1243P RAB11 PNT4401201032

ANALISIS SPASIAL CITRA RADAR ENVISAT ASAR:

TERRAIN CORRECTION DAN BAND RATIO
Spatial analysis of ENVISAT ASAR Radar Image : Terrain
Correction and Band Ratio
Putri Nadia Teja Sukmana1)

Rabu

Departemen Teknik Sipil dan Lingkungan, Fakultas Teknologi Pertanian, Institut Pertanian Bogor,
Jln. Kamper, Kampus IPB Dramaga, Bogor, 16680, Indonesia

putrinadia@apps.ipb.ac.id

Abstrak : Penginderaan jauh dilakukan untuk memperoleh informasi fenomena alam pada obyek
(permukaan bumi) yang diperoleh tanpa kontak langsung dengan obyek permukaan
bumi.Perkembangan teknologi pemetaan yang semakin maju pada zaman ini membuat pemetaan
menjadi komponen penting dalam kehidupan. Citra satelit remote sensing digolongkan sebagai
salah satu sumber data penting untuk pemetaan penggunaan lahan. Pengetahuan tentang
bagaimana cara mendapatkan data yang diambil dari ruang angkasa dalam bentuk gambar,
informasi karakteristik dan manfaatnya dari citra satelit dibutuhkan apabila mempelajari citra
satelit bumi. Oleh karena itu, praktikum ini dibutuhkan agar dapat memahami ENVISAT ASAR,
menganalisis atribut metadata dan dapat mengolah data spasial melalui terrain correction dan
band ratio. Penggabungan beberapa bands akan membuat gambar hasil citra satelit
menampakkan warna yang berbeda sesuai dengan yang diwakilkannya. Kombinasi polarisasi
linier HH, HV, V dan H banyak dimanfaatkan baik melalui polarisasi tunggal maupun polarisasi
ganda. SAR multitemporal atau polarisasi ganda seperti HV dapat digunakan untuk identifikasi
dan pemantauan vegetasi pertanian dan dapat mengurangi ketidakpastian dalam kuantifikasi
biofisik. SAR (Synthetic Apperture Radar) salah satu sistem kerja dari radar yang berupaya untuk
meningkatkan resolusi citra radar. Resolusi menurut arahnya terbagi dua, yaitu azimuth
resolution dan range resolution. Terrain correction dimaksudkan mereduksi kesalahan-kesalahan
kemiringan sensor citra akibatnya jarak dapat terdistorsi hingga representasi geometrik pada
citra sesuai dengan koordinat lapangan. Hasil terrain correction untuk gambar data citra satelit
membuat hasil gambar yang lebih jelas dari setiap pixelnya.
Kata kunci: ENVISAT, metadata, terrain correction, range doppler, SAR

Abstract : Remote sensing satellite images are considered as one of the most important data
sources for land use/cover mapping. The cognition of how to get the data were drawn from space
in image, information characteristic and benefits of satellite images are needed when studies
earth's satellite images. Therefore, this lab course is needed in order to find out information and
understand ENVISAT ASAR, metadata analysis attribute and spatial analysis with terrain
correction and band ratio. Merging multiple bands will make the image results of satellite
imagery showed different colors according to which respresented it. The combination of linear
polarization HH, HV, V and H is widely used either through single polarization or multiple
polarization. Multitemporal SAR or double polarization such as HV can be used for identification
and monitoring of agricultural vegetation and can reduce uncertainty in biophysical
quantification. SAR (Synthetic Apperture Radar) is one of the working systems of radar that seeks
to increase the resolution of radar images. Resolution according to the direction is divided into
two, namely azimuth resolution and range resolution. Terrain correction is intended to reduce the
errors of the image sensor as a result distance can be distorted to the geometric representation of
the image in accordance with the coordinates of the field. Terrain correction results for satellite
imagery data make clearer images of each pixel.

1
 1243P RAB11 PNT4401201032

Keywords: ENVISAT, metadata, terrain correction, range doppler, SAR

PENDAHULUAN
Perkembangan teknologi pemetaan atau visualisasi mengalami kemajuan yang
sangat pesat pada zaman ini (Ambarwati 2016).Teknologi pemetaan tersebut
digunakan untuk memetakan kondisi geografis terutama di negara Indonesia
sebagai variabel penting dalam penginderaan jauh.Penginderaan jauh menjadi
solusi untuk memetakan suatu wilayah maupun titik. Penginderaan jauh dilakukan
untuk memperoleh informasi fenomena alam pada obyek (permukaan bumi) yang
diperoleh tanpa kontak langsung dengan obyek permukaan bumi. Dilakukan
melalui pengukuran pantulan (reflection) ataupun pancaran oleh media gelombang
elektromagnetik (Suwargana 2013) dengan perangkat pembantu seperti radar atau
satelit.
Citra satelit remote sensing digolongkan sebagai salah satu sumber data
penting untuk pemetaan penggunaan lahan dikarenakan informasi penting yang
didapat mengenai permukaan bumi menggunakan effort yang tidak terlalu besar.
Peta dari sebuah lahan pada umumnya dibuat berdasarkan pendekatan klasifikasi
citra remote sensing. Bagaimanapun juga, akurasi dan kecepatan yang dibutuhkan
untuk pemetaan lahan menggunakan citra penginderaan jarak jauh masih menjadi
tantangan bagi orang yang ahli di bidang tersebut (Noi dan Kappas 2017).
Pengetahuan tentang bagaimana cara mendapatkan data yang diambil dari ruang
angkasa dalam bentuk gambar, informasi karakteristik dan manfaatnya dari citra
satelit dibutuhkan apabila mempelajari citra satelit bumi. Pengambilan gambar
tersebut dideteksi menggunakan peralatan sensor yang dibawa oleh wahana
pesawat satelit yang disebut penginderaan jauh. Citra satelit penginderaan jauh ini
disebut satelit sumber alam.
Pemanfaatan teknologi penginderaan jauh menjadi lebih mudah. Data
penginderaan jauh dapat diperoleh melalui hasil rekaman sensor yang dipasang
baik pada pesawat terbang, satelit, pesawat ulang alik, atau wahana lainnya.
Sensor tersbut akan menghasilkan data yang berbedabeda sesuai dengan letak
ketinggian sensor maupun karakteristik obyek yang dikaji. Satelit penginderaan
jauh resolusi tinggi pertama-tama dikembangkan Amerika Serikat, kemudian
negara-negara lain juga mengembangkan satelit penginderaan jauh resolusi tinggi,
seperti Jepang, India, dan China, dan negara lainnya. Satelit-satelit tersebut
mempunyai kemampuan memberikan data citra resolusi sangat tinggi dan data
citra resolusi tinggi. Data citra tersebut dimanfaatkan dalam berbagai bidang
aplikasi, antara lain di bidang pertahanan dan keamanan nasional, transportasi
udara dan laut, pertambangan, infrastruktur, pemetaan, pengelolaan bencana,
pertanian, kehutanan dan pemantauan lingkungan, rekayasa, konstruksi, dan
deteksi perubahan lahan.
Environmental Satellite (ENVISAT) yaitu satelit yang diluncurkan oleh ESA
(European Space Agency) pada tanggal 1 Maret 2002 dan merupakan kelanjutan
dari sukses dua satelit penginderaan jauh terdahulunya, yaitu ERS-1 dan ERS-2.

2
 1243P RAB11 PNT4401201032

ENVISAT memiliki sembilan macam optikal dan radar instrumen canggih yang
dimaksudkan untuk melanjtkan misi observasi dan memonitor permukaan bumi,
atmosfir, laut, dan dataran es. Data ENVISAT secara kolektif menyediakan
banyak sekali informasi tentang apa yang terjadi pada bum, termasuk diantaranya
faktor – faktor yang mengakibatkan terjadinya perubahan iklim (Septiana et al
2017). Oleh karena itu, ENVISAT dilengkapi dengan berbagai macam sensor dan
instrument untuk memenuhi misi tersebut. Tiap sensor dan instrumen dengan
fungsi yang berbeda – beda memiliki konstribusi untuk memenuhi misi ENVISAT
tersebut. Adapun sensor dan instrumen tersebut salah satunya adalah ASAR
(Advanced Synthetic Apertur Radar). Oleh karena itu, praktikum ini dibutuhkan
agar dapat memahami ENVISAT ASAR, menganalisis atribut metadata dan dapat
mengolah data spasial melalui terrain correction dan band ratio.

METODE
Pratikum “Analisis Spasial Citra Radar Envisat Asar: Terrain Correction dan
Band Ratio” dilakukan pada hari Rabu, 10 Mei 2022 secara daring. Sebelum
memulai praktikum, asisten praktikum memaparkan penjelasan menganai materi
praktikum yang akan dilakukan. Tujuan praktikum ini mampu memahami citra
ENVISAT ASAR, menganalisis atribut-atribut metadata pada spasial citra,
mengolah data spasial citra melalui proses terrain correction dan band ratio.
Laptop, aplikasi SNAP, dan data citra radar ENVISAT ASAR digunakan sebagai
alat dan bahan untuk praktikum dengan langkah langkah sebagai berikut.
Pertama, aplikasi SNAP dibuka pada laptop praktikan dan aplikasi ditunggu
hingga halaman kerja siap digunakan. Kemudian menu file ditekan lalu submenu
import dipilih. Setelah submenu import ditekan, maka pilihan SAR sensors dipilih.
Terdapat berbagai macam jenis sensor didalam pilihan SAR sensors.Sensor
ENVISAT ASAR dipilih untuk memasukan data citra satelit yang dimiliki.

Gambar 1. Tampilan menu file ENVISAT ASAR

3
 1243P RAB11 PNT4401201032

Kemudian, akan muncul pop up seperti pada Gambar 2. Setelah itu, file akan
muncul dan pilih file tersebut “ASA_APP_1PNUPAA20040101_152247_
000000162023_00039_09612_O110.N1” dengan cara mengklik file tersebut lalu
klik “Import Product”

Gambar 2. Proses import file

Langkah berikutnya yaitu klik tombol (+) pada nama data di product explorer.
Lalu pada menu metadata pilihan abstracted_metadata dipilih. Setelah
abstracted_metadata dipilih maka tampilan halaman akan berubah menjadi seperti
gambar 3. Data terkait hasil pengambilan data citra pada gambar akan
dimunculkan.

Gambar 3. Tampilan abstracted_metadata

4
 1243P RAB11 PNT4401201032

Langkah berikutnya yaitu nilai data pada bagian range_spacing,

azimuth_spacing, num_out_lines, dan num_samples_per_line diperhatikan. Untuk
menampilkan gambar hasil data citra, maka perintah RGB digunakan. Klik kanan
pada nama data di product explorer lalu pilih open RGB image window

Gambar 4. Proses open RGB

Kemudian, akan muncul pop up seperti pada Gambar 5. Pengaturan yang
ditampilkan disesuaikan seperti pada Gambar 5. Tampilan red di ubah
“intensity_VV”, tampilan green “intensity_VH”, sedangkan tampilan pop up blue
diubah menjadi “intensity_VV/ intensity_VH” kemudian dapat diklik “OK”.

Gambar 5. Tampilan dual pol ratio intensity

5
 1243P RAB11 PNT4401201032

Gambar yang dihasilkan tidak terlalu jelas dalam segi gambar setiap pixelnya.
Untuk memperjelas maka langkah yang dilakukan yaitu menu radar dipilih lalu
pilihan geometric kemudian terrain correction dan range doppler correction
dipilih. Halaman range doppler correction akan ditampilkan. Pada processing
parameters kolom source bands, pilihan intensity_vv dan intensity_vh dipilih.
Setelah itu tombol run ditekan,

Gambar 6. Tampilan mengaktifkan range doppler terrain correction

Gambar 7. Kotak range doppler terrain correction

Setelah penerapan proses range doppler correction, gambar yang dihasilkan

akan seperti Gambar 8. Gambar yang dihasilkan menjadi lebih jelas tidak seperti
gambar diawal.

6
 1243P RAB11 PNT4401201032

Gambar 8. Tampilan hasil range doppler

Percobaan berikutnya yaitu menggunakan data citra satelit kedua. Langkah

yang harus dilakukan yaitu menu file ditekan lalu submenu import dipilih. Setelah
submenu import ditekan, maka pilihan generic formats dipilih. Terdapat berbagai
macam jenis format didalam pilihan generic formats. ENVI dipilih untuk
memasukan data yang ada.

Gambar 9. Proses import file ENVI pada generic fromats

Setelah pilihan ENVI dipilih, maka halaman import product akan

dimunculkan. Data satelit yang sudah dimiliki dicari dan dipilih. Nama file yang
sudah dipilih akan secara otomatis dimunculkan pada kolom file name. Tahap

7
 1243P RAB11 PNT4401201032

berikutnya yaitu tombol import product ditekan. Ada dua data yang harus
dimasukan dalam percobaan ini. File yang akan di-input dengan nama file
N01E102_15_sl_HH_F02DAR.hdr dan N01E102_15_sl_HV_F02DAR.hdr
kemudian tombol Import Product di-klik satu per satu.

Gambar 10. Tampilan import product (1)

Gambar 11. Tampilan import product (2)

Setelah data berhasil diimport maka kedua data tersebut akan muncul pada
product explorer . Perintah RGB dilakukan pada data pertama (hh). Klik kanan
pada data pertama lalu pilih Open RGB image window. Pada halaman select RGB

8
 1243P RAB11 PNT4401201032

image channels, kolom red, green, dan blue harus diisi. Ketiga kolom tersebut
diisi dengan

band_1. Setelah itu tombol ok dapat ditekan untuk menerapkan perintah tersebut.
Gambar yang dihasilkan akan seperti gambar 14.

Gambar 12. Tampilan product explorer

Gambar 13. Pemilihan RGB-image channels

9
 1243P RAB11 PNT4401201032

Gambar 14. Tampilan pewarnaan RGB (1)

Langkah yang sama dilakukan pada data kedua (hv) sehingga didapat
pewarnaan RGB seperti pada Gambar 15.

Gambar 15. Tampilan pewarnaan RGB (2)

Selanjutnya dilakukan Band Math pada file gambar HH dengan cara di-klik
kanan pada file gambar kemudian dipilih menu Band Math seperti. Jendela baru
akan muncul, kemudian pada kolom Name diubah nama file-nya menjadi
new_HHHV seperti pada Gambar 16.

10
 1243P RAB11 PNT4401201032

Gambar 16. Tampilan kotak band maths

Halaman band maths expression editor akan ditampilkan. Langkah yang harus
dilakukan yaitu pilih band_1 pada data sources kemudian pilih @ / @ untuk
memasukan perintah bagi. Setelah itu produk diubah ke data satelit dua (hv).
Band_1 dipilih pada data sources. Kemudian tombol ok ditekan. Maka gambar
yang akan dihasilkan seperti Gambar 18.

Gambar 17. Tampilan band math expression editor

11
 1243P RAB11 PNT4401201032

Gambar 18. Tampilan gambar HHHV

Hal yang sama dilakukan pada file gambar HH dengan cara di-klik kanan
pada file gambar kemudian dipilih menu Band Math seperti. Jendela baru akan
muncul, kemudian pada kolom Name diubah nama file-nya menjadi new_HHHH.
Halaman band maths expression editor akan ditampilkan. Langkah yang harus
dilakukan yaitu pilih band_2 pada data sources kemudian pilih @ / @ untuk
memasukan perintah bagi. Setelah itu produk diubah ke data satelit dua (hh).
Band_2 dipilih pada data sources. Kemudian tombol ok ditekan. Maka gambar
yang akan dihasilkan seperti Gambar 19.

Gambar 19 Tampilan rasio band HHHH

12
 1243P RAB11 PNT4401201032

Selanjutnya gambar file HH di-Open RGB dengan cara di-klik kanan pada
nama file dan dipilih menu Open RGB Images Windows. Jendela baru akan
muncul, kemudian kolom Red diisi dengan Band_1, kolom Green diisi dengan
new_HHH, dan kolom Blue diisi dengan kolom new_HHHV seperti pada Gambar
20. Selanjutnya tombol OK di-klik. Gambar akan berubah seperti yang terlihat
pada gambar 28

Gambar 20. Tampilan RGB Image Channels

Gambar 21. Tampilan hasil band ratio

13
 1243P RAB11 PNT4401201032

PEMBAHASAN
Metadata satelit merupakan basis informasi tentang sifat dari masing-masing
fungsi satelit yang perlu diketahui agar dapat menerapkan algoritma pemrosesan
yang tepat untuk penentuan orbit yang tepat atau Precise Point Positioning (PPP)
(Soleh dan Arief 2014). Secara umum, metadata merupakan data berisi tentang
data atau deskripsi sebuah data dalam suatu berkas data, termasuk tanggal
pengumpulan, sumber, proyeksi peta, skala, kualitas, format, dan lainnya.
Sedangkan metadata dalam bidang geospasial yaitu metadata yang dapat
diaplikasikan ke suatu objek dengan batas geografi secara eksplisit dan emplisit,
dengan kata lain sesuatu objek yang dapat dihubungkan dengan posisi permukaan
di globe (Gumelar 2014). Berdasarkan percobaan, terdapat 4 data yang
diperhatikan. Data tersebut diantaranya range spacing, azimuth spacing, num
output lines, dan num samples per line. Range spacing merupakan jarak seberapa
jauh, azimuth spacing digunakan untuk mengatur fokus. Num output dan num
sample berfungsi sebagai data pixel pada gambar, num output adalah tinggi pixel
pada gambar sedangkan num sample adalah lebar pixel gambar.
SAR (Shynthetic AppertureRadar) merupakan salah satu teknik penginderaan
jauh sensor aktif yang menggunakan gelombang mikro dari spektum
elektromagnetik. SAR menjadi salah satu sistem kerja dari radar yang berupaya
untuk meningkatkan resolusi citra radar. Teknik yang digunakan adalah dengan
pemasangan antena jamak (Septiana et al 2014). Informasi objek yang dipantau
oleh citra satelit SAR berupa tekstur yang relatif masih sulit dalam
penginterpretasiannya dibanding optik, sensor yang digunakan dalam satelit SAR
ini hanya berupa polarisasi tunggal HH atau HV. ENVISAT ASAR (Advance
SAR) merupakan lanjutan ERS-1 SAR yang memiliki multi polarisasi HH, HV,
VH, VV dan menggunakan beberapa mode operasi dengan resolusi spasial 75 m
dan 12,5 m (Kushardono 2012).
SAR memiliki sistem polarisasi yang beroperasi dengan moda fine beam
(berkas halus) single polarization (HH/horisontal-horisontal atau HV/horisontal-
vertikal), dual polarization (HH+HV atau VV+VH) dan full polarization
(HH+HV+VH+VV). Polarisasi HH mempunyai karakteristik yang berbeda
dengan polarisasi HV. Polarisasi HH cenderung digunakan untuk daerah yang
datar hingga landai, sedangkan polarisasi HV memiliki kelebihan untuk kawasan
yang relatif miring dan daerah bervegetasi. Kawasan datar yang bervegetasi lebih
peka terhadap polarisasi HV karena adanya diffuse reflection (pantulan menyebar)
dari objek bervegetasi. Konsep multipolarisasi umumnya diterapkan pada citra
radar dimana gelombang yang dipancarkan dari antena dipancarkan dari antena
dipolarisasikan dengan sistem filter tertentu sehingga gerakannya dapat mengikuti
arah horisontal (H) atau arah vertikal (V) (Simarmata et al 2014).
Band maths merupakan fitur lain yang digunakan untuk pengolahan citra radar
Enivisat ASAR. Band maths merupakan perangkat yang memungkinkan
pengolahan citra digital (interpreter) menentukan dan mengaplikasikan ekspresi

14
 1243P RAB11 PNT4401201032

matematika pada data spasial citra. Melalui fitur band math dapat dilakukan
kombinasi sintetik ratio yang menggunakan pengaruh posisi variabel objek dan
menyebabkan objek – objek akan terlihat tampak gelap pada citra sintetk (HH-
HV) atau terlihat terang pada citra sintetik (HV-HH) sehingga citra radar menjadi
lebih jelas (Pusmairini 2010).
Variasi topografi disebabkan oleh kemiringan sensor citra, akibatnya jarak
dapat terdistorsi. Terrain correction dimaksudkan mereduksi kesalahan-kesalahan
tersebut hingga representasi geometrik pada citra sesuai dengan koordinat
lapangan. Range doppler terrain correction menggunakan metode orthorektifikasi
range doppler untuk geocoding citra SAR dari single 2D raster. Metode range
doppler terrain correction menggunakan ketersediaan data orbit, waktu
perekaman radar, jarak miring ke permukaan dan DEM referensi untuk
mendapatkan lokasi yang presisi. Range doppler terrain correction menerapkan
transfomasi backward, prosedurnya indeks range dan azimuth citra diperoleh
kembali untuk setiap titik grid DEM (northing,easting). geocoding produk Citra
lebih baik menggunakan teknik backward (Septiana 2017).
Praktikum ini menghasilkan terrain correction untuk gambar data citra satelit
pertama yang membuat hasil gambar yang lebih jelas dari setiap pixelnya. Gambar
awal dimana ada beberapa pixel yang berbeda dalam menggambarkan hasil
gambar. Setalah di proses menggunakan terrain correction menjadi yang
dihasilkan jauh lebih baik dari sebelumnya. Pada hasil ini terlihat bahwa yang
berwarna hijau menandakan adanya vegetasi, warna biru merupakan sebuah
perairan dan warna ungu adalah tanah. Gambar HH yang diproses menggunakan
edit expression dengan gambar HV, menghasilkan gambar yang memiliki
perbedaan dari sebelumnya. Gambar awal ditunjukan oleh Gambar 14. Hasil akhir
gambar ditunjukan oleh Gambar 18. Warna hitam pada Gambar 18 dan putih pada
Gambar 14 menggambarkan badan air. Pada Gambar 18, badan air seperti terputus
yang disebabkan pada bagian terputus tersebut terdapat sedimen tanah.
Selanjutya, Gambar HH pada percobaan berikut diberikan perintah RGB dengan isi dari
kolom red, green, dan blue nya adalah band_1, new_HHHH, new_HHHV. Gambar awal
yang awalnya berwarna hitam putih seperti Gambar 18, berubah menjadi lebih berwarna
setelah diberikan perintah RGB seperti Gambar 19. Warna abu-abu pada Gambar 19
menggambarkan pemukiman, sedangkan hijau muda merupakan vegetasi dan biru
menggambarkan aliran sungai.

SIMPULAN
Pada data penelitian ini terdapat metadata yang menunjukkan informasi dari
data yang akan dilakukan pengolahan data. Berdasarkan hasil praktikum
didapatkan hasil bahwa kemiringan yang dihasilkan dari Terrain Correction
menyebabkan ketidakpastian pada data yang ada sebelumnya. Saat gambar diberi
band ratio insitivy_VV/intensitivy_VH terjadi perubahan warna dari hitam putih
menjadi hijau, biru dan ungu, dimana masing – masing warna mewakili kontur
daratan yang ada. Pada data kedua didapatkan hasil untuk band ratio HH/HV

15
 1243P RAB11 PNT4401201032

gambar berwarna gelap dan abu yang mempresentasikan daratan atau adanya
sedimentasi didaerah tersebut, sedangkan warna putih mewakilkan sungai. Hasil
band ratio HV jauh lebih jelas dibandingkan dengan band ratio HHHV, dimana
terdapat tingkat kepekatan warna abu – abu yang menunjukkan tingkat air pada
tanah tersebut. Hasil band ratio gabungan dari band_1, band_2 dan new_HHHV
yang masing – masing band diwakilkan oleh warna red, green dan blue. Resolusi
menurut arahnya terbagi dua, yaitu azimuth resolution dan range resolution.
Terrain correction dimaksudkan mereduksi kesalahan-kesalahan kemiringan
sensor citra akibatnya jarak dapat terdistorsi hingga representasi geometrik pada
citra sesuai dengan koordinat lapangan. Hasil terrain correction untuk gambar
data citra satelit membuat hasil gambar yang lebih jelas dari setiap pixelnya.

SARAN
Pada saat mengolah data pada proses terrain correction, praktikan diharuskan
menunggu lama karena proses membutuhkan waktu sekitar 2 jam. Selain itu,
jumlah data yang digunakan dalam praktikum yang terbilang banyak
mengharuskan praktikan membuat penyimpanan data yang tersusun dan rapi. Hal
tersebut akan bermanfaat dan mempermudah dalam penyusunan laporan yang
nantinya akan dibuat oleh praktikan.

DAFTAR PUSTAKA
Ambarwati W, Johan Y. 2016. Sejarah dan perkembangan ilmu pemetaan. Jurnal
Enggano. 1(2) : 80-82.
Kushardono D. 2012. Klasifikasi spasial penutup lahan dengan data SAR dual-
polarisasi menggunakan normalized difference polarization index dan fitur
keruangan dari matrix kookurensi. Jurnal Penginderaan Jauh. 9(1): 12-24.
Noi PT, Kappas M. 2017. Comparison of random forest, k-nearest neighbor, and
support vector machine classifiers for land cover classification using
sentinel-2 imagery. Jurnal Sensors. 18 (18): 1-20.
Prasetyo. 2007. 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) : 21 – 27.
Pusmairini T. 2010. Analisi penutupan lahan sawah Kecamatan Dramaga,
Kabupaten Bogor, Provinsi Jawa Barat, dengan citra satelit ALOS/PALSAR
[skripsi]. Bogor (ID) : Institut Pertanian Bogor.
Septiana B, Suprayogi A,Wijaya AP.2017.Analisis perbandingan hasil
orthorektifikasi metode range doppler terrain correction dan metode sar
simulation terrain correction menggunakan data sar sentinel-1. Jurnal
Geodesi Undip. 6(1) : 148-157.
Soleh M, Arief R. 2014. Analisis parameter-parameter utama untuk desain sensor
SAR pada LSA (Lapan Surveillance Aircraft). Seminar Nasional
Penginderan Jauh. Bogor (ID): 284-294.
Suwargana N. 2013. Resolusi spasial, temporal, dan spektral pada citra satelit
landsat, spot, dan ikonos. Jurnal Ilmiah WIDYA. 1(2) : 167-174. Gumelar O.
2014. Pengembangan modul konversi metadata LDCM/LANDSAT-8 sesuai
format ISO 19115/19139. Seminar Nasional Penginderaan Jauh. Bogor
(ID) : 271-279.

16
 1243P RAB11 PNT4401201032

LAMPIRAN
Alat yang digunakan dalam praktikum ini adalah :

Gambar 22. Laptop

Gambar 23. Software SNAP

Bahan yang digunakan dalam praktikum ini adalah :

17
 1243P RAB11 PNT4401201032

Gambar 24. Data yang digunakan dalam praktikum

18