Modul Image Processing

(
Oleh :
ABDUR RAHMAN, S.Pi, M.Sc
UNIVERSITAS LAMBUNG MANGKURAT

FAKULTAS PERIKANAN
BANJARBARU
2011
Modul Ajar Pengolahan Citra Digital an Aplikasinya (Bekerja Dengan ENVI 4.4.) 1
KATA PENGANTAR
Alhamdulillahirobbil’alamiin, penulis panjatkan ke hadirat Allah SWT, karena
atas limpahan Rahmat, Karunia dan kemudahan Ilmu-Nya jualah Modul Ajar
Pengolahan Citra Digital dan Aplikasinya dengan Menggunakan ENVI 4.4.” ini
dapat diselesaikan.
Inderaja dan SIG Perairan (GMKB604) dengan beban kredit 3 SKS merupakan
mata kuliah Program Studi Manajemen Sumberdaya Perairan yang dapat diperoleh pada
semester IV. Penuntun Praktikum ini merupakan pengantar yang dapat digunakan oleh
mahasiswa/i untuk mengetahui konsep-konsep tentang Pengolahan Citra Digital.
Penulis berharap semoga Modul ini dapat berguna bagi kemajuan mahasiswa/i
dan kemajuan ilmu kartografi pada dunia kerja dan di masa mendatang.
“Tak ada Gading yang Tak retak” adalah sifat ilmu yang dihasilkan oleh insan
kamil, oleh karena itu kritik dan saran ke arah perbaikan sangat penulis harapkan.
Banjarbaru, April 2011
Penyusun
ii
DAFTAR ISI
Halaman
KATA PENGANTAR .................................................................................. i
DAFTAR ISI ................................................................................................. ii
BAB I. DISPLAY CITRA, PEMBACAAN NILAI PIKSEL DAN

PENYUSUNAN CITRA KOMPOSIT WARNA ........................ 1
BAB II. PENGAMATAN POLA SPEKTRAL DENGAN SCATTER

PLOT ........................................................................................ 10
BAB III. PENYUSUNAN CITRA KOMPOSIT ....................................... 13
BAB IV. KOREKSI RADIOMETRIK DAN GEOMETRIK ..................... 20
BAB V. APLIKASI PERUBAHAN LAHAN .......................................... 34
DAFTAR PUSTAKA ................................................................................... 49
iii
BAB
DISPLAY CITRA, PEMBACAAN NILAI PIKSEL
DAN PENYUSUNAN CITRA KOMPOSIT
WARNA
1
Abdur Rahman
A. PENYIMPANAN & PEMBACAAN CITRA DIGITAL
File citra digital dibagi atas 2 (dua) bagian :

1. Image atau citra itu sendiri
2. Header atau petunjuk untuk membaca citra
Pada file-file image standar yang ada di dalam Microsoft Windows, seperti TIFF, JPEG,
BMP, GIF, PNG, dan sebagainya, antara file image dan file header biasanya sudah
dijadikan satu (header disimpan dalam satu file dengan file image). Tetapi pada citra
satelit format standar (seperti format ENVI), file header disimpan terpisah dari file image.
File header adalah file yang berisi petunjuk yang akan digunakan oleh software image
processing untuk membaca citra. File header pada file citra format standar ENVI
memuat informasi berikut :
File header berisi informasi jumlah kolom (samples), jumlah baris (lines), jumlah saluran
(band), offset, dan sebagainya. Pada citra format ENVI standar, jika file headernya
tidak ada maka kita bisa mengisikan jumlah kolom, baris, dan salurannya pada waktu
kita membuka citra. Teknisnya seperti yang terlihat pada gambar di bawah ini :
Kotak dialog di atas secara otomatis akan muncul jika file header tidak ada pada waktu
kita membuka citra format ENVI standar.
B. KONVERSI FORMAT DATA
Langkah pertama dalam pengolahan citra digital adalah melakukan konversi data
sehingga data tersebut dapat dibaca dan dikenali oleh software yang digunakan.
Dalam praktikum ini data yang dimaksud adalah data citra Penginderaan Jauh, yaitu
citra Landsat 7 ETM+. Keterangan data sebagai berikut :
 Citra : Landsat 7 ETM+

 Perekaman : Juli 2002
 Daerah : Semarang dan sekitarnya
 Dimensi : 700 x 1000 piksel
 Saluran : 6 saluran (ETM1, ETM2, ETM3, ETM4, ETM5 dan
ETM7)
 Format : *.Ian (ERDAS 7.5)
Langkah-Langkah Kerja :
1. Jalankan program ENVI 4.5, Start>All Programs>RSI ENVI 4.5>ENVI
2. Klik menu File>Open External File>IP Software>ERDAS 7.5 (.Ian)
3. Atau langsung Open Image>Folder File Data>smg.Ian, Klik OK untuk mengakhiri.
Jendela Dialog akan terlihat seperti di bawah ini.
Catatan : Tipe penyimpanan pada format standar ENVI adalah BSQ, sedangkan
pada format *.Ian adalah BIL. Sehingga diperlukan proses konversi
untuk dapat membaca file tersebut.
4. Muncul Jendela Available List. Ada 6 saluran yang akan muncul, namun saluran 6
yang terlihat pada jendela tersebut sebenarnya adalah saluran ETM7 (Infra Merah
Tengah II). Saluran ETM6 tidak disertakan karena berupa saluran inframerah
Thermal dengan ukuran piksel yang berbeda.
C. MENAMPILKAN OBYEK CITRA
Setelah mengimpor data citra, langkah selanjutnya adalah menampilkan citra di layar
komputer untuk mengetahui kondisi liputan citra, baik dari segi sebaran pola obyek
secara geografis maupun kualitas citra itu sendiri. Cara display citra digital yang
pertama adalah dalam mode Gray Scale atau berdasar tingkat keabuan yang
merepresentasikan intensitas pantulan spektral obyek pada saluran tertentu (single
band).
Langkah-langkah kerja :
1. Pada jendela Available Band List, klik button Gray Scale

2. Klik button New Display, (sebagai gantinya akan tampil button Display#1). Setiap
akan menampilkan image baru, dengan cara mengklik New Display, maka berturut-
turut akan terbentuk Display#1, Display#2, Display#3, …dst.
Catatan : Setiap bekerja pada image, selalu diperhatikan Display yang aktif, agar
tidak mengganggu kerja yang telah berlangsung.
3. Pilih salah satu saluran yang akan ditampilkan.
4. Klik Load Band, sehingga muncul 3 jendela display citra, yaitu :
 Jendela Scroll : Display keseluruhan citra sekaligus navigator

 Jendela Image : Perbesaran dari jendela Scroll, sekaligus memuat
beberapa menu informasi citra dan pengolahan
sederhana, dll
 Jendela Zoom : Perbesaran dari jendela image, dimana kenampakkan
per piksel dapat dengan mudah diamati.
5. Amati seluruh citra, geserlah box merah pada jendela Scroll maupun image. Pada
jendela Zoom, Anda bisa melakukan zoom-in atau zoom-out dengan klik tanda +
atau – di sebelah kiri bawah kotak jendela Zoom. Akan perbesaran akan muncul di
bar jendela zoom.
6. Tampilkan juga saluran yang lain dan amati perbedaannya.
7. Jika anda ingin menampilkan saluran yang lain pada jendela display citra baru, klik
button Display#... (di sebelah kanan button Load Band)>New Display, sehingga
muncul jendela display kosong yang baru.
8. Pilih slauran yang diinginkan, klik Load Band.
D. LINK DISPLAY
Salah satu kelebihan software ENVI adalah adanya fungsi Linkage antara saluran citra
(bahkan antar citra). Basis hubungan berdasarkan posisi piksel atau koordinat
geografis.
Langkah-langkah kerja :
1. Tampilkan 2 jendela display citra dengan saluran yang berbeda, atur sehingga
tampak nyaman dilihat.
2. Pada salah satu jendela image, klik menu Tools>Link>Link Displays
3. Pada jendela Link Displays, tentukan Display #1 ‘Yes’, Display #2 ‘Yes’. Link
Size/Position ‘pilih salah satu’, Dynamic Overlay ‘on’ Transparency ‘0’ lalu klik OK.
Dibawah ini adalah contoh 2 image citra Semarang yang sudah di Link Display
dengan display#1 citra komposit 321 dan display#2 citra komposit 432
4. Perhatikan kenampakkan display citra pada kedua jendela display akan sama.
5. Klik kiri mouse dan tahan pada citra jendela image untuk mengetahui perbedaan
respon spektral obyek terhadap saluran yang berbeda. Lepas klik untuk kembali ke
semula.
6. Lakukan untuk semua variasi saluran. Anda bisa menambahkan jendela menjadi 3
atau 4 display sesuai dengan kebutuhan.
7. Jika display citra lebih dari 2, pada jendela Link Displays anda bisa mengatur
Display # yang akan diaktifkan.
8. Untuk menghilangkan Link, pada jendela image klik menu Tools>Link>Unlink
Display.
E. PEMBACAAN NILAI PIKSEL
Resolusi (disebut juga resolving power = daya pisah) adalah kemampuan suatu sistim
optik-elektronik untuk membedakan informasi yang secara spasial berdekatan atau
secara spektral mempunyai kemiripan (Swain dan Davis, 1978). Pengertian ini
akhirnya berkembang, dengan menambahkan aspek waktu (temporal) didalamnya.
Dalam bidang Penginderaan Jauh, terdapat empat konsep resolusi yang sangat
penting, yaitu resolusi spasial, resolusi spektral, resolusi radiometrik, dan resolusi
temporal. Dalam praktek pengolahan citra digital, resolusi layar juga memegang
peranan penting.
Pengertian praktis resolusi spasial adalah ukuran terkecil obyek yangmasih dapat
dideteksi oleh sistim pencitraan. Semakin kecil obyek (terkecil) yagn dapat terdeteksi,
semakin halus atau tinggi resolusinya. Begitu pula sebaliknya, semakin besar ukuran
obyek terkecil yang dapat terdeteksi, semakin kasar atau rendah resolusinya. Citra
SPOT yang beresolusi 10 dan 20 meter dapat disebut beresolusi (lebih) tinggi,
dibandingkan dengan citra Landsat TM yang beresolusi 30 meter, ataupun Landsat
MSS yang beresolusi 79 meter.
Ukuran dalam meter ini juga menunjukkan bahwa obyek yang lebih kecil daripada
resolusi itu (misal 79 meter) tidak akan dapat dikenali, atau dipresentasikan sebagai
obyek itu sendiri secara individual. Obyek tersebut akan tercatat sebagai satu sel
penyusun citra (pixel = picture element, elemen gambar). Yang sebenarnya memuat
informasi beberapa obyek. Piksel semacam ini disebut mixed-pixel (mixel)
(Kannegeieter, 1987). Mixel diperlawankan dengan piksel murni (pure pixel) yang
memuat informasi satu jenis obyek saja. Obyek berupa liputan padang rumput yang
luas mempunyai kemungkinan untuk menyajikan sejumlah besar piksel murni.
Semakin besar resolusinya, semakin besar kemungkinan suatu citra untuk menyajikan
banyak mixel.
1. Perhatikan perbedaan respon nilai spektral pada obyek air, lahan terbuka,
vegetasi kerapatan tinggi dan bangunan industri.
2. Pilih titik-titik pengamatan yang ekstrim (misalnya laut atau danau untuk obyek
air, daerah pegunungan untuk vegetasi kerapatan tinggi, dsb) dan posisinya
tetap untuk setiap saluran (gunakan koordinat posisi piksel sebagai panduan
pengamatan nilai piksel setiap saluran).
3. Untuk membaca posisi dan nilai piksel, klik menu Tools>Cursor
Location/Value
4. Pada jendela Cursor Location/Value muncul angka posisi dan nilai piksel yang
mengikuti kemampuan kursor Anda dan arahkan pada citra. Jika kedua
jendela masih dalam kondisi link, maka nilai piksel kedua saluran akan muncul
seperti gambar di bawah ini.
9 titik pengamatan
piksel pada
vegetasi sedang
4 3 2
TUGAS
1. Amati minimal 9 piksel (seperti gambar di atas) untuk setiap obyek per saluran.
Catat koordinat, nilai piksel, dan rerata nilai piksel untuk satu obyek pada
saluran tertentu dianggap mewakili nilai pantulan spektral obyek tersebut pada
saluran yang digunakan.
2. Buat tabel catatan nilai piksel untuk obyek-obyek di atas pada semua saluran.
Sehingga anda memiliki pantulan spektral obyek yang diukur pada semua
saluran
JAWAB
1. Tabel Pengamatan Nilai Rata-rata Pengamatan pada 9 piksel untuk masing-
masing obyek Tubuh Air, Lahan Terbuka, Vegetasi Kerapatan Tinggi, dan
Bangunan Industri adalah sebagai berikut :
Tabel . Nilai Piksel Beberapa Obyek Pengamatan

Band Nilai Pixel Obyek Air
(nm)
Rata-Rata
Obyek 1 2 3 4 5 6 7 8 9
Band 1 127 127 134 141 134 127 141 134 121 131,78
Band 2 105 105 105 105 105 105 98 105 98 103,44
Band 3 42 42 42 46 42 51 38 46 46 43,89
Band 4 13 17 13 13 10 13 13 13 13 13,11
Band 5 11 9 9 4 11 11 11 4 7 8,56
Band 7 17 17 13 13 10 17 20 17 13 15,22
Nilai Pixel Obyek Lahan Terbuka

Saluran/Band Rata-Rata
1 2 3 4 5 6 7 8 9
Band 1 121 121 121 127 121 121 114 121 121 120,89
Band 2 150 157 150 150 157 144 144 144 150 149,56
Band 3 132 123 132 127 136 123 123 127 127 127,78
Band 4 157 160 157 160 160 160 163 157 157 159,00
Band 5 146 146 149 154 156 142 132 142 149 146,22
Band 7 117 114 117 124 121 110 100 107 114 113,78
Nilai Pixel Obyek Vegetasi Kerapatan Tinggi

1 2 3 4 5 6 7 8 9
Band 1 47 60 40 67 40 60 53 53 74 54,89
Band 2 65 72 65 65 65 78 65 65 72 68,00
Band 3 38 63 42 46 42 55 38 51 55 47,78
Band 4 215 215 221 204 211 201 211 225 225 214,22
Band 5 118 139 123 113 120 125 132 132 130 125,78
Band 7 62 83 62 65 65 72 79 86 79 72,56
Nilai Pixel Obyek Bangunan Industri

1 2 3 4 5 6 7 8 9
Band 1 215 202 188 195 215 208 181 229 215 205,33
Band 2 223 216 196 216 249 229 210 255 236 225,56
Band 3 217 213 204 217 230 234 213 255 234 224,11
Band 4 136 146 139 136 129 133 139 167 143 140,89
Band 5 194 175 199 189 191 201 180 210 177 190,67
Band 7 235 204 245 231 252 255 217 252 207 233,11
250,00
200,00
Pixel Value (DN)

150,00
100,00
50,00
0,00
Blue (450-520) Green (520-600) Red (630-690) NIR (760-900) MIR1 (1550-1750) MIR2 (2080-2350)
Air Lahan Terbuka Vegetasi Kerapatan Tinggi Bangunan Industri
Wavelength (nm)
Gambar. Grafik Pola Spektral Obyek Pengamatan Nilai Piksel
Grafik Nilai Spektral Rata-Rata Obyek Untuk Band3 dan Band4

250
200
Air
150 Lahan Terbuka
Band4
Vegetasi Kerapatan Tinggi

100 Bangunan Industri
50
0
0 10 20 30 40 50 60
Band3
BAB
PENGAMATAN POLA SPEKTRAL
DENGAN SCATTER PLOT 2
Abdur Rahman
Scatter Plot atau diagram pencar menggambarkan hubungan pantulan antara 2 saluran.
Bentuk hubungan digambarkan dalam pola pengelompokkan nilai piksel. Diagram
pencar ini sangat bermanfaat untuk pengenalan obyek terkait dengan besar pantulan
spektralnya.
Sebelum menampilkan scatter plot, ambil sampel beberapa obyek terlebih dahulu agar
dapat diketahui pola pengelompokkan piksel pada scatter plot dengan cara sebagai
berikut :
1. PENGAMBILAN OBYEK
1. Tampilkan salah satu saluran citra

2. Pada menu jendela image display klik Overlay>Region of Interest
3. Pada jendela #1ROI Tool, pilih radio button window Zoom. Klik
ROI_Type>Poligon. Double Klik Region #1(Red) 0 points, Ubah nama dan
warna (jika perlu), misalnya tubuh air (biru). Klik OK jika sudah selesai.
4. Arahkan kursor ke jendela scroll atau image, arahkan box ke obyek air yang
sebelumnya diamati, pastikan posisinya tepat.
5. Arahkan kursor ke jendela Zoom, perbesar hingga anda bisa melihat jelas per
piksel. Tentukan kelompok piksel yang cenderung homogen untuk obyek air,
ambil sampelnya dengan membuat polygon, klik kanan 2x untuk menutup
poligon, pada kolom warna klik kanan untuk memunculkan warna .
6. Untuk menambah daerah baru (region baru) klik New Region, plot daerah baru
pada jendela Zoom. Lakukan prosedur serupa untuk obyek yang lain. Simpan
ROI, pada jendela ROI Tool klik File > Save ROIs, klik Select All Item,
masukkan direktori penyimpanan dan nama File ROI, pilih Choose pada
masing-masing direktori.
2. MENAMPILKAN SCATTER PLOT
1. Pada jendela Image, klik File > Preference. Set image window Xsize = 700
dan Ysize = 1000, klik OK. Ini dimaksudkan untuk menampilkan keseluruhan
potongan citra pada diagram pencar.
2. Pada menu image klik Tools > 2-D Scatter Plots, tentukan saluran untuk
sumbu x dan y, klik OK. Muncul diagram pencar, kemudian atur sehingga
jendela diagra,m pencar berada di luar jendela.
3. Pada jendela Scatter Plot klik File > Import ROIs, klik Select All Items. OK.
Warna obyek akan muncul baik di citra mupun di diagram pencar. Amati
kecenderungan pengelompokkan obyek pada diagra pencar.
4. Cobalah untuk variasi x dan y yang lain, pada jendela scatter plot klik Options >
Change Bands, tentuka saluran yang dibutuhkan. Amati juga pola spektral
untuk obyek-obyek di atas.
5. Untuk lebih memperjelas dimana obyek scatter plot, klik kiri pada citra dan
gerakkan, maka pada scatter plot akan mengikuti gerakan kursor Anda dimana
spektral obyek berada.
6. Simpan salah satu diagram pencar dengan pola pengelompokkan obyek, beri
notasi untuk pengelompokkan spektralnya.
Gambar Pola Pengelompokan spektral obyek air, Tanah Kosong, Vegetasi Rapat dan
Bangunan Industri pada Band 3 vs 4
BAB
PENYUSUNAN CITRA KOMPOSIT
WARNA 3
Penyusunan citra komposit warna adalah cara yang paling umum untukmenonjolkan
masing-masing keunggulan saluran secara serentak dalam suatu display, sehingga
memudahkan pengguna dalam interpretasi citra secara visual. Citra ini merupakan
perpaduan 3 saluran, dengan masing-masing saluran diberi warna dasar, yaitu merah,
hijau, dan biru (RGB). Warna yang terjadi adalah kombinasi dari tingkat kecerahan
pada suatu obyek di setiap saluran. Citra komposit standar merupakan paduan tiga
saluran dengan rujukan foto udara inframerah dekat. Pada umumnya saluran ETM4
(inframerah dekat) diberi warna merah, saluran ETM3 (merah) diberi warna hijau, dan
saluran ETM2 (hijau) diberi warna biru. Citra warna yang terbentuk disebut dengan
citra warna semu standar (standar false color composite).
Meskipun demikian bukan berarti citra komposit ini tidak dapat digunakan dalam proses
pengenalan obyek. Kadang-kadang justru citra komposit tak standar lebih ekspresif
dalam menyajikan kenampakkan obyek yang dijadikan pusat perhatian (misal tubuh air
di sela-sela hutan lahan basah). Ketersediaan citra multispektral dengan jumlah
saluran yang lebih banyak, termasuk saluran biru dan dan inframerah tengah,
memberikan kemungkinan yang lebih banyak dalam membuat kombinasi citra komposit.
Citra komposit warna asli pun dapat dihasilkan, bila tersedia saluran-saluran biru, hijau
dan merah.
1. Pada jendela available Band List, pilih radio button RGB, jendela Selected Band
berubah menjadi 3 saluran dengan urutan pewarnaan RGB.
2. Untuk pertama kali, buatlah komposit warna semu standar. Masukkan saluran
input komposit, perhatikan radio button warna (RGB) yang aktif, dan klik saluran
untuk input. Jika ketiga saluran sudah Anda masukkan, cek sekali lagi agar
tidak terjadi kesalahan.
3. Klik Load RGB, untuk menampilkan citra komposit pada jendela Display.
4. Amati kenampakkan yang terjadi pada citra komposit, catat warna yang terjadi
pada ke-empat obyek yang sebelumnya Anda teliti. Lihat posisi koordinatnya
pada Tabel.
5. Amati juga nilai piksel pada ketiga saluran yang membentuk warna tersebut,
gunakan prosedur point D3. Karena komposit, maka nilai piksel yang muncul
adalah ketiga saluran penyusun komposit.
6. Contoh di bawah ini adalah komposit warna Red (ETM3), Green (ETM2) dan
Biru (ETM1)-Komposit 321, 452, 457, dan 352, untuk kenampakkan obyek air,
lahan terbuka, vegetasi kerapatan tinggi, dan bangunan industri, untuk warna
komposit asli dan komposit warna semu
Nilai piksel 3 saluran
TUGAS
1. Apa yang disebut dengan komposit warna asli (true color composite), dan
bagaimana cara memperolehnya?. Apa bedanya dengan komposit warna
semu (false color composite).
2. Berdasarkan catatan nilai piksel Anda untuk tiap obyek pada 3 komposit yang
berbeda. Jelaskan mengapa warna vegetasi kerapatan tinggi pada citra
komposit 432 berwarna merah pekat, sedangkan pada citra komposit 321
berwarna hijau kehitaman ? Jelaskan pula untuk warna yang terbentuk pada
citra komposit non-standar yang Anda pilih.
3. Perbandingkan ketiga citra komposit, buat tabel tingkat kemudahan
pengenalan ke-empat obyek dari sangat mudah, mudah, agak sulit dan sulit
sekali. Buatlah kesimpulan.
4. Bagaimana prinsip membuat citra komposit yang lebih menonjolkan obyek
tanah.
JAWABAN
1. Komposit warna asli (true color composite) adalah Citra standar merupakan
paduan tiga saluran warna yang sebenarnya. Artinya komposit warna (RGB)
pada saluran Red diberi warna Band 3 (ETM3) warna Merah, Green diberi
warna Band ETM2 (Hijau) dan Blue diberi warna ETM1 (berwarna biru).
Sehingga dengan kombinasi warna tersebut akan terbentuk warna komposit asli
321 yang menggambarkan Biru untuk tubuh air dan Hijau untuk vegetasi,
menggambarkan warna sebenarnya dari obyek.
Sedangkan Komposit Warna Semu (false color composite), yaitu komposit tiga
saluran dengan rujukan foto udara inframerah dekat. Artinya, warna merah
pada saluran Red diberi warna ETM4 (Band Inframerah dekat), Green diberi
warna Band ETM3 (Band merah) dan Blue diberi warna Band ETM2 (Hijau).
Sehingga warna yang terbentuk adalah komposit warna yang tidak sebenarnya
menjadi komposit warna semu (432).
2.
3.
4.
2. Warna vegetasi kerapatan tinggi pada citra komposit 432 berwarna merah pekat,
dikarenakan pada warna komposit RGB pada saluran Red diberi warna Band ETM4
(inframerah dekat), saluran Green diberi warna Band ETM3 (merah) dan saluran
Biru diberi warna Band ETM2 (Hijau). Warna vegetasi berwarna merah pekat,
dikarenakan hampir tidak ada sumbangan warna lain selain warna merah hanya
warna biru pada saluran biru. Sedangkan warna biru lebih banyak dibiaskan dalam
perjalanannya ketika melewati jendela atmosfir. Oleh karena itu vegetasi dengan
kerapatan tinggi berwarna merah pekat, warna ini dihasilkan dari kombinasi band
ETM4 dan Band ETM3.
Pada citra komposit 321 pada saluran RGB diberi warna sesuai dengan warna
Band yang ada dimana warna Band3 (merah) ditempatkan pada saluran Red,
Band2 (Hijau) ditempatkan pada saluran Hijau dan Band1 (Biru), ditempatkan pada
saluran Biru. Sehingga penampakkan obyek yang berwarna biru akan dipantulkan
berwarna biru, obyek hijau berwarna hijau sesuai dengan pantulan obyek.
Pada pembentukan warna selain warna dasar (Merah, Hijau, dan Biru) akan
membentuk komposit citra warna semu. Seperti komposit warna 543 lebih cocok
untuk melihat kenampakan obyek sungai yang berwarna magenta karena adanya
warna tambahan dari warna merah dan biru.
3a. Tabel tingkat kemudahan pengenalan Obyek
CITRA KOMPOSIT
OBYEK
321 432 452 457 352
Air sm sm sm ss as
Lahan Terbuka sm as ss am m
Vegetasi Kerapatan m sm s s sm
Tinggi
Bangunan Industri m s ss s s
Keterangan : sm = sangat mudah, m = mudah, as = agak sulit,
s = sulit ss = sangat sulit
3b.
PANTULAN PADA RGB DISPLAY

Obyek WARNA PENGENALAN WARNA
RED GUN BLUE GREEN
Kota OBYEK OBYEK CITRA
GUN GUN
B3-RED B2-GREEN B1-BLUE
BAND BAND BAND white
321 Tinggi (240) Tinggi (240) Tinggi (251) mudah
B4-NIR B3-RED B2-GREEN light blue

BAND BAND BAND green
432 Sedang (80) Tinggi (200) Tinggi (210) sedang
B2-GREEN B4-NIR B3-RED BAND light

BAND BAND Tinggi (230) magenta
243 Tinggi (190) Sedang (60) (pink) sedang
4. Prinsip membuat citra komposit yang lebih menonjolkan obyek tanah adalah dengan
melihat panjang gelombang tertinggi yang dipantulkan dari nilai spektral yang
dipantulkan oleh obyek dan besarnya nilai persentase pantulan obyek. Bila dilihat
dari grafik spektral nilai pantulan obyek yang dikemukakan oleh Jensen (2004),
obyek tanah memantulkan panjang gelombang sebesar 40 % pada panjang
gelombang 1200 – 1300 nm. Ini berarti untuk citra Landsat7 ETM+ nilai tersebut
berada pada Band ETM4 dengan ETM5. Dengan demikian untuk obyek tanah
dapat dibuat kombinasi yang melibatkan kedua band tersebut seperti 452 atau 457
BAB
KOREKSI RADIOMETRIK DAN
GEOMETRIK 4
A. KOREKSI RADIOMETRIK
Koreksi citra merupakan suatu operasi pengkondisian supaya citra yang digunakan
benar-benar memberikan informasi yang akurat secara geometris dan radiometris.
Oleh karena itu, operasi koreksi disebut juga dengan operasi prapengolahan
(preprocessing) (Danoedoro, 1996). Ada dua koreksi yang dilakukan yaitu koreksi
radiometrik dan koreksi geometri.
Koreksi radiometrik diperlukan atas dua dasar alasan, yaitu untuk memperbaiki kualitas
visual citra dan sekaligus memperbaiki nilai-nilai piksel yang atidak sesuai dengan nilai
pantulan atau pancaran spektral obyek yang sebenarnya. Koreksi radiometrik yang
ditujukan untuk memperbaiki kualitas viasul citra berupa pengisian kembali baris yang
kosong karena drop out baris maupun masalah kesalahan awal pelarikan (scanning
start). Baris yang tidak sesuai dengan yang seharusnya dikoreksi dengan mengambil
nilai piksel satu baris di atas dan di bawahnya, kemudian dirata-ratakan (Guindon, 1984,
dalam Danoedoro, 1996).
Koreksi radiometrik yang ditujukan untuk memperbaiki nilai piksel supaya sesuai
dengan yang seharusnya biasanya mempertimbangkan faktor gangguan atmosfer
sebagai sumber kesalahan utama. Pada koreksi ini, diasumsikan bahwa nilai piksel
terendah pada suatu kerangka liputan seharusnya nol, sesuai dengan nilai bit coding
sensor. Apabila nilai terendah piksel pada kerangka liputan tersebut bukan nol, maka
nilai penambah tersebut dipandang sebagai hamburan atmosfer.
Nilai piksel merupakan hasil bit-koding informasi spektral dari obyek bayangan di
permukaan bumi. Informasi spektral ini mencapai detektor pada sensor dalam bentuk
radiansi spektral (spektral radiance) dengan satuan miliWatt cm-2sr-1µm-1. secara
teoritik, pada suatu sistim penginderaan jauh ideal, nilai pantulan spektral obyek di
permukaan bumi sama dengan nilai radiansi spektral yang terekam di detektor. Namun
pada spektrum tampak dan perluasannya (0,36 – sekitar 0,9 µm), informasi spektral
obyek di permukaan bumi biasanya mengalami bias, karena ada hamburan dari obyek
lain di atmosfer, khususnya partikel debu, uap air dan gas triatomik. Dengan adanya
bias maka tersebut diperlukan koreksi untuk memperbaiki nilai piksel supaya sesuai
dengan yang seharusnya. Rumus umum koreksi nilai piksel pada setiap scene adalah
dengan mengurangi setiap nilai citra yang akan dikoreksi dengan nilai bias :
BVterkoreksi  BVasli  bias
Pencarian nilai bias dapat dilakukan dengan beberapa cara, antara lain dengan ;
penyesuaian histogram (histogram adjusment), penyesuaian regresi, kalibrasi
bayangan (shdow calibration), dan metode pencar (metode bronsveld) (Danoedoro,
1996).
Gambar 1. Citra komposit saluran 752 Kota Semarang yang belum terkoreksi
radiometrik
Gambar 2. Citra komposit saluran 752 Kota Semarang yang telah terkoreksi
radiometrik
A.2.1. Pembacaan Nilai Minimum dan Maksimum Saluran
Adapun Langkah-Langkah Kegiatan adalah sebagai berikut :

1. Buka citra yang akan dikoreksi radiometrik-nya.
2. Hitung statistik citra, pada bar menu klik Basic Tools > Statistics > Compute
Statistics, muncul jendela Calculate Statistics Input File.
3. Pilih file citra yang akan dihitung statistiknya, dengan kondisi sebagai berikut :
• Stats Subset : Full Scene
• Spectral Subset : 6/6 Bands
4. Klik OK, sehingga muncul jendela Calculate Statistics Parameters.
5. Aktifkan tanda chek Text Report, Min/Max/Mean Plot, Calculate Histogram

Statistic, Histogram Plots, dan Histogram plots per window = 1.
6. Masukkan nama dan direktori file statistik output. Tentukan pada folder Anda, beri
nama radiometrik.sta.
7. Aktifkan juga Report untuk Screen dan File, tentukan direktori save-in dan beri
nama smg_minmax.txt.
8. Klik OK, muncul text report statistik citra, histogram citra per-saluran, dan grafik
min-max nilai piksel.
9. Catat nilai minimum dan maksimum tiap saluran (sebenarnya Anda sudah punya
file dalam bentuk txt (smg_minmax.txt)).
10. Tentukan saluran yang akan Anda koreksi, cari histogramnya. Untuk mengetahui
saluran histogram klik kanan pada plot histogram > Plot Key.
11. Simpan gambar histogram saluran yang akan dikoreksi.
Pada jendela histogram klik File > Save Plot As > Image File. Output File
Type: JPEG dan tentukan nama serta direktori save-in, klik OK. (Histogram ini
digunakan untuk memperbandingkan dengan histogram setelah koreksi).
Gambar Histogram Citra Semarang pada Plot Key, Min, Max, Mean, dan Stdev dan
Band 1
A.2.2. Proses Koreksi Radiometrik
1. Pada bar menu klik Basic Tools > Band Math, sehingga muncul jendela Band
Math.
2. Pada text box Enter an expression ketikkan bx – bias (misalnya b1 – 62, dimana b1
adalah band input), kemudian klik Add to List, klik OK.
3. Masukkan saluran yang dimaksud, save

output sebagai file, tentukan direktori dan beri
nama smg_rx (r adalah radiometrik dan x
adalah saluran).
4. Lakukan untuk saluran yang lain. Meskipun

nilai minimum 0 lakukan juga Band Math
dengan bias 0, sehingga akan terbentuk file
saluran secara terpisah.
5. Tampilkan citra salah satu saluran sebelum dikoreksi dan tampilkan juga citra
saluran tersebut setelah dikoreksi radiometrik-nya.
6. Link-kan keduanya, amati perbedaan kecerahan antara keduanya. Catat
perubahannya.
7. Cek nilai pikselnya. Apakah nilai piksel citra terkoreksi sesuai dengan pengurangan
bias?
8. Tampillkan statistik citra terkoreksi beserta histogramnya, catat perubahannya,
simpan juga histogramnya. Perbandingkan dengan histogram sebelum koreksi, beri
komentar dan sertakan dalam laporan.
A B
Gambar 1. Histogram Citra Kota Semarang Band 321 yang sudah (A) dan yang belum
(B) telah dikoreksi dengan metode Histogram
(a) (b)
Gambar 2. Hasil Histogram Citra Kota Semarang yang sudah (a) dan yang blum (b)
dikoreksi dengan metode Histogram
Garis Vegetasi
Garis Tanah
Obyek Air
Gambar 5. Contoh Metode Koreksi Radiometrik Citra dengan Feature Space
Pada Gambar 1 dan 2 di atas dapat dilihat perbandingan nilai piksel antara Citra yang
belum dikoreksi dan yang telah dikoreksi dengan metode Penyesuaian Histogram.
Citra yang telah terkoreksi (A) tercatat nilai piksel pada RGB masing-masing menjadi
R:3; G:45 dan B:141, sedangkan pada Citra yang belum (B) dikoreksi R:46; G:118 dan
B:154. ini berarti ada penyesuaian histrogram dan pengurangan nilai piksel pada
masing-masing saluran RGB pada Band1 untuk obyek air. Hal ini berati ada
pengurangan nilai piksel (pengurangan efek hamburan yang diakibatkan oleh atmosfer)
untuk citra yang telah terkoreksi sebesar R:43, G:73 dan B:13 untuk citra komposit 321.
Pengurangan nilai piksel pada citra yang telah terkoreksi mengindikasikan bahwa pada
proses koding digital sensor, obyek air memberikan respon sebesar R:3; G:45 dan
B:141 pada band biru untuk komposit warna 321. Pada gambar 1 dapat dilihat bahwa
resolusi citra semakin jelas setelah dikoreksi dengan metode histogram dibandingkan
dengan citra yang belum dikoreksi. (Danoedoro, 1996).
B. KOREKSI GEOMETRIK
Koreksi geometrik atau biasa juga disebut transformasi geometrik citra, yang paling
mendasar adalah penempatan kembali nilai-nilai piksel sedemikian rupa, sehingga
hasilnya dapat dilihat Gambaran onyek di permukaan bumi yang terekam sensor.
Perubahan bentuk kerangka liputan dari bujur sangkar menjadi jajaran genjang
merupakan hasil dari transformasi ini.
Ada beberapa cara untuk melakukan koreksi geometrik, yaitu rektifikasi dan registrasi
geometrik, Jensen (1986). Rektifikasi adalah proses dimana citra dibuat planimetrik
berdasarkan rujukan pada peta yang mempunyai proyeksi standar, cara ini dikenal
dengan rektifikasi citra ke peta (image to map rectification). Cara yang kedua adalah
regristrasi geometrik citra, yaitu registrasi citra ke citra (image to image registration)
dengan menggunakan citra lain pada daerah yang sama yang udah dikoreksi terlebih
dahulu.
Koreksi ini mencakup perujukan titik-tititk tertentu pada citra ke titik-titik yang sama ke
medan maupun di peta. Pasangan titik-titik kemudian digunakan untuk membangun
fungsi matematis yang menyatakan hubungan antara posisi sembarang titik pada citra
dengan titik onyek yang sama pada peta maupun lapangan. Posisi piksel yang
dimaksud adalah posisi pusat piksel. Pada koreksi ini, telah dipertimbankan bahwa
perubahan posisi piksel itu juga mencakup perubahan informasi nilai spektralnya.
Untuk mengatasi hal ini, diperlukan interpolasi nilai spektral baru selama transformasi
geometri, sehinggan dihasilkan geometri baru dengan nilai baru. Proses interpolasi
nilai spektral selama transformasi geometri disebut resampling. Interpolasi spasial
adalah penentuan hubungan geometrik antara lokasi piksel pada citra masukan dan
peta. Pada proses ini dibutuhkan beberapa titik kontrol medan (Ground Control Point/
GCP) yang dapat diidentifikasi pada citra dan peta. Apabila persamaan transformasi
koordinat diterapkan pada titik-titik kontrol maka diperoleh residual x dan residual y.
Residual adalah penyimpangan posisi titik yang bersangkutan terhadap posisi yang
diperoleh melalui transformasi koordinat yang kemudian dinyatakan sebagai nilai
Residual Means Square Error atau RMS(error).
Tingkat keberhasilan dalam tahap ini biasanya ditentukan dengan besarnya nilai
ambang RMS(error) total, atau yang dikenal dengan istilah ’sigma’. Menurut ketelitian
baku peta nasional Amerika Serikat (US National Map Standard), nilai sigma citra harus
lebih kecil daripada setengah resolusi spasial citra yang bersangkutan (Eastman, 1997,
dalam Like Indrawati, 2001), sehingga rata-rata pergeseran posisi yang dapat diterima
dari hasil koreksi ini nantinya adalah 0,5 x ukuran piksel.
Dalam melakukan transformasi koordinat, terdapat beberapa macam transfromasi

polinomial yang satu dengan yang lain memberikan ketelitian yang berbeda-beda
(Jensen, 1996) yaitu :
 Transformasi affine, yaitu memerlukan minimal 4 titik kontrol untuk mengubah posisi
geometrik citra sama dengan posisi geometerik referensi (peta). Transformasi ini
lebih sesuai untuk daerah yang bertopografi relatif datar atau landai.
 Transformasi orde dua, yang dapat dijalankan minimal dengan 6 titik kontrol (atau
12 parameter), dengan ketelitian yang pada umumnya lebih akurat dibandingkan
dengan transformasi affine.
 Transformasi orde tiga, yang dapat dijalankan minimal dengan 10 titik kontrol (20
parameter), dan lebih tepat untuk daerah dengan variasi topografi yang besar.
Interpolasi intensitas dilakukan dengan proses resampling. Resampling merupakan

proses penentuan kembali nilai piksel sehubungan dengan koordinat baru setelah
interpolasi spasial (ilustrasi di atas). Secara umum terdapat tiga macam teknik untuk
resampling, yaitu :
 Interpolasi nearest neighbor, dimana nilai baru untuk piksel dengan posisi baru
diambil dari nilai piksel lama pada posisi lama yang terdekat.
 Interpolasi bilinear, dimana nilai piksel baru pada posisi baru dihitung dengan
mempertimbangkan 4 nilai piksel lama pada posisi lama yang terdekat.
 Interpolasi cubic-convolution, yang memperhitungkan 16 nilai piksel lama pada
posisi lama terdekat.
B.1.1. PENENTUAN GROUND CONTROL POINTS

1. Buka citra yang sudah dikoreksi radiometrik. Sebaiknya

komposit.
2. Pada bar menu, klik Map > Registration > Select
GCPs : Image to Map
3. Pada jendela Image to Map Registration tentukan
parameter sistem koordinat UTM, datum WGS 84, unit
meter, zona 49 S, klik OK.
4. Perhatikan kenampakan obyek pada citra dan peta.
Analisis daerah liputan citra, dan tentukan berapa
banyak GCP yang akan Anda gunakan, serta di mana
saja. Diskusikan dengan asisten jika perlu.
5. Pada jendela GCP Selection, masukkan

koordinat peta suatu titik pada box yang
kosong, perhatikan easting dan
northing-nya.
6. Untuk memasukkan koordinat tersebut
sebagai GCP, arahkan cross hair cursor
pada citra ke posisi titik yang sama
dengan peta (gunakan zoom agar lebih
teliti), jika sudah yakin klik Add Point,
sehingga Anda memperoleh GCP nomor
1.
7. Lanjutkan untuk GCP yang lain. Jika
Anda sudah memiliki minimal 4 GCP
maka nilai RMS akan muncul.
8. Untuk menampilkan list titik-titik GCP
Anda, klik Show List, untuk mengurangi
besarnya RMS, pada list ini Anda bisa
menonaktifkan GCP yang ’bermasalah’,
dan/atau melakukan editing.
9. Jika jumlah GCP telah sesuai dengan
rencana dan RMS kecil, simpan GCP
Anda. Pada jendela GCP Selection, klik
File > Save GCPs w/ map coords.
Tentukan direktori dan beri nama.
Gambar 1. Citra Semarang dengan beberapa nilai GCP
B.1.2. PROSES REKTIFIKASI
1. Pada jendela GCP Selection, klik

Option > Warp File, tentukan file yang
akan direktifikasi, klik OK.
2. Pada jendela Registration Parameters,
tentukan parameter interpolasi spasial,
interpolasi intensitas, background
(0=hitam, 255=putih), dan file output.
Tentukan direktori dan beri nama
smg_rgx (rg = radiometrik dan geometrik,
x = saluran citra). OK untuk eksekusi.
3. Pada jendela Available Bands List

muncul file hasil rektifikasi dengan
tambahan header citra berupa Map Info
yang menyimpan informasi seputar
sistem proyeksi dan koordinat citra.
4. Tampilkan citra hasil rektifikasi pada

jendela image yang baru, amati
perubahannya. Cek koordinatnya
dengan Cursor Location/Value.
5. Untuk melakukan rektifikasi terhadap
saluran yang lain pada bar menu utama
klik Map > Registration > Warp from
GCPs : Image to Map
6. Panggil file GCP Anda. Cek parameter

Image to Map Registration. Tentukan file
saluran lain yang akan di rektifikasi.
7. Tentukan Registration Parameters dan output file, klik OK untuk eksekusi. Lakukan
hingga semua saluran ter-rektifikasi.
Gambar 2. Gambar Citra yang belum dikoreksi dan yang sudah dikoreksi
Tugas :
1. Sumber kesalahan pada citra dapat dibagi menjadi kesalahan sistimatik dan
non sistimatik. Apa yang dimaksud dengan kesalahan sistimatik dan non-
sistimatik? Bagaimana hal tersebut bisa terjadi ?
2. Proses resampling nilai piksel dapat menggunakan teknik neighbours, bilinear,

dan cubic-convolution. Jika anda akan menggunakan citra hasil koreksi
geometrik untuk analisis berbasis nilai spektral (misalnya klasifikasi
multispektral), maka teknik mana yang akan anda gunakan untuk resampling?.
Jelaskan mengapa anda menggunakan teknik tersebut?
Jawaban :
1. Kesalahan Sistimatik atau Kesalahan Geometri adalah kesalahan
diakibatkan oleh wahana/alat perekam, dalam hal ini kesalahan yang
diakibatkan oleh satelit pada saat melakukan perekaman obyek yang ada di
permukaan bumi. Kesalahan ini terjadi sebagai akibat adanya gerakan satelit,
rotasi bumi, gerakan cermin pada sensor skaner, dan juga faktor kelengkungan
bumi.
Pada satelit sumberdaya yang umumnya bergerak secara polar, kombinasi

mekanisme lintasan satelit dengan arah rotasi bumi menyebabkan terjadinya
pergeseran ujud gambardari kelompok baris penyiaman berikutnya. Hasil dari
perekaman juga merupakan model dua dimensi yang menggambarkan
kenyataan tiga dimensi pada bidang sferoid permukaan bumi. Disini muncul
kesalahan citra yang lain. Perbedaan tinggi obyek di permukaan bumi secara
langsung direkam sehingga menghasilkan citra dengan skala yang tidak
seragam. Kesalahan ini masih ditambah dengan adanya variasi ketinggian
lintasan satelit.
Kesalahan Non-Sistimatik : adalah kesalahan yang disebabkan oleh faktor-

faktor diluar kesalahan yang diakibatkan oleh faktor geometri. Kesalahan ini
terutama disebabkan oleh kondisi atmosfer pada saat terjadinya proses
perekaman obyek. Keadaan atmosfer yang terdiri dari partikel debu, gas dan
molekul uap air akan mengakibatkan pancaran spektrum elektromagnetik yang
dipancarkan oleh sensor akan mengalami beberapa peristiwa seperti
hamburan (refractance) meliputi (hamburan releygh, mie), pantulan
(reflectance), penyerapan (absorption), dan penerusan (transmittance). Hal
yang sama terjadi juga di permukaan bumi, bila kondisi permukaan bumi
menyebabkan terjadinya proses di atas seperti keadaan permukaan yang tidak
rata, kasar, obyek air, terdapatnya partikel dalam air dan sebagainya
2. Teknik yang saya gunakan untuk menganalisis citra yang sudah terkoreksi
geometrik yang berbasis nilai spektral (multispektral) adalah dengan
menggunakan metode resampling nearest neighbour. Dengan asumsi bahwa
nilai spektral tidak akan mengalami perubahan, dikarenakan metode ini
mengambil kembali nilai piksel terdekat ( mengambil empat piksel) yang telah
bergeser ke posisi baru. Dengan menggunakan metode ini analisa citra
multispektral akan memiliki tingkat akurasi yang lebih baik dibandingkan
dengan menggunakan metode belinear interpolation (mengambil enam piksel)
dan cubic convolution (mengambil 16 nilai piksel) untuk menggantikan nilai
piksel yang telah bergeser akibat proses perekaman obyek. (Jensen, 1986).
BAB
APLIKASI PERUBAHAN LAHAN
5
Keadaan Umum Wilayah
Secara geografis Kabupaten Klaten terletak diantara 110o30' -110o45' Bujur
Timur dan 7o30' - 7o45' Lintang Selatan. Luas wilayah kabupaten Klaten mencapai
665,56 km2. Di sebelah timur berbatasan dengan kabupaten Sukoharjo. Di sebelah
selatan berbatasan dengan kabupaten Gunungkidul (Daerah Istimewa Yogyakarta). Di
sebelah barat berbatasan dengan kabupaten Sleman (Daerah Istimewa Yogyakarta) dan
di sebelah utara berbatasan dengan kabupaten Boyolali. Menurut topografi kabupaten
laten terletak diantara gunung Merapi dan pegunungan Seribu dengan ketinggian antara
75 - 160 meter diatas permukaan laut yang terbagi menjadi wilayah lereng Gunung
Merapi di bagian utara areal miring, wilayah datar dan wilayah berbukit di bagian
selatan Ditinjau dari ketinggiannya, wilayah kabupaten Klaten terdiri dari dataran dan
pegunungan, dan berada dalam ketinggian yang bervariasi, yaitu 9,72% terletak di
ketinggian 0-100 meter dari permukaan air laut. 77,52% terletak di ketinggian 100-500
meter dari permukaan air laut dan 12,76% terletak di ketinggian 500-1000 meter dari
permukaan air laut. Keadaan iklim Kabupaten Klaten termasuk iklim tropis dengan
musim hujan dan kemarau silih berganti sepanjang tahun, temperatur udara rata-rata 28-
30o Celsius dengan kecepatan angin rata-rata sekitar 153 mm setiap bulannya dengan
curah hujan tertinggi bulan Januari (350mm) dan curah hujan terrendah bulan Juli
(8mm). (Anonim, 2008).
Kegiatan : ACARA I DAN II
A. Tujuan dan Manfaat Praktikum :

Praktikum ini bertujuan meningkatkan kemampuan analisis mahasiswa dengan
pemahaman terhadap materi praktikum dan studi kasus, melalui fasilitas Pengolahan
Citra Digital.
B. Manfaat Praktikum
Praktikum ini mempunyai manfaat antara lain :

1. Mengetahui dan memahami dasar-dasar teori pengolahan citra digital dengan
menggunakan software ENVI.
2. Memberikan informasi yang cepat berupa data kebumian mengenai perubahan yang
terjadi pada contoh studi kasus ”Perubahan Penggunaan Lahan” di wilayah
Kabupaten Klaten Propinsi Jawa Tengah.
C. Waktu dan Tempat
Praktikum Pengolahan dan Analisis Citra Digital ini dilaksanakan di Laboratorium

Inderaja dan SIG Terapan Program Studi Manajemen Sumberdaya Perairan Fakultas
Perikanan, Banjarbaru.
D. Metode Pengumpulan Data
Data Praktikum terdiri dari dua bagian yaitu :

1. Data Latihan Praktikum : Data berupa Citra Satelit Landsat ETM Kota Semarang
2. Data Studi Kasus ; Data Citra Satelit TM Klaten tahun 1998 dan Citra Satelit ETM
Klaten 2002.
Data pendukung yang di pergunakan dalam penelitian ini adalah Peta Rupa Bumi
Digital. Perangkat lunak pengolahan data yang digunakan adalah ; ENVI 4.5, Arc.GIS,
ArcView 3.3, MS. Excel.
E. Analisis Data
Pengolahan data pada Praktikum ini dibagi menjadi dua bagian yaitu pengolahan data
untuk latihan dan menjawab soal-soal latihan dan pengolahan data untuk
melihat/mendeteksi perubahan pemanfaatan lahan di Wilayah Kabupaten Klaten.
Proses pengolahan data adalah sebagai berikut : (Gambar 1. )
E.1. Data Praktikum
1. Melaksanakan analisis data terhadap soal-soal yang diberikan mengenai Display

Citra, Pembacaan Nilai Piksel, dan Penyusunan Citra Komposit.
2. Melaksanakan analisis data terhadap soal-soal yang diberikan Mengenai Koreksi
Radiometrik dan Koreksi Geometrik
Langkah-Langkah kerja yang digunakan untuk mengamati perubahan penggunaan
Lahan Kabupaten Klaten tahun 1998 dan tahun 2002 adalah diikhtisarkan seperti
Gambar di bawah ini :
Citra Landsat TM Citra Landsat7 ETM+

Klaten 1998 Klaten 2002
INPUT
Koreksi Radiometrik Klasifikasi Terselia

& Geometrik (Supervised Classification)
Cropping Citra
Ekspor Citra PROSES
Raster to Vektor
Klasifikasi Terselia
(Supervised Classification)
Klaten2008.shp
Ekspor Citra
Raster to Vektor
Klaten1998.shp
OVERLAY
HASIL
PETA PERUBAHAN LAHAN

KAB.KLATEN
Gambar 1. Langkah Kerja Analisis Perubahan Lahan (Chane Detection) di Kabupaten

Klaten
I. CITRA TM KLATEN TAHUN 1998
1. KOREKSI RADIOMETRIK
1.1. Proses input band pada Bandmath
1. Buka citra klaten1998 dengan cara ;

File>Open Image File>Pilih klaten 1998
2. Pada available bandlist pilih New Display,
setelah itu eksekusi dengan Load.
3. Tampilkan Histogram Statistik melalui :
Basic Tools > Statistic > Compute
Statistic > Pilih klaten1998 > OK. Pilih
Compute Statistic Parametric dengan
memberi centang pada ; Histogram,
Covariance, Basic Statistic, OK.
4. Pada Statistic Results: Klik kanan > Centang
Plot key > pada File pilih Band1
5. Pada bar menu klik Basic Tools > Band
Math, sehingga muncul jendela Band Math.
6. Pada text box Enter an expression ketikkan
bx – bias (misalnya b1 – 45, dimana b1
adalah band input), kemudian klik Add to List,
klik OK.
7. Masukkan saluran yang dimaksud (pilih

band1 pada citra klaten1998). Simpan file,
pilih choose untuk pilihan direktori, beri nama
b1 klik OK.
8. Lakukan prosedur 5 s/d 7 untuk semua

saluran sampai seluruh band diproses save
output sebagai file, tentukan direktori dan
beri nama b1 – b6. seperti tampak pada
gambar di bawah.
1.2. Proses Penggabungan Band Menjadi Saluran Baru
Band yang sudah diproses dengan bandmath

masih merupakan band-band yang berdiri sendiri.
Diperlukan proses untuk menggabungkan ke enam
band tersebut menjadi saluran baru yang dapat
diproses menjadi citra komposit. Langkah-langkah
penggabungan adalah sebagai berikut :
1. Pada menu utama pilih : File > Save As >

ENVI Standard
2. Pada New File Builder pilih Import File, sorot b1
– b6, OK.
3. Masih pada Kotak Dialog New File Builder, pilih
reorder file > susun urutan band1 – b6
dengan cara drag, lakukan sampai urutan band
sesuai (band1 s/d b6).
4. Pilih direktori pada Enter output file; Choose >
direktori > beri nama klaten1998_rd > OK
5. Pada jendela Available bandlist akan terbentuk
citra klaten1998_rd yang dapat ditampilkan
secara komposit
Hasil Proses Koreksi Radiometrik
2. KOREKSI GEOMETRIK
2.1. PENENTUAN GROUND CONTROL POINTS
10. Buka citra klaten1998_rd, komposit 432.

11. Pada bar menu, klik Map > Registration > Select
GCPs : Image to Image
12. Pada jendela Image to Image Registration tentukan
Base Image dengan Citra klaten2002 (sudah dikoreksi)
dan pada Warp Image pilih citra klaten1998 (citra yang
belum dikoreksi), klik OK
13. Pada Kotak dialog Ground Control Points Selection,
tentukan beberapa titik GCP
14. Klik GCP pada citra terkoreksi, secara otomatis nilai X
dan Y tertulis, klik add point. Lakukan untuk beberapa
titik GCP, sampai nilai RMSE < 0,5.
6. Dialog GCP, Image to Image List dan Citra klaten1998 yang telah diberi ± 16 titik
kontrol dapat dilihat pada gambar di bawah ini.
Gambar 1. Citra Landsat TM 1998 dengan beberapa nilai GCP
Gambar 2. Citra Landsat TM 1998 yang telah dikoreksi Geometrik
2.2. CROPPING AREA
1. Catat koordinat UTM Citra ETM Klaten 2002 pada pojok kiri atas, (tercatat :
444420.00 E, 9162210.00 S), dan pojok kanan bawah (468390.00 E, 913830.00
S)
2. Koordinat ini digunakan untuk memotong citra TM Klaten1998 yang telah
terkoreksi Geometrik. Adapun langkah-langkah kerja adalah sebagai berikut :
 Pada menu utama pilih : File > Save File As

>ENVI Standard
 Pada Kotak Dialog New File Builder pilih
Import File > Klaten_rgx > Spatial Subset >
Map
 Pada Spatial Subset by Map Coordinat
masukkan koordinat UTM seperti pada point 1
di atas. Koordinat Geografis otomatis akan
tertulis, jangan diubah.
 Klik OK
3.
Gambar 3. Citra TM Klaten1998 yang telah dicropping Band 432
Gambar 4. Citra ETM+ Klaten2002 g Band 432
2.3. Klasifikasi Terselia (Supervised) Citra TM Klaten1998 dan Citra Klaten ETM
2002
Dilakukan klasifikasi terselia terhadap Citra TM Klaten1998 dan Citra ETM2002.

adapaun langkah-langkah kerja adalah sebagai berikut :
1. Buka File Citra Klaten1998_rgx (sudah

terkoreksi geometri)
2. Tampilkan File resampling obyek (Roi) dengan
cara : Klik Kanan > Roi Tool > File >Restrore
ROIs
3. Masuk ke menu utama dengan cara :
Classification > Supervised > Paralelepiped
4. Pada Kotak Dialog Classification Input File pilih
Klaten1998_rgx > OK.
5. Pada kotak dialog Paraleleepiped select all
items >Save sebagai File atau memori.
6. Pada kotak dialog ENVI Output to Memori
Warning (jika disimpan di memory), Klik OK.
7. Agar tampilan citra lebih menarik perlu
dilakukan operasi perapian (cosmetic
operation) dengan cara : pada menu utama
pilih ; Classification >Post Classification >
Majority/Minority Analysis > Pilih File >
OK
8. Lakukan langkah 1 sampai 7 untuk Citra
Klaten2002
9. Pada Gambar dibawah ini dapat dilihat hasil proses klasifikasi terselia (Supervised
classification) untuk Citra TM Klaten1998 dan Citra ETM+ Klaten 2002.
Gambar 5. Citra TM Klaten 1998 yang sudah terklasifikasi terselia metode
Paralelepiped Majority1
Gambar 6. Citra ETM+ Klaten 2002 yang sudah terklasifikasi terselia metode
Paralelepiped Majority1
2.4. Export Hasil Klasifikasi Citra Landsat TM Klaten1998 dan Citra Landsat ETM
Klaten2002
Citra TM Klaten 1998 dan Citra ETM Klaten 2002, agar dapat ditumpang susun
(Overlay) untuk memudahkan melihat perubahan lahan yang terjadi dan dapat
ditampilkan pada layout peta dapat melalui beberapa cara. Pada praktikum ini
praktikan menggunakan cara mengubah data Raster yang sudah diproses dari Envi
diubah ke file *.shp agar dapat dibaca pada software Arc.View 3.2. maupun ArcGis 9.2.
Agar dapat dibaca dan dilakukan proses overlay sebelumnya data tersebut harus di
ubah menjadi format vektor dengan langkah-langkah sebagai berikut :
1. Tampilkan Citra Klaten1998 yang sudah

terklasifikasi terselia Majority1
2. Pada menu utama ; pilih Vector > Raster to
Vector > Pilih Klaten1998 Mayority1 > OK.
3. Pada Kotak dialog Raster to Vector
Parameters pilih Select all Items, simpan
sebagai file atau memory, OK.
4. Program akan melakukan proses iterasi
obyek yang kita ambil pada ROI (Build vector
topology), tunggu sampai proses selesai
5. Pilih file hasil iterasi , kemudian pada Kotak
dialog Available Vector List pilih ; File >
Export File to Shapefile > pilih direktori
(sebaiknya simpan di ESRI Data pada
program Arc.View GIS 3.2)
Tekan OK.
6. File siap diolah (overlay dan Layout)
2.5. Menghitung Perubahan Lahan Citra Landsat TM Klaten1998 dan Citra
Landsat ETM Klaten2002 dengan Menggunakan Fasilitas ENVI 4.5
Untuk mengetahui perubahan penggunaan lahan yang terjadi selama periode tahun
1998 dan tahun 2002, dapat dihitung dengan berbagai cara yaitu :
1. Mengambil data dari Table.dbf yang ada di program Arc.View, kemudian diolah
dengan menggunakan program Excell.
2. Dihitung langsung dengan menggunakan program yang tersedia pada program
ENVI 4.5 (menggunakan fasilitas Change Detection – Statistic).
3. Pada praktikum ini, Praktikan menggunakan cara yang kedua, karena dianggap
praktis dan hasil lebih akurat dibandingkan dengan cara pertama.
4. Sebagai Knowledge Location, untuk membantu pemahaman terhadap obyek lokasi
digunakan :
 Data Statistik Kabupaten Klaten
 Google earth
 Penggunaan Lahan Kab. Klaten
1. Tampilkan Citra TM1998 yang sudah klasifikasi terselia (Klaten1998_Majority1) dan

Klaten 2002_Majority1
2. Pada menu utama pilih ; Basic Tools > Change Detection > Change Detection
Statistic
3. Pada Select “Initial State” Image pilih Klaten1998_Majority1 (Majority
analisis_Class), OK dan pada Select “Final State” Image Pilih Klaten2002_Majority1
(Majority analisis_Class), OK
4. Pada Define Equivalent Classes Select Initial State
Class dan Final State Class dengan obyek yang
sama, Add Pair, OK
5. Pada Change Detection Statistic Output beri
centang pada :Report Type; Pixels, Percent, Area,
Simpan sebagai File
6. File hasil ini kemudian diproses dengan
menggunakan Program Excell
DAFTAR PUSTAKA
Anonim, 2008. Bank Data Kabupaten Klaten Propinsi Jawa Tengah. Didownload
tanggal 8 Desember jam 15.00 Wita.
Tempo Interaktif. Ribuan Hektare Tanah Pertanian di Kab. Klaten Jadi Lahan Kritis.
Hari Senin, Tanggal 08 Januari 2007. Didownload tanggal 8 Desember
2008 pukul 15.00 Wita.
Danoedoro, Projo, 1996. Pengolahan Citra Digital. Teori dan Aplikasinya dalam Bidang
Penginderaan Jauh. Fakultas Geografi Universitas Lambung Gadjah
Mada. Yogyakarta.
Jensen, J.R. 1996. Introductory Digtal Image Processing – a Remote Sensing

Perspective. Second Edition. London : Prentice Hall.
Kamal, Muhammad. 2008. Petunjuk praktikum Pengolahan Citra Digital (Menggunakan

Software Envi 4.0). Laboratorium Penginderaan Jauh Dasar Jurusan
Kartografi dan Penginderaan Jauh, Fakultas Geografi UGM, Yogyakarta.
Lillesan. T.M dan Kiefer. R.W. 1990. Pengindraan Jauh dan Interprestasi Citra.
(Terjemahan). Gajah Mada University Press. Yokyakarta.
Nuarsa, I,W, 2005. Menganalisis Data Spasial dengan Arc.View GIS 3.3 untuk Pemula.
DAFTAR PUSTAKA
Asdak, 2002. Hidrologi dan Pengelolaan Daerah Aliran Sungai. Penerbit Gadjah Mada
University Press. 618 halaman.
Prahasta, 2008. Remote Sensing. Penerbit Informatika. Bandung. 406 halaman.
Totok Gunawan, dkk, 2008. Buku Petunjuk Praktikum Penginderaan Jauh Terapan
untuk Hidrologi. Program Studi Kartografi dan Penginderaan Jauh. Fakultas
Geografi UGM. Yogyakarta.

Modul Image Processing

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul Image Processing

Diunggah oleh

Hak Cipta:

Format Tersedia

(

UNIVERSITAS LAMBUNG MANGKURAT

Alhamdulillahirobbil’alamiin, penulis panjatkan ke hadirat Allah SWT, karena

mahasiswa/i untuk mengetahui konsep-konsep tentang Pengolahan Citra Digital.

Banjarbaru, April 2011

KATA PENGANTAR .................................................................................. i

DAFTAR ISI ................................................................................................. ii

BAB I. DISPLAY CITRA, PEMBACAAN NILAI PIKSEL DAN

BAB II. PENGAMATAN POLA SPEKTRAL DENGAN SCATTER

BAB III. PENYUSUNAN CITRA KOMPOSIT ....................................... 13

BAB IV. KOREKSI RADIOMETRIK DAN GEOMETRIK ..................... 20

BAB V. APLIKASI PERUBAHAN LAHAN .......................................... 34

DAFTAR PUSTAKA ................................................................................... 49

File citra digital dibagi atas 2 (dua) bagian :

B. KONVERSI FORMAT DATA

 Citra : Landsat 7 ETM+

C. MENAMPILKAN OBYEK CITRA

1. Pada jendela Available Band List, klik button Gray Scale

 Jendela Scroll : Display keseluruhan citra sekaligus navigator

E. PEMBACAAN NILAI PIKSEL

Tabel . Nilai Piksel Beberapa Obyek Pengamatan

Nilai Pixel Obyek Lahan Terbuka

Nilai Pixel Obyek Vegetasi Kerapatan Tinggi

Nilai Pixel Obyek Bangunan Industri

Pixel Value (DN)

Air Lahan Terbuka Vegetasi Kerapatan Tinggi Bangunan Industri

Gambar. Grafik Pola Spektral Obyek Pengamatan Nilai Piksel

Grafik Nilai Spektral Rata-Rata Obyek Untuk Band3 dan Band4

Vegetasi Kerapatan Tinggi

1. Tampilkan salah satu saluran citra

Nilai piksel 3 saluran

PANTULAN PADA RGB DISPLAY

B4-NIR B3-RED B2-GREEN light blue

B2-GREEN B4-NIR B3-RED BAND light

BVterkoreksi  BVasli  bias

Adapun Langkah-Langkah Kegiatan adalah sebagai berikut :

5. Aktifkan tanda chek Text Report, Min/Max/Mean Plot, Calculate Histogram

3. Masukkan saluran yang dimaksud, save

4. Lakukan untuk saluran yang lain. Meskipun

Gambar 5. Contoh Metode Koreksi Radiometrik Citra dengan Feature Space

Dalam melakukan transformasi koordinat, terdapat beberapa macam transfromasi

Interpolasi intensitas dilakukan dengan proses resampling. Resampling merupakan

B.1.1. PENENTUAN GROUND CONTROL POINTS

1. Buka citra yang sudah dikoreksi radiometrik. Sebaiknya

5. Pada jendela GCP Selection, masukkan

Gambar 1. Citra Semarang dengan beberapa nilai GCP

1. Pada jendela GCP Selection, klik

3. Pada jendela Available Bands List

4. Tampilkan citra hasil rektifikasi pada

6. Panggil file GCP Anda. Cek parameter

2. Proses resampling nilai piksel dapat menggunakan teknik neighbours, bilinear,

Pada satelit sumberdaya yang umumnya bergerak secara polar, kombinasi

Kesalahan Non-Sistimatik : adalah kesalahan yang disebabkan oleh faktor-

Kegiatan : ACARA I DAN II

A. Tujuan dan Manfaat Praktikum :

Praktikum ini mempunyai manfaat antara lain :

Praktikum Pengolahan dan Analisis Citra Digital ini dilaksanakan di Laboratorium

D. Metode Pengumpulan Data

Data Praktikum terdiri dari dua bagian yaitu :

E.1. Data Praktikum

1. Melaksanakan analisis data terhadap soal-soal yang diberikan mengenai Display

Citra Landsat TM Citra Landsat7 ETM+

Koreksi Radiometrik Klasifikasi Terselia

PETA PERUBAHAN LAHAN