada pada sensor Thermal Infrared Sensor
(TIRS) (NASA, 2011).
Tabel 2. Kakteristik sensor satelit landsat 8
Panjang Gelombang
Band Resolusi (𝒎)
(𝝁𝒎)
Band 1 – Coastal aerosol 0,43 – 0,45 30
Band 2 – Blue 0,45 – 0,51 30
Band 3 – green 0,53 – 0,59 30
Band 4 – Red 0,64 – 0,67 30
Band 5 – Near Infrared (NIR) 0,85 – 0,88 30
Band 6 – SWIR 1 1,57 – 1,65 30
Band 7 – SWIR 2 2,11 – 2,29 30
Band 8 – Panchromatic 0,50 – 0,68 15
Band 9 – Cirrus 1,36 – 1,38 30
Band 10 – Thermal Infrared (TIRS) 1 10,60 – 11,19 100
Band 11 - Thermal Infrared (TIRS) 2 11,50 – 12,51 100
Landsat 8 memiliki beberapa keunggulan khusus, khususnya pada komposite band baru yaitu band
1,9,10, dan 11, membuat warna objek menjadi lebih bervariasi. Band 1 dapat menangkap panjang
5
gelombang elektromagnetik lebih rendah, sehingga lebih sensitif terhadap perbedaan reflektan air
laut atau aerosol. Band ini lebih unggul untuk membedakan konsentrasi aerosol di atmosfer dan
mengidentifikasi karakteristik tampilan air laut pada kedalaman yang berbeda. Band 9 lebih sensitif
dalam mendeteksi awan cirrus. Band 10 dan 11 bermanfaat untuk mendeteksi perbedaan suhu
permukaan bumi dengan resolusi spasial 100 m. Berikut table fungsional dari band pada landsat 8:
Tabel 3. Funsional dari band pada landsat 8
Panjang Gelombang
Band Resolusi (𝒎)
(𝝁𝒎)
Band 1 0,43 – 0,45 Mendeteksi wilayah pesisir pantai
Band 2 0,45 – 0,51 Mendeteksi perairan pantai, membedakan
antara tanah dengan vegetasi dan juga
membedakan tumbuhan berdaun lebar dan
konifer.
Band 3 0,53 – 0,59 Mengukur puncak pantulan hijau bagi
vegetasi
Band 4 0,64 – 0,67 Absorpsi klorofil yang sangat penting untuk
deskriminasi vegetasi.
Band 5 0,85 – 0,88 Menentukan kandungan biomassa dan untuk
di lineasi tubuh air.
Band 6 1,57 – 1,65 Mendeteksi kelembapan tanah dan vegetasi.
Band 7 2,11 – 2,29 Membedakan formasi letak batuan dan
pemetaan hidrotermal
Band 8 0,50 – 0,68 Saluran pankromatik untuk mempertajam
kenampakan citra.
Band 9 1,36 – 1,38 Mendeteksi awan halus
Band 10 10,60 – 11,19 Mendeteksi suhu permukaan tanah.
Band 11 11,50 – 12,51 Mendeteksi suhu permukaan tanah.
2.2 Pansharpening
“Pan Sharpening” merupakan kegiatan dalam “mempertajam” data multispektral
dengan menggunakan data pankromatik (single band). Dalam pengertian ini “sharpen”
bertujuan untuk meningkatkan resolusi spasial dari data multispektal.
Penggabungan citra memberikan beberapa keuntungan seperti pemeliharaan ruang
penyimpanan komputer, peningkatan kualitas estetika dan kosmetik; peningkatan resolusi
spasial, dan perbaikan analitis (Ranchin et al., 2003). Ada banyak metode pan-sharpening
yang dapat digunakan untuk menghasilkan gambar resolusi tinggi multispektral dari citra
pankromatik resolusi tinggi dan citra multispektral resolusi rendah (Wang, 2005; Han et
al., 2008; Rajendran et al., 2012).
Pan sharpening dilakukan dengan cara menggabungkan data resolusi spasial lebih
rendah dan dengan data resolusi spasial lebih tinggi. Data yang digunakan dalam
meningkatkan resolusi spasial adalah data resolusi tinggi yakni pankromatik (atau band
raster) untuk menyatukan dengan resolusi yang lebih rendah dari data raster multiband.
Data multispektral yang digunakan harus menggunakan minimal 3 band (somposite band)
untuk menghasilkan multispektral
6
2.2.1 Metode Brovey Transformation
Metode transformasi Brovey merupakan metode yang paling populer untuk
memadukan dua macam citra yang berbeda resolusi spasial. Transformasi brovey ini
bertujuan untuk mengubah nilai spektral asli pada setiap saluran multispektral, Saluran
Merah (M), Hijau (H), dan Biru (B), menjadi saluran baru (MP, HP, BP), yang masing-
masing telah diperinci secara spasial oleh citra pankromatik (P) dinormalisasi nilai
kecerahannya dengan mempertimbangkan nilai-nilai pada saluran lainnya (Danoedoro,
2012).
2.2.2 Metode IHS Transformation
Metode IHS Transformation dilakukan dengan koversi gambar multispektral dari
RGB ke intensitas, hue, dan saturasi (HIS). Intensitas resolusi rendah dipadukan dengan
gambar panchromatic resolusi tinggi. Kemudian gambar kembali diubah dari IHS ke RGB
dalam resolusi yang lebih tinggi.
2.2.3 Metode Esri Pansharpening Transformation
Metode ini berdasarkan menggunakan rata-rata tertimbang/ Menggunakan
weighted average, kemudian digunakan untuk membuat adjustment value (ADJ). Hasilnya
berupa penjumlahan nilai ADJ dengan masing-masing band.
ADJ = pan image – WA, WA merupakan pembacaan dari RGB NIR
Band_out = band + ADJ
2.2.4 Metode Simple Mean Transformation
Metode ini menerapkan persamaan rata-rata masing-masing band.
7
BAB III. PELAKSANAAN
3.1 Pemotongan Citra
Sebelum melakukan pansharpening citra, langkah pertama yang dilakukan pada
praktikum kali ini yaitu proses memotong citra sesuai dengan luas area yang ditentukan
yakni 10 km x 10 km. Pemotong citra saya lakukan dengan membuat shapefile berukuran
10 km x 10 km menggunakan software ArcGis. Berikut tutorialnya :
a. Buka software ArcGIS
b. Atur data frame sesuai wilayah citra yang digunakan, kali ini saya menggunakan
wilayah DKI Jakarta dengan Zona UTM 48 S.
c. Koneksikan folder yang digunakan pada catalog.
d. Klik kanan pada folder > pilih New > pilih Shapefile
e. Maka akan muncul jendela create new shapefile > beri nama shp dan atur coordinat
systemnya.
f. Input Citra yang digunakan dan buatlah polygon berukuran 10 km x 10 km pada area
yang diinginkan.
8
g. Pada Arctoolbox > pilih Data Management Tools > pilih Raster > pilih raster
Proccesing > pilih clip. Pada jendela Clip > Input Raster dengan citra yang akan diclip
(missal citra pankromatrik) > Output Extent dengan Shapefile yang sudah dibuat
sebelumnya > pilih Ok.
9
3.2.1 Metode Brovey Transformation
a. Buka ArcMAP
b. Input citra multispectral dan citra pankromatrik yang sudah dipotong.
c. Pada Arctoolbox > pilih Data Management Tools > pilih Raster > pilih raster
Proccesing > pilih create pan-sharpened raster dataset. Pada kolom Input Raster
masukkan citra multispectral dan kolom channel masukkan kanal yang digunakan. Pada
kolom pancromatric image masuka citra pankromatrik dan pada Pan-sharpening Type ,
pilih metode Brovey kemudian pilih Ok.
10
3.2.2 Metode IHS Transformation
a. Pada Arctoolbox > pilih Data Management Tools > pilih Raster > pilih Raster
Proccesing > pilih Create Pan-Sharpened Raster Dataset. Pada jendela Create Pan-
sharpened Raster Dataset. Pada kolom Input Raster masukkan citra multispectral
dan kolom channel masukkan kanal yang digunakan. Pada kolom pancromatric
image masuka citra pankromatrik dan pada Pan-sharpening Type , pilih metode IHS
kemudian pilih Ok.
11
b. Berikut hasil pansharpening menggunakan metode ESRI.
12
b. Berikut hasil pansharpening menggunakan metode Simple Mean.
13
3.3 Resize Data Citra
Sebelum melakukan proses Panshrapening menggunakan software ENVI, terdapat beberapa
hal yang perlu diperhatikan dalam penggunaan algoritma pada ENVI, yakni antar data harus
memiliki resolusi yang sama antar data yang akan dilakukan pansharpening. Maka diperlukan
resize data untuk memudahkan dalam proses pansharpening menggunakan software ENVI.
Berikut tahapannya :
a. Buka ENVI Classic
b. Pilih file > pilih Open Image File > pilih file yang akan digunakan > pilih Open
c. Pilih Basic Tools > pilih Resize Data. Pada Jendela Resize Data pilih file citra yang
akan diresize > pilih Spasial Subset untuk merubah ukuran menjadi 10x10 km.
14
d. Pada jendela spasial subset > pilih Roi/evf > open ROI/EVf yang sudah dibuat di
ArcMAP sebelumnya. Pilih Ok.
e. Setelah klik ok maka akan muncul jendela Resize Data Parameters > input samples dan
lines > pilih metode resampling. Pilih Ok
d. Select Input RGB dan selesct High Resolution Input, kemudian spasial subset dengan
roi pilih ok.
15
Berikut hasilnya
c. Select High Resolution Input, kemudian spasial subset dengan roi pilih ok.
16
Berikut hasil dari metode HSV
17
c. Setelah didaptkan nilai wa cari nilai adj dengan adj = pan image – wa. Dengan
dimisalkan Pan image = B8 dan nilai wa = B10
d. Setelah didepatkan nilai adj, mulai mencari nilai Res_out = R +Adj, dimisalkan R= B4
dan Adj = B11. Lakukan proses yang sama untuk mencari nilai green_out dan blue_out.
e. Setelah didepatkan nilai red_out,green_out dan blue_out, load sesuai RGB dan berikut
hasil dari pansharpening metode Esri
18
3.4.4 Metode Simple Mean Transformation
a. Open Image File Band 4,3,2,5 dan 8 sesudah diresize
b. Pilih Basic Tools > pilih Band Math > input Algoritma dalam pengolahan Pan
Sharpening menggunakan metode Simple Mean. Red_out = 0.5 * (Red_in + Pan_in) :
Green_out = 0.5 * (Green_in + Pan_in) : Blue_out = 0.5 * (Blue_in + Pan_in).
Dimisalkan Pan_in = B8 dan Red_in = B4, dst. Lakukan langkah yang sama hingga
didepatkan blueout dan greenout.
c. Setelah didepatkan nilai red_out,green_out dan blue_out, load sesuai RGB dan berikut
hasil dari pansharpening metode Simple Mean
19
d. Maka akan muncul jendela file selsction, pilih citra multispectral untuk kategori Low
Spatial Resolution dan pilih citra pankromatrik untuk High Spatial Resolution.
e. Pada jendela Pan Sharpening Parameters , sensor input dengan landsat 8 dan atur
metode resampling serta tempat penyimpanan, pilih ok.
20
3.5 Analisa
Perbedaan yang diperoleh berdasarkan penggunaan Software
Metode Software ArcMAP Software Envi
Metode Brovey
21
Metode ESRI
Metode Simple
Mean
Metode Gram-
Smicth
Dari hasil pengolahan data citra satelit landsat yang sudah dilaksanakan dapat
dianalisa bahwa setiap hasil dari pansharpening setiap software berbeda-beda.
Perbandingan hasil pansharpening menggunakan ArcMAP dan ENVI cukup terlihat, hal
tersebut ditunjukan oleh kadar warna yang dihasilkan. Untuk penggunaan software ENVI
, kadar warna yang dihasilkan lebih gelap dan tajam, sedangkan untuk software ArcMAP
kadar warna yang dihasilkan lebih sedikit menuju keabuan. Untuk Resolusi yang diperoleh
22
menurut analisa saya, software ENVI mampu mengahasilkan resolusi yang lebih jelas dan
tajam dibandingkan software ArcMAP
Untuk analisa selanjutnya pada perbedaan hasil citra multispectral dan citra
pancromatric (pada Lampiran 1 dan 2 ) diperoleh analisa, citra yang sudah melalui
proses pansharpening menghasilkan citra yang lebih tajam dan jelas dibanding sebelum
dilakukan proses pansharpening. Selain itu diperoleh warna yang memiliki intensitas yang
berbeda-beda disetiap metodenya dan software yang digunakan.
23
BAB IV. PENUTUP
4.1 Kesimpulan
Berdasarkan praktikum yang telah penulis lakukan dapat disimpulkan bahwa :
Proses pansharpening sangat dibutuhkan dalam proses pengolahan data citra satelit
khususnya dalam interpretasi citra
Pan-sharpening merupakan gabungan multispectral dan pankromatrik sehingga
dihasilkan citra yang memiliki resolusi spasial yang baik dan menghasilkan cita yang
lebih tajam.
Perbandingan hasil pansharpening menggunakan ArcMAP dan ENVI cukup terlihat,
hal tersebut ditunjukan oleh kadar warna yang dihasilkan. Untuk penggunaan software
ENVI , kadar warna yang dihasilkan lebih gelap dan tajam, sedangkan untuk software
ArcMAP kadar warna yang dihasilkan lebih sedikit menuju keabuan.
Resolusi spasial yang diperoleh dari pengolahan software ENVI memiliki resolusi yang
cukup baik dan lebih tajam dibandingkan hasil pengolahan menggunakan software
ArcMAP.
Citra yang sudah melalui proses pansharpening menghasilkan citra yang lebih tajam
dan jelas dibanding sebelum dilakukan proses pansharpening. Selain itu diperoleh
warna yang memiliki intensitas yang berbeda-beda disetiap metodenya dan software
yang digunakan.
24
DAFTAR PUSTAKA
Danoedoro, Projo. 2012. Pengantar Penginderaan Jauh Dijital. Yogyakarta : Andi Offset.
Dewantoro, P.D. 2014. Pemantauan Kawasan Sabuk Hijau Waduk Sermo Menggunakan
Citra Satelit landsat 8. Yogyakarta : Universitas Gadjah Mada.
Hidayati, I.N., Susanti, Eni., Utami, Westi. 2017. “Analisis Pan-Sharpening Untuk
Meningkatkan Kualitas Spasial Citra Penginderaan Jauh Dalam Klasifikasi Tata Guna Tanah”
. Universitas Gadjah Mada
Jayanti, Indrayani. 2017. Perbandingan Metode Klasifikasi Maximum likelihood dan
Minimum Distance Pada Pemetaan Tutupan Lahan di Kota Langsa
Lalu M. Jaelani. 2018. Applied Remote Sensing. PPT 0_Pendahuluan_Pansharp.
Surabaya : Teknik Geomatika ITS.
Lillesand, dan Kiefer, 1999. Penginderaan Jauh dan Interpretasi Citra. Yogyakarta :
Gadjah Mada University Press.
25
LAMPIRAN
26
Pancromatic Multispectral Metode Pengolahan pada ArcMAP
Metode
Brovey
Metode
IHS dan
HSV
Metode
ESRI
Metode
Simple
Mean
27
Metode
Gram-
Smicth
28
-Lampiran 2 (Pengolahan pada Software ENVI)
29
Pancromatic Multispectral Metode Pengolahan pada ENVI
Metode
Brovey
Metode
IHS dan
HSV
Metode
ESRI
Metode
Simple
Mean
30
Metode
Gram-
Smicth
31