LAPORAN PRAKTIKUM

DASAR-DASAR PENGINDERAAN JAUH

(Pertemuan 2: Penggabungan Band)

Nama :Adriyan
NIM :I1A122001
Kelompok :IV
Program Studi :Manajemen Sumberdaya Perairan

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS HALU OLEO
KENDARI
2023
I. Gambaran Umum
Composite Band atau penggabungan band adalah proses penggabungan 3 buah
band yaitu band 4 (red), band 3 (green) dan band 2 (blue) untuk mendapatkan citra
multispektral sebagai salah satu citra yang akan ditajamkan. Nilai digital number dari 3
buah band akan digabungkan menjadi satu citra, dan membentuk citra RGB ata biasa
disebut Truecolor (Pradipta et al., 2019). Penggabungan band perlu di lakukan agar data
citra satelit yang diperoleh dalam bentuk terpisah masing-masing band menjadi satu file
yang utuh (Lubis et al., 2018). Peningkatan kualitas citra dapat dilakukan dengan
melakukan filtering atau melakukan intergrasi/penggabungan citra. Pohl dan
Van Genderen (1998) berpendapat bahwa penggabungan citra (image fusion)adalah
aplikas untuk menggabungkan citra dengan perbedaan sensor, perbedaan waktu
perekaman, atau perbedaan resolusi spasial pada daerah yang sama untuk
meningkatkan kualitas citra dan tingkat interpretasi (Khoiriah & Farda, 2012).
Koreksi geometrik adalah transformasi citra hasil penginderaan jauh sehingga
citra tersebut mempunyai sifat-sifat peta dalam bentuk, skala dan proyeksi.
Transformasi geometrik yang paling mendasar adalah penempatan kembali posisi pixel
sedemikian rupa, sehingga pada citra digital yang tertransformasi dapat dilihat
gambaran objek di permukaan bumi yang terekam sensor. Koreksi radiometrik
bertujuan untuk meperbaiki nilai-nilai piksel yang tidak sesuai dengan nilai pantulan
atau pancaran spektral objek yang sebenarnya (Lukiawan et al., 2019). Proses koreksi
dilakukan setelah penggabungan band atau kanal selesai. Koreksi dilakukan untuk
menyesuaikan data citra satelit yang telah diunduh, sehingga mempunyai koordinat
yang mempunyai referensi geografis. Proses ini dilakukan pada perangkat lunak
pemrosesan data citra (Lubis et al., 2018).
Cropping image atau pemotongan area citra adalah teknik yang digunakan untuk
menentukan secara tepat bagian mana dari citra tersebut yang mengandung area objek
yang akan diolah (diingini), sehingga dapat dipotong dan dipisahkan dari area yang
tidak dibutuhkan guna untuk pengolahan selanjutnya (Yuhandri, 2019). Pemotongan
citra atau cropping dilakukan untuk membatas citra sesuai dengan wilayah penelitian
karena di dalam proses perekaman kondisi permukaan bumi, satelit akan merekam data
pada daerah yang luas sesuai dengan resolusi spasial dari sensor yang digunakan oleh
wahana satelit tersebut (Lubis et al., 2018). Proses pengambilan area tertentu pada
sebuah citra (area of interest) disebut dengan pemotongan citra (cropping), dimana hasil
dari proses pemotongan citra tersebut dapat digunakan untuk mempermudah dalam
menganalisis sebuah citra. Umumnya pada proses pengolahan sebuah citra tidak semua
atau tidak keseluruhan scene citra digunakan, oleh sebab itu guna mendapatkan area
yang dibutuhkan tersebut maka dilakukan cropping. Hasil dari proses pemotongan citra
tersebut dapat digunakan dalam kebutuhan data spasial dan data spektral. Titik
koordinat, jumlah piksel dan hasil zooming daera h tertentu pada sebuah citra
merupakan pedoman yang dapat digunakan dalam pemotongan sebuah citra (Chen et
al., 2016).
II. Tujuan Praktikum
Adapun tujuan dari praktikum penggabungan band adalah sebagai berikut:
1. Mampu melakukan penggabungan band dalam praktikum dasar-dasar
penginderaan jauh.
2. Mampu melakukan cropping citra dalam praktikum dasar-dasar penginderaan
jauh.
3. Mampu melakukan koreksi geometrik dalam praktikum dasar-dasar
penginderaan jauh.
III. Prosedur Kerja
Adapun prosedur kerja pada praktikum penggabungan band adalah sebagai berikut:
A. Penggabungan Band
1. Membuka aplikasi ER Mapper pada ikon Desktop, hingga muncul tampilan utama
seperti pada gambar ini.

2. Klik edit algorithm, hingga muncul tampilan workspace dan algorithm seperti
gambar berikut ini.

3. kemudian cari file Citra Landsat 8 dan memasukkan file Band 1 hingga muncul
tampilan merah pada workspace.
4. Refresh Image with 99% clip on limits, hingga muncul warna biru kehijauan pada
workspace.

5. Duplicate sebanyak enam kali kemudian ubah nama Pseudo layer menjadi band 1
sampai band 7 secara berurutan.
6. Ubah setiap file band berdasarkan band masing-masing secara berurutan.

7. Window utama > File > Save As dengan format nama file GABUNG_MSP2,
kemudian klik Ok.

8. Untuk menguji file yang telah dibuat lakukan langkah Close Workspace dan
Algorithm, kemudian klik menu edit algorithm > Load dataset dan masukkan file
gabung yang telah dibuat.
B. Cropping
a) Cropping 1
1. Close Workspace dan window algorithm kemudian klik menu edit algorithm > Load
dataset dan masukkan file gabung yang telah dibuat.

2. Selanjutnya, klik duplicate sebanyak enam kali, kemudian ganti nama band
berdasarkan band masing-masing.

3. Selanjutnya Gunakan tombol Zoom box tool pada window utama untuk memperbesar
hasil citra pada workspace dan lakukan cropiping.
4. Lakukan penyimpanan file cropping dengan format nama CROP_MSP2.

b) Cropping 2
1. Buka Aplikasi ER Mapper, kemudian panggil file gabung.
2. Tekan menu view pada menu bar kemudian geopositions > extens, hingga muncul
window algorithm geoposition extens seperti gambar di bawah.

3. Klik extens > ganti Lattitude dan Longitude pada Top Left dan Bottom Right
berdasarkan rumus yang telah diberikan, lalu klik ok hingga workspace berubah ukuran.

4. Duplicate sebanyak enam kali, kemudian ganti nama band sesuai band masing-
masing.
5. Klik file pada menu bar kemudian save as dengan format CROP2_MSP2 > Ok.
C. Koreksi Radiometrik
1. Buka aplikasi ER Mapper, panggil file CROP2_MSP2.

2. Duplicate sebanyak enam kali dan ganti nama band sesuai band masing-masing.

3. Rapikan workspace dengan menekan kanan pada mouse > quick zoom > zoom to all
dataset.
4. selanjutnya klik edit transform limits pada elgorithm dan ubah setiap angka pada
actual input limits menjadi 0 to 255, dengan menekan edit formula pada algorithm.

5. Kurangi nilai sesama nilai input nya agar menjadi nol.

6. Close window transform dan window edit formula, kemudian klik file dan save as
dengan format KOREKSI_MSP2, kemudian close workspace dan algorithm, panggil
file koreksi.
7. RGB kan dengan rumus 5 6 4 hingga workspace berubah warna seperti pada gambar
di bawah ini.

8. Matikan komputer dengan menekan tombol Shut Down.

IV. DAFTAR PUSTAKA

Chen J., Bai G., Liang S. dan Li Z. (2016), “Automatic Image Cropping : A
Computational Complexity Study”, The IEEE Conference on Computer Vision
and Pattern Recognition (CVPR) in Computer Vision Foundation (CVF), Las
Vegas.

Khoiriah, I. F., dan Farda, N.M . "Perbandingan Akurasi Klasifikasi Penutup Lahan
Hasil Penggabungan Citra ALOS AVNIR-2 dan ALOS PALSAR pada Polarisasi
Berbeda dengan Transformasi Wavelet." Jurnal Bumi Indonesia, vol. 1, no. 2,
2012.

Lubis, R. R. Z., Rizwan, T., Purnawan, S., Ulfah, M., Yuni, S. M., dan Setiawan, I.
(2018). Studi Perubahan Garis Pantai Timur Laut Kabupaten Aceh Besar dan
Pidie Pada Tahun 2002–2014. Jurnal Kelautan: Indonesian Journal of Marine
Science and Technology, 11(2), 113-119.

Lukiawan, R., Purwanto, E. H., dan Ayundyahrini, M. (2019). Standar koreksi

geometrik citra satelit resolusi menengah dan manfaat bagi pengguna. Jurnal
Standardisasi, 21(1), 45-54.

Yuhandri, Y. (2019). Perbandingan Metode Cropping Pada Sebuah Citra Untuk

Pengambilan Motif Tertentu Pada Kain Songket Sumatera Barat. Jurnal Komtek
Info (Komputer Teknologi Informasi), 6(2), 96-105.