H2 - Materi Pelatihan Penginderaan Jauh

Penginderaan Jauh | ENVI
SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 1

www.smilejoga.com
MODUL I
DISPLAY CITRA, PEMBACAAN NILAI PIKSEL, DAN PENYUSUNAN CITRA KOMPOSIT

WARNA
A. Sofware ENVI
Envi (Environtment for Visualizing Images) merupakan salah satu software
Image Processing yang mampu digunakan untuk visualisasi, analisis,
pengolahan citra secara digital transformasi dan masih banyak lagi. Dalam
satu paket software ENVI terdapat tiga program utama, yaitu : ENVI, ENVI +
IDL, ENVI Zoom. Perbedaan antara ENVI dan ENVI Zoom dari segi user
interface sama dan fungsi hampir sama, namun perbedaan terdapat pada
kemampuan untuk customisasi program yang mampu dilakukan dengan
menggunakan ENVI + IDL, namun disini syaratnya kita harus dapat menguasai
bahasa pemrograman IDL. Sedangkan fungsi dari ENVI Zoom adalah dapat
digunakan untuk klasifikasi berbasis object atau sering orang menyebutnya
dengan Segmentasi citra.
B. Membuka Citra
Envi dilengkapi kemampuan untuk membaca beberapa format citra dengan
cukup baik, baik itu berupa format asli citra sampai citra yang telah tersimpan
dalam format tertentu (hasil pemrosesan software image processing). Agar
suatu citra dapat terbaca ada beberapa syarat :
1. Ekstensi atau format penyimpanan citra terbaca oleh ENVI, jika tidak
maka harus dilakukan konversi format citra. Beberapa contoh format
citra yang dapat terbaca oleh ENVI, yaitu : Flat Binary Files, Landsat
Files, SPOT Files, IKONOS Files, Quickbird Files, OrbView Files, IRS Files,
AVHRR, SeaWIFS Files, EOS Files, EROS A
Files,ENVISAT Files, Radar Files, Military Files,Thermal Files, USGS
and Digital Elevation Files, Miscellaneaus Format, Image Processing
Software Format, Generic Format.

www.smilejoga.com
2. Memiliki metadata atau header. Header ada dua jenis yaitu header
pemrosesan dan header perekaman. Header perekaman berisikan
informasi sejarah bagaimana suatu citra direkam, berisikan informasi
tanggal perekaman, ketinggian, jumlah band, level koreksi,kemiringan
sudut matahari, kemiringan sensor saat merekam, dll. Informasi dari
header perekaman sangat dibutuhkan dalam koreksi citra scara
geometrik dan radiometrik. Header pemrosesan berisikan informasi
basic seperti berapa jumlah band , keterangan lebar dan panjang citra
dalam susunan piksel, sistem proyeksi yang digunakan. Header
pemrosesan sangat dibutuhkan agar suatu citra dapat terbaca oleh
suatu software.
Langkah Kerja membuka citra dengan software ENVI :
1. Start > All Program > ENVI
2. File > Open Image File > pilih citra yang akan digunakan.
3. Pilih Citra Landsat 7 pilih beberapa band, dari B1,B2,B3,B4,B5 dan B7.

www.smilejoga.com
4. Maka akan tampil menu available band list, layer dari band citra
Landsat masih terpisah, untuk menggabugkan semua band menjadi 1
layer, maka harus dilakukan Layerstacking.

www.smilejoga.com
LANDSAT
Land Satellite (Landsat) merupakan program tertua dalam

perangkat observasi bumi. Landsat dimulai tahun 1972 dengan nama Earth
Resources Technology Satellite (ERTS-1). Satelit ini merupakan satelit
sumberdaya alam yang pertama. Satelit Landsat terdiri dari beberapa seri
yaitu: Landsat-1, Landsat-2, diteruskan 3, 4, 5, 6 dan terakhir adalah
Landsat 7 dimana merupakan bentuk baru dari Landsat 6 yang gagal
mengorbit.
Landsat-5
Landsat-5 atau Landsat Thematic Mapper (TM) memiliki resolusi
spasial 30x30 m pada band 1, 2, 3, 4, 5 dan 7. Sensor TM mengamati obyek-
obyek di permukaan bumi dalam 7 band spektral, yaitu band 1, 2 dan 3
adalah sinar tampak (visible), band 4, 5 dan 7 adalah infra merah dekat
(NIR), infra merah menengah, dan band 6 adalah infra merah termal yang
mempunyai resolusi spasial 120x120 m. Luas liputan satuan citra adalah
180x180 km pada permukaan bumi. Landsat TM mempunyai kemampuan
untuk meliput daerah yang sama pada permukaan bumi pada setiap 16
hari, pada ketinggian orbit 705 km. Terdapat banyak aplikasi dari data
Landsat TM diantaranya untuk pemetaan penutupan lahan, pemetaan
penggunaan lahan, pemetaan tanah, pemetaan geologi, pemetaan suhu
permukaan laut dan lain-lain. Landsat TM adalah satu-satunya satelit
nonmeteorologi yang mempunyai band inframerah termal.
Landsat-7
Landsat-7 merupakan citra dengan resolusi spasial 30x30 m pada
band 1, 2, 3, 4, 5, 7 dan 60x60 m pada band 6 (thermal). Landsat-7
dilengkapi dengan Enhanced Thematic Mapper Plus (ETM+) yang
merupakan kelanjutan dari program Thematic Mapper (TM) yang diusung
sejak Landsat-5. Saluran pada satelit ini pada dasarnya adalah sama dengan

www.smilejoga.com
7 saluran pada TM, namun diperluas dengan saluran 8 yaitu Pankromatik.

Saluran 8 ini merupakan saluran beresolusi tinggi yaitu seluas 15 meter.
Landsat-8
Landsat-8 adalah satelit Landsat seri terbaru yang diluncurkan pada
tanggal 11 Februari 2013. Satelit ini merupakan satelit kedelapan dalam
program Landsat (ketujuh untuk berhasil mencapai orbit). Pada awalnya
disebut Landsat Data Continuity Mission (LDCM), adalah sebuah kolaborasi
antara NASA dan Geological Survey Amerika Serikat (USGS). NASA
menyediakan pengembangan rekayasa sistem misi dan akuisisi kendaraan
peluncuran, sementara USGS disedikan untuk pengembangan sistem darat
dan melakukan operasi misi terus-menerus. Landsat8 direncanakan
mempunyai durasi misi selama 5-10 tahun, dilengkapi dua sensor yang
merupakan hasil pengembangan dari sensor yang terdapat pada satelit-
satelit pada program Landsat sebelumnya. Kedua sensosr tersebut yaitu
Sensor Operational Land Manager (OLI) yang terdiri dari 9 Band serta
Sensor InfraRed Sensor (TIRS) yang terdiri dari 2 band.
Karakteristik Citra Satelit Landsat -7
Sistem Landsat -7
Orbit 705 km, 98,2o, sun-synchronous, 10:00 AM
Crossing, Rotasi 16 hari (repeat cycle)
Sensor ETM+ (Enhanced Thematic Mapper)
Swath Width 185 km (FOV=15o)
Off-track viewing Tidak tersedia
Revisit Time 16 hari
Resolusi spasial 15 m (pankromatik), 30 m (multispektral), 60 m

(termal)

www.smilejoga.com
Karakteristik Citra Satelit Landsat -8
Sistem Landsat -7
Orbit 705 km, 98,2o, sun-synchronous, 10:00 AM
Crossing, Rotasi 16 hari (repeat cycle)
Sensor Operating Land Imagery (OLI)
Swath Width 185 km (FOV=15o)
Off-track viewing Tidak tersedia
Revisit Time 16 hari
Resolusi spasial 15 m (pankromatik), 30 m (multispektral), 100 m

(termal)
Orbit
• Worldwide Reference System-2 (WRS-2) path/row system
• Sun-synchronous orbit at an altitude of 705 km (438 mi)
• 233 orbit cycle; covers the entire globe every 16 days (except for the highest
polar latitudes)
• Inclined 98.2° (slightly retrograde)

• Circles the Earth every 98.9 minutes
• Equatorial crossing time: 10:00 a.m. +/- 15 minutes
Sensors
Operational Land Imager (OLI)
• Nine spectral bands, including a pan band:
 Band 1 Visible (0.43 - 0.45 µm) 30 m
 Band 2 Visible (0.450 - 0.51 µm) 30 m
 Band 3 Visible (0.53 - 0.59 µm) 30 m
 Band 4 Near-Infrared (0.64 - 0.67 µm) 30 m
 Band 5 Near-Infrared (0.85 - 0.88 µm) 30 m
 Band 6 SWIR 1(1.57 - 1.65 µm) 30 m
 Band 7 SWIR 2 (2.11 - 2.29 µm) 30 m

www.smilejoga.com
 Band 8 Panchromatic (PAN) (0.50 - 0.68 µm) 15 m

 Band 9 Cirrus (1.36 - 1.38 µm) 30 m
Thermal Infrared Sensor (TIRS)
Two spectral bands:
 Band 10 TIRS 1 (10.6 - 11.19 µm) 100 m

 Band 11 TIRS 2 (11.5 - 12.51 µm) 100 m
C. LAYER STACKING
Layer Stacking merupakan sebuah teknik untuk menggabungkan

beberapa file citra yang masih terpisah menjadi satu file yang tergabung.
Syaratnya adalah daerah perekaman sama, lebar dimensi citra sama, dan
resolusi spasial yang sama. Dalam citra Landsat yang bisa diproses layer
stacking adalah Band 1, band 2, band 3, band 4, band 5 dan band 7, karena
karakteristiknya sama. Secara teknis adalah sebagai berikut :
1. Basic Tool > Layer Stacking
2. Maka akan tampil jendela Layer Stacking Parameters, Klik Import File
> pilih semua band >OK
3. Kembali ke jendela Layer Stacking parameters, klik Reorder untuk

mengurutkan band dari B1 ke B7. Kemudian urutkan secara manual.

www.smilejoga.com
Dengan cara drag dari B1 paling atas dan B7 paling bawah. OK
1
2
4. Kembali ke jendela Layer Stacking parameters, kemudian atur Zonasi

peta Zone “S”,lalu enter output filename > Choose di folder yang
telah anda tentukan. OK
5. Maka jika Layer Stacking berhasil, akan tampil di jendela Availabe Band List.
D. MENAMPILKAN CITRA
Setelah mengimpor data citra, langkah selanjutnya adalah menampilkan citra

di layar komputer untuk mengetahui kondisi liputan citra, baik dari sebaran
pola obyek secara geografis maupun kualitas citra itu sendiri. Cara display

www.smilejoga.com
citra ada dua yaitu single band dan multiband. Single band artinya
menampilkan citra secara tunggal dalam tampilan Gray Scale (derajat hitam
putih). Yang dimaksud tampilan Multi Band adalah visualisasi citra lebih dari
1 input secara sekaligus dalam tampilan ruang warna (RGB,CMYK,IHS,dll).
Secara teknis adalah sebagai berikut :
1. Tampilan Gray Scale. Pada tampilan Available Band List klik check pada Gray
Scale > Load Band.
maka akan tampil pada image layer sebagai berikut
2. Tampilan Gray Scale. Pada tampilan Available Band List klik New Display >
check pada RGB Color > isi dengan komposit true color 321

www.smilejoga.com
> Load Band.
Maka akan tampil di image layer sebagai berikut :
E. LINK DISPLAY
Link Display adalah fungsi linkage antar saluran citra (bahkan antar citra).
Basis hubungan berdasarkan posisi piksel atau koordinat geografis yang
sama di dua layer yang berbeda.

www.smilejoga.com
Secara teknis langkah kerja untuk Link Display adalah sebagai berikut.
1. Tampilkan 2 jendela display citra dengan saluran yang berbeda, atur sesuai
dengan kebutuhan anda.
2. Pada salah satu image layer klik Tools > Link > Link Display
1
2
3. Kemudian akan tampil jendela Link Display > OK
4. Jika berhasil maka tampilan pada kedua Layer Image, seperti berikut.
Dengan posisi piksel atau koordinat geografi yang sama.

www.smilejoga.com
5. Untuk cara cepat Link Display, Pada salah satu image layer klik kanan > Link
Display > OK
6. Untukmenghilangkan Link, pada image layer klik menu Tools > Link > Unlink
Display
F. PEMBACAAN NILAI PIKSEL

1. Perhatikan perbedaan respon spektral pada obyek air, lahan terbuka,
vegetasi kerapatan tinggi, dan vegetasi kerapatan rendah.
2. Pilih titik – titik yang ekstrim (misalnya laut atau danu 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 tiap saluran).
3. Untuk membaca posisi dari nilai piksel, klik menu Tools > Cursor Location /
Value

www.smilejoga.com
4. Kemudian akan tampil jendela Cursor Location / Value
Posisi piksel
G. Pencarian Posisi
1. Tools > Pixel Locator
2. Kemudian akan tampil display Pixel Locator

www.smilejoga.com
Posisi piksel
Posisi koordinat
UTM
H. PENGAMATAN POLA SPEKTRAL DENGAN SCATTER PLOT

Scatter Plot atau diagram pencar menggambarkan hubungan pantulan
spektral antara 2 saluran. Bentuk hubungan digambarkan dalam pola
pengelompokan nilai piksel. Diagram pencar ini sangat bermanfaat untuk
pengenalan obyek terkait dengan besar pantulan spektralnya.
Pengambilan Sampel Obyek
Sebelum melakukan scatter plot, ambil sampel beberapa obyek di atas

agar dapat diketahui pola pengelompokan piksel pada scatter plot,
caranya sebagai berikut :
1. Pada jendela image display klik Overlay > Region Of Interest
2. Kemudian akan tampil jendela ROI Tool, pilih radio buttom

www.smilejoga.com
Window Zoom.
3. Klik ROI_Type > Polygon.
4. Ubah nama Region #1 sesuai dengan obyek yang akan di ambil

sampelnya. Misal : Region #1 menjadi Vegetasi. Klik OK
5. Arahkan cursor ke jendela Scroll atau Image, arahkan box ke obyek

vegetasi yang sebelumnya telah diamati. Pastikan posisi

www.smilejoga.com
obyek tepat.
6. Arahkan cursor ke jendela Zoom, perbesar hingga terlihat jelas per

pikselnya. Tentukan kelompok piksel yang cenderung homogen untuk
obyek Vegetasi. Ambil sampel untuk obyek vegeasi dengan membentuk
poligon, setelah terbentuk poligon klik kanan untuk menutup poligon
dan klik kanan sekali lagi untuk untuk
memunculkan warna
7. Lakukan langkah yang sama utuk menentukan obyek-obyek yang

www.smilejoga.com
lain. Misal : Tanah.
8. Simpan ROI dengan cara klik File > Save ROI. Pada jendela Save ROIs to
File, klik Select All Items > Choose ( untuk menentukan
lokasi penyimpanan ROI). Klik OK
Menampilkan Scatter Plot
9. Pada jendela image, klik File > Preference.

www.smilejoga.com
Set Image Window Xsize = 400 dan Ysize = 1000, klik OK. Hal ini
ditujukan untuk menampilkan keseluruhan potongan citra pada
pada diagram pencar.
10. Pada layar Image klik Tools > 2-D scatter Plots.
11. Tetukan saluran untuk sumbu x dan y. Misal sumbu x pilih band 3 dan
sumbu y pilih band 2. Klik OK.
Muncul diagram pencar, kemudian atur sehingga jendela diagram pencar

berada di luar jendela Image.

www.smilejoga.com
12. Pada jendela scatter plot klik File > Import File , klik Select All
Items, klik OK.
Warna obyek akan muncul baik di citra maupun di diagram pencar.

Amati kecenderungan pengelompokan obyek pada diagram pencar.

www.smilejoga.com
13. Cobalah untuk variasi sumbu x dan y yang lain, pada jendela Scatter
Plot klik Options > change band, tentukan saluran yang dibutuhkan.
Amati juga pola spektral untuk obyek-obyeknya.
14. Untuk lebih memperjelas dimana obyek pada scatter plot klik kiri
tahan pada citra dan gerakkan, maka pada scatter plot akan
mengikuti cursor dimna spektral obyek berbeda.
15. Simpan salah satu diagram pencar dengan pola pengelompokan

obyek, beri notasi untuk pengelompokan spektralnya.

www.smilejoga.com
MODUL II
KOREKSI RADIOMETRIK
A. KOREKSI RADIOMETRIK
Koreksi radiometrik ditujukan untuk memperbaiki nilai piksel supaya

sesuai dengan yang seharusnya yang biasanya mempertimbangkan faktor
gangguan atmosfer sebagai sumber kesalahan utama. Efek atmosfer
menyebabkan nilai pantulan obyek dipermukaan bumi yang terekam oleh
sensor menjadi bukan merupakan nilai aslinya, tetapi menjadi lebih besar oleh
karena adanya hamburan atau lebih kecil karena proses serapan.
Metode-metode yang sering digunakan untuk menghilangkan efek

atmosfer antara lain metode Pergeseran Histogram (histogram adjustment),
metode Regresi, dan metode Kalibrasi Bayangan. Metode yang digunakan
dalam pelatihan ini adalah metode penyesuaian histogram. Pemilihan metode
ini dilandasi oleh alasan bahwa metode ini cukup sederhana. Waktu yang
digunakan untuk pemrosesan lebih singkat dan tidak memerlukan
perhitungan matematis yang rumit. Asumsi dari metode ini adalah dalam
proses koding digital oleh sensor, obyek yang memberikan respon spektral
yang paling rendah seharusnya bernilai 0. Apabila nilai ini ternyata melebihi
angka 0, maka nilai tersebut dihitung sebagai offset, dan koreksi dilakukan
dengan mengurangi seluruh nilai pada saluran tersebut dengan offset-nya.
Secara teoritik , pada sistem penginderaan jauh ideal, radiansi spektral

yang terekam oleh sensor memiliki nilai yang sma dengan nilai pantulan
dipermukaan bumi. Namun, pantulan spektral pada panjang gelombang
tampak dan sebagian inframerah dekat mengandung bias karena hamburan,
pantulan dan serapan oleh atmoster terutama oleh partikel aerosol, uap air
dan debu. Oleh karena itu, penting untuk melakukan koreksi dari kesalahan
tersebut dan mengembalikan nilai spektral citra sesuai atau mendekati asli
dipermukaan bumi.

www.smilejoga.com
Langkah Koreksi Radiometrik
1. Pilih Basic Tools > Statistics > Compute Statistics
2. Pada tampilan jendela Compute Statistics Input File klik OK.
3. Centang Output to statistics File > Choose (untuk menentukan lokasi

penyimpanan). Centang Output to Report File > Choose. Klik OK.

www.smilejoga.com
Tampilan Statistics Results.
Pada band 1,2, 4 dan 4 nilai Min dan Max tidak bernilai 0 dan 255, hal ini
menandakan bahwa terjadi kesalahan pada nilai pantulan saat melakukan
perekaman.
4. Klik kanan pada layar Stastics > File > Save Plot As > Import File
5. Pada jendela Output Plot to Image File, pilih Output File Type > JPEG. Klik Choose
untuk menentukan posisi penyimpanan file, kemuadin klik

www.smilejoga.com
OK.
6. Klik Basic Tools > Band Math.
7. Pada kolom Enter an expression masukkan B1-B2 > Add to list, maka formula B1-
B2 akan tampil pada kolom Previous Band Math
Expressions. Klik OK
8. Pada Variables used in the expression, klik B1 – [undefined] kemudian pada

Available Bands List pilih saluran Band 1. Klik B2 – [undefined]

www.smilejoga.com
kemudian pada Available Bands List pilih saluran Band 2 .
Klik Choose > tentukan lokasi penyimpanan > klik OK.

9. Untuk mengoreksi Band 2, masukkan formula B2- ( nilai Min B2) pada kolom Enter
an expression. Contoh : nilai Min Band 2 = 40, maka formula yg ditulis pada Enter
an expression B2-40.
10. Pada Variables used in the expression, klik B2 – [undefined] kemudian

www.smilejoga.com
pada Available Bands List pilih saluran Band 2.
11. Untuk mengoreksi Band 3, masukkan formula B3- ( nilai Min B3) pada kolom Enter
an expression. Contoh : nilai Min Band 3 = 29, maka formula yg ditulis pada Enter
an expression B3-29.
Nilai Min dilihat pada jendela Statistics Results.

12. Lakukan langkah yang sama untuk setiap Band.
13. Hasil tampilan citra yang sudah terkoreksi akan memiliki nilai Min = 0
dan Max = 255

www.smilejoga.com
MODUL 3
PENAJAMAN CITRA DAN PEMFILTERAN SPASIAL
A. PENAJAMAN CITRA
Penajaman citra (image enhancement) meliputi semua operasi yang
menghasilkan citra baru dengan kenampakan visual dan karakteristik
spectral yang berbeda dengan citra asli. Tujuannya adalah untuk
memperoleh kesan kontras yang lebih tinggi, dan semata – mata hanya
untuk analisis visual. Hal ini dapat dilakukan dengan mentransformasikan
seluruh nilai kecerahan citra. Sehingga sangat tidak direkomendasikan
untuk menggunakan citra hasil transformasi ini untuk analisis lebih lanjut
yang berbasis nilai piksel. Ada 2 algoritma utama untuk penajaman
kontras, yaitu perentangan kontras (contrast stretching) dan ekualisasi
histogram (histogram equalization).
Perentangan Kontras
Ada tiga cara yang dapat digunakan dalam perentangan kontras, sesuai
dengan range nilai piksel suatu citra ( Projo Danoedoro, 1996):
• Penilaian nilai piksel, misalnya suatu citra memilik range nilai piksel 0 –
25, bila dikalikan factor pengali 3, maka range akan berubah menjadi 0-
75. Perubahan lebar julat nilai piksel menjadikan citra lebih tajam
kontrasnya.
• Pengkondisian, misalnya suatu citra dengan range 0-25 akan direntang

menjadi 0-255. Transformasinya sebagai berikut :
BVoutput

www.smilejoga.com
• Penampakan kontras, citra dengan range nilai piksel lebar dimampatkan

sehingga range-nya sempit.
Secara teknis adalah sebagi berikut :

1. Cek range nili piksel citra, cara yang akan digunakan adalah
perentangan linier dengan pemotongan ekor histogram.
2. Tampilkan salah satu saluran citra.
3. Pada jendela display image, klik Enhance > Interactive

Stretching.
4. Kemudian akan tampil jendela Histogram, klik

www.smilejoga.com
Histogram_Source > Band, dan Stretch_Type > Linear.
5. Pada box Stretch anda dapat memasukkan nilai piksel

pemotongan cut-off dan saturation atau presentase kumulatifnya, kemudian
tekan Enter sehingga Stretch Bar bergeser sesuai angka yang dimasukkan. Bisa
juga nilai tersebut anda peroleh dengan menggeser Stretch Bar sesuai dengan
kebutuhan. Perhatikan perubahan histogram. 6. Klik Aplly untuk mengekekusi
perentangan kontras.

www.smilejoga.com
Contoh pada citra aster
7. Buat jendela display baru, tampilkan citra dengan saluran

yang sama. Link-kan dengan citra hasil stretching, dan amati
perubahannya.
8. Anda juga dapat melakukan prosedur diatas untuk citra

komposit warna. Bedanya proses dilakukan perwarna R G B
dengan menekan radio button – nya.
Equalisasi Histogram
1. Tampilkan saluran yang sama seperti di atas.

www.smilejoga.com
2. Langkahnya sama seperti pada perentangan kontras, namun

pada jendela histogram pilih menu Histogram_Source >
Band dan Stretch_Type > Equalization.
3. Tentukan Cut-off dan Saturation , klik Apply untuk

ekeskusi.
4. Bandingkan dengan citra hasil penajaman antara linear
contrast stretching dengan histogram equalization.
5. Anda dapat eksplorasi untuk tipe perentangan kontras yang

lain, seperti Piecewise Linear, Gausian, atau Square Root.
B. PEMFILTERAN SPASIAL
Pemfilteran spasial adalah suatu cara untuk ekstraksi bagian data
tertentu dari suatu suatu himpunan data, dengan menghilangkan bagian
data yang tidak diinginkan. Atau secara sederhana merupakan cara untuk
menyaring informasi sehingga menghasilkan informasi yang selektif yang
tidak dapat dilihat pada kondisi biasa. Operasi ini diterapkan dengan
menggunakan algoritma moving window dan mempertimbangkan nilai
piksel tetangga (sering disebut local operation), sehingga hasilnya berupa
citra dengan variasi nilai spectral yang berbeda dari citra asli. Ada banyak
jenis filter digital, tetapi dalam konteks penajaman kontras citra ada 2
macam filter utama, yaitu filter high-pass dan filter low-pass. Filter

www.smilejoga.com
highpass menghasilkan citra dengan variasi nilai kecerahan yang besar,

sedangkan filter low-pass berfungsi sebaliknya.
1. Tampilkan salah satu saluran citra.

2. Ada 2 cara untuk melakukan operasi filter, yaitu menggunakan menu
jendela display atau dari menu utama.
3. Pertama, dari jendela display klik Enhance > Filter, pilih filter
sharpen, smooth, atau median. Secara otomatis citra akan terfilter.
Bandingkan dengan citra asli tanpa filter.
Filter Sharpen

www.smilejoga.com
Smooth Filter

www.smilejoga.com
Median
4. Kedua, pada menu utama, klik Filter > Convolutions and

Morphology.
5. Pada jendela Convolutions and Morphology Tool, klik

Convolutions > pilih tipe filter > High Pass. Tentukan

www.smilejoga.com
jumlah kernel dan perhatikan nilai pada kernel.
MODUL 4
TRANSFORMASI CITRA
A. FUSI CITRA

www.smilejoga.com
Fusi citra merupakan proses penggabungan beberapa citra kedalam satu

komposit citra. Biasanya proses ini dilakukan untuk mempertinggi /
mempertajam resolusi spasial citra multispektra menggunakan citra
pankromatik yang memiliki resolusi spasial lebih tinggi. Untuk melakukan
proses ini, data yang digunakan harus sudah tergeoreference terlebih dahulu,
namun jika belum tergeoreference maka data harus meliputi daerah yang
sama, dengan ukuran piksel yang sama, ukuran citra yang sama, dan orientasi
yang sama pula.
Langkah Fusi Untuk Citra Yang Belum Tergeoreference:

1. Membuka file citra multispektral dengan ukuran 30x30 meter dan file citra
pankromatik dengan ukuran 15x15 meter. Pada citra Landsat, citra
multispektral dengan ukuran spasial 30x30 meter meliputi band 1,2,3,4,5
dan 7, sedangkan untuk citra pankromatik dengan ukuran spasial 15x15
meter ada pada band 8. Band 6 pada citra landsat memiliki ukuran spasial
60x60 meter.
2. Ubahlah nilai spasial citra multispektral menjadi ukuran citra pankromatik.

Klik Basic Tools > Resize Data (Spasial/Spektral), pilih citra multispektral kemuadian
klik OK.
3. Muncul jendela resize data parameters, pada output file dimensions
ganti xfac = 2 dan yfac = 2. Angka tersebut merupakanfaktor
perbesaran dari dimensi 700 x 1000 ke 1400 x 2000. Klik Choose untuk
menentukan lokasi penyimpanan data. Klik OK.

www.smilejoga.com
4. Ubah komposit RGB ke HSV. Misal citra multispektral komposit 321

diubah menjadi HSV. Klik Transform > Color Transform > RGB to
HSV
5. Pada jendela RGB to HSV input, pilih display yang menampilkan

citra koposit multispektral, klik OK
6. Klik Choose pada endela RGB to HSV Parameters untuk menentukan lokasi
penyimpanan data. Klik OK.

www.smilejoga.com
7. Stretch data pankromatik untuk menggantikan posisi intensity value

citra komposit. Klik Basic Tools > Stretch Data.
Masukkan data pankromatik (Band 8 ). Klik OK.

8. Masukkan nilai pada box Output Data Range min = 0 dan max = 1.
Klik Choose untuk menyimpan hasil stratch kemudian klik OK.
9. Penggantian intensity value dengan data pankromatik

www.smilejoga.com
Klik Transform > color Transforms > HSV to RGB.
Masukkan pada box H dengan Hue, S dengan Sat dari citra HSV sebelumnya, dan
box V diisi dengan citra Pankromatik yang sudah di
stretch. Klik OK
10. Klik Choose untuk menyimpan hasil hasil Fusi. Klik OK
11. Klik Load RGB untuk menampilkan hasil Fusi. Bandingakan dengan citra yang
belum dilakuakan proses Fusi.
Langkah Fusi Untuk Citra Secara Cepat.

www.smilejoga.com
Sebenarnya ENVI sudah memliki fasilitas untuk melakukan fusi dengan cara
cepat, namun syaratnya harus menggunakan data citra yang telah
tergeoreference.
1. Bukalah citra multispektral yang telah tergeoreference dan juga citra

pankromatik.
2. Pada layar utama klik Transform > Image Sharpening > HSV.
3. Pada jendela Select Input RGB pilih display yang menampilkan citra koposit
multispektral, klik OK.
4. Pilih citra resolusi tinggi / citra pankromatik yang sebelumnya telah di Stretch.
Klik OK
5. Klik Choose kemudian tentukan lokasi penyimpanan data hasil Fusi.

Klik OK

www.smilejoga.com
6. Tampilkan citra multispektral yang belum dilakukan proses Fusi dan citra yang
telah dilakukan proses Fusi dan bandingkan tampilan kedua citra. Pada citra
hasil yang telah dikalukan proses fusi akan tampak lebih jelas dan tajam.
Kenampakan citra hasil Fusi dan citra resolusi asli pada zoom yang sama.
Mencoba fusi dengan metode normalisasi Brovey

1. Klik Transform > Image Sharpening > color Normalize (Brovey)

www.smilejoga.com
2. Pada jendela Select Input RGB pilih display yang menampilkan citra koposit
multispektral, klik OK.
3. Pilih citra resolusi tinggi / citra pankromatik yang sebelumnya telah di Stretch.
Klik OK
4. Klik Choose kemudian tentukan lokasi penyimpanan data hasil Fusi.

Klik OK
5. Tampilkan citra yang telah dilakukan proses Fusi HSV dan citra yang telah
dilakukan proses Fusi menggunakan metode Brovey kemudian

www.smilejoga.com
bandingkan tampilan kedua citra.
Kenampakan citra hasil Fusi dan citra resolusi asli pada zoom yang
sama.
B. PENISBAHAN SALURAN
Penisbahan saluran ( band ratios) digunakan untuk menonjolkan
perbedaan spektral antara saluran dan menggurangi efek topografi.
Pembagian satu saluran spektral dengan dengan yang lain menghasilkan

www.smilejoga.com
citra yang memberikan intensitas relatif saluran. Citra tersebut

memperjelas perbedaan spektral antar saluran, juga menonjolkan aspek
informasi tertentu yang tidak muncul pada citra biasa. Untuk menonjolkan
beberpa aspek hasil penisbahan saluran secara simultan, maka bisa
disusun suatu citra komposit yang lebih dikenal dengan Color-Ratio-
Composite ( CRC ).
Cobalah membuat penisbahan saluran pada citra Landsat 7:

• Band-ratio 5/7 untuk menonjolkan tanah lempung , karbonat, dan vegetasi
• Band-ratio 3/1 utnuk menonjolkan oksidasi besi

• Band-ratio 2/4 atau ¾ untuk menonjolkan vegetasi
• Band-ratio 5/4 juga untuk menonjolkan vegetasi
Langkah Melakukan Penisbahan Saluran
1. Buka file citra yang telah terkoreksi geometrik maupun radiometrik

2. Pada menu utama klik Transform > Band Ratios
3. Masukkan saluran sebagai pembilang (numerator) dan penyebut

(denominator). Misal pada kolom numerator pilih band 5 dan pada
denomintaor pilih band 7. Band ini untuk menonjokan obyek tanah
lempung , karbonat, dan vegetasi. Klik Enter Pair > OK

www.smilejoga.com
4. Klik Choose untuk menyimpan hasil Band-Ratio 5/7. Klik OK.
5. Lakukan langkah yang sama untuk Band-Ratio 3/1, 2/4 atau 3/4, dan
5/4.
6. Buatlah komposit citra penisbahan (CRC) R = 5/7, G = 3/1, dan B = 2/4.
Tampilkan dan pertajam dengan equalisasi histrogram default pada
jendela display image.

www.smilejoga.com
Perhatikan kenampakan citra komposit, tanah lempung atau karbonat

akan berwarna magenta, oksida beso berwarna hijau dan vegetasi
berwarna merah.
C. Transformasi Indeks Vegetasi

Beberapa algoritma dikembangkan untuk menonjolkan aspek
kerapatan vegetasi dari citra. Secara praktis indeks vegetassi merupakan
suatu transformasi matematis yang melibatkan beberapa saluran
sekaligus, dan menghasilkan citra baru yang lebih menonjolkan fenomena
dan distribusi vegetasi.
Salah satu transformasi yang popular dalam studi vegetasi adalah

Normalized Difference Vegetation Index (NDVI), yang merupakan
kombinasi antara teknik penisbahan dengan penjumlahan dan
pengurangan saluran citra. Nilai NDVI mengindikasikan jumlah vegetasi
hijau yang terdapat pada suatu piksel. Semakin tinggi nilai NDVI
menandakan vegetasi hijau semakin banyak / rapat. NDVI dihitung
menggunakan algoritma :
NDVI

www.smilejoga.com
Hasil perhitungan algoritma ini berkisar antara -1 hingga +1. Proses

Transformasi NDVI
1. Buka file citra yang telah terkoreksi baik radiometric

maupun geometric. (Landsat 7 DIY)
2. Pada menu utama klik Transform > NDVI > (Vegetation

Index). Pilih file diatas.
3. Tentukan saluran inframerah dekat dan saluran merah,

simpan file atau sebagai memory. OK

www.smilejoga.com
4. Tampilan, dan cek nilai pikselnya dengan cursor location / value.
Pemilahan Kecerahan Citra NDVI

1. Pada jendela display image klik Overlay > Density Slice.
Masukkan citra NDVI.

www.smilejoga.com
2. Buat 5 level tingkat. Pada jendela density slice, klik

Option > Set Number of Deafaults Ranges, masukkan angka
5, OK.

www.smilejoga.com
3. Pada jendela Density Slice, klik Option > Apply

Default Ranges
4. Edit Range untuk mengedit range dan warna jika perlu.

Jika sudah klik Apply, citra dengan 5 level kerapatan
vegetasi terbentuk. Simpan citra terklarifikasi.

www.smilejoga.com
Anda bisa mencoba transformasi vegetasi lain, seperti RVI, TVI, DVI, PVI,
VIF, dsb. Gunakan Band Ratios atau Band Math.

www.smilejoga.com
MODUL 5
KLASIFIKASI MULTISPEKTRAL
Klasifikasi citra digital merupakan proses pengelompokan piksel ke dalam

kelas – kelas tertenttu. Biasanya tiap piksel diproses sebagai unit individual yang
tersusun dari beberapa saluran spektral. Dengan cara membandingkan piksel satu
dengan yang lainnya, dan dengan piksel yang diketahui identitasnya maka sangat
memungkinkan untuk mengelompokkan piksel dengan karakteristik yang sama
dalam suatu kelas. Kelas – kelas tersebut membentuk area pada peta atau citra,
sehingga setelah terklarifikasi citra digital direpresentasikan sebagai mosaic dari
unit-unit pemetaan yang seeragam dengan symbol atau warna yang spesifik.
Secara teoritik, kelas-kelas tersebut tersusun dari piksel-piksel yang homogen,
namun secara praktis hal tersebut sulit ditemui, kebanyakan piksel dalam suatu
kelas adalah bervariasi.
Asumsi yang digunakan dalam klasifikasi multispectral ialah bahwa setiap

obyek dapat dibedakan dari yang lainnya berdasarkan nilai spektralnya. Dari
beberapa penelitian eksperimental diperoleh hasil bahwa tiap obyek cenderung
memberikan pola respon spektral yang spesifik. Ada beberapa metode klasifikasi
multispektral, yaitu : unsupervised classification, supervised classification, dan
hybrid classification. Klasifikasi unsupervised memproses pengelompokan alami
piksel dalam citra dengan interaksi analis yang minimal. Lain halnya dengan
prosedur klasifikasi supervised yang melibatkan interaksi analisis secara intensif,
dimana analismenuntun proses klasifikasi dengan identifikasi obyek pada citra
(training area). Sedangkan klasifikasi hybrid, merupakan jembatan diantara
keduanya, atau gabungan prosedur keduanya.
A. Klasifikasi Tak Terselia (Unsupervised Classification)

Dalam klasifikasi citra secara digital, informasi yang dapat disadap dari
piksel adalah penutup lahan.

www.smilejoga.com
1. Tampilkan Citra Landsat DIY.

Klasifikasi Unsupervised Isodata
2. Pada menu utama klik Classification > Unsupervised > Isodata,
pilih citra multispectral, OK.
3. Masukkan parameter yang dibutuhkan, masukkan Maximum

Iteration = 3, Minimum # Pixel In Class = 9. Simpan citra
sebagai file. Klik OK untuk eksekusi.

www.smilejoga.com
Tampilan setelah Load Band Isodata
Klasifikasi Unsupervised K- Means

1. Pada menu utama klik Classification > Unsupervised > K-

www.smilejoga.com
Means, pilih citra multispectral, OK.
B. KLASIFIKASI TERSELIA (SUPERVISED CLASIFIKATION)

Supervised Classification/Proses klasifikasi didasarkan pada ide bahwa
pengguna (user) dapat memilih sampel pixel – pixel dalam suatu citra yang

www.smilejoga.com
merepresentasikan kelas-kelas khusus dan kemudian mengarahkan

perangkat lunak pengolahan citra (image processing software) untuk
menggunakan pilihan-pilihan tersebut sebagai dasar referensi untuk
pengelompokkan pixel-pixel lainnya dalam citra tersebut.
Wilayah pelatihan (training area) dipilih berdasarkan pada

pengetahuan dari pengguna (the knowledge of the user).Sedangkan klasifikasi
tak terawasi (unsupervised classifications) merupakan pengklasifikasian hasil
akhirnya (pengelompokkan pixel-pixel dengan karakteristik umum)
didasarkan pada analisis perangkat lunak (software anaysis) suatu citra tanpa
pengguna menyediakan contoh-contoh kelas-kelas terlebih dahulu. Komputer
menggunakan teknik-teknik tertentu untuk menentukan pixel mana yang
mempunyai kemiripan dan bergabung dalam satu kelas tertentu secara
bersamaan.
Langkah Klasifikasi Terselia
1. Klik Basic Tools > Region Of Interes > ROI Tools
2. Ambilah sampel setiap obyek yang berhasil terinterpretasi.

3. Ubah nama Region #1 sesuai dengan obyek yang akan di ambil sampelnya.
Misal : Region #1 menjadi HUTAN. Klik OK
4. Arahkan cursor ke jendela Scroll atau Image, arahkan box ke obyek vegetasi
yang sebelumnya telah diamati. Pastikan posisi obyek tepat.

www.smilejoga.com
5. Arahkan cursor ke jendela Zoom, perbesar hingga terlihat jelas per pikselnya.
Tentukan kelompok piksel yang cenderung homogen untuk obyek Vegetasi.
Ambil sampel untuk obyek vegeasi dengan membentuk poligon, setelah
terbentuk poligon klik kanan untuk menutup poligon dan klik kanan sekali lagi
untuk untuk memunculkan warna
6. Lakukan langkah yang sama utuk menentukan obyek-obyek yang lain.

www.smilejoga.com
7. Simpan ROI dengan cara klik File > Save ROI. Pada jendela Save ROIs to File,
klik Select All Items > Choose ( untuk menentukan lokasi
penyimpanan ROI). Klik OK
8. Klik Clasification > Supervised > Maximum Likelihood.
9. Pada jendela Clasification Input File, pilih citra yang akan diklasifikasikan
kemuadian klik OK.

www.smilejoga.com
10. Pada jendela Maximum Likelihood form Regions, klik Select All Items
untuk memilih semua sampel obyek yang telah ditentukan sebelumya. Klik
Choose untuk menyimpan Output Result File dan Klik Choose
untuk menyimpan Output Rule File. Klik OK
Tampilkan hasil klasifikasi

www.smilejoga.com

www.smilejoga.com
MODUL 6
KONVERSI DATA HASIL KLASIFIKASI ENVI KE ARCGIS
1. Pada layar utama klik Vector > Classification to Vector
2. Pilih file citra yang sudah di klasifikasikan sebelumnya. Klik OK
3. Pada jendela Raster To Vector Parameters klik Select All Items untuk memilih
semua sampel kelas obyek kemudian klik Choose untuk menyimpan hasil
klasifikasi. Klik OK.
4. Setelah proses selasai maka kan tampil jendela Available Vectors List.

www.smilejoga.com
Klik Load Selected.
Tampilan citra manjadi seperti dibawah
5. Pada jendela #1 Vector Parameters, klik File > Export Active Layer To
Shapefile
6. Klik Choose pada Output EVF Layer to Shapefile untuk menyimpan hasil export
klasifikasi menjadi format Shapefile agar dapat dibuka di software

www.smilejoga.com
ArcGis.
7. Buka Software ArcGIS. ArcMap > add file hasil klasifikasi yang telah di export.
MODUL 7
MOSAIK CITRA
Mosaik citra adalah proses menggabungkan/menempelkan dua atau lebih

citra yang tumpang tindih (overlapping) sehingga menghasilkan citra yang

www.smilejoga.com
representatif dan kontinyu. Data dengan beberapa scene akan menjadi 1 file data
setelah dilakukan mosicking.
1. Buka file citra yang memiliki wilayah yang saling bertampalan
2. Klik Basic Tools > Mosaiking > Georefesenced
3. Pada jendela Map Based Mozaic klik Import > Import File.
4. Pilih dua citra yang akan di mosaik kemudian klik OK

www.smilejoga.com
5. Klik kanan pada citra #1 > Edit Entry
6. Pada jendela Entry masukkan nilai 0 pada kolom Data Value to Ignore. Klik
OK
7. Lakukan langkah yang sama untuk citra #2. Makan tampilan citra akan enjadi

www.smilejoga.com
tampal
8. Pada jendela Mosaic klik File > Apply
9. Pada Mosaic Parameters klik Choose kemudian tentukan lokasi pengimpanan

data hasil File. Klik OK
10. Tampilan citra yang telah di dimosaik

www.smilejoga.com

www.smilejoga.com

H2 - Materi Pelatihan Penginderaan Jauh

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

H2 - Materi Pelatihan Penginderaan Jauh

Diunggah oleh

Hak Cipta:

Format Tersedia

Penginderaan Jauh | ENVI

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 1

DISPLAY CITRA, PEMBACAAN NILAI PIKSEL, DAN PENYUSUNAN CITRA KOMPOSIT

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 2

Langkah Kerja membuka citra dengan software ENVI :

1. Start > All Program > ENVI

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 3

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 4

Land Satellite (Landsat) merupakan program tertua dalam

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 5

7 saluran pada TM, namun diperluas dengan saluran 8 yaitu Pankromatik.

Karakteristik Citra Satelit Landsat -7

Orbit 705 km, 98,2o, sun-synchronous, 10:00 AM

Crossing, Rotasi 16 hari (repeat cycle)

Sensor ETM+ (Enhanced Thematic Mapper)

Swath Width 185 km (FOV=15o)

Off-track viewing Tidak tersedia

Revisit Time 16 hari

Resolusi spasial 15 m (pankromatik), 30 m (multispektral), 60 m

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 6

Karakteristik Citra Satelit Landsat -8

Orbit 705 km, 98,2o, sun-synchronous, 10:00 AM

Crossing, Rotasi 16 hari (repeat cycle)

Sensor Operating Land Imagery (OLI)

Swath Width 185 km (FOV=15o)

Off-track viewing Tidak tersedia

Revisit Time 16 hari

Resolusi spasial 15 m (pankromatik), 30 m (multispektral), 100 m

• Inclined 98.2° (slightly retrograde)

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 7

 Band 8 Panchromatic (PAN) (0.50 - 0.68 µm) 15 m

 Band 10 TIRS 1 (10.6 - 11.19 µm) 100 m

Layer Stacking merupakan sebuah teknik untuk menggabungkan

1. Basic Tool > Layer Stacking

3. Kembali ke jendela Layer Stacking parameters, klik Reorder untuk

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 8

Dengan cara drag dari B1 paling atas dan B7 paling bawah. OK

4. Kembali ke jendela Layer Stacking parameters, kemudian atur Zonasi

Setelah mengimpor data citra, langkah selanjutnya adalah menampilkan citra

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 9

Secara teknis adalah sebagai berikut :

maka akan tampil pada image layer sebagai berikut

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 10

> Load Band.

Maka akan tampil di image layer sebagai berikut :

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 11

3. Kemudian akan tampil jendela Link Display > OK

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 12

F. PEMBACAAN NILAI PIKSEL

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 13

4. Kemudian akan tampil jendela Cursor Location / Value

2. Kemudian akan tampil display Pixel Locator

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 14

H. PENGAMATAN POLA SPEKTRAL DENGAN SCATTER PLOT

Pengambilan Sampel Obyek

Sebelum melakukan scatter plot, ambil sampel beberapa obyek di atas

1. Pada jendela image display klik Overlay > Region Of Interest

2. Kemudian akan tampil jendela ROI Tool, pilih radio buttom

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 15

3. Klik ROI_Type > Polygon.

4. Ubah nama Region #1 sesuai dengan obyek yang akan di ambil

5. Arahkan cursor ke jendela Scroll atau Image, arahkan box ke obyek

SMILE GROUP | Sarana Meraih Ilmu Lengkap Efektif 16

6. Arahkan cursor ke jendela Zoom, perbesar hingga terlihat jelas per