LAPORAN PRAKTIKUM MATA KULIAH

PENGINDERAAN JAUH

POKOK BAHASAN MINGGU 5 : KOMPOSIT CITRA DAN OIF

Disusun Oleh :

CHRISTOFER ANDREW SARAGI (119230060)

PROGRAM STUDI TEKNIK GEOMATIKA

JURUSAN TEKNOLOGI INFRASTRUKTUR DAN KEWILAYAHAN

INSTITUT TEKNOLOGI SUMATERA

2021
 Daftar Isi

Daftar Isi ..................................................................................................................... ii

A. Mata Acara Praktikum ...................................................................................... 1

B. Tujuan Praktikum .............................................................................................. 1

C. Alat dan Bahan ................................................................................................... 1

1. Alat ................................................................................................................... 1

2. Bahan ............................................................................................................... 1

D. Landasan Teori ................................................................................................... 1

E. Langkah Kerja .................................................................................................... 4

F. Hasil dan Pembahasan ....................................................................................... 4

1. Hasil.................................................................................................................. 4

2. Pembahasan ..................................................................................................... 6

G. Daftar Pustaka ................................................................................................ 8

ii
A. Mata Acara Praktikum
Mata acara praktikum Penginderaan Jauh pada Sabtu, 2 Oktober 2021 adalah
Statistika Citra.

B. Tujuan Praktikum
Tujuan dari praktikum Penginderaan Jauh pada kali ini adalah :

1. Melakukan komposit band pada citra Landsat 7, Landsat 8 dan Sentinel 2

2. Analisis kenampakan yang terjadi di setiap komposit citra.
3. Menginformasikan kenampakan yang menonjol dan memberikan
informasi yang spesifik pada setiap komposit band.
4. Menghitung nilai OIF tiap komposit serta membandingkan dengan OIF
tertinggi dataset yang digunakan.

C. Alat dan Bahan

1. Alat
• Laptop
• Software Envi

2. Bahan
• Citra Landsat 7
• Citra Landsat 8
• Citra Sentinel 2

D. Landasan Teori

1. Penginderaan Jauh
Penginderaan jauh adalah ilmu untuk memperoleh informasi fenomena
alam pada obyek (permukaan bumi) yang diperoleh tanpa kontak langsung
dengan obyek permukaan bumi melalui pengukuran pantulan (reflection)

1
 ataupun pancaran (emission) oleh media gelombang elektromagnetik. Obyek
di permukaan bumi berdasarkan pada nilai pantulan energi gelombang
elektromagnetik yang dipancarkan oleh obyek permukaan bumi kemudian
energi tersebut direkam oleh sensor.

2. Landsat 7
Citra satelit Landsat-7 ETM adalah satelit bumi dengan membawa
intrumen ETM (Enchnced Thamatic Mapper) yang menyajikan delapan
sailorman multispektral scanning radiometer. Diluncurkan pada bulan April
1999 dengan membawa ETM+scanner. Saat ini, hanya Landsat-5 dan 7 sudah
tidak beroperasi lagi. Terdapat banyak aplikasi dari data Landsat TM-7 ini,
manfaatnya adalah untuk pemetaan penutupan lahan, pemetaan penggunaan
lahan, pemetaan geologi, pemetaan suhu permukaan laut dan lain-lain. Untuk
pemetaan penutupan dan penggunaan lahan dapat memilih data Landsat TM
karena terdapat band infra merah menengah. Landsat TM adalah satu-satunya
satelit non-meteorologi yang mempunyai band inframerah termal. Data
thermal diperlukan untuk studi proses-proses energi pada permukaan bumi
seperti variabilitas suhu tanaman dalam areal yang diirigasi.

3. Landsat 8
Satelit Landsat-8 diluncurkan pada 11 Februari 2013 dengan dua sensor
Earth Imaging baru untuk memberikan sebuah perekaman data yang kontinu
dengan Landsat sebelumnya. Untuk Landsat-8, teknologi pushbroom diadopsi,
dan pita reflektif dan pita termal dibagi menjadi dua instrumen. Lahan
Operasional Imager (OLI) adalah sensor pita reflektif dan Thermal Infrared
Sensor (TIRS), termal. Di dalam Selain perubahan mendasar ini, pita
ditambahkan, celah pita spektral disempurnakan, dinamis jangkauan dan
kuantisasi data ditingkatkan, dan banyak peningkatan lainnya
diimplementasikan.

2
4. Sentinel 2
Sentinel-2 merupakan satelit yang diluncurkan oleh kerjasama antara
The European Commision dan European Space Agency di dalam program
Global Monitoring for Environment and Security (GMES). Satelit ini
diluncurkan untuk memantau kondisi permukaan bumi, sehingga mampu
memberikan informasi kondisi terkini bumi dari angkasa untuk aplikasi
lingkungan dan keamanan. Sentinel-2 memanfaatkan teknologi dan
pengalaman yang diperoleh di Eropa dan Amerika Serikat untuk mendukung
pasokan data operasional untuk layanan seperti manajemen resiko (banjir dan
kebakaran hutan, penurunan dan tanah longsor), penggunaan/perubahan lahan,
pemantauan hutan, sistem peringatan dini, pengelolaan air dan perlindungan
tanah, pemetaan perkotaan, bahaya alam, pemetaan terestrial untuk bantuan
kemanusiaan dan pembangunan, serta pemantauan kondisi perairan darat dan
laut.

5. Optimum Index Factor (OIF)

Nilai OIF merupakan ukuran banyaknya informasi yang dimuat pada
suatu citra komposit. Nilai OIF dihitung melalui rumus sederhana yang
menggunakan standar deviasi dan band dan koefisien korelasi antara pasangan
kanal. Metode Faktor Indeks Optimum yaitu untuk mendapatkan nilai statistik
yang dapat digunakan dalam memilih kombinasi optimal dari tiga kanal pada
citra satelit melalui komposit warna. Hasil kombinasi optimum kanal didapat
dari masing-masing kombinasi tiga kanal menghasilkan "informasi" satu
kombinasi dengan nilai tertinggi berupa suatu nilai standar deviasi terhadap
kombinasi kanal dengan jumlah tertinggi.

3
E. Langkah Kerja
1. Menyiapkan aplikasi Envi.
2. Membuka laman https://earthexplorer.usgs.gov untuk mendownload citra
Landsat 7, Landsat 8 dan Sentinel 2.
3. Memilih wilayah yang mau diambil citranya.
4. Setelah itu masukkan citra Landsat yang ingin kita olah. Pada Landsat 7
terdapat 8 band, Landsat 8 terdapat 11 band dan Sentinel 2 terdapat 13 band.
5. Melakukan proses layer stacking untuk menggabungkan semua band citra.
6. Lakukan komposit band pada citra Landsat 7, Landsat 8 dan Sentinel 2
7. Menghitung nilai OIF tiap komposit serta membandingkan dengan OIF
tertinggi dataset yang digunakan.
8. Membuat laporan praktikum dengan menganalisis hasil data yang didapatkan
ditambah juga menjawab pertanyaan yang telah disediakan.

F. Hasil dan Pembahasan

1. Hasil

Landsat 7 (Vegetasi)

Gambar 1. B3, B2, B1

4
 Gambar 2. B4, B3, B2

Landsat 8

Gambar 3. B4, B3, B2

Gambar 4. B5, B4, B3

5
 Sentinel 2

Gambar 5. B4, B3, B2

Gambar 6. B11, B8, B2

2. Pembahasan
Pada praktikum kali ini kita disuruh untuk melakukan meelakukan
komposit band pada citra Landsat 7, Landsat 8 dan Sentinel 2,
menganalisis kenampakan yang terjadi di setiap komposit citra,
menginformasikan kenampakan yang menonjol dan memberikan informasi
yang spesifik pada setiap komposit band menghitung nilai OIF tiap
komposit serta membandingkan dengan OIF tertinggi dataset yang
digunakan.

6
 False color adalah teknik di mana warna-warna yang diberikan kepada
Digital Number tidak sama dengan kisaran spektral dari warna-warna yang
dipilih. Teknik ini memungkinkan kita untuk memberi penekanan pada
bentuk-bentuk tertentu yang ingin kita pelajari menggunakan skema
pewarnaan tertentu. Pada gambar di bagian hasil dari false color yang
dibuat dengan komposit 4,3,2 dari citra Landsat 7, vegetasi muda, yang
memantulkan near IR, terlihat merah terang. Kegiatan pertanian yang
terkonsentrasi akan mudah dideteksi dengan adanya warna merah terang.
True color adalah citra di mana warna yang diberikan kepada nilai-nilai
Digital Number mewakili kisaran spektral sebenarnya dari warna-warna
yang digunakan pada citra. Ketika menggunakan true color umumnya
dapat melihat setiap objek dengan jelas yang ada di dalam citra, namun
apabila sebuah objek memiliki warna yang serupa dengan objek lainnya
maka akan sulit untuk diidentifikasi. Sedangkan pada false color akan lebih
mudah untuk mengidentifikasi vegetasi muda, karena klorofil pada
vegetasi memantulkan gelombang near IR terlihat merah terang dan
menandakan vegetasi yang baik. Namun pada false color, objek lain akan
cenderung sulit untuk diidentifikasi karena warna pada objek bukanlah
warna sesungguhnya.

Komposit band pada citra Landsat 8 natural color menggunakan

kombinasi band merah (4), hijau (3), dan biru (2). Ini mereplikasi dengan
apa yang bisa dilihat mata manusia. Sementara vegetasi yang sehat
berwarna hijau, flora yang tidak sehat berwarna coklat. Fitur perkotaan
tampak putih dan abu-abu dan air berwarna biru tua atau hitam. Kombinasi
band ini disebut komposit Near Infrared (NIR), menggunakan Near
Infrared (B5), merah (B4), dan hijau (B3). Karena klorofil memantulkan
cahaya Near Infrared, komposisi band ini berguna untuk menganalisis
vegetasi. Secara khusus, area dengan warna merah memiliki kesehatan
vegetasi yang lebih baik. Daerah gelap adalah air dan daerah perkotaan
berwarna putih.

7
 Kombinasi natural color pada citra Sentinel 2 menggunakan band
merah (B4), hijau (B3), dan biru (B2). Tujuannya adalah untuk
menampilkan citra dengan cara yang sama seperti mata kita melihat dunia.
Seperti yang kita lihat, vegetasi yang sehat berwarna hijau. Pada perkotaan
sering tampak putih dan abu-abu, dan untuk air berwarna biru tua
tergantung tingkat kebersihannya. Kombinasi band pada agrikultur
menggunakan SWIR (B11), VNIR (B8), dan biru (B2). Sebagian besar
digunakan untuk memantau kesehatan tanaman karena menggunakan
gelombang pendek dan near infrared. Band ini sangat bagus dalam
menyoroti vegetasi lebat yang tampak sebagai hijau tua.

G. Daftar Pustaka

[1] P. Danoedoro, Pengantar Penginderaan Jauh Digital, Yogyakarta: Andi, 2012.

[2] B. Markham, J. Storey and R. Morfitt, "Landsat-8 Sensor Characterization and

Calibration," Remote Sensing, vol. 7, pp. 2279-2282, 2015.

[3] T. M. Lilesand and K. , Penginderaan Jauh dan Interpretasi CItra, Yogyakarta:

Gajah Mada University Press, 2004.

[4] J. A. Richards and X. Jia, Remote Sensing Digital Image Analysis An

Introduction, Berlin Heidelberg: Springer-Verlag, 2006.

[5] Susanto and W. Asriningrum, "PENGINDERAAN JAUH DENGAN NILAI

INDEKS FAKTOR UNTUK IDENTIFIKASI MANGROVE DI BATAM,"
Berita Dirgantara, vol. 12, no. 3, pp. 104-109, 2011.

8
9