LAPORAN PRAKTIKUM MATA KULIAH

PENGINDERAAN JAUH

POKOK BAHASAN MINGGU 12 : GOOGLE EARTH ENGINE

Disusun Oleh :

Irbah Hanuun Naziroh (119230068)

Program Studi Teknik Geomatika

Jurusan Teknologi Infrastruktur dan kewilayahan
Institut Teknologi Sumatera
2021
A. Mata Acara Praktikum
Mata acara praktikum kali ini yaitu tentang Google Earth Engine yang
dilakukan pada hari Kamis, 9 Desember 2021.

B. Tujuan Praktikum
Adapun tujuan dari praktikum google earth engine kali ini yaitu mahasiswa
dapat melakukan proses pengolahan citra digital mengunakan google earth
engine.

C. Alat dan Bahan

Adapun alat dan bahan yang digunakan pada praktikum google earth engine
kali ini yaitu Google Earth Engine

D. Landasan Teori
Platform komputasi cloud merupakan cara yang efisien untuk
menyimpan, mengakses, dan menganalisis kumpulan data di server yang
sangat kuat, yang memvirtualisasikan superkomputer untuk pengguna. Sistem
ini menyediakan infrastruktur, platform, layanan penyimpanan, dan paket
perangkat lunak dalam berbagai cara untuk pengguna. Beberapa contoh
platform berbasis komputasi cloud seperti Amazon Web Services (AWS).
AWS ini platform berbayar berdasarkan jam penggunaan layanan. AWS ini
memiliki Earth Observation (EO) yang berisi data terbuka dari beberapa satelit
seperti m Landsat-8, Sentinel-1, Sentinel-2, China–Brazil Earth Resources
Satellite, National Oceanographic, and Atmospheric Administration Advanced
(NOAA), serta keluaran model global.
Google Earth Engine (GEE) adalah platform komputasi awan lain yang
diluncurkan oleh Google, pada tahun 2010. GEE menggunakan infrastruktur
komputasi Google dan dataset RS akses terbuka yang tersedia. GEE ini sebagai
platform pemrosesan penemuan ilmiah dengan memberikan pengguna akses
gratis le berbagai kumpulan data penginderaan jauh. Pengguna dapat
mengakses GEE melalui Application Programming Interface (API) berbasis
internet dan Interactive Development Environment berbasis web. GEE
memiliki fitur pemrosesan otomatis dan komputasi yang cepat secara efektif
dalam menangani proses data besar. Dalam pemrosesan pengguna tidak perlu
mendownload software apapun ataupun mendownload kumpulan data pada
GEE, pengguna tinggal memanfaatkan perangkat lunak dan memproses
kumpulan data tersebut pada program ini.
• GEE terutama terdiri dari tiga platform berikut:
1. Earth Engine (EE) Explorer;
2. Editor Kode EE;
3. EE Timelapse
A. EE Explorer adalah platform penampil data yang memungkinkan pengguna
untuk mengakses kumpulan data besar yang tersedia di Katalog Data EE.
Katalog Data menampung jutaan kumpulan data yang tersedia untuk
umum, termasuk rangkaian lengkap citra Landsat-4, - 5, -7, dan -8,
MODIS, Sentinel-1, -2, -3, dan -5P, serta beberapa atmosfer, meteorologi,
dan dataset vector. Pada katalog data, pengguna dapat mencari di antara
kumpulan data besar dan mengimpornya ke workspace. Di Workspace,
pengguna dapat mengelola dana visualisasi data juga memungkinkan untuk
pengguna melihat memperbesar, dan menggeser dengan cepat. Selain itu,
ini memungkinkan pengguna untuk mengatur parameter yang terkait
dengan pengaturan visualisasi, seperti tingkat kontras, kecerahan, dan
opacity. Pengguna dapat menampilkan lapisan dalam RGB 3 band atau
representasi gary scale/warna semu band tunggal.
B. Platform EE Explorer dirancang untuk memvisualisasikan kumpulan data,
platform ini dirancang untuk memproses data besar menggunakan bahasa
pemrograman JavaScript. . EE Code Editor terdiri dari elemen-elemen
berikut: Code editor, Map, Layer manager, Geometry tools, dan beberapa
tab, termasuk Script, Doc, Assets, Inspector, Console, dan Tasks.
C. EE Timelapse, Platform Timelapse adalah contoh kekuatan komputasi
yang hebat dari platform GEE. Platform ini memberikan gambaran paling
komprehensif tentang Bumi yang mengungkapkan bagaimana
penghuninya memperlakukannya. Misalnya, melalui timelaps EE,
seseorang dapat dengan mudah mengamati mundurnya Gletser Mendenhall
 di Alaska, pemenggalan Pegunungan Virginia Barat oleh industri
pertambangan, hilangnya hutan di Amazon, dan danau Urmia yang
mengering di Iran seiring waktu.
• GEE DATASET
Kumpulan data Landsat adalah sumber daya yang berharga untuk
melakukan analisis temporal. Koleksi Landsat mencakup tujuh satelit
multispektral: Landsat 1–3 (1972–1983), Landsat-4 (1982– 1993), Landsat-5
(1984–2012), Landsat-7 (1999–sekarang), dan Landsat-8 (2013 -present).
Kumpulan data berbasis Landsat dalam GEE telah digunakan dalam berbagai
aplikasi. Misalnya, data Landsat yang tersedia di GEE telah digunakan secara
luas dalam menghasilkan peta Tutupan Lahan/Penggunaan Lahan. Selain itu,
deteksi dan ekstraksi perkotaan merupakan tugas penting dalam penyelidikan
ekonomi karena pertumbuhan penduduk yang cepat. GEE juka berisi data yang
berasal dari satelit Sentinel, yang dikembangkan oleh Badan Antariksa Eropa
(ESA). Koleksi Sentinel meliputi Sentinel-1 Synthetic Aperture RADAR
(SAR) (2014–sekarang), Sentinel-2 multispektral (2015–sekarang), Sentinel-3
Ocean and Land Color (2016–sekarang), dan Sentinel-5P Tropospheric
Monitoring (2018– sekarang) kumpulan data. Sentinel-1 dan Sentinel-2 telah
digunakan secara luas oleh pengguna GEE untuk berbagai aplikasi. GEE juga
memiliki data MODIS. MODIS memiliki potensi besar dalam pemetaan near-
real-time (NRT) permukaan tanah dalam skala nasional dan global. MODIS
memperoleh gambar dalam 36 pita spektral, resolusi spasial yang bervariasi
dari 250 m hingga 1 km.
• GEE Function
GEE menyediakan berbagai fungsi untuk melakukan operasi spektral dan
spasial pada satu gambar atau kumpulan gambar. Operasi yang berbeda dalam
platform GEE, mulai dari operasi matematika sederhana hingga pemrosesan
gambar tingkat lanjut dan algoritma pembelajaran mesin. Contoh algoritma
yang digunakan pada GEE yaitu K-means adalah metode pengelompokan yang
populer di area penambangan data. Algoritma mengharuskan pengguna untuk
menentukan jumlah cluster (K) dan kriteria penghentian.
• GEE ADVANTAGES AND LIMITATIONS
GEE adalah alat yang berharga dalam menganalisis data geospasial yang
memberikan banyak kemampuan bagi para peneliti, terutama bagi komunitas
RS.
Beberapa kelebihan GEE
1) Infrastruktur Cloud: GEE terutama merupakan layanan berbasis cloud
gratis tanpa harus mengunduh dan mengelola data secara lokal, GEE dapat
memproses petabyte data RS baik dalam skala geografis yang besar
maupun dalam cakupan temporal yang panjang.
2) API: GEE dikombinasikan dengan antarmuka pemrograman berbasis web
yang kuat. Pengguna dapat dengan mudah mengakses data RS yang
diarsipkan melalui JavaScript dan Python API. Konsep langsung
menggunakan kedua API memungkinkan pengguna untuk fokus pada
logika pemilihan data dan alur kerja yang dapat diprogram.
3) Kumpulan Data: GEE berisi katalog besar kumpulan data RS, geofisika,
dan meteorologi. Ini berisi sebagian besar dataset penting dan temporal di
RS, termasuk Landsat, MODIS, dan Sentinel. Data disimpan dalam resolusi
aslinya dan disimpan di samping setiap gambar yang digunakan dalam
tingkat zoom yang berbeda demi efisiensi, , pengguna juga dapat dengan
mudah mencari data yang diinginkan menggunakan tag yang disediakan
dalam kategorisasi data.
4) Fungsi: memenuhi kebutuhan proyek ilmiah yang khas. Selain itu,
pengguna selalu dapat menerapkan algoritme mereka sendiri di luar GEE
dan mengembalikan hasilnya untuk pascapemrosesan
Beberapa kekurangan GEE:
1) Data masih di simpan pada server swasta, yang menyebabkan tidak
diterima banyak Lembaga pemerintah dan swasta
2) Analisis gambar berbasis GEE dibatasi untuk alat yang ada dalam API
GEE.
3) GEE terbatas pada model penambangan data yang dipilih untuk
klasifikasi dan regresi.
4) Salah satu pendekatan utama untuk meningkatkan akurasi
• GEE PATTERN OF PUBLICATIONS
1. Vegetasi
GEE memanfaatkan layanan komputasi awan untuk pemantauan
jangka panjang tutupan vegetasi. Selain itu, data RS yang tersedia untuk
umum dalam GEE memungkinkan para peneliti untuk menggunakan
platform ini untuk pemantauan vegetasi pada berbagai skala spasial.
Khususnya, Adanya beberapa indeks vegetasi di GEE memungkinkan
dilakukannya studi vegetasi secara efisien dan cepat
2. Pertanian
Kumpulan data RS memungkinkan pemantauan lahan pertanian dan
perkebunan yang sering dan hemat biaya. GEE menyelenggarakan
kumpulan data RS luas yang tersedia untuk umum yang dapat
digunakan secara efektif untuk produktivitas, kualitas profitabilitas,
dan studi keberlanjutan produksi pertanian.
3. Hidrologi
Kumpulan data yang tersedia untuk umum dalam GEE bersama dengan
kinerja komputasinya yang tinggi memungkinkan pemantauan sumber
daya air yang akurat dengan resolusi temporal dan spasial yang
memadai. Akibatnya, GEE secara efisien digunakan untuk pemantauan
dinamika air permukaan batimetri, studi garis pantai dan pesisir,
pemetaan dan pemantauan danau dan waduk, dll.
4. Perkotaan
GEE mempromosikan pemantauan kondisi perkotaan jangka panjang
untuk mempelajari lingkungan perkotaan secara efektif dari berbagai
aspek.
5. Tutupan Lahan
GEE menyelenggarakan kumpulan data RS publik yang sangat besar
dalam berbagai resolusi spektral dan spasial untuk melakukan
pemetaan tutupan lahan, pemantauan dinamika tutupan lahan,
pemetaan pesisir, dan klasifikasi lahan basah.
6. Bencana Alam
 Kumpulan data RS jangka panjang dan NRT yang tersedia untuk umum
dalam GEE bersama dengan komputasi berkinerja tinggi
mempromosikan platform berbasis cloud ini untuk pemantauan,
prakiraan, pencegahan, kerentanan, dan studi ketahanan bencana alam.
Secara khusus, GEE digunakan untuk pemantauan kekeringan,
pemetaan banjir dan penilaian risiko banjir, pemetaan keparahan
kebakaran hutan, analisis tanah longsor, studi badai dan studi tsunami.
7. Atmosfer dan Iklim
Ketersediaan produk iklim disertai dengan produk permukaan dalam
GEE, menjadikan platform ini alat yang hebat untuk studi iklim dan
pemantauan kualitas udara. Keuntungan ini menciptakan minat yang
meningkat di komunitas riset untuk menggunakan GEE untuk analisis
polusi udara, perubahan iklim dan pemantauan, studi variabel biofisik,
estimasi evapotranspirasi, dan pemetaan curah hujan.
• GEE LARGE-SCALE CASE STUDIES

GEE telah diakui sebagai platform yang efisien untuk pemetaan dan
pemantauan LC regional hingga global dalam jangka waktu yang lama.

(Armani, Ahmadi, Ghorbanian, Kakooei, & dkk, 2020)

E. Langkah Kerja
Adapun langkah kerja yang dilakukan pada praktikum google earth engine
untuk ekstraksi data curah hujan satelit TRMM dan GPM yaitu:
1. Buka website Google Earth Engine
2. Sign Up, kemudian klik TRY THE CODE EDITOR untuk memulai
memasukkan script untuk proses pada google earth engine.

3. Setelah itu klik Draw Rectangle untuk meilih area yang akan di tampilkan
cloud masking menggunakan citra satelit Sentinel-2A

4. Kemudian ubah “geometry” menjadi nama area yang akan di tampilkan

citra sentinel-2A
5. Setelah itu, masukkan citra satelit Sentinel-2A dengan cara search Sentinel-
2A kemudian pilih yang MultriSpektral level2A

6. Kemudian pilih import untuk measukkan script citra ke dalam script kita.

7. Kemudian buka Data Catalog Google Earth Engine Sentinel-2A, lalu copy
script nya dan paste pada script kita
8. Kemudian ubah tanggal perekaman citra menjadi tanggal terbaru yaitu dari
tanggal 01-01-2021 hingga 01-12-2021, lalu masukkan command
.filterBounds(Bekasi) di bawah .filterDate untuk membatasi wilayah kerja
wilayah citra yang ditampilkan.

9. lalu masukkan .median() di bawah .map untuk mencari nilai median dari
citra satelit tanggal 1 Januari 2021 hingga 1 Desember 2021

10. kemudian hapus Map.setCenter dikarenakan telah menggunakan

.filterBounds untuk menapilkan area. Dan hapus .mean() pada script
Map.addLayer. kemudian Run

11. setelah itu akan muncul hasil visualisasi cloud masking dalam 1 scene citra
satelit Sentinel-2A
F. Hasil dan Pembahasan

Praktikum kali ini yaitu melakukan proses pada google earth engine, yang
dilakukan berupa Cloud Masking Citra Satelit Sentinel-2A. pada google earth
engine ini digunakan kanal QA60 yang merupakan kanal Cloud mask. Pada
proses cloud mask ini digunakan filter data maksimal 20% citra yang tertutup
awan dengan menggunakan data perekaman citra satelit tanggal 1 Januari 2021
hingga 1 Desember 2021 area di Jawa Barat.
Hasil visualisasi Cloud masking dalam 1 Scene Citra Satelit Sentinel-2A
dengan komposit true color pada waktu perekaman tahun 2021.

Berikut hasil visualisasi Cloud masking dalam 1 Scene Citra Satelit Sentinel-
2A dengan komposit band 12-11-4 (Urban)
 Berikut hasil visualisasi Cloud masking dalam 1 Scene Citra Satelit Sentinel-
2A dengan komposit band 8-4-3 (Vegetation)

G. Sumber Pustaka

Armani, M., Ahmadi, S., Ghorbanian, A., Kakooei, M., & dkk. (2020). Google Earth
Engine Cloud Computing Platform for Remote Sensing Big Data Aplications:
A Comprehensive Review. IEEE JOURNAL OF SELECTED TOPICS IN
APLIED EARTH OBSERVATION AND REMOTE SENSING, 5326-5350.