LAPORAN PRAKTIKUM 2

FUNDAMENTAL PEMROSESAN CITRA

Disusun untuk memenuhi salah satu tugas mata kuliah Pengideraan Jauh Terapan yang
diampu oleh :

Riki Ridwana, S.Pd., M.Sc

Oleh :

Alya Sekar Hapsari

1800814

PROGRAM STUDI SURVEI PEMETAAN DAN INFORMASI GEOGRAFI

FAKULTAS PENDIDIKAN ILMU PENGETAHUAN SOSIAL

UNIVERSITAS PENDIDIKAN INDONESIA

2021
 PRAKTIKUM 2

FUNDAMENTAL PEMROSESAN CITRA

A. Tujuan Pembelajaran
1. Mahasiswa mampu memahami dan mempraktekkan resize data citra.
2. Mahasiswa mampu memahami dan mempraktekkan masingking objek air dan
awan.
3. Mahasiswa mampu memahami dan mempraktekkan band ratio dan band math.
4. Mahasiswa mampu memahami dan mempraktekkan seamless mosaic.
5. Mahasiswa mampu memahami dan mempraktekkan pansharpening.
B. Alat dan Bahan
1. Seperangkat laptop/computer.
2. Perangkat lunak Envi 5.x
3. Koneksi internet yang memadai
4. Citra yang sudah terkoreksi atmosferik.
C. Tahapan Kegiatan
1. Resize Data Citra
1) Buka ENVI 5.3 > Kemudian klik File > Open > Pilih Citra yang telah
terkoreksi atmosferik > Open

2) Cari tools resize data pada menu tool box di sebelah kanan atas > Double Klik
resize data – Pilih nama citra yang akan dipotong ( berubah jadi blok warna
biru) - Klik Spatial Subset.
3) Pada Jendela Select Spatil Subset klik image. Kemudian ubah samples 2000
dan Lines 2000 > Klik drag kotak berwarna merah ke wilayah yang akan
dikaji > OK.

4) Choose untuk memilih tempat penyimpanan > OK

5) Hasilnya adalah sebagai berikut

6) Klik Symbol ROI pada menu toolbar > pada Geometric klik Rectangle > drag
wilayah yang akan dianalisis

7) Kemudian pilih File > Save as, Kemudian simpan dengen nama “ROI” > OK
8) Klik Simbol ROI pada bagian atas , klik > Options > Subset data with ROI >
Choose > Simpan dengan nama “HASIL ROI” > Ok

9) Hasil Sebagai Berikut

10) Cara ketiga untuk melakukan pemotongan citra adalah dengan subset data
berbasis spektral pada seri ENVI 5.1 dan di atasnya. Cara ini memanfaatkan
spektral propertis objek perairan. Klik menu Region of Interest (ROI) tool – klik
new roi – add new threshold – pilih band infra red dekat (band 5) – atur
histogram sehingga objek perairan terblok terpisahkan dengan objek selainnya.
Hal ini dapat dilakukan karena objek perairan menyerap panjang gelombang
infra merah dekat sehingga tidak ada informasi pantulan yang dapat direkam
oleh sensor. File -Save as. Saat ini berarti sudah memiliki roi berupa perairan.
11) Klik File pada menu bar – Save as – Save envi file - Klik nama file – Klik mask
–pilih roi – centang inverse mask (artinya objek perairan akan dihilangkan atau
dipotong) jika tidak dicentang maka yang dihilangkan adalah objek selain
perairan – pilih tempat penyimpanan – Open – OK. Tunggu pemrosesan dengan
melihat progresnya dipojok kanan bawah (sampai full berwarna biru) maka
akan muncul hasilnya. Silakan cek hasilnya dengan melihat band value
menggunakan cursor value.
2. Masking Awan
1) Klik ROI tool – klik threshold - klik new roi - beri nama roi “awan” – add new
threshold – Pilih band 1 (coastal aerosol) – Klik OK – Atur histogram dengan
menarik histogram dari kiri ke kanan sampai dengan full sehingga semua tampilan
citra terblok – Kemudian mulai hilangkan awan dengan cara tarik histogram dari
kiri ke kanan perlahan sehingga awan akan terblok (pastikan hanya piksel awan
yang terblok) – klik OK – File – save as roi – pilih tempat penyimpanan – OK –
tutup ROI tool.
2) Klik menu file di pojok kiri atas – klik save as – plih envi file – pilih file yang akan
dihilangkan awannya – klik mask - pilih file awan – klik mask – pilih file awan -
centang inverse mask sehingga nanti piksel awannya akan hilang – OK – OK –pilih
lokasi penyimpanan (klik titik tiga) – Open – Klik OK. Tunggu prosesnya,
kemudian jika sudah selesai cek menggunakan cursor value – arahkan kursor ke
objek awan jika berhasil maka nilainya <0> atau no data. Selanjutnya citra dapat
dilakukan analisis lebih lanjut lagi
 3. Band Ratio dan Band Math

Salah satu teknik analisis citra yang paling sederhana adalah band ratio yaitu membagi satu
band khusus untuk ditonjolkan dari band yang lain. Pada praktikum ini akan diperlihatkan
secara umum berapa banyak vegetasi pada wilayah kajian yaitu dengan membagi band infra
merah dekat/ band 4 (yang sensitif terhadap vegetasi) dengan band merah/ band 3.
1) Buka citra wilayah kajian yang sudah dilakukan resize data.

2) Cari pada menu tool box pada pojok kanan atas dengan mengetikan band ratio –
klik dua kali band ratio.
3) Kita akan masukan band yang saling berhubungan. Numerotor diisi dengan
mengklik Band 4 (Infra merah dekat), denominator diisi dengan mengklik band 3
(merah) – Klik Enter Pair – Klik OK.

4) Simpan lokasi penyimpanan klik chose - beri nama “band ratio” – Open –OK.
5) Hasilnya dapat dilihat di bawah ini dengan tampilan citra gray scale.

6) Kita dapat memberinya warna dengan memilih raster color slice dengan cara klik
kanan pada layer band ratio – Pilih ratio – OK

7) Muncul tampilan edit raster color slice. Dari sini dapat diatur tampilan warna pada
citra hasil band ratio. Klik new default color slices. Pilih warna hijauu untuk
indikasi banyaknya vegetasi dan warna merah untuk indikasi tidak ada vegetasi.
OK.
8) Untuk mengedit kembali klik kanan pada layer slices – edit color slices. Tampilkan
berbagai percobaan warna yang mempermudah untuk menginterpretasi vegetasi

a. Warna Hijau untuk Interpretasi Vegetasi

b. Warna Kuning untuk Interpretasi Vegetasi

 c. Warna Cyan untuk Interpretasi Vegetasi

9) Untuk mempelajari lebih dalam terkai band ratio silakan kunjungi tautan berikut ini
https: //www.l3harrisgeospatial.com/docs/BandRatios.html

Berikutnya kita akan mempraktekkan penggunaan tool band math untuk

memasukan formula atau algoritma tertentu. Melalui tool ini bisa dimasukan berbagai
formula komplek yang anda temukan pada jurnal-jurnal penelitian atau untuk
memproses berbagai data lapangan yang akan diterapkan pada citra penginderaan jauh.
10) Buka terlebih dahulu citra wilayah kajian anda.

11) Cari pada menu tool box dengan mengetikan band math – klik dua kali pada band
math tool. Berikut adalah tampilan band math
12) Sekarang kita akan mencoba pada tool band math untuk menghitung indeks
vegetasi (Normalized Difference Vegetation Index/NDVI). Ketikkan pada enter an
expression (float(b5)-float(b4))/(float(b5)+float(b4)). Klik add to list – Pilih
formula di atas sehingga terblok warna biru – klik OK. Bisa juga menyimpan
formulanya dengan klik tombol save

13) Definisikan B4 dengan mengklik Band 4 pada available bands list di bawahnya,
begitu juga pilih B5 kemudian klik Band 5 pada available band list di bawah nya.

14) Klik chose untuk memilih lokasi penyimpanan – beri nama NDVI – Open –Klik
OK.
 15) Atur kembali raster color slice nya dengan mengikuti mulai dari langkah 6) di atas.
(Rentang nilai NDVI adalah dari -1 sampai 1. Mendekati “Minus satu” artinya
kesehatan vegetasi buruk, dan mendekati “positif satu” artinya kesehatan vegetasi
baik).

16) Simpan hasil NDVI klik menu file – save as atau chip view to.

17) Untuk mempelajari lebih dalam terkai band math silakan kunjungi tautan berikut
ini https://www.l3harrisgeospatial.com/docs/BandMath.html
4. Seamless Mosaic
Kajian yang wilayahnya luas kadangkala tidak dapat mencukupi dengan satu scene citra saja,
sehingga harus mengunduh scene citra yang lainnya. Kondisi demikian mengharuskan untuk
menggabung dua citra atau lebih yang berhimpitian menjadi satu. Proses menggabungkan
beberapa scene citra menjadi satu dapat dilakukan dengan seamless mosaic.
1) Buka dua scene citra yang berhimpitan tentunya setelah dikoreksi atmosferik
terlebih dahulu.
2) Cari tool seamless mosaic pada menu tool box – klik dua kali pada seamless mosaic
– klik tombol add scence (tanda +) – ubah data ignore value menjadi 0 sehingga
kotak hitam disekitar citra menjadi putih, proses ini sama dengan edit envi header
sehingga kedua scence citra tersebut sama-sama tidak ada kotak hitam di sekitarnya.
 \
3) Klik tombol export – pilih tempat penyimpanan – beri nama mosaic_(nama
wilayahnya) – open – finish.

4) Cek hasilnya dengan cursor value.

5) Setelah hasilnya benar liputan wilayah kajian bisa dipotong sesuai dengan
kebutuhan melalui subset data atau resize data, seperti yang telah dipelajari
sebelumnya. Itulah cara menggabungkan multi scene citra, seamless mosaic dapat
dilakukan dengan satu kata kunci yaitu pastikan georeferensinya sama.
6) Untuk mempelajari lebih dalam terkait seamless mosaic dapat melalui tautan
berikut: https://www.harrisgeospatial.com/docs/MosaicSeamless.html
5. Pansharpening

Tabel di atas memperlihatkan perbandingan antara landsat-7 dan Landsat-8.

Praktikum kali ini akan menggunakan citra landsat-8. Multispektral band pada landsat-
8 resolusi spasialnya 30 m yaitu pada band 1 - 7, sedangkan panchromatic band hanya
ada pada satu panjang gelombang yaitu pada band 8 dengan resolusi spasil 15 m atau
dua kali lipat lebih detil dari band multispektral.
Pansharpening merupakan metode fusi citra yang memiliki resolusi spasial
lebih tinggi yakni panchromatic dengan multispectral band yang resolusi spasialnya
lebih rendah namun memiliki kualitas menampilkan citra berwarna yang baik.
Sehingga dengan melakukan pemrosesan image pansharpening akan menghasilkan
kualitas citra berwarna yang baik dengan resolusi spasial yang lebih tinggi.
1) Buka citra landsat-8 wilayah kajian yang sudah terkoreksi atmosferik.

2) Tampilkan citra mulitspektral dengan komposit 432.

3) Tampilkan citra pachromatic/ band 8.

4) Ketika kita perbesar tampilan citra dengan mengarahkan ke objek jalan, kita akan
melihat objek lebih jelas ketika mencentang layer band 8, dibandingkan dengan
mencentang layer multispektral (komposit 432).
5) Ketikkan pada menu pencarian toolbox SPEAR Pan Sharpening – setelah muncul
klik dua kali.

6) Klik select high res file – pilih band 8 – OK.

7) Klik select low res file – pilih band 1 – 7 atau pilih layer stacking kemudian klik
spectral subset blok band 1 – 7 – OK – OK.
8) Low res band matching pilih blue atau band 2 – OK.

9) Kemudian pilih high res – select output untuk memilih tempat penyimpanan –beri
nama landsat8_pansharp_(nama wilayah) – Open – Next.

10) Pilih images already co registered – centang skip… - klik next.

11) Jika proses sudah selesai klik finish.

12) Cek hasilnya dengan menampilkan file hasil pansharpening dengan komposit band
tertentu, arahkan (zoom in) pada objek jalan, sungai, penggunaan lahan, dan lain
sebagainya. Maka selain memperoleh tampilan citra yang jelas dan berwarna,
resolusi spasialnya pun menjadi lebih tinggi (15 m). Setelah itu bisa dilakukan
analisis lebih jauh lagi dengan konsekuensi skala pemetaan menjadi lebih detil dari
sebelumnya.

13) Untuk mengetahui lebih dalam terkait pansharpening, dapat mempelajari pada
tautanberikut:https://www.l3harrisgeospatial.com/docs/SPEARPanSharpening.ht
ml
D. Hasil dan Pembahasan
1. Resize Data Citra
Pada hasil resize data, praktikan melakukan resize data pada daerah Kawasan
Wisata Mangrove Karangong Kabupaten Indramayu sekitarnya dengan sampel
1000 dan lines 1000.

2. Masking Awan
Pada hasil masking awan, praktikan memasking awan pada daerah kajian Kawasan
Wisata Mangrove Karangong Kabupaten Indramayu dan sekitarnya sampai objek
awan pada cursor value datanya 0.
 3. Band Ratio dan Band Math
a. Band Ratio

Pada hasil band ratio, praktikan melakukan teknik analisis citra dengan membagi satu
band khusus untuk ditonjolkan dari band yang lain. Band yang dipakai adalah band infra merah
dekat/ band 5 (yang sensitif terhadap vegetasi) dengan band merah/ band 4 lalu di edit color
slicesnya sesuai warna yang diinginkan. Praktrikan mengedit color slice untuk vegetasi
berwarna hijau sedangkan untuk objek lain berwarna merah.
b. Band Math
Pada hasil band math, wilayah kajian praktikan yaitu daerah Kawasan Wisata Mangrove
Karangsong Kabupaten Indramayu sekitarnya memuat informasi bahwa vegetasi mangrove
sehat berwarna merah , dan vegetasi mangrove tidak sehat berwarna kuning.

4. Seamless Mosaic
Pada hasil seamless mosaic, praktikan menggabungkan 2 scene citra yaitu wilayah yang
terdapat wilayah kajian praktikan yaitu daerah Kawasan Konservasi Mangrove Karangsong ,
Kabupaten Indramayu dan scene citra wilayah Kabupaten Indramayu bagian Selatan dari scene
citra yang digunakan oleh praktikan.

5. Pansharpening

Pada citra yang sudah dilakukan proses pansharpening, warna citra menjadi jelas tetapi agak
keabuan. Dalam tampilan pansharpening citra diatas terdapat objek jalan berwarna abu
kehitaman, sungai berwarna hitam tidak terlalu pekat, penggunaan lahan atau vegetasi yang
berwarna hijau tua kehitaman, dan permukiman berwarna abu sedikit Putih.

E. Kesimpulan
Pada praktikum kali ini yaitu praktikum Tugas 6 mengenai Fundamental Pemrosesan
Citra, praktikan mampu memahami dan mempraktekkan resize data citra pada wilayah kajian
praktikan, praktikan mampu memahami dan mempraktekkan masking objek air dan awan pada
wilayah kajian praktikan, praktikan mampu memahami dan mempraktekkan band ratio dan
band math pada wilayah kajian praktikan, praktikan mampu memahami dan mempraktekkan
seamless mosaic pada 2 scene citra, serta praktikan mampu memahami dan mempraktekkan
pansharpening pada wilayah kajian praktikan.