LAPORAN MINGGUAN
Acara II
“Cara Mendapatkan Citra Penginderaan Jauh’’
OLEH :
ZAGITHA MAHARANI
R1B121041
JURUSAN GEOGRAFI
FAKULTAS ILMU DAN TEKNOLOGI KEBUMIAN
UNIVERSITAS HALU OLEO
KENDARI
2022
BAB I
PENDAHULUAN
Penginderaan jauh atau inderaja (remote sensing) adalah seni dan ilmu untuk
mendapatkan informasi tentang obyek, area atau fenomena melalui analisa terhadap
data yang diperoleh dengan menggunakan alat tanpa kontak langsung dengan obyek,
daerah ataupun fenomena yang dikaji. Alat yang dimaksud dalam pengertian diatas
adalah alat pengindera atau sensor. Pada umumnya sensor dibawa oleh wahana baik
berupa pesawat, balon udara, satelit maupun jenis wahana yang lainnya.
sensor yang muncul, namun juga resolusi spasial pada citra tersebut. Dengan
semakin meningkatnya resolusi spasial pada citra, maka analisis tekstur semakin
memiliki peranan penting dalam menganalisis dan mengilah citra, klasifikasi citra,
dan interpretasi citra penginderaan jauh. Setiap citra digital yang dihasilkan oleh
setiap sensor pada citra memiliki sifat khas pada setiap datanya. Sifat khas tersebut
dihasilkan dari sifat orbit satelit, sifat dan kepekaan sensor penginderaan jauh
Citra yang dihasilkan oleh penginderaan jauh ini dapat diaplikasikan untuk
penginderaan jauh saat ini yang sudah banyak digunakan untuk menganalisis. Hal ini
dikarenakan, kemampuan citra saat ini yang memiliki banyak keuntungan seperti
memiliki resolusi temporal yang baik dan dapat digunakan untuk cakupan wilayah
yang luas dalam waktu yang singkat. Terdapat banyak citra yang dapat digunakan
Banyaknya cara untuk memperoleh data citra yang dibutuhkan sebagai bahan
citra, sekarang banyaknya akses untuk mendapatkan citra secara gratis seperti
peroleh citra menggunakan software SAS Planet dan peroleh citra melalui situs
USGS.
1. Manfaat Praktis
dipelajari dalam beberapa waktu. Bagi mahasiswa Fakultas Ilmu dan Teknologi
penginderaan jauh yang dapat mendownload pada berbagai situs USGS dan SAS
Kendari Barat.
4. USGS
5. SAS planet
BAB II
TINJAUAN PUSTAKA
dalam pengumpulan data kelautan secara efektif dan efisien. Penggunaan teknik
penginderaan jauh dalam analisis suatu kawasan merupakan cara yang mudah dan
efisien dalam hal biaya dan tenaga. Saat ini telah banyak sensor satelit inderaja yang
memiliki kemampuan baik untuk mendeteksi berbagai fitur pada ekosistem perairan
dibaca secara visual dan berisi nilai-nilai kualitatif. Metode penginderaan jauh
setidaknya oleh tiga hal, yaitu eksplorasi ke alam materi, melakukan pengamatan
dan bersifat mampu menguji diri sendiri (self testing). Baik sebagai sains tersendiri
maupun sebagai sub-disiplin dalam geografi, penginderaan jauh telah menunjukkan
bahwa dirinya mempunyai kemampuan untuk menguji diri sendiri, sehingga setiap
kali penelitian penginderaan jauh selalu mampu memberikan hasil yang dapat
dipakai sebagai umpan balik dalam menilai proses penyusunan pengetahuan maupun
diri sendiri itu adalah mekanisme validasi atau menguji akurasi (Danoedoro, 2018)
Komponen dasar pada suatu sistem penginderaan jauh terdiri dari target,
sumber energi, alur transmisi, dan sensor. Komponen-komponen dasar ini bekerja
sama untuk mengukur dan mencatat informasi mengenai target tanpa menyentuh
pada target mutlak sangat diperlukan. Energi yang berinteraksi dengan target dapat
berfungsi sebagai media untuk meneruskan informasi dari target kepada sensor yang
ada. Sensor ini merupakan suatu alat yang dapat mengumpulkan dan mencatat
menghasilkan data spasial terkait obyek tanah terlantar, luasan, penggunaan tanah
didukung dengan peta kemampuan tanah serta kesesuaian tanah yang tersedia pada
untuk reforma agraria. Hingga saat ini, data-data secara spasial terkait tanah terlantar
dan data-data penunjang ini belum cukup lengkap disajikan oleh Kementerian
Citra satelit merupakan salah satu sumber data yang dapat digunakan dalam
pertama kali dipelopori oleh NASA. Menurut Lembaga Penerbangan dan Antariksa
Nasional (LAPAN), citra satelit yang direkam melalui sensor satelit pada dasarnya
masih mempunyai kesalahan yang diakibatkan oleh kesalahan sistematik dan non-
Beberapa tahap yang dilakukan dalam pengolahan citra antara lain Pre-
Pemotongan citra dilakukan karena citra awal yang diperoleh memiliki cakupan
area yang terlalu luas. Proses ini bertujuan agar pengolahan data menjadi lebih
mudah, efisien dan lebih efisien seiring dengan semakin kecilnya cakupan area
pada citra baru. Umumnya, saat memproses citra, tidak semua atau tidak seluruh
scene digunakan. Oleh karena itu, pemotongan dilakukan untuk mendapatkan area
Citra satelit memiliki sifat resolusi tinggi dan multispektral, citra Satelit
nasional, perencanaan kota dan lain-lain. Kemungkinan akuisisi data berkala citra
Satelit yang beragam antara citra satelit hiperspektral dan resolusi tinggi menjadikan
citra satelit sumber daya penting untuk pencatatan tanah nasional. Ketersediaan citra
dipasang pada wahana satelit ruang angkasa dengan ketinggian lebih dari 400 km
dari permukaan bumi. Fungsi citra satelit berdasarkan tingkat resolusi sapasial
kemampuan sensor dalam merekam obyek terkecil pada tiap pikselnya ini disebut
dengan resolusi spasial. Tingkat resolusi spasial citra satelit ini dipengaruhi oleh
kemampuan sensor dalam merekam objek yang terkecil. Seringkali citra satelit
derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring), dan
visualisasi yang lebih baik. Banyak teknik atau metode yang digunakan dalam
Citra satelit resolusi tinggi sebagai dasar pembaruan atau pembuatan peta
skala besar sudah sering dilakukan. Citra tegak adalah citra yang telah terbebas
kesalahan distorsi karena kemiringan sensor pada saat akuisisi data, distorsi lensa
sensor, distorsi karena adanya pergeseran relief dan telah memiliki karakteristik
Landsat 8 adalah sebuah satelit observasi bumi Amerika yang terdiri dari dua
(TIRS). Kedua sensor ini memberikan cakupan musiman dari daratan global pada
resolusi spasial 30 meter (visible, NIR, SWIR); 100 meter (termal); dan 15
berhasil mencapai orbit. Awalnya disebut Landsat Data Continuity Mission (LDCM)
yang merupakan project gabungan antara NASA dan Geological Survey Amerika
Serikat (USGS) beserta NASA Goddard Space Flight Center. Sebagian besar kanal
memiliki spesifikasi mirip dengan Landsat-7. Untuk Sensor OLI yang dibuat oleh
Ball Aerospace, terdapat 2 band yang baru terdapat pada satelit Program Landsat
Cirrus Band (1.360–1.390) µm. Sedangkan 7 band lainnya adalah band yang
Sensor TIRS yang dibuat oleh NASA, ada dua band pada region thermal dengan
dan Thermal Infrared Sensor (TIRS) yang memiliki resolusi spasial 30 m dan
panchromatic 15 m. Kelebihan dari Landsat 8 adalah adanya kanal Near Infra Red
lokasi vegetasi. Pemanfaatan citra satelit yang mempunyai resolusi spasial yang
Landsat 8 OLI-TIRS memiliki 11 band yang terdiri dari band thermal dan
kelebihan dari citra sebelumnya. Salah satu kelebihan yang dimiliki oleh
(Nurhayati, 2022).
spasial 100 meter, meskipun sensornya mampu merekam dengan resolusi 30 meter.
Informasi temperatur yang terekam oleh citra satelit berupa digital number, sehingga
tanggal 23 Juni 2015, sebagai bagian dari program Copernicus Badan Antariksa
Eropa. Saat ini Sentinel-2 merupakan salah satu satelit yang digunakan untuk
menghasilkan citra satelit penutup lahan muka bumi (land cover). Sentinel-2
dari instrumen MSI (Multispectral Imager). Band (pita) dalam citra satelit
merupakan kumpulan panjang gelombang atau frekuensi bagi kanal atau saluran
cahaya. Sentinel-2 memiliki resolusi spasial 10 meter (untuk pita merah, biru,
band dengan resolusi 20 m dan 3 band lainnya dengan resolusi 60 m. Sedangkan luas
sapuan dari satelit Sentinel-2A adalah 290 km (European Space Agency, 2015 dalam
Herdikusuma, 2022).
mendeteksi perubahan lahan yang terjadi dalam kurun waktu yang singkat dan
wilayah yang memiliki penggunaan lahan yang relatif homogen, namun kurang baik
dalam mendeteksi wilayah yang memiliki karakteristik wilayah heterogen dan tidak
memiliki pola lahan yang beragam karena terdapat pixel campuran, dimana dua jenis
tutupan lahan dapat masuk ke dalam satu pixel yang sama karena resolusi spasial
yang hanya 10x10 meter atau luasan yang terdeteksi per satu pixel sebesar 100m2
(Dimyati, 2022).
yang memiliki resolusi spasial dan spektral yang berbeda dengan resolusi temporal
yang lebih cepat, serta area yang tercakup secara global. Keberadaan Sentinel-2
interaksi dan proses yang ada di bumi menyiapkan strategi dalam menghadapi
2.5 USGS
Survey. Alamat yang dapat dikunjungi untuk mengunduh data citra satelit melalui
USGS adalah glovis.usgs.gov data citra satelit yang didapat dari USGS ini tidak
Obyek vegetasi dapat dibedakan menurut kadar klorofil dan kelembabannya terutama
dapat membedakan antara vegetasi darat yang memiliki rona cerah dengan mangrove
Atributnya yang berisi kumpulan jenis citra satelit didalamnya seperti Landsat,
Sentinel, SRTM dan lainnya. Data dari USGS ini dapat diakses secara gratis oleh
khayalak umum. Citra satelit USGS mempunyai komposisi band serta resolusi
spektral yang dapat dipilih, tetapi resolusi spasial USGS tergolong resolusi spasial
Salah satu portal yang menyedian akses data raster gratis untuk berbagai data
citra resolusi rendah menengah adalah USGS dalam hal ini Earth Explorer
Keberadaan situs ini sudah cukup lama, lebih dari 10 tahun dan telah banyak
dimanfaatkan oleh para pengguna SIG dan penginderaan jauh di seluruh dunia. Data
citra yang populer diunduh dari situs-situs tersebut antara lain adalah citra Landsat,
Sentinel-2 dan SRTM. Namun di luar itu banyak juga jenis citra/data raster lain yang
bisa diunduh dari situs tersebut, termasuk foto udara untuk beberapa lokasi saja
(Sudarmono, 2020).
demikian juga tim operasi-operasi penerbangan. Misi USGS menyediakan jenis data
(citra) digital untuk keperluan seperti pemetaan, hidrologi, geologi, dan menganalisis
sumber daya mineral yang ada dipermukaan bumi. Selain dari data yang disediakan
oleh USGS itu sendiri, lembaga ini juga berkolaborasi dengan lembaga lain seperti
NASA untuk memperoleh data citra yang lainnya seperti landsat 8 OLI/TIRS, dan
SAS Planet adalah salah satu media peta digital yang bisa menjadi media
didalam pembelajaran Geografi. SAS Planet memilliki resolusi citra yang sangat
bagus sehingga dapat memberikan informasi yang detail sehingga jika digunakan
dalam pembelajaran Geografi sangat baik. Selain itu juga SAS Planet memilki
keunggulan dibandingkan dengan aplikasi citra perpetaan yang lain. SAS Planet
tersendiri yang dimiliki SAS Planet sehingga tidak butuh diinstal terlebih dahulu.
Keunggulan lain adalah ukuran aplikasi yang kecil sehingga tidak terlalu membebani
SAS Planet exe adalah program untuk menampilkan dan sekaligus dapat
dimanfaatkan untuk melakukan download image resolusi tinggi dari Google Maps,
Here dari Nokia, Kosmosnimki, Yandex.Maps, Yahoo! Maps, Bing Maps, Gurtam,
OpenStreetMap, eAtlas, Genshtab maps, iPhone maps, Navitel maps, dan lain
sebagainya. Dengan SAS Planet, dapat juga melakukan overlay antara dua service
pemetaan yang berbeda dalam satu tampilan. Misalnya, jika ingin melakukan
program SAS Planet dari service Google Maps, hasilnya cukup bagus, karena
pengguna dapat memilih kualitas image yang dihasilkan dengan memilih tingkat
zoom yang diinginkan dan disarankan untuk memilih zoom z19 atau z20 (Anonim,
2018).
Program SAS Planet adalah program ditujukan untuk mayoritas untuk melihat
dan mengunduh peta satelit dan memiliki resolusi tinggi yang diwakili oleh layanan
seperti Google maps dan Space Pictures, tetapi tidak seperti layanan ini, semua lalu
lintas diunduh. Selain itu, peta akan tetap ada di komputer, dan Anda dapat
dengan politik, dengan hak mereka sendiri, lanskap, peta gabungan, dan navigasi)
menghasilkan kualitas citra yang rendah. SAS Planet exe adalah sebuah software
open source untuk menampilkan dan men-download citra satelit resolusi tinggi dari
peta yang dikirimkan oleh layanan pemetaan seperti Google Maps, Bing Maps, dan
SAS Planet adalah software penampil gratis dan mengunduh citra satelit
Digital Globe, Kosmosnimki, Yandex.maps, Yahoo! dan lainnya. Selain melihat dan
mengunduh, program ini menerapkan fitur yang berguna bekerja dengan penerima
GPS, peletakan rute, pengukuran jarak tampilan file KML, dukungan untuk layanan
memungkinkan melihat area di peta yang sudah di-cache atau, sebaliknya. Serta
menyimpan sebagian peta menjadi satu gambar yang bisa dijadikan sebagai bahan
(https://earthexplorer.usgs.gov).
2. Pada geocoding method pilih path/row dan mengisi path dan row sesuai dengan
3. Pada data range memilih tanggal, bulan dan tahun liputan yang akan di ambil
sudah klik data set untuk melanjutkan pada pemilihan jenis citra
6. Selanjutnya memilih citra yang tutupan awannya sedikit untuk mencek tutupan
download options kemudian klik download citra yang memiliki ukuran terbesar.
2. Pada tab Operations klik Open kemudian memilih KML Kendari lalu klik Open
3. Selanjutnya mengatur tampilan file KML yang akan muncul pada citra SAS
Planet seperti nama dan icon jika ingin ditambhkan kemudian klik start lalu pilih
Yes maka tampilan file KML Kota Kendari akan muncul pada citra.
4. Pilih area untuk melakukan streaming citra secara otomatis dengan cara klik
kanan pada mouse pilih Selection Manager pada window manager pilih zoom 20
lalu klik start.
5. Secara otomatis citra akan melakukan streaming, untuk mengecek streaming
otomatis dengan cara klik Chaced tiles map lalu pilih z20 sesuai dengan nilai
zoom yang dipilih ssebelumnya.
6. Setelah streaming pada area yang dipilih selesai klik kanan mouse lalu pilih
Selection Manager lalu pilih tab stitch untuk mengatur output format berupa
JPEG, lokasi penyimanan dan zoom sesuaikan dengan nilai zoom sebelumnya.
Kemudian klik start maka citra akan terdownload secara otomatis.
BAB IV
METODOLOGI
Wilayah kajian praktikum yaitu Kecamatan Kendari barat dan Kabupaten Kolaka
Utara.
Teluk Kendari.
Pulau Sulawesi. Kabupaten Kolaka Utara memanjang dari utara ke selatan berada
berbatasan dengan Pantai Timur Teluk Bone dan sebelah Selatan berbatasan
Adapun alat yang digunakan pada praktikum kali ini adalah sebagai berikut.
Adapun bahan yang digunakan pada praktikum kali ini adalah sebagai
berikut.
aktif dari peneliti dan dikumpulkan melalui observasi, eksperimen serta media
media perantara atau secara tidak langsung yang berupa buku, catatan, bukti
yang telah ada, atau arsip baik yang dipublikasikan maupun yang tidak
data dengan cara berkunjung keperpustakaan, pusat kajian, pusat arsip atau
membaca banyak buku yang berhubungan dengan penelitiannya. Adapun data
sekunder yang digunakan berupa, citra satelit yang terdiri dari Citra Landsat 8 dari
terkait dengan judul praktikum yang akan dilaksanakan, kemudian menyiapkan alat
dan bahan yang akan digunakan dalam pelaksanaan praktikum dan mendengarkan
intruksi dari asisten dosen terkait prosedur praktikum yang akan dilakukan.
mengunaakan google schoolar berupa jurnal dengan syarat jurnal yang terbit pada 5
tahun terakhir. Adapun jurnal yang dicari terkait dengan Penginderaan Jauh, Citra
Praktikan dalam mengunduh citra dengan cara masuk terlebih dahulu pada
row pada tab geocoder sesuai dengan lokasi citra yang akan di ambil, mengatur
tanggal, bulan dan tahun serta mengatur persentasi cloud cover kemudian memasuki
data sets untuk memilih jenis citra yang dibutuhkan kemudian mendownload citra
dengan memperhatikan ketebalan tutupan awan dengan cara mengecek pada show
browse overlay.
4.5.4. Tahapan Mengunduh Citra Menggunakan Software SAS Planet
Praktikan dalam mengunduh citra dengan cara masuk terlebih dahulu pada
software SAS Planet kemudian memasukkan file KML administrasi kota Kendari
lalu memilih area tertentu untuk melakukan streaming citra secara otomatis dengan
cara masuk pada window selection manager mengatur nilai zoom dan melakukan
start untuk memulai streaming citra, setelah streaming citra otomatis selesai
selanjutnya download citra pada tab stitch dengan terlebih mengatur output format,
GROUP = L1_METADATA_FILE
GROUP = METADATA_FILE_INFO
ORIGIN = "Image courtesy of the U.S. Geological Survey"
REQUEST_ID = "P701595cwacgp_00006"
LANDSAT_SCENE_ID = "LC81130642021324LGN00"
LANDSAT_PRODUCT_ID=
"LC08_L1TP_113064_20211120_20211130_01_T1"
COLLECTION_NUMBER = 01
FILE_DATE = 2021-11-30T14:54:11Z
STATION_ID = "LGN"
PROCESSING_SOFTWARE_VERSION = "LPGS_13.1.0"
END_GROUP = METADATA_FILE_INFO
GROUP = PRODUCT_METADATA
DATA_TYPE = "L1TP"
COLLECTION_CATEGORY = "T1"
ELEVATION_SOURCE = "GLS2000"
OUTPUT_FORMAT = "GEOTIFF"
SPACECRAFT_ID = "LANDSAT_8"
SENSOR_ID = "OLI_TIRS"
WRS_PATH = 113
WRS_ROW = 64
NADIR_OFFNADIR = "NADIR"
TARGET_WRS_PATH = 113
TARGET_WRS_ROW = 64
DATE_ACQUIRED = 2021-11-20
SCENE_CENTER_TIME = "02:04:48.0317410Z"
CORNER_UL_LAT_PRODUCT = -4.73565
CORNER_UL_LON_PRODUCT = 120.13458
CORNER_UR_LAT_PRODUCT = -4.74111
CORNER_UR_LON_PRODUCT = 122.18395
CORNER_LL_LAT_PRODUCT = -6.83085
CORNER_LL_LON_PRODUCT = 120.12401
CORNER_LR_LAT_PRODUCT = -6.83875
CORNER_LR_LON_PRODUCT = 122.18094
CORNER_UL_PROJECTION_X_PRODUCT = 182100.000
CORNER_UL_PROJECTION_Y_PRODUCT = -524100.000
CORNER_UR_PROJECTION_X_PRODUCT = 409500.000
CORNER_UR_PROJECTION_Y_PRODUCT = -524100.000
CORNER_LL_PROJECTION_X_PRODUCT = 182100.000
CORNER_LL_PROJECTION_Y_PRODUCT = -756000.000
CORNER_LR_PROJECTION_X_PRODUCT = 409500.000
CORNER_LR_PROJECTION_Y_PRODUCT = -756000.000
PANCHROMATIC_LINES = 15461
PANCHROMATIC_SAMPLES = 15161
REFLECTIVE_LINES = 7731
REFLECTIVE_SAMPLES = 7581
THERMAL_LINES = 7731
THERMAL_SAMPLES = 7581
FILE_NAME_BAND_1=
"LC08_L1TP_113064_20211120_20211130_01_T1_B1.TIF"
FILE_NAME_BAND_2=
"LC08_L1TP_113064_20211120_20211130_01_T1_B2.TIF"
FILE_NAME_BAND_3=
"LC08_L1TP_113064_20211120_20211130_01_T1_B3.TIF"
FILE_NAME_BAND_4=
"LC08_L1TP_113064_20211120_20211130_01_T1_B4.TIF"
FILE_NAME_BAND_5=
"LC08_L1TP_113064_20211120_20211130_01_T1_B5.TIF"
FILE_NAME_BAND_6=
"LC08_L1TP_113064_20211120_20211130_01_T1_B6.TIF"
FILE_NAME_BAND_7=
"LC08_L1TP_113064_20211120_20211130_01_T1_B7.TIF"
FILE_NAME_BAND_8=
"LC08_L1TP_113064_20211120_20211130_01_T1_B8.TIF"
FILE_NAME_BAND_9=
"LC08_L1TP_113064_20211120_20211130_01_T1_B9.TIF"
FILE_NAME_BAND_10=
"LC08_L1TP_113064_20211120_20211130_01_T1_B10.TIF"
FILE_NAME_BAND_11=
"LC08_L1TP_113064_20211120_20211130_01_T1_B11.TIF"
FILE_NAME_BAND_QUALITY=
"LC08_L1TP_113064_20211120_20211130_01_T1_BQA.TIF"
ANGLE_COEFFICIENT_FILE_NAME=
"LC08_L1TP_113064_20211120_20211130_01_T1_ANG.txt"
METADATA_FILE_NAME=
"LC08_L1TP_113064_20211120_20211130_01_T1_MTL.txt"
CPF_NAME = "LC08CPF_20211101_20211231_01.02"
BPF_NAME_OLI = "LO8BPF20211120014415_20211120032308.01"
BPF_NAME_TIRS = "LT8BPF20211119222326_20211127010939.01"
RLUT_FILE_NAME = "LC08RLUT_20150303_20431231_01_12.h5"
END_GROUP = PRODUCT_METADATA
GROUP = IMAGE_ATTRIBUTES
CLOUD_COVER = 14.07
CLOUD_COVER_LAND = 23.07
IMAGE_QUALITY_OLI = 9
IMAGE_QUALITY_TIRS = 9
TIRS_SSM_MODEL = "FINAL"
TIRS_SSM_POSITION_STATUS = "ESTIMATED"
TIRS_STRAY_LIGHT_CORRECTION_SOURCE = "TIRS"
ROLL_ANGLE = -0.001
SUN_AZIMUTH = 122.98004313
SUN_ELEVATION = 62.80413302
EARTH_SUN_DISTANCE = 0.9881106
SATURATION_BAND_1 = "N"
SATURATION_BAND_2 = "N"
SATURATION_BAND_3 = "N"
SATURATION_BAND_4 = "Y"
SATURATION_BAND_5 = "Y"
SATURATION_BAND_6 = "N"
SATURATION_BAND_7 = "N"
SATURATION_BAND_8 = "N"
SATURATION_BAND_9 = "N"
GROUND_CONTROL_POINTS_VERSION = 4
GROUND_CONTROL_POINTS_MODEL = 59
GEOMETRIC_RMSE_MODEL = 9.423
GEOMETRIC_RMSE_MODEL_Y = 6.452
GEOMETRIC_RMSE_MODEL_X = 6.868
TRUNCATION_OLI = "UPPER"
END_GROUP = IMAGE_ATTRIBUTES
GROUP = MIN_MAX_RADIANCE
RADIANCE_MAXIMUM_BAND_1 = 778.46362
RADIANCE_MINIMUM_BAND_1 = -64.28578
RADIANCE_MAXIMUM_BAND_2 = 797.15625
RADIANCE_MINIMUM_BAND_2 = -65.82942
RADIANCE_MAXIMUM_BAND_3 = 734.57263
RADIANCE_MINIMUM_BAND_3 = -60.66125
RADIANCE_MAXIMUM_BAND_4 = 619.43304
RADIANCE_MINIMUM_BAND_4 = -51.15298
RADIANCE_MAXIMUM_BAND_5 = 379.06213
RADIANCE_MINIMUM_BAND_5 = -31.30307
RADIANCE_MAXIMUM_BAND_6 = 94.26930
RADIANCE_MINIMUM_BAND_6 = -7.78479
RADIANCE_MAXIMUM_BAND_7 = 31.77380
RADIANCE_MINIMUM_BAND_7 = -2.62389
RADIANCE_MAXIMUM_BAND_8 = 701.02771
RADIANCE_MINIMUM_BAND_8 = -57.89110
RADIANCE_MAXIMUM_BAND_9 = 148.14607
RADIANCE_MINIMUM_BAND_9 = -12.23395
RADIANCE_MAXIMUM_BAND_10 = 22.00180
RADIANCE_MINIMUM_BAND_10 = 0.10033
RADIANCE_MAXIMUM_BAND_11 = 22.00180
RADIANCE_MINIMUM_BAND_11 = 0.10033
END_GROUP = MIN_MAX_RADIANCE
GROUP = MIN_MAX_REFLECTANCE
REFLECTANCE_MAXIMUM_BAND_1 = 1.210700
REFLECTANCE_MINIMUM_BAND_1 = -0.099980
REFLECTANCE_MAXIMUM_BAND_2 = 1.210700
REFLECTANCE_MINIMUM_BAND_2 = -0.099980
REFLECTANCE_MAXIMUM_BAND_3 = 1.210700
REFLECTANCE_MINIMUM_BAND_3 = -0.099980
REFLECTANCE_MAXIMUM_BAND_4 = 1.210700
REFLECTANCE_MINIMUM_BAND_4 = -0.099980
REFLECTANCE_MAXIMUM_BAND_5 = 1.210700
REFLECTANCE_MINIMUM_BAND_5 = -0.099980
REFLECTANCE_MAXIMUM_BAND_6 = 1.210700
REFLECTANCE_MINIMUM_BAND_6 = -0.099980
REFLECTANCE_MAXIMUM_BAND_7 = 1.210700
REFLECTANCE_MINIMUM_BAND_7 = -0.099980
REFLECTANCE_MAXIMUM_BAND_8 = 1.210700
REFLECTANCE_MINIMUM_BAND_8 = -0.099980
REFLECTANCE_MAXIMUM_BAND_9 = 1.210700
REFLECTANCE_MINIMUM_BAND_9 = -0.099980
END_GROUP = MIN_MAX_REFLECTANCE
GROUP = MIN_MAX_PIXEL_VALUE
QUANTIZE_CAL_MAX_BAND_1 = 65535
QUANTIZE_CAL_MIN_BAND_1 = 1
QUANTIZE_CAL_MAX_BAND_2 = 65535
QUANTIZE_CAL_MIN_BAND_2 = 1
QUANTIZE_CAL_MAX_BAND_3 = 65535
QUANTIZE_CAL_MIN_BAND_3 = 1
QUANTIZE_CAL_MAX_BAND_4 = 65535
QUANTIZE_CAL_MIN_BAND_4 = 1
QUANTIZE_CAL_MAX_BAND_5 = 65535
QUANTIZE_CAL_MIN_BAND_5 = 1
QUANTIZE_CAL_MAX_BAND_6 = 65535
QUANTIZE_CAL_MIN_BAND_6 = 1
QUANTIZE_CAL_MAX_BAND_7 = 65535
QUANTIZE_CAL_MIN_BAND_7 = 1
QUANTIZE_CAL_MAX_BAND_8 = 65535
QUANTIZE_CAL_MIN_BAND_8 = 1
QUANTIZE_CAL_MAX_BAND_9 = 65535
QUANTIZE_CAL_MIN_BAND_9 = 1
QUANTIZE_CAL_MAX_BAND_10 = 65535
QUANTIZE_CAL_MIN_BAND_10 = 1
QUANTIZE_CAL_MAX_BAND_11 = 65535
QUANTIZE_CAL_MIN_BAND_11 = 1
END_GROUP = MIN_MAX_PIXEL_VALUE
GROUP = RADIOMETRIC_RESCALING
RADIANCE_MULT_BAND_1 = 1.2860E-02
RADIANCE_MULT_BAND_2 = 1.3169E-02
RADIANCE_MULT_BAND_3 = 1.2135E-02
RADIANCE_MULT_BAND_4 = 1.0233E-02
RADIANCE_MULT_BAND_5 = 6.2619E-03
RADIANCE_MULT_BAND_6 = 1.5573E-03
RADIANCE_MULT_BAND_7 = 5.2488E-04
RADIANCE_MULT_BAND_8 = 1.1581E-02
RADIANCE_MULT_BAND_9 = 2.4473E-03
RADIANCE_MULT_BAND_10 = 3.3420E-04
RADIANCE_MULT_BAND_11 = 3.3420E-04
RADIANCE_ADD_BAND_1 = -64.29864
RADIANCE_ADD_BAND_2 = -65.84259
RADIANCE_ADD_BAND_3 = -60.67338
RADIANCE_ADD_BAND_4 = -51.16322
RADIANCE_ADD_BAND_5 = -31.30934
RADIANCE_ADD_BAND_6 = -7.78635
RADIANCE_ADD_BAND_7 = -2.62442
RADIANCE_ADD_BAND_8 = -57.90268
RADIANCE_ADD_BAND_9 = -12.23640
RADIANCE_ADD_BAND_10 = 0.10000
RADIANCE_ADD_BAND_11 = 0.10000
REFLECTANCE_MULT_BAND_1 = 2.0000E-05
REFLECTANCE_MULT_BAND_2 = 2.0000E-05
REFLECTANCE_MULT_BAND_3 = 2.0000E-05
REFLECTANCE_MULT_BAND_4 = 2.0000E-05
REFLECTANCE_MULT_BAND_5 = 2.0000E-05
REFLECTANCE_MULT_BAND_6 = 2.0000E-05
REFLECTANCE_MULT_BAND_7 = 2.0000E-05
REFLECTANCE_MULT_BAND_8 = 2.0000E-05
REFLECTANCE_MULT_BAND_9 = 2.0000E-05
REFLECTANCE_ADD_BAND_1 = -0.100000
REFLECTANCE_ADD_BAND_2 = -0.100000
REFLECTANCE_ADD_BAND_3 = -0.100000
REFLECTANCE_ADD_BAND_4 = -0.100000
REFLECTANCE_ADD_BAND_5 = -0.100000
REFLECTANCE_ADD_BAND_6 = -0.100000
REFLECTANCE_ADD_BAND_7 = -0.100000
REFLECTANCE_ADD_BAND_8 = -0.100000
REFLECTANCE_ADD_BAND_9 = -0.100000
END_GROUP = RADIOMETRIC_RESCALING
GROUP = TIRS_THERMAL_CONSTANTS
K1_CONSTANT_BAND_10 = 774.8853
K2_CONSTANT_BAND_10 = 1321.0789
K1_CONSTANT_BAND_11 = 480.8883
K2_CONSTANT_BAND_11 = 1201.1442
END_GROUP = TIRS_THERMAL_CONSTANTS
GROUP = PROJECTION_PARAMETERS
MAP_PROJECTION = "UTM"
DATUM = "WGS84"
ELLIPSOID = "WGS84"
UTM_ZONE = 51
GRID_CELL_SIZE_PANCHROMATIC = 15.00
GRID_CELL_SIZE_REFLECTIVE = 30.00
GRID_CELL_SIZE_THERMAL = 30.00
ORIENTATION = "NORTH_UP"
RESAMPLING_OPTION = "CUBIC_CONVOLUTION"
END_GROUP = PROJECTION_PARAMETERS
END_GROUP = L1_METADATA_FILE
END
5.2 SAS Planet Kecamatan Kendari Barat
6.1. USGS
Survey. Alamat yang dapat dikunjungi untuk mengunduh data citra satelit melalui
USGS adalah glovis.usgs.gov data citra satelit yang didapat dari USGS ini tidak
jauh praktikan menggunakan situs USGS untuk mendownload citra Landsat 8 dan
Sentinel 2A dengan memasukkan nilai path and row sesuai dengan lokasi yang
diambil citranya yaitu citra Kabupaten Kolaka Utara. Kabupaten Kolaka Utara terdiri
dari satu scene. Citra Landsat 8 ini direkam pada tanggal 01-01-2021 dengan path
yang merupakan file yang berisi metadata dari landsat 8 dan Sentinel 2A yang
terdiri dari 11 band dan sentinel 2A yang terdiri dari 3 band serta informasi terkait
SAS Planet adalah software penampil gratis dan mengunduh citra satelit
Digital Globe, Kosmosnimki, Yandex.maps, Yahoo! dan lainnya. Selain melihat dan
mengunduh, program ini menerapkan fitur yang berguna bekerja dengan penerima
GPS, peletakan rute, pengukuran jarak;tampilan file KML, dukungan untuk layanan
memungkinkan melihat area di peta yang sudah di-cache atau, sebaliknya. Serta
menyimpan sebagian peta menjadi satu gambar yang bisa dijadikan sebagai bahan
analisis.
Pengambilan citra pada software SAS planet berupa citra pada area
KML Kota Kendari dengan melakukan streaming terlebih dahulu agar kenampakan
citra lebih detail. Pada software SAS planet pengambilan data citra bisa dalam bentuk
7.1. Kesimpulan
sebagai berikut:
1. Tata cara mendapatkan citra penginderaan jauh ada 4 tahapan yaitu deteksi,
identifikasi, analisis, dan deduksi. Deteksi adalah kegiatan pengamatan awal dari
objek yang hendak dilakukan interpretasi citra. Objek yang dapat dideteksi dapat
berupa objek tampak dan objek tidak tampak. Objek tampak adalah seperti
lahan, permukiman, lereng, topografi, dan lain sebagainya. Objek tidak tampak
antara lain lempeng tektonik, lempeng vulkanik, dan lain sebagainya. Kegiatan
gambar menggunakan citra foto atau citra non foto. Pada tahap identifikasi
objek tersebut harus didasarkan pada ciri spectra, spasial, dan temporal. Tahap
identifikasi. Dimana khusus pada tahap analisis lebih menakankan pada uraian
deskripsi interpretasi citra. Agar lebih mudah dipresentasikan maka pada tahap
analisis ini biasanya dibuat dalam bentuk peta, tabel, grafik, diagram, dan lain
sekali.
2. Kelebihan USGS Earth Explorer yaitu dalam mendownload data citra satelit
ditangkap dan memiliki akses data yang terbuka gratis. Kelemahan USG Earth
website user dalam menyediakan suatu cabang user. Kelebihan SAS Planet
spasial dari berbagai sumber penyedia data spasial. Kelemahan SAS Planet
dalam mendowload data citra yaitu terbatas untuk konsep statistika sosial dan
7.2. Saran
Saran saya kepada dosen pengampuh mata kuliah kartografi agar lebih
pembuatan peta.
Saran saya untuk para asisten dosen agar lebih banyak berinteraksi kepada
praktikan agar menjalin komunikasi yang baik antara asisten dan paktikan sehingga
Saran saya untuk para praktikan agar lebih serius ketika praktikum berlangsung
apalagi praktikum terkait dengan pembuatan peta dimana lebih harus fokus agar
Ardiansyah, I. S., & Sunimbar, S. 2021. Analisis Perubahan Penggunaan Lahan Kota
Kupang Nusa Tenggara Timur Tahun 2010-2018. geoedusains: Jurnal
Pendidikan Geografi, 2(1).p 36-52.
Danoedoro, R.C.Sigita, dan Mukrodin. 2018. Klasifikasi Badan Air Synthetic
Aperture Radar (SAR) Menggunakan Earth Engine Untuk Pemetaan
Pemantauan Dan Evaluasi SDEW, Jurnal Fathullo IJIR. 1(1). p 22.
Darmawan, N. I., & Iswari, M. Y. 2018. Penginderaan Jauh Untuk Kajian Pesisir.
Oseana, 43(2).p 66-77
Dimyati, N. I., & Iswari, M. Y. 2022. Penginderaan Jauh Untuk Kajian
Pesisir. Oseana. 43(2). p 66-77.
Effendi, B., Nurhasanah, N., & Adriat, R. 2022. Perhitungan Panjang Garis Pantai
Kota Singkawang Menggunakan Dimensi Fraktal. Prisma Fisika. 8(3). p 216-
220.
Handayani, M. N., Sasmito, B., & Wijaya, A. P. 2017. Analisis Hubungan Antara
Perubahan Suhu Dengan Indeks Kawasan Terbangun Menggunakan Citra
Landsat . Jurnal Geodesi Undip. 6(4). p 208-2018.
Farhan, S. N., & Sulistiawaty, S. 2021. Pemanfaatan Citra Penginderaan Jauh untuk
Mengenali Perubahan Penggunaan Lahan pada Kawasan Karst Maros. Jurnal
Sains dan Pendidikan Fisika, 14(1).p 60-66
Gumilang, H., Gaol, J. L., & Susilo, S. B. 2020. Studi kerapatan dan perubahan
tutupan mangrove menggunakan citra satelit di Pulau Sebatik Kalimantan
Utara. Jurnal Ilmu dan Teknologi Kelautan Tropis, 10(1).p 99-109.
Harjupa, H., Gaol, J. L., & Susilo, S. B. 2021. Studi kerapatan dan perubahan tutupan
mangrove menggunakan citra satelit di Pulau Sebatik Kalimantan Utara.
Jurnal Ilmu dan Teknologi Kelautan Tropis. 10(1). p 99-109.
Laili, A., & Salaswati, S. 2018. Perancangan Basis Data Katalog Citra Satelit
LAPAN. Jurnal Informatika, 5(2).p 301-307.
Ihlas, G. W., Santoso, A. I., & Setiyadi, J. 2018. Akuisisi Data Batimetri
Menggunakan Citra Satelit Spot-7 Diperairan Teluk Halong Kota
Ambon. Jurnal Hidropilar, 4(1).p 9-17.
Irawan, S., & Sirait, J. 2017. Perubahan Kerapatan Vegetasi Menggunakan Citra
Landsat 8 di Kota Batam Berbasis web. Jurnal Kelautan: Indonesian Journal
of Marine Science and Technology. 10(2). p 174-184.
Kurniawan, I. 2021. Identifikasi Perubahan Penggunaan Tanah Terhadap
Perkembangan Jalan Tol Dan Pelabuhan Di Kecamatan Bakauheni
Kabupaten Lampung Selatan. BerbasisWebgis (Doctoral dissertation,
Politeknik Negeri Lampung).
Luis, R. R. A., Dharmawan, M. O. & Priyono, P. 2021. Penyusunan Peta Desa
Dalam Kegiatan Pengabdian Masyarakat Hibah Peta di Kelurahan Jebres,
Kecamatan Jebres, Kota Surakarta. Abdi Geomedisains. p 1-8.
Lukiawan, R., Purwanto, E. H., & Ayundyahrini, M. 2019. Standar koreksi
geometrik citra satelit resolusi menengah dan manfaat bagi pengguna. Jurnal
Standardisasi, 21(1).p 45-54.
Nugraha, I. N. J., Karang, I. W. G. A., & Dharma, I. G. B. S. 2017. Studi Laju
Perubahan Garis Pantai di Pesisir Tenggara Bali Menggunakan Citra Satelit
Landsat (Studi Kasus Kabupaten Gianyar dan Klungkung). Journal of Marine
and Aquatic Sciences, 3(2).p 204-214.
Nuryanti, N., Tanesib, J. L., & Warsito, A. 2018. Pemetaan Daerah Rawan Banjir
dengan Penginderaan Jauh dan Sistem Informasi Geografis di Kecamatan
Kupang Timur Kabupaten Kupang Provinsi Nusa Tenggara Timur. Jurnal
Fisika: Fisika Sains dan Aplikasinya, 3(1).p 73-79.
Pahleviannur, M. R. 2019. Pemanfaatan Informasi Geospasial Melalui Interpretasi
Citra Digital Penginderaan Jauh untuk Monitoring Perubahan Penggunaan
Lahan. JPIG Jurnal Pendidikan Dan Ilmu Geografi, 4(2).p 18-26.
Prasetyo, N. N., Sasmito, B., & Prasetyo, Y. 2017. Analisis Perubahan Kerapatan
Hutan Menggunakan Metode NDVI dan EVI Pada Citra Satelit Landsat 8
Tahun 2013 dan 2016 (Area Studi: Kabupaten Semarang). Jurnal Geodesi
Undip, 6(3).p 21-27.
Putra, A., Sutikno, S., & Rinaldi, R. 2017. Identifikasi Lahan Gambut Menggunakan
Citra Satelit Landsat 8 Oli Tirs Berbasis Sistem Informasi Geografis (SIG)
Studi Kasus Pulau Tebing Tinggi Doctoral dissertation, Riau University. 6(1).p
67-69
Rizdinant, D. A. K., & Jhanesta, W. 2021. Identification Of Hydrothermal Alteration
Distribution With Composite Band Landsat 8 Oli Tirs Case Study: Mount
Papandayan, Garut, Indonesia. Prosiding Snast, D-12. 5(3).p 39-45
Sasmito, B., & Suprayogi, A. 2019. Kajian Deteksi Dan Penentuan Garis Pantai
Dengan Metode Terestris Dan Pengindraan Jauh. Elipsoida: Jurnal Geodesi dan
Geomatika, 2(2).p 1-6.
Somantri, L., & Himayah, S. 2022. Pemanfaatan Object-Based Image Analysis
(OBIA) pada Citra SPOT-6 untuk Identifikasi Jenis Penutup Lahan Vegetasi di
Kota Bogor. JPIG (Jurnal Pendidikan dan Ilmu Geografi), 7(1).p 53-61.
Yanuar, R. C., Hanintyo, R., & Muzaki, A. A. 2018. Penentuan jenis citra satelit
dalam interpretasi luasan ekosistem lamun menggunakan pengolahan algoritma
cahaya tampak. Jurnal Ilmiah Geomatika, 23(2).p 75-78.