LAPORAN RESMI PRAKTIKUM

PENGINDERAAN JAUH
MODUL 1
INTERFACE PENGENALAN ER MAPPER 7.1
DAN CITRA LANDSAT 8

Disusun Oleh:
Rizki Taqwa Putranto
26050120130050
Oseanografi A

Koordinator Mata Kuliah Penginderaan Jauh :

Ir. Petrus Subardjo, M.Si
NIP. 19561020 198703 1 001

Tim Asisten
Warisatul Anbiya Selkofa M 26050117120018
Muhammad Farras Ayasy 26050117140023
Riefchi Wicaksono Haris 26040117140065
Octa Firta 26040117140070
Rahmat Yolansyah Putra 26050117120026
Tiara Anggita 26050118130051
Zahra Sadza Salma 26050118120009
Ferdian Agung Baskoro 26050118120025
Maryam S Taib 26050118140091
Danang Imaddudin Mahardika 26050118140076
Muhammad Farhan 26050118140101
Rofiatul Mutmainah 26050118120030

DEPARTEMEN OSEANOGRAFI
FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS DIPONEGORO
SEMARANG
2020
 Tgl Praktikum : 2 Oktober 2020
Tgl Pengumpulan : 8 Oktober 2020

LEMBAR PENILAIAN
MODUL I: INTERFACE PENGENALAN ER MAPPER 7.1 DAN CITRA
LANDSAT 8

Nama : Rizki Taqwa Putranto NIM : 26050120130050 Ttd :................................

NO. KETERANGAN NILAI

1. Pendahuluan
2. Tinjauan Pustaka
3. Materi dan Metode
4. Hasil dan Pembahasan
5. Penutup
6. Daftar Pustaka
TOTAL

Mengetahui,
Koordinator Praktikum Asisten

Warisatul Anbiya Selkofa M Maryam S Taib

26050117120018 26050118140091
 I. PENDAHULUAN

1.1 Latar Belakang

Dewasa ini perkembangan kemajuan teknologi tergolong dalam kategori
sangat pesat, yang mana hak ini pun berpengaruh terhadap perkembangan ilmu
pengetahuan. Ilmu perpetaan dan penginderaan adalah beberapa cabang yang
sangat besar terpengaruh oleh kemajuan teknologi tersebut. Hal ini ditandai dengan
proses pemetaan jarak jauh,serta perekaman jarak jauh yang prosesnya dilakukan
melalui perantara satelit. Hasil yang dihasilkan oleh proses perekamaan jarak jauh
ini dikenal dengan sebitan citra penginderaan jauh.
Pesatnya perkembangan teknologi pada saat ini membawa dampak positif
bagi kehidupan masa kini, karena dengan perkembangan teknologi, manusia dapat
mengadakan penelitian maupun pengkajian mengenai suatu objek,daerah, maupun
fenomena tanpa harus terjun langsung, melainkan hanya dengan melihat pada citra
yang telah ditangkap oleh satelit. Dengan menggunakan data-data yang didapatkan
dari penginderaan jauh oleh satelit, dapat dikajisuatu kajian tanpa harus melakukan
pengkajian secara langsung, yang dapat memakan banyak biaya. Selain itu dengan
mengkaji objek permukaan bumi yang tergambar pada citra penginderaan tersebut,
secara langsung menggambarkan pendekatan kewilayahan, kelingkungan dalam
konteks keruangan. Hal ini berdasarkan sifat dan karakteristik objek di bumi yang
memiliki suatu relasi, interaksi, dan interpendensi antara suatu faktor dengan faktor
lainnya dalam suatu ruang maupun faktor antar ruang.
Salah satu citra dari sensor non-fotografi yang banyak digunakan adalah citra
Landsat. Citra yang memiliki 11 band ini terdiri dari citra multi spektral resolusi
30m, pankromatik resolusi 15 m, dan termal resolusi 100 m. Dalam bidang ilmu
kelautan penginderaan jauh digunakan dalam penelitian persebaran terumbu karang
dalam suatu perairan, mengetahui penyebaran vegetasi mangrove dalam kawasan
pesisir,hingga untuk mengetahui bentuk dan topografi area sekitaran perairan dan
sebagainya.
Sebagai salah satu agen dalam perkembangan dalam rumpun ilmu kebumian,
terkhusus dalam kelautan, sangat penting untuk mempelajari lebih dalam mengenai
penginderaan jauh, tepatnya dalam menggunakan software penginderaan jauh yang
sudah ada, diantaranya adalah ER MAPPER. Dengan software tersebut, diharapkan
adanya kemudahan dalam melakukan proses pengolahan, pengukuran, maupun
pengolahan sumber daya bumi dengan menggunakan konsep interpretasi foto
udara, fotogrametri, serta interpretasi citra dari sensor nonfotografi baik secara
visual maupun dengan teknik pemrosesan citra digital. Sehingga dapat
mempermudah dalam pengumpulan data dari jarak jauh yang dapat dianalisis untuk
mendapatkan informasi tentang objek, daerah, maupun fenomena yang diinginkan.
Mengingat kepentingan dan pemanfaatan penginderaan jauh dalam berbagai
Ilmu Pengetahuan maka diperlukan mahasiswa Ilmu Kelautan untuk melakukan
praktikum penginderaan jauh agar dapat lebih mengenal dan mendalami metode
tersebut.

1.2 Tujuan Praktikum

1. Mahasiswa mengetahui arti dan fungsi dari penginderaan jauh.
2. Mahasiswa mengetahui spesifikasi landsat 8.
3. Mahasiswa mengetahui dan mampu mengoperasikan software ER-Mapper
7.1 yang dapat membantu dalam proses pengolahan data hasil dari citra
penginderaan jauh.

1.3 Manfaat Praktikum

1. Mengetahui dan memahami fungsi dari penginderaan jauh.
2. Mengetahui perihal mengenai landsat 8.
3. Mampu dan mengetahui cara mengoperasikan dan mengolah data dengan
software ER-MAPPER 7.1 untuk membantu proses pengolahan data dari
hasil citra penginderaan jauh.
 II. TINJAUAN PUSTAKA

2.1. Penginderaan Jauh

2.1.1 Pengertian Penginderaan Jauh
Penginderaan Jauh adalah ilmu dan seni yang digunakan untuk memperoleh
informasi mengenai obyek, daerah, maupun fenomena dengan jalan
menganalisis data yang diperoleh dengan menggunakan alat, tanpa adanya
kontak langsung terhadap objek, daerah, maupun fenomena yang dikaji
(Lillesand and Kiefer, 1979). Penginderaan jauh ialah suatu metode
pengukuran maupun perolehan data pada objek pada permukaan bumi dari satelit
maupun instrument lain yang berada jauh diatas objek yang diindera. Data
penginderaan jauh dapat diperoleh melalui hasil citra satelit, pesawat udara,
balon udara, maupun wahana lainnya yang berada pada ketinggian tertentu
diatas objek. Data-data tersebut diambil dengan menggunakan rekaman sensor
yang berbeda karakteristik serta berbeda ketinggian pula. Penggunaan
pengideraan jauh pun dapat digunakan sesuai dengan kebutuhan pengindra.
Menurut Kaneko et al.(2020) Penginderaan Jauh adalah suatu instrumentasi
yang menggunakan perbedaan sensor optic yang berbeda, untuk menangkap
gelombang yang berbeda pula. Digunakan untuk meneliti serta mempelajari
suatu fenomena serta dampaknya terhadap sekitar. Penginderaan jauh adalah
suatu sistem yang memanfaatkan perbedaan gelombang elektromagnetik untuk
diolah menjadi data melalui sensor-sensor yang berbeda, dengan kegunaan yang
berbeda pula. Analisa dari perbedaan gelombang tersebut masih memerlukan
data rujukan seperti peta tematik, data statistic, maupun data lapangan. Hasil
analisa suberdaya tersebut dapat digunakan untuk membantu dalam
pengambilan keputusan.
2.1.2 Pengaplikasian Penginderaan Jauh di Bidang Kelautan
Penginderaan jauh dapat diplikasikan dalam berbagai bidang keilmuan,
salah satunya adalah bidang kelautan. Kemajuan ini tentunya dapat membantu
dalam pengembangan daerah laut, maupun digunakan untuk pengawasan
 fenomena-fenomena kelautan. Metode pemetaan habitat dalam kelautan yang
akurat sangat dibutuhkan untuk pemantauan,konservasi,dan pengeloalaan
sumber daya kelautan (Zoffoli et al,2020). Penngaplikasian penginderaan jauh
juga dapat digunakan dalam memetakan peta persebaran serta tutupan lamun di
lautan. Selain itu pengaplikasian pengideraan jauh dapat pula dilakukan untuk
mengelola ekosistem disekitaran area pesisir.
Pengideraan jauh dapat pula dimanfaatkan untuk memperkirakan
evatranspirasi suatu perairan,serta dapat pula sebagai dasar acuan untuk
menrencanakan penanggulangannya apabila dirasa berlebihan (Tasumi,2020).
Selain itu, menurut Putra et al (2019) Penginderaan jauh dapat pula digunakan
dalam mendeteksi keberadaan sumur-sumur minyak dan gas lepas pantai melalui
analisa akumulasi hidrokarbon menggunakan citra multispektral. Banyak hal
lain yang dapat dilakukan dengan menggunakan penginderaan jauh melalui citra
satelit yang berupa citra multispektral. Citra multispektral ini memiliki berbagai
macam kombinasi dari spektrum-spektrum yang ditangkap oleh sensor yang
dapat digunakan sesuai dengan kebutuhan. Penggunaan-penggunaan tersebut
tentu saja disesuaikan denga napa dan untuk apa hal tersebut dilakukan.

2.2. Jenis-jenis Citra

2.2.1 Citra Foto
Klasifikasi citra dapat dilakukan secara manual (visualisasi) maupun secara
digital (Danoedoro 2012). Klasifikasi secara manual pada umumnya dilakukan
dengan bertumpu pada kenampakan citra seperti, rona atau warna, bentuk, ukuran,
tinggi, dan lain sebagainya. Pada penginderaan jauh sensor merekan energi yang
dipantulkan atau dipancarkan dari suatu objek di permukaan bumi. Rekaman energi
ini nantinya akan diproses menjadi data yang dapat digunakan untuk penginderaan
jauh. Data visual yang dihasilkan dapat disebut sebagai citra foto.
Citra foto sendiri terbagi kedalam beberapa bagian tergantung pada aspek-
aspek pembedanya. Aspek pembeda tersebut antara lain spektrum, sumbu kamera,
sudut lipatan kamera, jenis kamera,warna kamera, serta wahana yang digunakan.
Perbedaan berdasarkan spektrum didasarkan pada perbedaan spektrum yang
tampak pada sensor yang terdapat pada wahana penangkap yang mana hal ini dapat
berpengaruh kepada warna hasil tangkapan. Perbadaan berdasarkan aspek kamera
didasarkan pada arah sumbu kamera terhadap bumi, sudut kamera, serta jenis
kamera itu sendiri. Sedangkan pembeda dalam wahana penginderaan dibedakan
menjadi wahana udara dan wahana orbital (satelit).
2.2.2 Citra Non-Foto
Menurut Danoedoro (2012) pengklasifikasi citra dapat dilakukan secara
manual (visualisasi) maupun secara digital. Klasifikasi secara digital dapat
dilakukan dengan bantuan computer dan biasanya bertumpu pada informasi spectral
objek yang diamati, hal ini diwakili oleh nilai pixel citra pada beberapa saluran
sekaligus. Pada penginderaan jauh sensor merekan energi yang dipantulkan atau
dipancarkan dari suatu objek di permukaan bumi. Rekaman energi ini nantinya
akan diproses menjadi data yang dapat digunakan untuk penginderaan jauh. Dalam
penginderaan jauh non elektromagnetik data yang diperoleh berupa garis atau
grafik.
Citra non foto dapat dibedakan menjadi beberapa aspek, tergantung pada
aspek pembedanya. Aspek pembeda tersebut antara lain Spektrum yang digunakan,
sensor yang digunakan, serta wahana yang digunakan. Spektrum dalam pencitraan
yang digunakan ialah spektrum citra inframerah termal serta citra radar dan
gelombang mikro. Sensor yang digunakan berupa sensor tunggal dan multispektral.
Sedangkan wahana dibedakan menjadi wahana dirgantara serta wahana antariksa
orbital.

2.3 Software Penginderaan Jauh

2.3.1 ER-Mapper
Citra hasil dari penginderaan jauh masih berupa citra kasar yang harus
diolah agar dapat digunakan dengan sebagaimana mestinya. Salah satu software
yang digunakan untuk mengolah citra tersebut adalah ER-MAPPER. Selain itu
masih banyak pula aplikasi lain untuk mengolah citra satelit seperti Idrisi, Erdas
Imagine, Seadas,dan lain sebagainya. Masing-masing software mempunyai
keunggulannya sendiri-sendiri. Menurut Al-Quraishi et al. (2019), ER-MAPPER
adalah suatu alat untuk mendapatkan peta karateristik suatu fenomena di
permukaan bumi.
 Pengolahan data citra merupakan suatu cara memodifikasi citra atau
mengolah suatu citra menjadi suatu keluaran yang sesuai dengan apa yang
diharapkan. Berdasarkan satuan-satuan pixel dalam citra yang masing-masing
mewakilkan keadaan di bumi. Adapun cara pengolahan data citra itu sendiri
melalui beberapa tahapan, mulai dari data mentah,sampai menjadi suatu keluaran
yang diharapkan. Tujuan dari pengolahan citra adalah mempertajam data yang ada
dalam bentuk digital menjadi suatu tampilan yang lebih mudah dipahami bagi
pengguna. Sehingga data tersebut dapat memberikan informasi kuantitatif suatu
obyek, serta dapat memecahkan masalah.
2.3.2 Seadas (Seawifs Data Analysis System)
Citra hasil dari penginderaan jauh masih berupa citra kasar yang harus
diolah agar dapat digunakan dengan sebagaimana mestinya. Salah satu software
yang digunakan untuk mengolah citra tersebut adalah Seadas (Sawifs Data Analysis
System). Selain itu masih banyak pula aplikasi lain untuk mengolah citra satelit
seperti Idrisi,Erdas Imagine, ER-MAPPER,dan lain sebagainya. Menurut de Araújo
et al. (2020), masing-masing software mempunyai keunggulannya sendiri-sendiri.
Seadas dapat digunakan dalam pemetaan permukaan laut yang mana terdapat
lumpur minyak ataupun sesuatu yang sejenisnya.
Pengolahan data citra merupakan suatu cara memodifikasi citra atau
mengolah suatu citra menjadi suatu keluaran yang sesuai dengan apa yang
diharapkan. Berdasarkan satuan-satuan pixel dalam citra yang masing-masing
mewakilkan keadaan di bumi. Adapun cara pengolahan data citra itu sendiri
melalui beberapa tahapan, mulai dari data mentah,sampai menjadi suatu keluaran
yang diharapkan. Tujuan dari pengolahan citra adalah mempertajam data yang ada
dalam bentuk digital menjadi suatu tampilan yang lebih mudah dipahami bagi
pengguna. Sehingga data tersebut dapat memberikan informasi kuantitatif suatu
obyek, serta dapat memecahkan masalah.
2.4 Satelite
2.4.1 Landsat
Landsat adalah sebuah program yang diluncurkan oleh NASA untuk
mendapatkan citra Bumi dari luar angkasa. Citra Landsat merupakan salah satu citra
yang sering digunakan dalam sistem penginderaan jauh. Landsat memiliki 7 buah
saluran, dan tiap saluran menggunakan panjang gelombang yang berbeda. Satelit
landsat merupakan satelit yang mengorbit bumi dengan hampir melewati kutub
bumi. Landsat mengorbit bumi pada ketinggian 705km diatas permukaan air laut
dengan jangka waktu orbit 16 hari.
Kerapatan piksel pada tangkapan kamera landsat berukuran
kurang lebih penyetaraan 30 megapiksel pada citra yang diturunkan
(Umarhadi et al,2021). Citra dari satelit landsat perlu diolah terlebihh
dahulu sebelum digunakan. Citra satelit tersebut diolah sebagaimana
kebutuhan yang dibutuhkan. Citra dari satelit landsat tersebut dapat
digunakan untuk mendapatkan peta karakteristik suatu daerah, objek
ataupun fenomena di bumi (Al-Quraishi et al,2019). Dengan demikian
citra yang didapatkan dari wahana landsat tersebut dapat digunakan untuk
mengembangkan ilmu pengetahuan di bidang penginderaan jauh.
Tabel 1. SPESIFIKASI KANAL-KANAL SPEKTRAL SENSOR
PENCITRA LDCM (LANDSAT-8)

(Sitanggang,2010)
2.4.2 IKONOS
IKONOS adalah satelit observasi bumi umum dengan citra resolusi tinggi
pada resolusi satu dan empat meter. Satelit ini menawarkan citra multispektral dan
 citra pankromatik. IKONOS diluncurkan pada September 1999. Satelit ini
mengorbit bumi pada ketinggian 681 km. Citra resolusi tinggi yang dihasilkan
cocok untuk membuat detail suatu daerah, objek, maupun fenomena, namun citra
ini tidak cocok apabila digunakan dalam membuat citra yang bersifat regional.
Citra yang dihasilkan ini berfungsi untuk membuat peta topografi skala kecil
hingga menengah untuk menghasilkan suatu peta baru.
Mengingat dari besarnya resolusi yang dapat dihasilkan citra
IKONOS, banyak sekali manfaat yang didapatkan. Seperti dalam
melakukan pemetaan suatu wilayah kota sehimgga dapat mendapatkan
pendetailan wilayah tersebut dengan lebih baik. Selain itu,karena akurasi
yang tinggi citra satelit IKONOS dapat digunakan untuk melakukan
pemetaan persebaran vegetasi pada area tertentu (Zhu et al,2020).
Ketajaman citra satelit ini dapat pula dimanfaatkan dalam merencanakan
penanggulangan maupun pencegahan dampak dari suatu fenomena
dengan lebih baik. Citra satelit ini pula dapat digunakan untuk
mengidentifikasi mineral mineral yang terkandung dalam suatu area
(Fan et al,2020). Berikut adalah tabel spesifikasi satelit IKONOS :
Tabel 2. Spesifikasi Satelit IKONOS

(Unik,2019)
2.4.3 Sentinel
Sentinel adalah salah satu wahana satelit yang digunakan untuk menangkap
citra dari wahana angkasa. Satelit sentinel mampu menangkap gambang dengan
reolusi efektif sebesar sepuluh meter. Satelit sentinel dikembangkan oleh Airbus
Defence dan European Space Agency (ESA). Satelit sentinel mengorbit pada
ketinggian 786 km, dengan masa waktu orbit selama 15 sampai dengan 30 hari.
Satelit sentinel banyak digunakan untuk melihat cakupan lahan secara umum, dan
pemetaan variable geofisikal area persebaran tumbuhan dan klorofil.
Citra dari satelit sentinel cocok untuk digunakan dalam
menganalisa sebaran luasan tutupan lahan serta untuk menganalisa
struktur geologis suatu daerah (Putri et al,2018). Satelit sentinel cocok
untuk mengamati hal tersebut karena hasil fusi pewarnaan yang
mendukung proses tersebut. Selain itu satelit sentinel juga memiliki
ketajaman piksel serta kontras yang berbeda-beda pada tiap seri
satelitnya. Menurut Ghahremanloo (2021), perbedaan hasil pencitraan ini
dapat memungkinkan pengguna untuk menggunakannya sesuai dengan
kebutuhan. Selain itu hasil satelit sentinel dapat pula digunakan untuk
melakukan pemetaan persebaran polusi atau pencemaran udara pada suatu
daerah.

2.5 RGB
Menurut Mani et al. (2020), RGB adalah suatu model warna yang terdiri
atas tiga buah warna yaitu merah (Red), hijau (Green), dan biru (Blue), yang
dikombinasikan dengan berbagai cara untuk menghasilkan bermacam-macam
warna. Model warna RGB memiliki kegunaan utama dalam menampilkan citra /
gambar dalam perangkat elektronik, seperti televisi dan komputer, walaupun juga
telah digunakan dalam fotografi biasa. Sebelum era elektronik, model warna RGB
telah memiliki landasan yang kuat berdasarkan pemahaman manusia terhadap teori
trikromatik. RGB hampir digunakan dalam seluruh proses penampilan citra dari
suatu alat elektronik.
RGB sering dimanfaatkan dalam pencitraan, karena memiliki aplikasi yang
cukup mudah. Selain itu beberapa gelombang energi yang terpancar memiliki
spektrum warna dasar berupa RGB. Hal ini menyebabkan RGB lazim digunakan
dalam proses pencitraan, pengolahan citra, maupun pembacaan citra. RGB pula
merupakan gelombang warna tampak yang dapat ditangkap oleh mata manusia.
RGB pun memiliki banyak pengaplikasian karena sifatnya tersebut.
2.6 Teknik Interpretasi Visual
Interpretasi adalah suatu tahapan yang digunakan untuk menyegmentasika
pandangan mengenai suatu hal (Mishra et al,2021). Interpretasi Visual memiliki arti
hubungan interaktif secara langsung antara interpreter/penafsir dengan objek/citra.
Interpretasi adalah proses perunutan untuk mengenali objek serta proses
pendefinisian objek tersebut. Interpretasi citra merupakan suatu kegiatan untuk
menentukan bentuk dan sifat obyek yang tampak pada suatu citra, beserta
deskripsinya. Interpretasi citra dapat dilakukan secara manual atau visual, dan
dapat pula secara digital.
Interpretasi citra secara visual sering di sebut dengan interpretasi
fotografik, meskipun citra yang digunakan bukanlah citra foto melainkan citra non
foto yang telah tercetak. Interpretasi fotografik sering dilakukan pada Interpretasi
visual citra non foto, karena banyak produk tercetak seperti citra non foto di
masa lalu (bahkan sampai sekarang) di wujudkan dalam bentuk film ataupun citra
tercetak di atas kertas foto, dengan proses reproduksi fotografik. Hal ini dapat
dilakukan sebab proses pencetakan oleh komputer pengolahan citra non foto
dilakukan dengan printer khusus yang disebut dengan film writer. Interpretasi visual
tidak hanya digunakan dalam pelaksanaan pengolahan dan pendekripsian citra,
interpretasi visual juga dilakukan dalam hal-hal observative lainnya. Penggunaan
interpretasi visual dalam pengolahan serta pendekripsian citra merupakan suatu ha
yang penting, karena interpretasi visual dapat menyimpulkan suatu hal berdasarkan
data yang ada.

2.7 Geolink
Evaluasi komparatif data membutuhkan suatu sistem pencocokan
instan yang dapat memberi hasil sedetail mungkin (Amini et al,2020).
Pengevaluasian terhadap objek geologi memerlukan ketepatan dan
kemudahan agar dapat dihasilkan hasil yang maksimal dengan usaha yang
sekecil-kecilnya.Geolink adalah suatu teknologi yang memanfaatkan
prinsip data yang ditautakan yang memberi keleluasaan bagi pengguna
untuk membuat pengambilan keputusan dengan tepat mengenai suatu
objek geografi (Chetam et al,2018). Data dalam geolink mencakup
beragam informasi seperti data panggilan Pelabuhan, data oseanografi,
dan lain sebagainya. Geolink juga dapat digunakan dalam penyelesaian
masalah mengenai penyelarasan kompleks potensial,melalui beberapa
dataset yang berupa dua atau lebih ontologi yang berbeda (Zhou et
al,2018). Geolink dapat digunakan dalam berbagai jenis masalah yang
berkaitan dengan geografi. Selain itu geolink juga mempermudah dalam
pengambilan perbandingan data dari dua atau lebih citra yang berbeda
waktu namun dalam area yang sama.
Geolinking merupakan proses merelasikan atau menghubungkan (linking)
dua atau lebih jendela citra didalam koordinat geografis. Oleh karenanya,geolink
akan sangat bermanfaat untuk melihat maupun meneliti unsur-unsur spasial
maupun geografis yang sama namun terdapat di dalam citra-citra yang berbeda
atau pemrosesan algoritmanya berbeda (Danoedoro,2012). Geolinking dapat
dilakukan apabila syarat-syarat untuk mengadakan geolinking terpenuhi. Suatu
citra dapat dihubungkan dengan citra lainnya dapatdihubungkan apabila syarat yang
berupa persamaan sistem proyeksi yang sama. Sehingga proses geolinking dapat
dijalankan untukdapat melakukan pembandingan citra yang ingin dibandingkan.
 III. MATERI DAN METODE
3.1 Waktu dan Tempat
Hari : Jum’at, 2 Oktober 2020
Waktu : 18.30-20.00 WIB
Tempat : Secara daring dari rumah masing-masing

3.2 Materi
1. Download Citra
2. Penggabungan Citra
3. Penajaman Citra
4. Cropping Data
5. Reading Data Value:
• Cell Values Profil
• Cell Coordinate
• Mengetahui Jarak
• Mengetahui Luas
6. Geolink

3.3 Metode
3.3.1. Download Citra
1. Buka web USGS (https://glovis.usgs.gov/)
2. Sebelum melakukan pengunduhan citra login menggunakan akun yang
telah dibuat.

3. Jalankan glovis.

4. Pilih daerah yang akan diunduh.

5. Pilih citra satelit yang akan digunakan.

6. Pilih tahun serta data satelit yang akan diunduh.

7. Tekan tombol unduh untuk mengunduh.

 8. Unduh citra yang memiliki data paling besar.
9. Tunggu hingga proses pengunduhan selesai.
3.3.2. Penggabungan Citra
1. Buka Aplikasi ER-MAPPER 7.0
2. Klik Edit Algorithm

3. Duplicate Layer hingga 8 layer namai dengan nama band 1 hingga band
8
4. Klik Load Data Set, cari data yang diinginkan sesuai denagn bandnya,
klik OK this layer only untuk menginput data, ulangi hingga band 8

5. Klik tombol Refresh with 99% clip on limit

6. Save data yang telah dibuat dengan cara Save as

7. simpan dengan nama file yang dan ubah files of type menjadi ER
Mapper Raster Dataset (.ers)
 8. Pada bagian null inputkan nilai 0 dan klik tulisan default

9. Tekan ok untuk menyimpan.

3.3.3. Penajaman Citra , Komposisi warna , dan Teknik Interpetasi Visual
1. Buka aplikasi ER-MAPPER dan file yang sebelumnya dibuat
2. Lakukan tahapan sama seperti tahapan dua dan empat daiatas
3. Klik ikon Refresh image with 99% clip on limits
 4. Klik ikon RGB dan cut Pseudo Layer

5. Inputkan band masing-masing R,G,dan B sesuai dengan Urutan Band

4,3,2.
 6. Klik opsi Refresh Image

7. Lakukan prosedur penyimpanan sama seperti diatas

3.3.4. Cropping Citra
1. Buka aplikasi ER-MAPPER dan file yang sebelumnya dibuat
2. Pilih create RGB untuk mengubah tampilan citra
3. Cut bagian Pseudo layer
 4. Zoom bagian yang diinginkan

5. Lakukan Langkah penyimpanan seperti saat penggabungan citra

3.3.5. Reading Data Value
1. Buka ER-MAPPER dan data yang sebelumnya dibuat
2. Klik ikon Refresh image wit 99% clip on limits
3. Klik create RGB Algorithm

4. Klik opsi cell values profile

5. Ubah menjadi mode kursor dan klik area yang diinginkan untuk melihat
value profiles
6. Klik opsi Cell coordinate

7. Klik pada area yang ingin diketahui koordinatnya

8. Pilih opsi annotate layer factor

9. Pilih opsi polyline untuk menentukan panjang area yang diinginkan

 10. Klik opsi polygon untuk mengetahui luas area yang diinginkan

3.3.6. Geolink
1. Buka Software ER-MAPPER
2. Load dataset citra IKONOS 2005 rubah warna dengan menklik RGB
Algorithm
3. Klik Duplicate window

4. Load dataset citra IKONOS 2009 rubah warna dengan menklik RGB
Algorithm
5. Klik kanan pada citra, pilih quick zoom- set geolink to window pada
kedua citra

6. Klik handroam tool untuk menggerakan citra

7. Klik kanan pada citra, pilih quick zoom- set geolink to none pada
kedua citra untuk mengembalikan ke keadaan semula

8. Klik kanan pada citra, pilih quick zoom- set geolink to screen pada
kedua citra

9. Klik handroam tool untuk menggerakan citra

10. Klik kanan pada citra, pilih quick zoom- set geolink to none pada
kedua citra untuk mengembalikan ke keadaan semula

11. Klik kanan pada citra, pilih quick zoom- set geolink to overview roam
pada salah satu citra

12. Klik handroam tool untuk menggerakan citra

 IV. HASIL DAN PEMBAHASAN

4.1 Hasil
4.1.1 Download Citra

Gambar 1. Hasil dari citra yang telah diunduh

4.1.2 Penggabungan Citra

Gambar 2. Hasil dari Penggabungan citra

4.1.3 Penajaman Citra, Komposit Warna , Teknik Interpretasi Visual

Gambar 3. Hasil Penajaman Citra, Komposit Warna, dan Interpretai Visual

4.1.4 Cropping Citra

Gambar 4. Hasil Cropping Citra

4.1.5 Reading Data Value

Gambar 5. Hasil Reading Data Value

Gambar 6. Hasil Reading Data Value

 Gambar 7. Hasil Reading Data Value
4.1.6 Geolink

Gambar 8. Hasil Geolink

4.1.6.1 Geolink to Window

Gambar 9. Hasil Geolink to Window

4.1.6.2 Geolink to Screen

Gambar 10. Hasil Geolink to Screen

4.1.6.3 Geolink to Overview Roam

Gambar 11. Hasil Geolink to Overview Roam

4.2 Pembahasan
4.2.1 Citra Landsat
Citra satelit Landsat TM yang diunduh merupakan citra satelit yang terdiri
dari beberapa band hasil rekaman sensor satelit. Pada praktikum kali ini, untuk yang
berakhiran NIM 00 menggunakan citra satelit Selat Sunda yang sebelumnya telah
diunduh melalui web Glovis. Citra tersebut masih berformat TIFF (Tagged Image
File Format yang disangkat TIFF atau TIF adalah format file computer untuk
menyimpan gambar grafik raster) dan belum dapat dianalisis. Tujuan memilih citra
landsat yang berformat TIFF atau TIF adalah agar bisa dilakukan konvensi citra
yang yang nantinya akan mempermudah dalam proses penganalisisan. Konversi
dilakukan dengan menggabungkan antara beberapa band citra dalam sebuah
ketampakan yang berformat ERS (file GIS dibuat oleh ER Mapper, aplikasi
pengolah gambar yang digunakan untuk menganalisis gambar geospasial, berisi
teks ASCII sederhana yang untuk menggambarkan data raster dalam bentuk file
berpisah yang memilki awalan nama file yang sama, tetapi tidak ada ekstensi yang
digunakan untuk menyimpan dataset mentah dan diproses).
4.2.1 Penggabungan Citra
Penggabungan citra dilakukan dengan cara menggabungkan beberapa
layer citra pada file pencitraan yang berbeda-beda. Penggabungan citra ini terdiri
dari penggabungan citra band 1, band 2, band 3, band 4, band 5, band 6 dan band
7. Gabungan dari citra-citra band-band tersebut yang merupakan pencitraan dari
suatu daerah akan ditampilkan dalam bentuk pseudo color, sehingga terlihat standar
pada penggabungan citra. Penggabungan citra dilakukan agar citra mentah dapat
menjadi suatu citra yang utuh dan dapat digunakan dengan sebagaimana mestinya.
4.2.2 Cropping Citra
Cropping citra atau pemotongan citra bertujuan untuk mendapatkan
pencitraan kondisi wilayah yang lebih spesifik dan besar pada suatu daerah.
Dengan melakukan cropping ini akan lebih mempermudah dalam hal
pengidentifikasian suatu citra yang diinginkan sehingga dapat memperjelas dan
memperbesar daerah yang ingin diamati atau diidentifikasi keadaan geografiknya.
4.2.3 Penajaman Citra, Komposit Warna, Teknik Intepretasi Visual
Peningkatan kontras citra atau penajaman citra dilakukan agar mendapatkan
citra yang baik dengan kualitas warna yang sesuai dengan ketampakan asli di
permukaan bumi serta mendukung dalam proses selanjutnya, yaitu klasifikasi citra.
Penajaman ini dilakukan dengan Create RGB Algorithm. Tujuan dari proses ini
memberikan pewarnaan yang lebih tajam sehingga proses klasifikasi lebih mudah
dilakukan. Penajaman dilakukan dengan mengubah kontras warna menjadi RGB,
lalu refresh citra dengan menekan ikon Refresh Image with 99% clip on limits,
sehingga hasilnya menjadi lebih jelas lagi. Pada tahap klasifikasi citra dilakukan
peninjauan ketampakan citra berdasarkan fenomena yang tampak. Citra yang
dihasilkan dan dianalisis menggunakan terminologi true color composite atau
ketampakan citra sesuai dengan ketampakan aslinya dipermukaan bumi sehingga
proses klasifikasi ini dilakukan dengan membedakan tiap-tiap warna yang terdapat
pada citra.
4.2.4 Reading Data Value
Reading Data Value berarti membaca nilai suatu data. Dalam hal ini nilai
yang dibaca adalah nilai suatu citra. Terdiri dari Cell Values Profile dan Cell
Coordinates. Cell Values Profile menunjukkan mengenai profil nilai suatu sel
data. Data yang ditunjukkan meliputi data topografi daerah tersebut, yang mana
tinggi dan rendahnya suatu daerah disini ditunjukan oleh pixel warna dari
citra data tersebut. Cell Coordinates adalah fasilitas dalam ER-MAPPER untuk
mengetahui posisi daerah tertentu dengan melahat posisi koordinatnya.
4.2.5 Geolink
Geolink merupakan cara menghubungkan dua atau lebih window image
dalam ruang koordinat geografik. Geolink digunakan untuk membandingkan
sebuah data secara bersamaan. Dengan demikian hal ini dapat memudahkan untuk
membandingkan atau melakukan tindakan terhadap dua objek atau lebih
sekaligus. Didalam ER MAPPER terdapat fasilitas Geolink to window, Geolink to
screen,dan Geolink to overview roam. Dalam praktikum kali ini, menggunakan
dataset IKONOS 2005 dan 2009 (citra bandara Ahmad Yani 2005 dan 2009) yang
mana Geolink yang digunakan ada 3 jenis yaitu Geolink to Window, Geolink to
Screen dan Geolink to Overview roam.
4.2.5.1 Geolink to Window
Geolink to window adalah salah satu fitur dalam ER-MAPPER yang
memungkinkan untuk membandingkan suatu jendela citra dengan citra yang lain
yang berbeda. Dalam praktikum ini citra yang dibandingkan adalah perbandingan
citra bandara Ahmad Yani ditahun 2005 dengan citra bandara Ahmad Yani di tahun
2009. Disni terlihat terjadi perubahan topografi dan wilayah secara keseluruhan
yang dikarenakan pembangunan pada area bandara.
4.2.5.2 Geolink to Screen
Geolink to screen merupakan fitur yang disediakan oleh aplikasi ER-
MAPPER, yang dapat mempermudah penghubungan jendela pencitraan yang
berbeda. Dengan cara menghubungkan jendela pencitraan bandara Ahmad Yani
pada tahun 2005 dengan jendela pencitraan bandara Ahmad Yani 2009.
Berdasarkan perpindahan dari jendela satu dan jendela dua terlihat hubungan
yang menunjukan bahwa terdapat perubahan lingkungan wilayah dari topografi
dan lain-lainnya.
4.2.5.3 Geolink to Overview Roam
Geolink to overview roam , adalah proses untuk mengadakan suatu analisa
dengan cara mengoperasikan dua atau lebih citra pada jendela yang berbeda namun
hanya dioperasikan pada salah satu jendela saja. Maksud dari hal ini yaitu
dengan melakukan interprestasi suatu citra tersebut, namun interprestasi tersebut
dilakukan dengan satu objek. Interprestasi ini dilakukan dengan tujuan yaitu, agar
dapat mengetahui titik suatu objek yang akan kita analisis dengan lebih fokus
dengan melakukan perbandingan suatu citra. Dengan melakukan perbandingan
suatu citra ini kita akan dapat mengetahui point dari perbedaan tersebut. Geolink
to Overview Roam ini sangat bermanfaat untuk melihat /meneliti unsur-unsur
spasial (geografis) yang sama namun terdapat di dalam citra-citra yang berbeda
atau pemrosesannya berbeda.
 V. PENUTUP

5.1 Kesimpulan
Dari praktikum mengenai INTERFACE PENGENALAN ER MAPPER 7.0
DAN CITRA LANDSAT 8 ini dapat ditarik beberapa kesimpulan yaitu :
1. Penginderaan Jauh adalah ilmu dan/atau seni untuk memperoleh
informasi mengenai suatu objek,daerah,atau gejala tanpa harus
melakukan kontak dengan hal yang akan dikaji.
2. Dengan penginderaan jauh, dapat diketahui perihal mengenai luas dan
jarak suatu objek,daerah, ataupun fenomena tanpa harus melakukan
survey langsung ke lapangan.
3. ER MAPPER adalah salah satu dari beberapa software yang dapat
digunakan untuk mengolah data dari satelit, serta dapat digunakan untuk
menggabungkan, menajamkan, serta memotong citra.
4. Dengan ER MAPPER kita dapat melakukan Reading Value suatu data,
serta dapat menghitung jarak serta luasan suat objek,daerah, maupun
fenomena dengan bantuan Tool yang telah disediakan.
5. Dengan menggunakan fitur Geolink yang ada pada ER MAPPER yang
dapat menduplikat window image dalam ruang koordinat grafik, kita
dapat membandingkan suatu citra dengan citra lain di lokasi yang sama
namun dengan waktu yang berbeda.
5.2 Saran
1. Memohon untuk pertimbangan kembali mengenai waktu praktikum
untuk menghindari gangguan jaringan terutama dimalam hari.
2. Praktikan memohon agar pembimbing memberi kesempatan bagi
praktikan yang terlambat mengerjakan karena masalah jaringan,karena
hal tersebut adalah hal yang sangat-sangat tidak diinginkan baik dari
pihak praktikan maupun pembimbing, di sisi lain praktikan memohon
pembimbing mempertimbangkan tekanan yang ada pada saat ada
gangguan jaringan saat pengerjaan pretest berlangsung.
3. Praktikan memohon kepada pembimbing untuk menyiapkan antisipasi
secepatnya apabila terjadi kendala saat materi praktikum online agar
tidak mengurangi waktu pengerjaan praktikum oleh praktikan.
 DAFTAR PUSTAKA

Al-Quraishi, A. M. F., H. A. Sadiq, J. P. Messina. 2019. Characterization and

modeling surface soil physicochemical properties using Landsat images: A
case study in the Iraqi Kurdistan Region. The International Archives of the
Photogrammetry, Remote Sensing and Spatial Information Sciences. 42 (2).
Amini, R., L. Zhou, P. Hitzler. 2020. GeoLink: A Cruises Benchmarkfor Co-
Reference Resolution on Knowledge Graphs in The 29th ACM International
Conference on Information and Knowledge Management (CIKM’20): 19-
23 July 2020, Virtual Event,Ireland, ACM, New York, NY, USA.
Chetam, M., A. Krisnadhi, R. Amini, P. Hitzler, K. Janowicz, A. Shepherd, T.
Narock, M. Jones and P. Ji. 2018. The Geolink Knowledge Graph. Big Earth
Data., 2(2):131-143.
Danoedoro.P. 2012 Pengantar Penginderaan Jauh Digital. Andi. Yogyakarta.,
434p
de Araújo, C. G., P. J. Minnet, N. F. F. Ebecken and L. Landau. 2020.
Classification of oil slicks and look-alike slicks: A linear discriminant
analysis of microwave, infrared, and optical satellite measurements.
Remote Sensing., 12(13).
Fan, Y. H., and H. Wang. 2020. Application of Remote Sensing to Identify
Copper–Lead–Zinc Deposits in The Heiqia Area of The West Kunlun
Mountains, Chinas. Scientific Reports., 10(1).
Ghahremanloo M., Y. Lops, Y. Choi and S. Mousavinezhad. 2021. Impact of The
COVID-19 Outbreak on Air Pollution Levels in East Asia. Science of Total
Environment., 754.
Kaneko T, A. Yasuda, K. Takasaki, S. Nakano, T. Fujii, Y. Honda, K. Kajiwara,
H. Murakami. 2020. A New Infrared Volcano Monitoring Using GCOM-C
(SHIKISAI) Satellite: Applications to The Asia-Pacific Region. Earth
Planets Space.,72(1):1-16.
Lillesand and Kiefer. 1979. Remote Sensing and Image Interpretation. John
Wileyand Sons. New York.
Mani, K. S., R. Rajamanikandan, M. Ilancheian, N. Muralidharan, M. Jothi and S.
P. Rajendran. 2020. Smart Phone Assisted Quinoline-Hemicyanine Based
Fluorescent Probe for The Selective Detection of Glutathione and The
Application in Living Cells. Spectrochimica Acta - Part A: Molecular and
Biomolecular Spectroscopy., 243.
Mishra, P., S, Kumar and M. K. Chaube. 2021. Interpretation and Segmentation
of Chart Images Using h-Means Image Clustering Algorithm. Advances in
Intelligent System and Computing., 1174:379-391.
Putra, M. I. J., D. N. Huda, F. Afdhalia. Supriatna. 2019. Onshore Oil and Gas
Reservoir Detection Through Mapping of Hydrocarbon Microseepage
using Remote Sensing in IOP Conference Series: Earth and Environmental
Science : 2-4 July 2018, Bandung, Indonesia.
Putri, D. R., A. Sukmono dan B. Sudarsono. 2018. Analisis Kombinasi Citra
Sentinel-1A dan Citra Sentinel-2A untuk Klasifikasi Tutupan Lahan (Studi
Kasus : Kabupaten Demak, Jawa Tengah. Jurnal Geodesi Undip., 7(2):85-
96.
Sitanggang, G. 2010. Kajian Pemanfaatan Satelit Masa Depan: Sistem
Penginderaan Jauh Satelit LDCM (Landsat 8). Berita Dirgantara.,
11(2):47-58.
Tasumi M. 2020. Estimating Evapotranspiration Using METRIC Model and
Landsat Data for Better Understandings of Regional Hydrology in The
Western Urmia Lake Basin. Agricultural Water Managemet., 226.
Umarhadi D. A. and P. Danoedoro.2021 Comparing canopy density measurement
from UAV and hemispherical photography: An evaluation for medium
resolution of remote sensing-based mapping. International Journal of
Electrical and Computer Engineering., 11(1):356-364.
Unik, M. 2019. Pengantar : Spesifikasi Citra Satelit-Analisis Citra Digital Untuk
Pengelolaan Sumber Daya Hutan. Technical Report.
Zhou, L., M. Chetamam, A. Krisnadhi and P. Hitzler. 2018. A Complex Alignment
Benchmark : GeoLink Dataset. Lecture Notes in Computer Science
(Including Subseries Lecture Notes in Artificial Intelligence and Lecture
Notes in Bioinformatics)., 11137:273-288.
Zhu F., W. Shen, J. Diao, M. Li and G. Zheng. 2020. Integrating Cross-Sensor
High Spatial Resolution Satellite Images to Detect Subtle Forest Vegetation
Change in The Purple Mountains, a National Scenic Spot in Nanjing, China.
Journal of Forestry Research., 31(5):1743-1758.
Zoffoli M. L., P. Gernez, P. Rosa, A. Le Bris, V. E. Brando, A. L. Barille, N.
Harin, S. Peters, K. Poser, L. Spaias, G. Peralta, L. Barille. 2020. Sentinel-
2 remote sensing of Zostera noltei-dominated intertidal seagrass meadows.
Remote Sensing Environmet., 251.