PENGINDERAAN JAUH DASAR

LAPORAN MINGGUAN
Acara II
“Cara Mendapatkan Citra Penginderaan Jauh’’

DIAJUKAN SEBAGAI PERSYARATAN PRAKTIKUM

PENGINDERAAN JAUH DASAR

OLEH :

ZAGITHA MAHARANI
R1B121041

JURUSAN GEOGRAFI
FAKULTAS ILMU DAN TEKNOLOGI KEBUMIAN
UNIVERSITAS HALU OLEO
KENDARI
2022
 BAB I
PENDAHULUAN

1.1 Latar belakang

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.

Berdasarkan perkembangan teknologi tersebut tidak hanya beragam citra dan

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

terhadap panjang gelombang elektromagnetik, jalur transmisi yang yang digunakan,

sifat sasaran objek, dan sifat sumber tenaga radiasinya.

Citra yang dihasilkan oleh penginderaan jauh ini dapat diaplikasikan untuk

berbagai kebutuhan sesuai dengan fungsi dan spesifikasinya sehingga dapat

digunakan untuk membantu pekerjaan manusia, seperti penggunaan teknologi

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

untuk membantu dalam menganalisis berupa analisis yang dibutuhkan.

Banyaknya cara untuk memperoleh data citra yang dibutuhkan sebagai bahan

untuk menganalisis baik untuk pemetaan maupun bahan belajar menginterpretasi

citra, sekarang banyaknya akses untuk mendapatkan citra secara gratis seperti

peroleh citra menggunakan software SAS Planet dan peroleh citra melalui situs

USGS.

Berdasarkan uraian diatas maka dilakukan praktikum ini agar bisa

mengetahui tata cara mendapatkan citra penginderaan jauh menggunakan software

SAS Planet dan situs USGS.

1.2 Tujuan praktikum

Adapun tujuan dalam praktikum ini adalah sebagai berikut:

1. Untuk memperkenalkan cara mendapatkan citra penginderaan jauh yang dapat

mendownload pada berbagai situs penyedia citra penginderaan jauh.

1.3 Manfaat Praktikum

Adapun manfaat dari praktikum ini adalah sebagai berikut.

1. Manfaat Praktis

Sebagai tambahan ilmu pengetahuan dalam mengamalkan ilmu yang telah

dipelajari dalam beberapa waktu. Bagi mahasiswa Fakultas Ilmu dan Teknologi

Kebumian diharapkan bisa tersalurkan ke pembaca lainnya.

2. Manfaat Teoritis

Praktikum ini bermanfaat untuk memperkenalkan cara mendapatkan citra

penginderaan jauh yang dapat mendownload pada berbagai situs USGS dan SAS

planet sebagai penyedia citra penginderaan jauh.

1.4 Batasan Masalah

Adapun batasan masalah dari praktikum ini adalah sebagai berikut.

1. Wilayah kajian praktikum berada di Kabupaten Kolaka Utara dan Kecamatan

Kendari Barat.

2. Citra yang digunakan yaitu citra landsat 8 tahun 2021

3. Citra sentinel tahun 2021

4. USGS

5. SAS planet
 BAB II
TINJAUAN PUSTAKA

2.1 Penginderaan jauh

Penginderaan jauh merupakan ilmu atau seni yang digunakan untuk

memperoleh suatu informasi objek, daerah atau fenomena dengan menganalisis

informasi tersebut tanpa melakukan pengecekan langsung pada suatu lokasi

pengamatan. Teknologi penginderaan jauh menjadi salah satu sumber informasi

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

dangkal seperti komunitas bentik karang (Lutfi, 2019).

Pemanfaatan teknologi penginderaan jauh yang dipadukan dengan analisis

geospasial merupakan metodologi terpadu dalam memonitoring vegetasi, dimana

mampu mengonversikan nilai-nilai kuantitatif citra menjadi data-data yang dapat

dibaca secara visual dan berisi nilai-nilai kualitatif. Metode penginderaan jauh

digunakan untuk memudahkan dan mengefisienkan waktu dalam pengambilan data

berbasis spasial (Nguyen, 2020 dalam Ardiansyah, 2021).

Penginderaan jauh dapat dipandang sebagai sains, namun dapat pula

dipandang sebagai sub-disiplin di bawah disiplin geografi. Sains, dicirikan

setidaknya oleh tiga hal, yaitu eksplorasi ke alam materi, melakukan pengamatan

fenomena keteraturan di alam dan memformulasikannya ke dalam konsep dan teori,

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

kelemahan-kelemahan yang ada di dalamnya. Salah satu ciri kemampuan menguji

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

objek tersebut. Sumber energi yang dapat memancarkan energi elektromagnetik

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

radiasi elektromagnetik yang dipancarkan dari permukaan bumi (Ashari, 2021).

Pemanfaatan citra penginderaan jauh dan SIG diharapkan mampu

menghasilkan data spasial terkait obyek tanah terlantar, luasan, penggunaan tanah

eksisting, dan juga memberikan gambaran kondisi geomorfologis. Data tersebut,

didukung dengan peta kemampuan tanah serta kesesuaian tanah yang tersedia pada

setiap kantor pertanahan kabupatan/kota dapat dijadikan sebagai dasar penting

dalam merencanakan penetapan dan pendayagunaan tanah bekas tanah terlantar

untuk reforma agraria. Hingga saat ini, data-data secara spasial terkait tanah terlantar

dan data-data penunjang ini belum cukup lengkap disajikan oleh Kementerian

ATR/BPN. Hal inilah yang menjadi tantangan pekerjaan Kementerian untuk

menyusun strategi percepatan terhadap tersedianya data-data tersebut (Utami, 2018).

2.2 Citra Satelit

Citra satelit merupakan salah satu sumber data yang dapat digunakan dalam

penginderaan jauh. Teknologi penginderaan jauh dengan menggunakan satelit

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-

sistematik (Harjupa, 2019).

Beberapa tahap yang dilakukan dalam pengolahan citra antara lain Pre-

processing citra, Compositeband, Cropping Citra, Digitasi, dan klasifikasi citra.

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

yang diperlukan (Silitonga, 2018 dalam Puroso, 2022).

Citra satelit memiliki sifat resolusi tinggi dan multispektral, citra Satelit

awalnya digunakan di bidang militer dan lingkungan. Tetapi semakin Banyak

digunakan dalam bidang produksi peta, pertanian, kehutanan, perencanaan Tanah

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

satelit dikalangan masyarakat umum sekarang memungkinkan Semua orang untuk

menggunakan gambar satelit lebih banyak sepenuhnya (Gumilang, 2020).

 Citra Satelit merupakan hasil dari pemotretan/perekaman alat sensor yang

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

mengalami penurunan mutuatau kualitas, misalnya karena mengandung cacat atau

derau (noise), warnanya terlalu kontras, kurang tajam, kabur (blurring), dan

sebagainya. Dalam kondisi demikian diperlukan perbaikan citra (image

enhancement) yang bertujuan untuk mendapatkan tampilan citra dengan bentuk

visualisasi yang lebih baik. Banyak teknik atau metode yang digunakan dalam

perbaikan citra (image enhancement) (Pratama, 2018).

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

geometri seperti peta (Farhan dkk, 2021).

2.3 Citra Landsat 8

Landsat 8 adalah sebuah satelit observasi bumi Amerika yang terdiri dari dua

instrumen sains-Operational Land Imager (OLI) dan Thermal Infrared Sensor

(TIRS). Kedua sensor ini memberikan cakupan musiman dari daratan global pada

resolusi spasial 30 meter (visible, NIR, SWIR); 100 meter (termal); dan 15

meter (pankromatik) (Jhanesta, 2021).

 Landsat-8 termasuk satelit kedelapan dalam program Landsat, ketujuh untuk

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

yaitu Deep Blue Coastal/Aerosol Band (0.433–0.453) µm serta Shortwave InfraRed

Cirrus Band (1.360–1.390) µm. Sedangkan 7 band lainnya adalah band yang

sebelumnya terdapat pada sensor satelit Landsat generasi sebelumnya. Sedangkan

Sensor TIRS yang dibuat oleh NASA, ada dua band pada region thermal dengan

resolusi spasial 100 meter (USGS, 2013 dalam Nugroho, 2022).

Citra Landsat 8 memiliki sensor Onboard Operational Land Imager (OLI)

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

(NIR-Kanal 5) dengan menggunakan kombinasi RGB yang tepat akan menunjukkan

lokasi vegetasi. Pemanfaatan citra satelit yang mempunyai resolusi spasial yang

tinggi sangat efektif dalam mendeteksi penampakan obyek di permukaan bumi.

Pemanfaatan citra Landsat dengan resolusi spasial 30 m sangat efektif dalam

mengklasifikasi daerah dengan tutupan yang homogen, akan tetapi berkurang

keakurasiannya untuk daerah yang heterogen. Sehingga dengan menggunakan citra

satelit landsat 8 OLI/TIRS ini dapat lebih memudahkan dalam melakukan

pengidentifikasian penggunaan lahan (Lestari, 2021).

Landsat 8 OLI-TIRS memiliki 11 band yang terdiri dari band thermal dan

non-thermal. Landsat 8 OLI-TIRS memiliki beberapa peningkatan jika

dibandingkan dengan Landsat 7 ETM+, sehingga citra ini memiliki beberapa

kelebihan dari citra sebelumnya. Salah satu kelebihan yang dimiliki oleh

Landasat 8 OLI-TIRS adalah citra ini lebih sensitif terhadap perbedaan

reflektansi air laut dan aerosol. Peningkatan-peningkatan yang terdapat di landsat

8 OLI-TIRS akan memberikan tampilan yang berbeda terhadap objek-objek di

permukaan bumi sehingga akan mengurangi potensi kesalahan interpretasi

(Nurhayati, 2022).

Landsat 8 dapat mengekstraksi perbedaan suhu permukaan dengan resolusi

spasial 100 meter, meskipun sensornya mampu merekam dengan resolusi 30 meter.

Informasi temperatur yang terekam oleh citra satelit berupa digital number, sehingga

perlu dilakukan konversi ke dalam spectral radialagar dapat menunjukkan gradasi

suhu permukaan (Kristianingsih dkk., 2016 dalam Sagita, 2022).

2.4 Citra Sentinel

Satelit Sentinel-2 adalah satelit pencitraan optik Eropa yang diluncurkan

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

dilengkapi dengan instrument multispectral dan memiliki 13 pita yang diperoleh

dari instrumen MSI (Multispectral Imager). Band (pita) dalam citra satelit

merupakan kumpulan panjang gelombang atau frekuensi bagi kanal atau saluran

warna. Pita-pita ini dikelompokkan ke daerah panjang gelombang berdasarkan asal

cahaya. Sentinel-2 memiliki resolusi spasial 10 meter (untuk pita merah, biru,

hijau dan near-infrared), 20 meter dan 60 meter (untuk pita near-infrareddan

short-infrared). Resolusi temporal Sentinel-2 adalah sepuluh hari yang dilakukan

oleh satu satelit kemudian ditambah lima hari yang dilakukan dengan dua satelit

yang akan membuat data observasi berjumlah banyak (Miranda, 2021).

Sentinel-2A menghasilkan citra optik multispektral yang mempunyai 13

band, dibagi ke beberapa spektrum visible, near infrared, shortwave infrared.

Resolusi spasial dari satelit Sentinel-2A adalah 4 band dengan resolusi 10 m, 6

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).

Secara umum citra Sentinel 2 dengan pengolahan metode OBIA dapat

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).

Sentinel-2 dapat dimanfaatkan pada beragam bidang mulai dari

pertanian, perhutanan, memantau lingkungan hingga perencanaan tata ruang

perkotaan, penggunaan lahan, pemantauan perairan serta beragam aplikasi

lainnya. Pada bidang pertanian pemanfaatan citra Sentinel-2 dapat dimanfaatkan

untuk pemetaan luas sawah (Singha, 2020 dalam Nadzirah, 2022),

Misi Sentinel-2 memastikan komitmen Eropa membantu dunia dalam

kegiatan observasi bumi tetap berlanjut dengan menggunakan beberapa instrumen

yang memiliki resolusi spasial dan spektral yang berbeda dengan resolusi temporal
yang lebih cepat, serta area yang tercakup secara global. Keberadaan Sentinel-2

didesain secara khusus untuk membantu ilmuwan mempelajari dan memantau

interaksi dan proses yang ada di bumi menyiapkan strategi dalam menghadapi

tantangan perubahan global yang sedang terjadi serta mencapai tujuan

pengembangan masyarakat (Societal Development Goals) (Oktaviani, 2018).

2.5 USGS

USGS merupakan sebuah lembaga pemerintah Amerika Serikat yang

menangani masalah pemetaan. Kepanjangan USGS adalah United States Geological

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

berbayar (gratis) namun untuk pengunduhan data yang dilakukan terdapat

pembatasan kapasitas (Darmawan, 2018).

United States Geological Survey (USGS) telah memberikan koreksi

geometrik level-1T sehingga mempermudah pengguna untuk memanfaatkannya.

Pemanfaatan citra Landsat multitemporal menggunakan komposit saluran inframerah

dekat, saluran inframerah pendek dan saluran merah memperjelas serta

mempermudah mengenali obyek khususnya vegetasi yang mempunyai kadar klorofil.

Obyek vegetasi dapat dibedakan menurut kadar klorofil dan kelembabannya terutama

dapat membedakan antara vegetasi darat yang memiliki rona cerah dengan mangrove

yang lebih memiliki rona gelap (Artach, 2019).

USGS sebuah agensi ilmiah perpetaan dari pemerintah Amerika Serikat.

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

yang menengah (Ramdani, 2017).

Salah satu portal yang menyedian akses data raster gratis untuk berbagai data

citra resolusi rendah menengah adalah USGS dalam hal ini Earth Explorer

(https://earthexplorer.usgs.gov/) ataupun lewat GloVis (https://glovis.usgs.gov).

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).

USGS adalah penyediaan pusat operasi-operasi misi dan sistem-sistem

pengolahan pada Stasiun Bumi (termasuk pengarsipan dan jaringan-jaringan data),

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

SRTM (Effendi, 2022).

2.6 SAS Planet

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

merupakan aplikasi portabelbukan installer. Hal tersebut merupakan keunggulan

tersendiri yang dimiliki SAS Planet sehingga tidak butuh diinstal terlebih dahulu.

Keunggulan lain adalah ukuran aplikasi yang kecil sehingga tidak terlalu membebani

ruang peyimpanan pada laptop (Muntarwikhi, 2022).

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

perbandingan layer jalan, ketika mencoba proses download menggunakan lima

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

melihatnya bahkan tanpa terhubung ke Internet. Dimungkinkan juga untuk bekerja

dengan politik, dengan hak mereka sendiri, lanskap, peta gabungan, dan navigasi)

serta Bulan dan Mars (Ipatov, 2018).

 SAS Planet merupakan salah satu aplikasi pengambilan data citra satelit yang

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

Yandex ( Hujair, 2017).

SAS Planet adalah software penampil gratis dan mengunduh citra satelit

beresolusi tinggi dan konvensional seperti GoogleEarth, Google Maps, BingMaps,

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

Panoramio, dan pembentukan peta. Pengisian lapisan (fungsi ini akan

memungkinkan melihat area di peta yang sudah di-cache atau, sebaliknya. Serta

menyimpan sebagian peta menjadi satu gambar yang bisa dijadikan sebagai bahan

analisis (Sokolov, 2018).

 BAB III
PROSEDUR KERJA

3.1. Cara Mendapatkan Citra di USGS

1. Membuka aplikasi google chrome dan membuka situs

(https://earthexplorer.usgs.gov).

2. Pada geocoding method pilih path/row dan mengisi path dan row sesuai dengan

lokasi yang akan diambil citranya dan klik show.

3. Pada data range memilih tanggal, bulan dan tahun liputan yang akan di ambil

citranya biasanya pemilihan tanggal, bulan dan tahun menyesuaikan dengan

keadaan tutupan awan

4. Kemudian pada cloud cover mengatur persentasi awan sesuai keinginan jika

sudah klik data set untuk melanjutkan pada pemilihan jenis citra

5. Selanjutnya memilih Landsat – Landsat Collection 1 – Landsat Collection 1 Level

1 kemudian centang Landsat 8 OLI/TIRS C1 Level 1 kemudian klik result

6. Selanjutnya memilih citra yang tutupan awannya sedikit untuk mencek tutupan

awan klik show browse overlay.

7. Setelah mendapatkan citra yang tutupan awannya sedikit selanjutnya klik

download options kemudian klik download citra yang memiliki ukuran terbesar.

3.2. Cara Mendapatkan Citra di SAS Planet

1. Membuka Software SAS Planet

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

4.1 Waktu dan Lokasi Praktikum

Pelaksanaan praktikum penginderaan jauh dasar yang berjudul Cara

Mendapatkan Citra Penginderaan Jauh yang dilakukan pada hari Minggu, 20

November 2022. Mulai pukul 08.00–12.00 WITA, yang dilaksanakan di

Laboratorium Fakultas Ilmu dan Teknologi Kebumian, Universitas Haluoleo.

Wilayah kajian praktikum yaitu Kecamatan Kendari barat dan Kabupaten Kolaka

Utara.

Secara astronomis, Kecamatan Kendari barat berada pada 3°56’11”-

3°58’23” LS dan 122°31’12” - 122°34’58” BT. Letak geografis wilayah

Kecamatan Kendari barat berada disebelah timur Kecamatan Kendari, disebelah

Barat Kecamatan Mandonga dan dibagian Selatan berbatasan dengan perairan

Teluk Kendari.

Secara astronomis, Kabupaten Kolaka Utara berada di daratan tenggara

Pulau Sulawesi. Kabupaten Kolaka Utara memanjang dari utara ke selatan berada

diantara 2°46'45"-3°50'50" LS dan membentang dari barat ke timur diantara

120°41'16"-121°26'31" BT. Letak geografis wilayah Kabupaten Kolaka Utara yaitu

Sebelah Utara Berbatasan dengan Kabupaten Luwu Timur (Provinsi Sulawesi

Selatan), Sebelah Timur Berbatasan dengan Kecamatan Uluwoi Kabupaten Kolaka

dan Kabupaten Konawe Utara (Provinsi Sulawesi Tenggara), Sebelah Barat

berbatasan dengan Pantai Timur Teluk Bone dan sebelah Selatan berbatasan

dengan Kecamatan Wolo Kabupaten Kolaka (Provinsi Sulawesi Tenggara).

Gambar 1. Peta Administrasi Kecamatan Kendari Barat
Gambar 2. Peta Administrasi Kabupaten Kolaka Utara
4.2 Alat Praktikum

Adapun alat yang digunakan pada praktikum kali ini adalah sebagai berikut.

Tabel 1. Alat Praktikum

No. Alat Kegunaan
1. Flashdisk Untuk menyimpan data praktikum
2. Alat tulis Untuk mencatat kenampakan pada citra
3. Laptop / Komputer Untuk melihat gambar citra
4. Mouse Untuk menggerakkan kursor pada komputer

4.3 Bahan Praktikum

Adapun bahan yang digunakan pada praktikum kali ini adalah sebagai

berikut.

Tabel 2. Bahan Praktikum

No. Bahan Kegunaan
1. Citra USGS Untuk menampilkan dan mendownload citra.
2. Citra SAS Planet Untuk menampilkan dan mendownload citra.
3. Citra Landsat Untuk menampilkan citra
4. Citra Sentinel Untuk menampilkan citra

4.4. Data Praktikum

4.4.1. Data Primer

Data primer merupakan data yang di dapatkan dengan melibatkan partisipasi

aktif dari peneliti dan dikumpulkan melalui observasi, eksperimen serta media

lainnya yang digunakan untuk memperoleh data lapangan.

4.4.2. Data Sekunder

Data sekunder adalah sumber data penelitian yang diperoleh melalui

media perantara atau secara tidak langsung yang berupa buku, catatan, bukti

yang telah ada, atau arsip baik yang dipublikasikan maupun yang tidak

dipublikasikan secara umum. Dengan kata lain peneliti membutuhkan pengumpulan

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

situs USGS dan Citra SAS Planet.

4.5. Tahapan Praktikum

4.5.1. Tahapan Persiapan

Praktikan sebelum melaksanakan praktikum terlebih dahulu menguasai materi

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.

4.5.2. Tahapan Pengumpulan Literatur

Praktikan dalam mencari literatur dalam menyusun laporan praktikum

mengunaakan google schoolar berupa jurnal dengan syarat jurnal yang terbit pada 5

tahun terakhir. Adapun jurnal yang dicari terkait dengan Penginderaan Jauh, Citra

Satelit, Interpretasi Citra, Composite Band, USGS, dan SAS Planet.

4.5.3. Tahapan Mengunduh Citra Menggunakan Situs USGS

Praktikan dalam mengunduh citra dengan cara masuk terlebih dahulu pada

situs USGS yaitu (https://earthexplorer.usgs.gov) kemudian memasuki nilai path dan

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,

lokasi penyimapanan serta nilai zoom.

 BAB V
HASIL

5.1 Citra Landsat 8 USGS Kabupaten Kolaka Utara

Gambar 1. Citra Landsat 8 scene 1 Kabupaten Kolaka Utara, Sulawesi Tenggara.

Metadata Landsat 8 Kabupaten Kolaka Utara

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

Gambar 2. SAS Planet Kecamatan Kendari Barat

 BAB VI
PEMBAHASAN

6.1. USGS

USGS merupakan sebuah lembaga pemerintah Amerika Serikat yang

menangani masalah pemetaan. Kepanjangan USGS adalah United States Geological

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

berbayar (gratis) namun untuk pengunduhan data yang dilakukan terdapat

pembatasan kapasitas (Darmawan, 2018).

Pada praktikum acara 2 tentang tata cara mendapatkan citra penginderaan

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

amd row nya adalah 113 dan 62.

Hasil download citra yang didapatkan memiliki file MTL masing-masing

yang merupakan file yang berisi metadata dari landsat 8 dan Sentinel 2A yang

memuat iformasi-informasi tentang keterangan pada citra seperti landsat 8 yang

terdiri dari 11 band dan sentinel 2A yang terdiri dari 3 band serta informasi terkait

cloud cover dan informasi lainnya.

6.2. SAS Planet

SAS Planet adalah software penampil gratis dan mengunduh citra satelit

beresolusi tinggi dan konvensional seperti GoogleEarth, Google Maps, BingMaps,

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

Panoramio, dan pembentukan peta. Pengisian lapisan (fungsi ini akan

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

Kecamatan Kendari Barat dimana pengambilan citranya dengan menggunakan file

KML Kota Kendari dengan melakukan streaming terlebih dahulu agar kenampakan

citra lebih detail. Pada software SAS planet pengambilan data citra bisa dalam bentuk

rectangular, polygon, polyline dan visible area.

 BAB VII
PENUTUP

7.1. Kesimpulan

Adapun kesimpulan dari Praktikum Tata Cara Mendapatkan Citra, yaitu

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

identifikasi adalah tahapan interpretasi yang nomor 2 setelah melakukan tahapan

deteksi. Identifikasi adalah menggali objek yang diamati melalui pengambilan

gambar menggunakan citra foto atau citra non foto. Pada tahap identifikasi

pengambilan gambarnya bisa memakai kamera dan alat stereoskop. Pengenalan

objek tersebut harus didasarkan pada ciri spectra, spasial, dan temporal. Tahap

analisis adalah proses dimana menggabungkan serangkaian tahapan deteksi dan

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

sebagainya. Deduksi adalah pengambilan kesimpulan. Pembahasan hasil yang

terdapat pada tahapan deduksi ini terdapat kecenderungan hubungan antara

 deteksi, identifikasi, dan analisis. Penarikan kesimpulan tidak dapat dilakukan

sekali.

2. Kelebihan USGS Earth Explorer yaitu dalam mendownload data citra satelit

memiliki keunggulan terkhusunya terkait spesifikasi band-band yang dimiliki

maupun panjang lintang spektrum, Panjang gelombang elektromagnetik yang

ditangkap dan memiliki akses data yang terbuka gratis. Kelemahan USG Earth

Explorer yaitu dalam mendownload data citra kurangnya pelayangan pada

website user dalam menyediakan suatu cabang user. Kelebihan SAS Planet

dalam mendownload citra data citra yaitu kemampuannya mengunduh data

spasial dari berbagai sumber penyedia data spasial. Kelemahan SAS Planet

dalam mendowload data citra yaitu terbatas untuk konsep statistika sosial dan

belum terintegrasi dengan program data base.

7.2. Saran

7.2.1. Saran untuk Dosen

Saran saya kepada dosen pengampuh mata kuliah kartografi agar lebih

menerapkan metode pembelajaran yang dimana memfokuskan kami terkait dengan

pembuatan peta.

7.2.2. Saran untuk Asisten

Saran saya untuk para asisten dosen agar lebih banyak berinteraksi kepada

praktikan agar menjalin komunikasi yang baik antara asisten dan paktikan sehingga

para praktikan lebih nyaman lagi ketika melaksanakan praktikum.

7.2.3. Saran untuk Praktikan

Saran saya untuk para praktikan agar lebih serius ketika praktikum berlangsung

apalagi praktikum terkait dengan pembuatan peta dimana lebih harus fokus agar

memahami cara pembuatannya.

 DAFTAR PUSTAKA

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.