LAPORAN

PRAKTIKUM TEKNOLOGI INFORMASI

Aplikasi ERMapper dalam pengolahan Data Citra

Disusun guna memenuhi tugas mata kuliah Teknologi Informasi
(TPW 21221)

Dosen Koordinator :
Sri Rahayu, S.Si., M.Si.
Anang Wahyu Sejati, ST, MT,












Disusun oleh :
Yohana Putri Christina Panjaitan
21040117130085
Kelas B










DEPARTEMEN PERENCANAAN WILAYAH DAN KOTA
FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO
SEMARANG
2017
1. Pendahuluan
1.1. Latar Belakang
ER Mapper merupakan salah satu software (perangkat lunak) yang
digunakan untuk mengolah data citra. Beberapa perangkat lunak serupa
yang juga memiliki fungsi yang sama antara lain ERDAS Imagine, PCL,
dan lain-lain. Semua software memiliki keunggulan dan kekurangan
dalam sistem pengerjaan dan hasilnya. ER Mapper mudah dipelajari dan
proses penyimpaan data yang lebih cepat dan sederhana dianding
software lain. Software ini lebih banyak dipilih dan diminati pengolah
citra satelit. ER Mapper dapat dijalankan pada workstation dengan
sistem operasi UNIX dan computer PCs (Personal Computers) dengan
sistem operasi Windows 95 ke atas dan Windows NT.
Pengolahan data citra merupakan suatu cara memanipulasi data
citra atau mengolah suatu data citra menjadi suatu keluaran (output)
yang sesuai dengan yang kita harapkan. Tujuan dari pengolahan citra
sendiri adalah mempertajam data geografis dalam bentuk digital
menjadi suatu tampilan yang lebih berarti bagi pengguna. Pengolahan
citra dapat memberikan informasi kuantitatif suatu objek serta dapat
memecahkan masalah.
Dalam bidang perencanaan wilayah dan kota , ER Mapper memiliki
keunggulan yaitu hasil interpretasi dapat digunakan untuk memetakan
daerah yang sangat luas dengan cepat karena pemetaan manual
biasanya hanya digunakan untuk memetakan daerah sempit. Software
ini juga memiliki keunggulan karena lebih sederhana, tools yang dimiliki
juga tidak terlalu banyak serta cakupan luas karena tidak terlalu spesifik
dan compatible dengan bidang perencaan wilayah dan kota.

1.2. Tujuan
Tujuan dari laporan ini adalah:
1) Memahami aplikasi ER Mapper
2) Dapat membuat analisis koreksi geometric dan koreksi
radiometric dalam ER Mapper.
3) Dapat menerapkan software ER Mapper dengan ilmu
terapan Teknik Perencanaan Wilayah dan Kota.

1.3. Landasan Teori
1.3.1. Penginderaan jauh

Penginderaan Jauh adalah ilmu dan seni untuk memperoleh

informasi tentang obyek, daerah, atau gejala dengan jalan
menganalisis data yang diperoleh dengan menggunakan alat tanpa
kontak langsung terhadap obyek, daerah, ataugejala yang dikaji
(Lillesand and Kiefer, 1979). Menurut Lindgren, Penginderaan jauh
 ialah berbagai teknik yang dikembangkan untuk perolehan
dananalisis informasi tentang bumi. Informasi tersebut khusus
berbentuk radiasi elektromagnetik yang dipantulkan atau
dipancarkan dari permukaan bumi. Penginderaan jauh yaitu suatu
pengukuran atau perolehan data pada objek di permukaan bumi dari
satelit atau instrumen lain di atas atau jauh dari objek yang diindera.
Penginderaan Jauh yaitu penggunaan sensor radiasi elektromagnetik
untuk merekam gambar lingkungan bumi yang
dapatdiinterpretasikan sehingga menghasilkan informasi yang
berguna.
Data penginderaan jauh diperoleh dari suatu satelit, pesawat
udara balon udara atau wahana lainnya. Data-data tersebut berasal
rekaman sensor yangmemiliki karakteristik berbeda-beda pada
masing-masing tingkat ketinggian yangakhirnya menentukan
perbedaan dari data penginderaan jauh yang di hasilkan. (Richard
dan Jia, 2006). Penginderaan jauh sangat tergantung dari energi
gelombang elektromagnetik. Gelombang elektromagnetik dapat
berasal dari banyak hal, akan tetapi gelombang elektromagnetik
yang terpenting pada penginderaan jauh adalah sinar matahari.
Banyak sensor menggunakan energi pantulan sinar matahari sebagai
sumber gelombang elektromagnetik, akan tetapi ada beberapa
sensor penginderaan jauh yang menggunakan energi yang
dipancarkan oleh bumi dan yang dipancarkan oleh sensor itu sendiri.
Sensor yang memanfaatkan energi dari pantulan cahaya
matahari atau energi bumi dinamakan sensor pasif, sedangkan yang
memanfaatkan energi dari sensor itu sendiri dinamakan sensor aktif.
Analisa data penginderaan jauh memerlukan data rujukan seperti
peta tematik, data statistik dan data lapangan. Hasil nalisa yang
diperoleh berupa informasi mengenai bentang lahan, jenis penutup
lahan, kondisi lokasi dan kondisi sumber daya lokasi. Informasi
tersebut bagi para pengguna dapat dimanfaatkan untuk membantu
dalam proses pengambilan keputusan dalam mengembangkan
daerah tersebut. Keseluruhan proses mulai dari pengambilan data,
analisis data hingga penggunaan data tersebut disebut Sistem
Penginderaan Jauh (Purwadhi, 2001).

1.3.2. Pengolahan Citra

Pengolahan data citra merupakan suatu cara memanipulasi data

citra atau mengolah suatu data citra menjadi suatu keluaran (output)
yang sesuai dengan yang kita harapkan. Adapun cara pengolahan
data citra itu sendiri melalui beberapa tahapan, sampai menjadi satu
keluaran yang diharapkan. Tujuan dari pengolahan citra adalah
mempertajam data geografis dalam bentuk digital menjadi suatu
 tampilan yang lebih berarti bagi pengguna, dapat memberikan
informasi kuantitatif suatu obyek, serta dapat memecahkan masalah.
Pengolahan data citra dimulai pada tahun 1960-an untuk
memproses citra dari satelit yang mengelilingi bumi. Pengolahan
data citra dibuat dalam bentuk `disk to disk` dimana kita harus
menuliskan spesifikasi file yang akan diolah, kemudian memilih tipe
pemrosesan yang akan digunakan, kemudian menunggu komputer
mengolah data tersebut serta menuliskan hasilnya ke dalam file
baru. Jadi, sampai final file terbentuk, baru kita dapat melihat hasil
yang diharapkan, tetapi bila hasilnya jauh dari yang kita harapkan,
maka kita harus megulangnya dari awal kembali. Sampai tahun
1980-an proses tersebut masih digunakan oleh beberapa produk
pengolahan data citra.
Citra adalah gambar dua dimensi yang dihasilkan dari gambar
analog duadimensi yang kontinu menjadi gambar diskrit melalui
proses sampling. Citra digital dapat didefinisikan sebagai fungsi dua
variabel, f(x,y), dimana x dan y adalah koordinat spasial sedangkan
nilai f(x,y) adalah intensitas citra padakoordinat tersebut. Teknologi
dasar untuk menciptakan dan menampilkan
warna pada citra digital berdasarkan pada penelitian bahwa sebuah
warna merupakankombinasi dari tiga warna dasar, yaitu merah,
hijau, dan biru (Red, Green, Blue - RGB).

Citra merupakan gambaran dua dimensional yang

menggambarkan bagian dari permukaan bumi, hasil dari perekaman
sensor atas pantulan atau pancaran spektral objek yang disimpan
pada media tertentu. (Danoedoro, 2001). Klasifikasi citra dapat
dilakukan secara manual (visual) maupun secara digital. Klasifikasi
secara manual dilakukan dengan bertumpu pada
kenampakan pada citra, seperti misalnya rona atau warna, bentuk, u
kuran, tinggi atau bayangan, tekstur, pola, letak atau situs dan
asosiasi dengan obyek lainnya. Data visual dibedakan lebih jauh atas
data citra dan data noncitra. Data citra berupa gambaran yang mirip
wujud aslinya atau paling tidak berupa gambaran planimetrik. Data
noncitra pada umumnya berupa garis atau grafik. Sebagai contoh
data noncitra adalah grafik yang mencerminkan beda suhu
yangdirekam disepanjang daerah penginderaan.

1.3.3. ER Mapper
ER Mapper adalah salah perangkat lunak (software) yang
digunakan untuk mengolah data citra atau satelit. Masih banyak
perangkat lunak yang lain yang juga dapat digunakan untuk
mengolah data citra, diantaranya adalah Idrisi, Erdas
Imagine, PCI dan lain-lain. Masing-masing perangkat lunak
mempunyai keunggulan dan kelebihannya sendiri. ER Mapper dapat
dijalankan pada workstationdengan sistem operasi UNIX dan
komputer PCs (Personal Computers) dengan sistem
operasi Windows 95/98 dan Windows NT.
ER Mapper mengembangkan metode pengolahan citra terbaru
dengan pendekatan interaktif, dimana kita dapat langsung melihat
hasil dari setiap perlakuan terhadap citra pada monitor komputer.
ER Mapper memberikan kemudahan dalam pengolahan data
sehingga kita dapat mengkombinasikan berbagai operasi pengolahan
citra dan hasilnya dapat langsung terlihat tanpa menunggu
komputer menuliskannya menjadi file yang baru. Cara pengolahan
ini dalam ER Mapper disebut Algoritma.
Algoritma adalah rangkaian tahap demi tahap pemrosesan atau
perintah dalam ER Mapper yang digunakan untuk melakukan
transformasi data asli dari hard disk sampai proses atau instruksinya
selesai. Dengan algoritma, kita dapat melihat hasil yang kita kerjakan
di monitor, menyimpannya ke dalam media penyimpanan (hard disk,
dll), memanggil ulang, atau mengubahnya setiap saat. Oleh karena
algoritma hanya berisi rangkaian proses, maka file dari algoritma
ukurannya sangat kecil, hanya beberapa kilobyte sampai beberapa
megabyte, tergantung besarnya proses yang kita lakukan, sehingga
sangat menghemat ruang hard disk. Dan oleh karena file algoritma
berukuran kecil, maka proses penayangan citra menjadi relatif cepat.
Hal ini membuat waktu pengolahan menjadi lebih cepat. Konsep
algoritma ini adalah salah satu keunggulan ER Mapper. Selain itu,
beberapa kekhususan lain yang dimiliki ER Mapper adalah :
1. Didukung dengan 130 format pengimpor data.
2. Didukung dengan 250 format pencetakan data keluaran.
3. Visualisasi tiga dimensi.
4. Adanya fasilitas Dynamic Links.

Penghubung dinamik (Dynamic Links) adalah fasilitas khusus
ER Mapper yang membuat pengguna dapat langsung menampilkan
data file eksternal pada citra tanpa perlu mengimportnya terlebih
dahulu. Data data yang dapat dihubungkan termasuk ke dalam
format file yang populer seperti ARC/INFO, Oracle, serta standar file
format seperti DXF, DON, dll. Selain kelebihan-kelebihan di atas, ER
Mapper memiliki keterbatasan yaitu :
1. Terbatasnya format Pengeksport data.
2. Data yang mampu ditanganinya adalah data 8 bit.

Menu utama ER Mapper muncul langsung setelah kita
membuka ER Mapper. Menu utama ini mempunyai dua komponen
utama yaitu menu bar dan tombol toolbar (toolbar buttons).


 Menu bar, tempat pilihan perintah yang akan digunakan pada
pengolahan citra, untuk memilih perintah pada menu bar, klik
nama pada menu bar, kemudian pilih perintah yang akan
dijalankan.
v Tombol toolbars, tempat menampilkan pilihan perintah umum
secara cepat, untuk menjalankan hanya klik pada tombol
perintah yang diinginkan.
v Tool tips, untuk mengetahui fungsi tombol tersebut, letakkan
pointer di atas tombol yang ingin diketahui, kemudian akan
muncul kalimat (tool tips) yang memberitahukan fungsi tombol
tersebut. Ada 14 toolbars yang dapat diaktifkan selain toolbar
standar (standard toolbars) dan toolbar fungsi umum (common
function toolbar). Semuanya dapat diaktifkan dan disembunyikan
dengan meng-klik toolbar menu pada menu bar. Untuk
mengaktifkan klik pada toolbar yang akan diaktifkan dan akan
muncul tanda centang yang akan menunjukkan bahwa menu
tersebut aktif.

Gambar 1: Toolbar ER Mapper
Sumber: www.google.com

Toolbar
ICON FUNGSI
New Untuk membuat window box
Open Untuk membuka file
Copy window Untuk mengkopi windows
Save Untuk menyimpan file atau data
Save as Untuk menyimpan data dalam format lain
Print Untuk mencetak data
Hand (roam) tool Untuk menggeser tampilan
Zoom tool Untuk memperbesar citra
Zoom box tool Untuk memperbesar citra dalam kotak
Pointer tool Untuk menunjukkan posisi pada tampilan
 ICON FUNGSI
Refresh Untuk menetralkan atau merefresh tampilan citra
99% Contrast enhacement Untuk penajaman kontras
Stop Menghentikan posisi yang sedang berlangsung


1.3.4. Konversi Format Data
Langkah pertama dalam pengolahan citra adalah konversi data
sehingga data tersebut dapat dibaca dan dikenali oleh software yang
digunakan. Konversi data adalah pengubahan satu format data ke
format lain, ini dapat dilakukan dengan cara melakukan
proses import maupun eksport data. Data yang di import maupun
di eksport ada dua jenis yaitu data raster dan data vektor. Sedangkan
penyimpanan data-data penginderaan jauh tersebut bisa disimpan
dalam tape magnetik, CD ROM, disket, zip drive, atau media
penyimpanan lainnya.
Data raster adalah salah satu jenis data masukan untuk pengolahan
data. Data raster meliputi data citra satelit, foto udara, digital terrain
model (DTM), data seismik dan data geofisika. Pada saat kita
mengimport sebuah file data raster citra (dengan menggunakan
program pengimpor ER Mapper), ER Mapper mengkonversikan data

1.3.5. Komposit Band

Tabel 1. Karakteristik band Landsat 8
Band Spektral Panjang Resolusi Kegunaan dalam pemetaan
Gelombang Spasial
(µ) (meter)
Band 1 – Coastal Aerosol 0,43 – 0,45 30 Penelitian Coastal dan Aerosol
Band 2 – Blue 0,45 – 0,51 30 Bathymetric mapping, distinguishing soil
from vegetation and deciduous from
coniferous vegetation
Band 3 – Green 0,53 – 0,59 30 Emphasizes peak vegetation, which is
useful for assessing plant vigor
Band 4 – Red 0,64 – 0,67 30 Discriminates vegetation slopes
Band 5 – Near InfraRed 0,85 – 0,88 30 Emphasizes biomass content and
shorelines
Band 6 – Short Wavelength 1,57 – 165 30 Discriminates moisture content of soil and
InfraRed vegetation; penetrates thin clouds
Band 7 – Short Wavelength 2,11 – 2,29 30 Improved moisture content of soil and
InfraRed vegetation and thin cloud penetration
Band 8 – Panchromatic 0,50 – 0,68 15 15 meter resolution, sharper image
definition
Band 9 – Cirrus 1,36 – 1,38 30 Improved detection of cirrus cloud
contamination
Band 10 – Long Wavelength 10,60 – 11,19 100 100 meter resolution, thermal mapping
InfraRed and estimated soil moisture
Band 11 – Long Wavelength 11,50 – 12,51 100 100 meter resolution, Improved thermal
InfraRed mapping and estimated soil moisture
 Dari penjelasan Tabel 1 Karakteristik band Landsat 8, dapat dijelaskan
kombinasi band Landsat 8 untuk berbagai aplikasi atau penelitian dijelaskan
dalam Tabel 2. Penggunaan Kombinasi Band untuk Aplikasi atau Penelitian.

Tabel 2 Penggunaan Kombinasi Band untuk Aplikasi atau Penelitian.

Aplikasi Kombinasi Band

Natural Color 432

False Color (urban) 764
Color Infrared (vegetation) 543
Agriculture 652
Atmospheric Penetration 765
Healthy Vegetation 562
Land/Water 564
Natural With Atmospheric Removal 753
Shortwave Infrared 754
Vegetation Analysis 654

Penyusunan komposit warna diperlukan untuk mempermudah intrepretasi citra

inderaja. Susunan komposit warna dari kanal citra inderaja minimal terdapat kanal
Inframerah dekat untuk mempertajam penampakan unsur vegetasi. Pemilihan kanal
untuk proses komposit dilakukan dengan menggunakan metode Optimum Index
Factor (OIF). OIF digunakan untuk menentukan kombinasi tiga kanal terbaik untuk
menggambarkan informasi tertentu.

2. Data
N Gambar Nama File Eksistensi file Keterangan
O
1. Natural Natural.jpg Komposit
color band yang
digunakan
(KOMPOSI untuk
T BAND NO
menghasilka
1)
n band ini
adalah 4-3-2
2. Color Colorinfrared.jpg Komposit
InfraRed band yang
digunakan
(KOMPOSI untuk
T BAND NO
menghasilka
3)
n band ini
adalah 5-4-3
3. Agriculture Agriculture.jpg Komposit
band yang
(KOMPOSI digunakan
T BAND NO untuk
4)
menghasilka
n band ini
adalah 6-5-2
4. Vegetation Vegetationanalysis.jp Komposit
Analysis g band yang
digunakan
(KOMPOSI untuk
T BAND NO
menghasilka
10)
n band ini
adalah 6-5-4
5. Land Sat ERFIX.ers Land sat ini
yang akan digunakan
dikelola sebagai
pedoman
untuk
melakukan
koreksi
geometric

6. Landsat Google Earth image Landsat ini

yang akan digunakan
dikekola sebagai
patokan
dalam
emnentukan
titik
koordinat
agar lebih
valid
7. Koordinat Koordinat.ers Koordinat I
yang ada ni adalah
didalam koordinat
landsat valid yang
bias dilihat
dengan titik
rms adalah
0,00 yang
didapat dari
Google Earth
dan ER
Mapper
 8. Komposit Kompositband.jpg Komposit
band Sumber: band ini
www.google.com adalah
komposit
band yang
dijadikan
pedoman
untuk
memberikan
warna pada
landsat.

3. Hasil dan Pembahasan
Penjelasan Output pertama : Proses Input Data

• Pada tahap ini dilakukan proses input data dengan cara Import File.
Device Name
• Data Raster adalah tipe data yang menjadi bahan utama kegiatan
pengelolahan citra dan lapran praktikum ini. Data Raster adalah
citra digital yang dibentuk dari elemen-elemen gambar (pixel) dan
dinyatakan dalam tingkat keabuan.
• Toolbar yang digunakan pertama adalah Algorithm. Algorithm
berfungsi untuk menampilkan isi dari algorithm dari window atau
tampilan yang dibuat sebelumnya
• Bila data yang digunakan adalah data asli dari citra landsat harus
diubah ukuran cellsize menjadi 30 meters
• Maka proses Input data telah selesai dan menghasilkan citra land sat
yang akan kita kelola

 Penjelasan Output kedua: Mosaik Citra

• Pada tahap ini juga dilakukan tahap Duplicate layer yang
menghasilkan 10 layer dan masing- masing layer diganti menjadi
Band 1,2,3,4,5,6,7,9,10,11 yang disebut dengan mosaic citra.
• Mosaik citra adalah proses menggabungkan atau menempelkan dua
atau lebih citra yang tumpeng tindih (overlapping) sehingga
menghasilkan citra yang representative dan kontinyu.


Penjelasan Output ketiga: 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 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.
• Langkah yang dilakukan adalah klik kanan ® Zoom ® Algorythm ®
Refresh Image

Penjelasan Output keempat: Koreksi Geometrik
• Ketika akurasi area, arah dan pengukuran jarak dibutuhkan, citra
mentah harus selalu diproses untuk menghilangkan kesalahan
geometric dan merektifikasi citra kepada koordinat system bumi
yang sebenarnya.
• Sebuah ground control point (GCP) adalah sebuah titik di permukaan
bumi dimana antara koordinat citra diukur dalam baris dan kolom)
dan proyeksi peta (diukur dalam derajat latitude longitude, meter
atau feet) dapat diidentifikasi.
• Rektifikasi adalah proses menggunakan GCP untuk transformasi
geometri citra sehingga masing-masing pixel terkait dengan sebuah
posisi di sistem koordinat bumi sebenarnya (seperti
latitude/longitude atau easting/northing).
• ERMapper Rectification utilities biasanya sering digunakan untuk
melaksanakan empat jenis operasi yang berbeda.
ü Image to map rectification menggunakan polynomial (titik
kontrol) atau gcocoding linier untuk merektifikasi sebuah citra
ke dalam sebuah datum dan proyeksi peta menggunakan GCP
ü Image to image rectification menggunakan polynomial (titik
kontrol) atau geocoding linier untuk merektifikasi satu citra ke
citra yang lainnya menggunakan GCP
ü Map to map transformation, mentranformasikan sebuah citra
yang sudah direktifikasi dari satu datum/proyeksi peta ke
datum/proyeksi peta lainnya.
ü Image rotation, merotasikan sebuah citra kedalam beberapa
derajat
• Prosedur Koreksi Geometrik Dalam laporan ini, penulis akan
menggunakan Geocoding Wizard untuk melaksanakan rektifikasi
citra.
• Dalam proses koreksi Geometrik ada beberapa langkah yang
dilakukan yaitu:
1. Start
è Dalam tahap ini dilakukan proses input data kembali,
memastikan ukuran pixel 30x30
2. Polynomial SetUp
 è Dalam tahap ini dilakukan proses pengubahan
Polynomial order menjadi linear
3. GCP SetUp
è Dalam tahap ini dilakukan proses pengubahan yaitu:
§ Datum : WGS84
§ UTM : SUTM49
§ Coordinate system type : Eastings/Northings
4. GCP Edit
è Dalam tahap ini dilakukan proses penyesuaian koordinat
pada ER Mapper dengan koordinat lokasi sebenarnya
yang menggunakan aplikasi Google Earth.
è Setelah Eastings dan Northings terisi dengan koordinat
yang benar maka langkah yang harus dilakukan adalah
RMS
è RMS dianjurkan agar sampai pada hasil 0,00 yakni
memastikan lebih akuratnya data mengenai
koordinatnya.
è Penulis membuat RMS sampai pada titik 0,00
5. Rektifikasi
è Dalam koreksi geometric, proses rektifikasi (Rectify)
merupakan langkah terakhir
è Hasil dari langkah ini merupakan kesimpulan dari semua
langkah yang sudah dilakukan baik dari proses input
data kemudian proses koreksi radiometric dan pros
koreksi geometric.

Penjelasan Output keempat: Kombinasi Band

• Kombinasi band disebut dengan citra komposit karena dalam
prosesnya akan dilakukan penggabungan 3 kanal (band) untuk
mendapatkan warna merah (red), hijau (green) dan biru (blue).
 • Kombinasi 4-3-2:

è Kombinasi ini merupakan kombinasi true color
composite atau warna permukaan bumi (natural color)
è NATURAL COLOR (Digunakan untuk analisis vegetasi.
Kombinasi ini digunakan untuk melihat kerapatan, beda
tinggi, dan dominasi vegetasi)
è Pada komposit band ini, vegetasi ditunjukan dengan
warna hijau atau bisa dikatakan dengan warna tampak
jika dilihat dengan mata
è Pada komposit band ini, kenampakan objek garis berupa
jalan dapat dilihat walaupun tidak terlalu spesifik dan
tersamarkan
• Kombinasi 5-4-3:

è Kombinasi ini digunakan untuk melihat biomass,
kerapatan, dan dominasi vegetasi. Kombinasi ini efektif
untuk analisis vegetasi kehutanan atau pertanian skala besar
è Pada kombinasi color infrared ditunjukkan daerah yang
bervegetasi dengan warna kemerahan.
è Kombinasi Color Infra Red (Vegetation) memberikan
pengguna banyak informasi dan kontras warna
è Warna merah semu dan hijau semu yang terlihat pada
objek-objek vegetasi terjadi karena vegetasi lebih kuat
 memantulkan gelombang elektromagnetik pada panjang
gelombang inframerah dekat (near infrared), dan oleh
karena itu warna vegetasi menjadi berwarna merah
semu pada data citra satelit dengan kombinasi band RGB
543.
è Kombinasi band ini biasanya digunakan untuk analisis
vegetasi. Merah yang intens mewakili tanaman tumbuh
yang kuat yang menghasilkan banyak klorofil, sementara
nuansa merah yang lebih ringan masih vegetasi, tapi
mungkin juga tanaman / pohon dewasa atau tanaman
yang tidak sehat dan sehat.

• Kombinasi 6-5-2:

è Dengan kombinasi ini terlihat jelas garis pantai, biomass
(kerapatan vegetasi) dan kelerengan tempat vegetasi hidup
è Pada citra kombinasi agriculture ditunjukkan warna
tumbuh-tumbuhan dengan jelas yaitu dengan warna
kehijauan.
è Dalam gambar, hijau terang mewakili vegetasi yang kuat
dan sehat sementara tanaman non-tanaman, seperti pohon
dewasa, tampak hijau kusam.
è Kombinasi ini dinamakan Kombinasi Band
Vegetation














• Kombinasi 6-5-4:

è Kombinasi ini dikhususkan untuk analisis vegetasi,
sehingga sangat berguna untuk bidang kehutanan dan
pertanian. Analisis yang bisa dilakukan adalah analisis
kerapatan, dominasi vegetasi, luas tutupan lahan, sehingga
sangat bermanfaat bagi analisis inventarisasi SDA hutan.
è Kombinasi ini digunakan untuk menganalisis tumbuh-
tumbuhan.
è kombinasi ini akan memberikan banyak informasi dan
warna yang kontras. Vegetasi yang sehat akan berwarna
hijau cerah dan tanah berwarna lembayung muda
(mauve). Kombinasi ini sangat berguna dalam studi
vegetasi dan pertanian serta digunakan secara luas
dalam pengelolaan areal kayu dan serangan hama.
è Kombinasi ini dinamakan Kombinasi Band Vegetation
Analysis













4. Kesimpulan
Berdasarkan praktikum komposit citra dapat disimpulkan bahwa
komposit citra bertujuan untuk memperoleh gambaran visual yang lebih
baik. Dan dengan penggabungan citra akan terdapat perbedaan citra
komposit dapat terlihat dari adanya warna yang berbeda dari tiap komposit.
Hal tersebut dapat memudahkan dalam proses pengidentifikasian suatu
objek dalam citra satelit.
Citra yang telah terkomposit memiliki warna masing-masing. Citra
Kompositsendiri bertujuan untuk memperoleh gambaran visual yang lebih b
aik. Sehingga pengamatan objek, pemilihan sampel, dan aspek estetika citra
di perbaiki. Dengan melakukan citra komposit atau menggabungkan/mengk
ompositkan saluran-saluran citra satelit akan terdapat perbedaan
citra komposit dapat terlihat dari adanya warna yang berbeda pula dari
masing-masing komposit. Hal tersebut akan lebih mudah dalam proses
pengidentifikasian suatu objek dalam citra satelit tersebut. Karena pada
setiap saluran yang telah terkompositkan akan memiliki warna masing-
masing

5. Daftar Pustaka
Anonim. 2012. ER Mapper. dalam www.oocities.org. diakses pada 20 november
yoh2017.

Malik,Abdul. 2016. Pengolahan citra dengan ER Mapper. dalam
yohwww.researchgate.net. Diakses pada 21 November 2017.

Saribu,Ridwan. 2008. Kontur Geografi. dalam www.konturgeo.co.id. diakses
pada yoh21 November 2017.

Lilesand, Thomas M., dan kiefer, Ralp W. 1990. Pengantar Penginderaan Jauh
yohDan Interpretasi Citra. Gadjah Mada University Press: Yogyakarta














6. Lampiran
6.1. Membuka software ER Mapper

6.2. Input data landsat yang akan diolah. Dengan cara pilih file pada menu
data ® Open

6.3. Langkah selanjutnya adalah
• Pilih Volume > Dimana data di save (gambar 1)
 • Pilih data “LC81200652015165LGNOO_B1.TIF (gambar 2)

1 2

6.4. Citra akan tampil seperti pada gambar di bawah. Lalu klik Edit Algorithm

pada toolbar ER Mapper.

6.5. Langkah selanjutnya dilakukan adalah:
• Klik jendela Algorithm
• Lakukan Duplikasi layer (Pseudo Layer) dengan cara menekan
icon Duplicate sebanyak band yang akan kita gunakan.
(gambar2)
• Maka akan muncul banyak layer seperti yang kita mau (gambar
3)
• Ubah nama File data dan Sumber data (Gambar 4)
• Pastikan data pada nama file dan sumber file sama lalu klik Ok
this layer only (Gambar 5)
• Simpan File dengan File® Save As. Simpan dengan eksistensi
.ERS lalu klik OK (Gambar 6)
• Proses File Saving dimulai (Gambar 7)
• File Band telah selesai di simpan (gamabr 8)

4
 5

6 7

6.6.

8
 6.7. Langkah selanjutnya yang dilakukan adalah
• Pada hasil Algoritm , refresh color image dengan cara Klik kanan
> pilih Algoritm (Gambar 1)
• Pilih salah satu layer > Kemudian klik icon refresh image
(Gambar2)
• Hasil refresh image menghasilkan gambar yang lebih contrast
(Gambar 3)
• Klik toolbars Process lalu pilih Geocoding Wizard (Gambar 4)
• Pada toolbar pertama yaitu Start > Polynomial (Gambar 5)
• Pada toolbar kedua yaitu Polynomial Setup > Linear (Gambar
6)
• Pada toolbar ketiga yaitu GCP SetUp (Gambar 7)
ü Datum : WGS84
ü Projection :SUTM49
ü Coord sysyem type : Eastings/Northings

1
2

4
3
 6
5

7
6.8. Langkah selanjutnya adalah
• Pada Tabel Geocoding Wizard letakan setiap point pada titik titik
yang kita inginkan (Gambar 1)
• Setelah dilakukan penitikan pada point yang kita inginkan maka
klik kanan > Pointer (Gambar 2)
• Untuk meningkatkan keakuratan data pada sistem koordinat
maka yang dilakukan adalah membuka aplikasi Google Earth
(Gambar 3)
• Setelah jendela Google Earth terbuka cari location di
semarang>Tools>Options (Gambar 4)
• Pointers titik koordinat agar koordinat pada Google Earth ssama
dengan ER Mapper danjuga dalam hal banyak titik koordinat.
(Gambar 5)
• Setelah mendapat kesesuaian titik koordinat pada Google Earth
dan ER Mapper maka pada pointers Google Earth maka kita akan
mendapat titik koordinat Easting dan Northings , lalu copy titik
itu dan paste di table ER Maper , lalu lakukan RMS (tingkat
kesalahan) sampai dengan 0,00 (Gambar 6)
• Langkah selanjutnya adalah Klik Toolbar Rectify (Gambar 7)
 • Pada Google Earth Option
ü Show Lat / Long : Universal Transverse Mercator
ü Units of meansurement : Meters, Kilometers
• Pilih Save File and Start Rectification > Save (Gambar 8)

1 2

4 3

5
 6 7

6.9. Membuat Band :

• Pada Layout Citra yang sudah di rektifikasi klik kanan >
Algorithm (Gambar 1)
• Pilih table RGB lalu pilih Load Data Set (Gambar 2)
• Pilih band yang diinginkan (Gambar 3)

3
6.10. Langkah akhir adalah
• Setelah Layout Peta sudah di beri band yang diinginkan sesuai
dengan ketentuan (Gambar 1)
• Klik File>Save As (Gambar 2)
• Pilih media penyimpanan yang diinginkan dan ekstensi file
berupa*.jpg (Gambar 3)

3
 6.11. Hasil laporan praktikum
1. Natural color ® Komposit Band 4-3-2
2. Color Infrared (Vegetation) ® Komposit Band 5-4-3
3. Agriculture ® Komposit Band 6-5-2
4. Vegetation Analysis ® Komposit Band 6-5-4