Laporan Inderaja Pengenalan Interface ER Mapper

LAPORAN RESMI PRAKTIKUM PENGINDERAAN JAUH MODUL 1 INTERFACE PENGENALAN ER MAPPER 7.0

Oleh Muhammad Teguh Adi Wibowo 26020112140018

PROGRAM STUDI ILMU KELAUTAN JURUSAN ILMU KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN UNIVERSITAS DIPONEGORO SEMARANG 2013

LEMBAR PENILAIAN (INTERFACE PENGENALAN ER MAPPER 7.0)

Nama: Muhammad Teguh Adi Wibowo

NO.

NIM: 26020112140018

KETERANGAN

1.

Pendahuluan

2.

Tinjauan Pustaka

3.

Materi dan Metode

4.

Hasil dan Pembahasan

5.

Kesimpulan

6.

Daftar Pustaka

Ttd: ................

NILAI

TOTAL

Mengetahui, Koordinator Asisten

Asisten,

Jasmine Khairai Zainal K2D009036

Nova Putri Dewanti 26020211120002

I. PENDAHULUAN

1.1.

Pendahuluan Penginderaan jauh adalah suatu ilmu dan seni untuk memperoleh informasi tentang objek, daerah atau gejala dengan cara menganalisis data yang diperoleh dengan menggunakan alat tanpa kontak langsung terhadap objek, daerah atau gejala yang dikaji (Sutanto, 1999). Pemanfaatan satelit penginderaan jauh adalah merupakan pilihan yang paling tepat untuk memperoleh data tentang sumber daya alam tersebut yang tersebar di seluruh wilayah Indonesia yang cukup luas (Avery, 1985) Penginderaan jauh sangat bermanfaat dalam membantu proses pengukuran, penelitian dan pengelolaan suatu sumber daya bumi dengan menggunakan konsep interpretasi foto udara, fotogrametri, interpretasi citra dari sensor non-fotografi baik secara visual maupun menggunakan teknik pemrosesan citra digital. Hal ini dapat mempermudah dalam pengumpulan data dari jarak jauh yang dapat dianalisis untuk mendapatkan informasi tentang objek, daerah maupun fenomena yang diinginkan atau dikaji (Avery, 1985). ER Mapper adalah salah satu software (perangkat lunak) yang digunakan untuk mengolah data citra atau satelit. Masih banyak perangkat lunak yang lain yang juga dapat digunakan untuk mengolah data citra, diantaranya adalah Idrisi, Erdas Imagine, PCI dan lain-lain. Masing-masing perangkat lunak mempunyai keunggulan dan kelebihannya sendiri. ER Mapper dapat dijalankan pada workstation dengan sistem operasi UNIX dan komputer PCs (Personal Computers) dengan sistem operasi Windows 95 ke atas dan Windows NT. (Cut Meurah, 2004) ER Mapper adalah salah satu perangkat lunak pengolahan citra digital. Perangkat lunak yang dilengkapi dengan user-interface yang user-frendly, yaitu memiliki hampir semua fungsionalitas pengolahan citra digital ini sangat mudah dan praktis untuk digunakan oleh setiap pengguna; tidak terkecuali seorang pemula sekalipun. Selain itu, di dalamnya, terdapat fasilitas help dan online tutorial yang dapat memudahkan para pemakainya. Oleh karena itu, tidak heran, jika sejak peluncuran versi awalnya, ER Mapper telah merebut hati setiap praktisi bidangbidang remote sensing dan digital image processing (Sutanto,1986)

1.2.

Tujuan 1.

Mahasiswa diharapkan mengetahui arti dan fungsi dari penginderaan jauh.

2.

Mahasiswa diharapkan mengetahui dan mampu mengoperasikan software ER MAPPER 7.0 yang dapat membantu dalam proses pengolahan data hasil citra penginderaan jauh.

3.

Mahasiswa diharapkan dapat melakukan, 

Penggabungan citra



Croping citra



Penajaman citra



Reading data values



Geolink

II. TINJAUAN PUSTAKA

2.1.

Penginderaan Jauh 2.1.1. Pengertian Penginderaan Jauh Dalam Cut Meurah (2004), banyak para ilmuwan yang mendefinisikan penginderaan jauh, antara lain, 1.

Penginderaan

jauh

merupakan

upaya

untuk

memperoleh,

menemutunjukkan (mengidentifikasi) dan menganalisis objek dengan sensor pada posisi pengamatan daerah kajian (Avery, 1985). 2.

Penginderaan Jauh yaitu penggunaan sensor radiasi elektromagnetik untuk merekam gambar lingkungan bumi yang dapat diinterpretasikan sehingga menghasilkan informasi yang berguna (Curran, 1985).

3.

Penginderaaan Jauh yaitu suatu pengukuran atau perolehan data pada objek di permukaan bumi dari satelit atau instrumen lain di atas atau jauh dari objek yang diindera (Colwell, 1984).

4.

Penginderaan Jauh adalah ilmu dan seni untuk memperoleh informasi tentang obyek, daerah, atau gejala dengan jalan menganalisis data yang diperoleh dengan menggunakan alat tanpa kontak langsung terhadap obyek, daerah, atau gejala yang dikaji (Lillesand dan Kiefer, 1979).

5.

Penginderaan jauh merupakan teknik yang dikembangkan untuk memperoleh dan menganalisis informasi tentang bumi. Informasi itu berbentuk radiasi elektromagnetik yang dipantulkan atau dipancarkan dari permukaan bumi (Lindgren, 1985). Secara umum penginderaan jauh adalah ilmu atau seni untuk

memperoleh informasi tentang objek, daerah atau gejala, dengan jalan menganalisis data yang diperoleh dengan menggunakan alat, tanpa kontak langsung dengan objek yang akan dikaji (Lillesand dan Kiefer, 1990). Untuk melakukan penginderaan jarak jauh diperlukan alat sensor, alat pengolah data dan alat-alat lainnya sebagai pendukung. Oleh karena sensor tidak ditempatkan pada objek, maka perlu adanya wahana atau alat sebagai tempat untuk meletakkan sensor. Wahana tersebut dapat berupa balon udara, pesawat terbang, satelit atau wahana lainnya Antara sensor, wahana, dan citra diharapkan selalu berkaitan, karena hal itu akan menentukan skala citra yang dihasilkan (Susanto, 1986).

2.1.2. Sistem Penginderaan Jauh

Sistem Penginderaan Jauh (Susanto, 1986) Sensor menangkap objek dari bumi, dimana suatu objek itu bisa sampai ke sensor membutuhkan energi dari sinar matahari sebagai sumber energi. Agar energi tersebut dapat sampai ke objek, harus melewati pembatas atau hambatan yang dinamakan atmosfer. Namun tidak semuanya sinar yang datang dari matahari mengenai objek karena adanya hambatan atmosfer tersebut. Setelah itu, energi yang sampai ke objek diterima dan dipantulkan ke sensor sebagai inti dari sistem tersebut. Kemudian dari sensor mengeluarkan data didgital dan visual yang kemudian samapai ke pengguna yang ada di permukaan bumi (Susanto, 1986).

2.2.

Pengertian Citra Dalam penginderaan jauh didapat masukan data atau hasil observasi yang disebut citra. Citra menurut Hornby merupakan gambaran yang terekam oleh kamera atau oleh sensor lainnya. Sedangkan menurut Simonett et al (1983), citra merupakan gambaran rekaman suatu obyek yang dibuahkan dengan cara optic, elektro optic, optic mekanik, atau elektronik. Pada umumnya digunakan bila radiasi elektronik yang dipancarkan atau dipantulkan dari suatu obyek tidak langsung direkam pada film (Sutanto, 1986).

2.2.1. Dasar Pengolahan Citra Satelit Proses pengolahan citra atau interprestasi citra adalah proses pengambilan informasi kenampakan objek pada citra, baik secara kualitatif maupun kuantitatif yang memperhatikan pengetahuan maupun pengalaman

pengenalan sifat-sifat unsur yang terkandung, melalui penerapan kunci-kunci pengenalan objek (rona atau warna) (Dulbahri, 1985). Pengolahan citra visual dapat didefiniskan sebagai aktivitas visual untuk mengkaji citra yang menunjukkan gambaran muka bumi yang tergambar di dalam citra tersebut untuk tujuan identifikasi obyek dan menilai maknanya (Howard, 1991). Pengolahan citra merupakan kegiatan yang didasarkan pada deteksi dan identifikasi obyek dipermukaan bumi pada citra satelit landsat TM7+ (Dulbahri,1985). Teknik pengolahan citra penginderaan jauh diciptakan agar dapat melakukan pekerjaan penafsiran citra secara mudah dengan mendapatkan hasil penafsiran pada tingkat keakuratan dan kelengkapan yang baik. Menurut Sutanto, teknik penafsiran citra penginderaan jauh dilakukan dengan menggunakan komponen penafsiran yang meliputi: 

Data Acuan Data acuan diperlukan untuk meningkatkan kemampuan dan kecermatan seorang penafsir, data ini bisa berupa laporan penelitian, monografi daerah, peta, dan yang terpenting disini data diatas dapat meningkatkan local knowledge pemahaman mengenai lokasi penelitian.



Kunci pengolahan citra atau unsur diagnostic citra Pengenalan obyek merupakan bagian vital dalam interpretasi citra. Untuk itu identitas dan jenis obyek pada citra sangat diperlukan dalam analisis memecahkan masalah yang dihadapi. Karakteristik obyek pada citra dapat digunakan untuk mengenali obyek yang dimaksud dengan unsur interpretasi. Unsur interpretasi yang dimaksud disini adalah :  Rona / warna  Bentuk  Ukuran  Tekstur  Pola  Bayangan  Situs  Asosiasi (Purwadhi & Sri Hardiyanti, 2001)

2.2.2. Operasi Pengolahan Citra Operasi-operasi yang dilakukan didalam pengolahan citra dapat diklasifikasikan dalam beberapa jenis sebagai berikut: 1. Perbaikan Citra (Image Restoration) Pada hakikatnya semua operasi dalam pengolahan citra bertujuan untuk memperbaiki kualitas citra untuk suatu keperluan tertentu. Perbaikan citra diartikan sebagai proses untuk mengolah citra digital yang di dapat agar lebih mendekati bentuk aslinya, atau sering disebut sebagai proses mendapatkan kembali (rekonstruksi) citra asli dari suatu citra yang telah mengalami proses degradasi. 2. Perbaikan Kualitas Citra (Image Enhancment) Jenis operasi ini bertujuan untuk memperbaiki kualitas citra dengan cara memaniulasi parameter-parameter citra. Dengan operasi ini, ciri-ciri khusus yang terdapat didalam citra lebih ditonjolkan. Contoh-contoh operasi perbaikan kualitas citra : a.

Perbaikan Kontras

b.

Perbaikan tepian Objek (Edge Enhancement)

c.

Penajaman (Sharpening)

d.

Pemberian Warna Semu (Pseudocolorin)

e.

Penapisan Derau (Noise Filtering)

3. Pemampatan Citra (Image Compression) Operasi ini bertujuan untuk memampatkan citra sehingga memori yang dibutuhkan untuk menyimpan citra lebih kecil, tetapi hasil citra yang telah dimampatkan tetap memiliki kualitas gambar yang bagus. Contohnya adalah metode JPEG (Joint Photographic Experts Group) yang mndukung 24 bit (jutaan warna) dan mendukung banyak jenis dan variasi warna dan kecerahan, pewarnaan, dan tata cahaya. 4. Segmentasi Citra (Image Segmentation) Operasi ini bertujuan untuk memecah suatu citra kedalam beberapa segmen suatu kriteria tertentu. Jenis operasi ini erat kaitannya dengan pengenalan pola. 5. Analisa Citra (Image Analisys)

Operasi ini bertujuan unutk menghitung besaran kuantitatif citra untuk

menghasilkan

deskripsinya.

Teknik

analisa

citra

mengekstraksi ciri-ciri tertentu yang membantu daam identifikasi obyek. Proses segmentasi kadang kala diperlukan untuk meloklisasi obyek yang diinginkan dari sekelilingnya. Yang termasuk dalam klasifikasi analisis citra antara lain: 1. Pendeteksian Tepian (Edge Detection) 2. Ekstraksi Batas (Boundary) 3. Representasi Daerah (Region) 6. Rekonstruksi Citra (Image Reconstruction) Operasi ini bertujuan untuk membentuk ulang obyek dari beberapa citra hasil proyeksi. Operasi rekonstruksi citra banyak digunakan dalam bidang medis. Contohnya adalah foto rontgen dengan sinar X digunakan untuk membentuk ulang gambar organ tubuh.

2.2.3. Macam-Macam Citra a. Citra Foto Citra foto adalah gambar yang dihasilkan dengan menggunakan sensor kamera. Citra foto dapat dibedakan atas beberapa dasar, yaitu : A. Spektrum Elektromagnetik yang digunakan Berdasarkan spektrum elektromagnetik yang digunakan, citra foto dapat dibedakan atas: a) Foto ultra violet yaitu foto yang dibuat dengan menggunakan spektrum ultra violet dekat dengan panjang gelombang 0,29 mikrometer. Cirinya tidak banyak informasi yang dapat disadap, tetapi untuk beberapa obyek dari foto ini mudah pengenalannya karena kontrasnya yang besar. Foto ini sangat baik untuk mendeteksi: tumpahan minyak di laut, membedakan atap logam yang tidak dicat, jaringan jalan aspal, batuan kapur. b) Foto ortokromatik yaitu foto yang dibuat dengan menggunakan spektrum tampak dari saluran biru hingga sebagian hijau (0,4 – 0,56 mikrometer). Cirinya banyak obyek yang tampak jelas. Foto ini bermanfaat untuk studi pantai karena filmnya peka terhadap obyek di bawah permukaan air hingga kedalaman kurang lebih 20 meter. Baik untuk survey vegetasi karena daun hijau tergambar dengan kontras.

c) Foto pankromatik yaitu foto yang menggunakan seluruh spektrum tampak mata mulai dari warna merah hingga ungu. Kepekaan film hampir sama dengan kepekaan mata manusia. Cirinya pada warna obyek sama dengan kesamaan mata manusia. Baik untuk mendeteksi pencemaran air, kerusakan banjir, penyebaran air tanah dan air permukaan. d) Foto infra merah asli (true infrared photo), yaitu foto yang dibuat dengan menggunakan spektrum infra merah dekat hingga panjang gelombang 0,9 – 1,2 mikrometer yang dibuat secara khusus. Cirinya dapat mencapai bagian dalam daun, sehingga rona pada foto infra merah tidak ditentukan warna daun tetapi oleh sifat jaringannya. Baik untuk mendeteksi berbagai jenis tanaman termasuk tanaman yang sehat atau yang sakit. e) Foto infra merah modifikasi, yaitu foto yang dibuat dengan infra merah dekat dan sebagian spektrum tampak pada saluran merah dan sebagian saluran hijau. Dalam foto ini obyek tidak segelap dengan film infra merah sebenarnya, sehingga dapat dibedakan dengan air. B. Sumbu Kamera Sumbu kamera dapat dibedakan berdasarkan arah sumbu kamera ke permukaan bumi, yaitu :  Foto vertikal atau foto tegak (orto photograph) yaitu foto yang dibuat dengan sumbu kamera tegak lurus terhadap permukaan bumi.  Foto condong atau foto miring (oblique photograph), yaitu foto yang dibuat dengan sumbu kamera menyudut terhadap garis tegak lurus ke permukaan bumi. Sudut ini umumnya sebesar 10 derajat atau lebih besar. Tapi bila sudut condongnya masih berkisar antara 1 – 4 derajat, foto yang dihasilkan masih digolongkan sebagai foto vertikal.  Foto condong masih dibedakan lagi menjadi Foto agak condong (low oblique photograph), yaitu apabila cakrawala tidak tergambar pada foto. Foto sangat condong (high oblique photograph), yaitu apabila pada foto tampak cakrawalanya. C. Sudut liputan kamera Paine (1981) membedakan citra foto berdasarkan sudut liputan (angular coverage) atas 4 jenis. D. Berdasarkan jenis kamera yang digunakan foto dapat dibedakan atas:

1) Foto tunggal, yaitu foto yang dibuat dengan kamera tunggal. Tiap daerah liputan foto hanya tergambar oleh satu lembar foto. 2) Foto jamak, yaitu beberapa foto yang dibuat pada saat yang sama dan menggambarkan daerah liputan yang sama. E.

Warna yang digunakan: 1) Foto berwarna semu (false color) atau foto infra merah berwarna. Pada foto berwarna semu, warna obyek tidak sama dengan warna foto. Misalnya vegetasi yang berwarna hijau dan banyak memantulkan spektrum infra merah, tampak merah pada foto. 2) Foto warna asli (true color), yaitu foto pankromatik berwarna.

F. Sistem wahana Berdasarkan wahana yang digunakan dibedakan foto udara yaitu foto yang dibuat dari pesawat/ balon udara. Foto satelit atau foto orbital, yaitu foto yang dibuat dari satelit. (Sutanto, 1986)

b. Citra Non Foto Citra non foto adalah gambaran yang dihasilkan oleh sensor bukan kamera. Citra non foto dibedakan atas : A. Spektrum elektromagnetik yang digunakan

berdasarkan spektrum

elektromagnetik yang digunakan dalam penginderaan, Citra Non foto dibedakan atas : Citra infra merah thermal, yaitu citra yang dibuat dengan spektrum infra merah thermal. Penginderaan pada spektrum ini berdasarkan atas beda suhu obyek dan daya pancarnya pada citra tercermin dengan beda rona atau beda warnanya. Citra radar dan citra gelombang mikro, yaitu citra yang dibuat dengan spektrum gelombang mikro. Citra radar merupakan hasil penginderaan dengan sistem aktif yaitu dengan sumber tenaga buatan, sedang citra gelombang mikro dihasilkan dengan sistem pasif yaitu dengan menggunakan sumber tenaga alamiah. B. Sensor yang digunakan berdasarkan sensor yang digunakan, citra non foto terdiri dari : Citra tunggal, yakni citra yang dibuat dengan sensor tunggal, yang salurannya lebar. Citra multispektral, yakni cerita yang dibuat dengan sensor jamak, tetapi salurannya sempit, yang terdiri dari: Citra RBV (Return Beam Vidicon), sensornya berupa kamera yang hasilnya

tidak dalam bentuk foto karena detektornya bukan film dan prosesnya non fotografik. Citra MSS (Multi Spektral Scanner), sensornya dapat menggunakan spektrum tampak maupun spektrum infra merah thermal. Citra ini dapat dibuat dari pesawat udara. C. Wahana yang digunakan Berdasarkan wahana yang digunakan, citra non foto dibagi atas : a. Citra dirgantara (Airbone image), yaitu citra yang dibuat dengan wahana yang beroperasi di udara (dirgantara). Contoh: Citra Infra Merah Thermal, Citra Radar dan Citra MSS. Citra dirgantara ini jarang digunakan. b. Citra Satelit (Satellite/Spaceborne Image), yaitu citra yang dibuat dari antariksa

atau

angkasa

luar.

Citra

ini

dibedakan

lagi

atas

penggunaannya, yakni :  Citra satelit untuk penginderaan planet. Contoh: Citra Satelit Viking (AS), Citra Satelit Venera (Rusia).  Citra Satelit untuk penginderaan cuaca. Contoh: NOAA (AS), Citra Meteor (Rusia).  Citra Satelit untuk penginderaan sumber daya bumi. Contoh: Citra Landsat (AS), Citra Soyuz (Rusia) dan Citra SPOT (Perancis).  Citra Satelit untuk penginderaan laut. Contoh: Citra Seasat (AS), Citra MOS (Jepang). (Sutanto, 1986)

Perbedaan Citra dan Non-Citra

2.3.

Satelit Landsat Program Landsat adalah program paling lama untuk mendapatkan citra bumi dari luar angkasa. Satelit Landsat (land Satellite) milik Amerika Serikat, pertama kali diluncurkan pada tahun 1972 dengan nama ERTS-1. Proyek tersebut sukses dan silanjutkan dengan peluncuran selanjutnya, seri kedua, tetapi dengan nama baru yaitu Landsat. Seri tersebut hingga tahun 1991 telah sampai pada Landsat 5, dikelompokkan menjadi dua generasi, yaitu generasi pertama (1-3) dan generasi kedua (4-5) (Achmad Siddik, 2008). Program ini dulunya disebut Earth Resources Observation Satellites Program ketika dimulai tahun 1966, namun diubah menjadi Landsat pada tahun 1975. Tahun 1979, Presidential Directive 54 di bawah Presiden AS Jimmy Carter mengalihkan operasi Landsat dari NASA ke NOAA, merekomendasikan pengembangan sistem operasional jangka panjang dengan 4 satelit tambahan, serta merekomendasikan transisi swastanisasi Landsat. Ini terjadi tahun 1985 ketika EOSAT, rekan Hughes Aircraft dan RCA, dipilih oleh NOAA untuk mengoperasikan sistem Landsat dalam kontrak 10 tahun. EOSAT mengoperasikan Landsat 4 and 5, memiliki hak ekslusif untuk memasarkan data Landsat, serta mengembangkan Landsat 6 dan 7 (www.id.wikipedia.org/landsat). Landsat 1-2 dan dua sensor, yaitu RBV (memiliki 3 saluran dengan resolusi spasial 79 m) dan MSS (memiliki 4 saluraan). Landsat 3 masih memiliki 2 sensor itu, tapi sensor RBV hanya memiliki 1 saluran dengan resolusi spasial 40 m. Landsat 4-5 memiliki dua sensor; TM (dengan 7 saluran, dimana saluraan TM5 dan TM7-nya beresolusi spasial 30 m) dan MSS (Spasiatama, 2004). Landsat 5, diluncurkan pada 1 Maret 1984, sekarang ini masih beroperasi pada orbit polar, membawa sensor TM (Thematic Mapper), yang mempunyai resolusi spasial 30 x 30 m pada band 1, 2, 3, 4, 5 dan 7. Sensor Thematic Mapper mengamati obyek-obyek di permukaan bumi dalam 7 band spektral, yaitu band 1, 2 dan 3 adalah sinar tampak (visible), band 4, 5 dan 7 adalah inframerah dekat, infra merah menengah, dan band 6 adalah infra merah termal yang mempunyai resolusi spasial 120 x 120 m. Luas liputan satuan citra adalah 175 x 185 km pada permukaan bumi. Landsat 5 mempunyai kemampuan untuk meliput daerah yang sama pada permukaan bumi pada setiap 16 hari, pada ketinggian orbit 705 km (Sitanggang, 1999 dalam Ratnasari, 2000).

Tahun 1992, berbagai upaya dilakukan untuk mengucurkan dana untuk operasi lanjutan Landsat, namun pada akhir tahun EOSAT menghentikan pengolahan data Landsat. Landsat 6 diluncurkan pada tanggal 5 Oktober 1993, namun mengalami kegagalan peluncuran. NASA akhirnya meluncurkan Landsat 7 pada tanggal 15 April 1999. 

Landsat 1 (mulanya dinamakan Earth Resources Technology Satellite 1) diluncurkan 23 Juli 1972, operasi berakhir tahun 1978.



Landsat 2 - diluncurkan 22 Januari 1975, berakhir 1981.



Landsat 3 - diluncurkan 5 Maret 1978, berakhir 1983.



Landsat 4 - diluncurkan 16 Juli 1982, berakhir 1993.



Landsat 5 - diluncurkan 1 Maret 1984, masih berfungsi.



Landsat 6 - diluncurkan 5 Oktober 1993, gagal mencapai orbit.



Landsat 7 - diluncurkan 15 April 1999, masih berfungsi (www.id.wikipedia.org/landsat).

2.4.

Satelit Ikonos Satelit Ikonos adalah satelit resolusi tinggi yang dioperasikan oleh GeoEye. Kemampuannya yang terliput adalah mencitrakan dengan resolusi multispektral 3,2 meter dan inframerah dekat (0,82mm) pankromatik. Aplikasinya untuk pemetaan sumberdaya alam daerah pedalaman dan perkotaan, analisis bencana alam, kehutanan, pertanian, pertambangan, teknik konstruksi, pemetaan perpajakan, dan deteksi perubahan. Mampu menyediakan data yang relefan untuk studi lingkungan. Ikonos menyediakan pandangan udara dan foto satelit untuk banyak tempat di seluruh dunia (www.geocities.com) Karaktreristik Satelit IKONOS No. Karakteristik Diskripsi. 1.

Tanggal Peluncuran 24 September 1999 at Vandenberg Air Force Base, California, USA.

2.

Masa Operasi 7 tahun lebih.

3.

Orbit 98.1 derajad, sun synchronous.

4.

Kecepatan pada Orbit 7.5 km/detik.

5.

Kecepatan diatas bumi 6.8 km/detik .

6.

Kecepatan mengelilingi Bumi 14.7 kali tiap 24 pukul.

7.

Ketinggian 681 kilometer (Low Earth Orbit).

8.

Resolusi pada Nadir 0.82 meter (panchromatic); 3.2 meter (multispectral).

9.

Resolusi 26° Off-Nadir 1.0 meter(panchromatic);4.0 meter (multispectral).

10. Cakupan Citra 11.3 kilometer pada nadir; 13.8 kilometer pada 26° offnadir. 11. Waktu Melintas Ekuator 10:30 AM solar time. 12. Waktu Lintas Ulang 3 days at 40° latitude. 13. Saluran Citra Panchromatic, blue, green, red, near IR (www.geocities.com)

2.5.

Er Mapper 7.0 ER Mapper adalah salah satu software (perangkat lunak) yang digunakan untuk mengolah data citra atau satelit. Masih banyak perangkat lunak yang lain yang juga dapat digunakan untuk mengolah data citra, diantaranya adalah Idrisi, Erdas Imagine, PCI dan lain-lain. Masing-masing perangkat lunak mempunyai keunggulan dan kelebihannya sendiri. ER Mapper dapat dijalankan pada workstation dengan sistem operasi UNIX dan komputer PCs (Personal Computers) dengan sistem operasi Windows 95 ke atas dan Windows NT (Cut Meurah, 2004). ER Mapper adalah salah satu perangkat lunak pengolahan citra digital. Perangkat lunak yang dilengkapi dengan user-interface yang user-frendly, yaitu memiliki hampir semua fungsionalitas pengolahan citra digital ini sangat mudah dan praktis untuk digunakan oleh setiap pengguna; tidak terkecuali seorang pemula sekalipun. Selain itu, di dalamnya, terdapat fasilitas help dan online tutorial yang dapat memudahkan para pemakainya. Oleh karena itu, tidak heran, jika sejak peluncuran versi awalnya, ER Mapper telah merebut hati setiap praktisi bidangbidang remote sensing dan digital image processing (Sutanto,1986). Keunggulan menggunakan ER Mapper 7.0 : 

Mampu untuk mengolah sebagian citra penginderaan jauh.



Mampu mengimpor data citra yang tidak dikenal sekalipun.



Didukung lebih dari 100 kompatibilitas pencetakan citra.



Sangat mudah digunakan untuk tujuan analisis sekalipun oleh user pemula.



Dapat digunakan secara cepat untuk lebih dari 130 aplikasi khusus.



Tersedia lebih dari 160 formula atau algorithma matematis pengolahan citra sehingga pengguna tidak perlu berfikir dan menulis lagi algorithma yang rumit bagi pemula.



Realtime processing, pengolahan langsung dapat dilihat hasilnya tanpa menyimpannya di media terlebih dahulu.



Pembuatan mosaik citra yang sangat mudah baik untuk citra satelit juga citra foto udara.



Data yang berbeda dapat ditampilkan bersamaan bahkan saat diproses.



Penyusunan model 3D dari citra sehingga lebih tampak seperti kondisi aslinya di lapangan. (Sutanto, 1986)

2.6.

Teknik Interpretasi Visual Proses Interprestasi citra adalah proses pengambilan informasi kenampakan objek pada citra, baik secara kualitatif maupun kuantitatif yang memperhatikan pengetahuan maupun pengalaman pengenalan sifat-sifat unsur yang terkandung, melalui penerapan kunci-kunci pengenalan objek (rona atau warna). Kunci-kunci dalam pengenalan objek antara lain : 

Ukuran, merupakan bagian informasi konstektual selain bentuk dan letak. Ukuran merupakan atribut obyek yang berupa jarak, luas, tinggi, lereng dan volume. Ukuran merupakan cerminan penyajian penyajian luas daerah yang ditempati oleh kelompok individu.



Bentuk dan Ukuran merupakan asosiasi sangat erat. Bentuk menunjukkan konfigurasi umum suatu obyek sebagaimana terekam pada citra penginderaan jauh. Bentuk mempunyai dua makna yakni:



Bentuk luar/umum.



Bentuk rinci atau sususnana bentuk yang lebih rinci dan spesifik.



Asosiasi, menunjukkan komposisi sifat fisiogonomi seragam dan tumbuh pada kondisi habitat yang sama. Asosiasi juga berarti kedekatan erat suatu obyek dengan obyek lainnya. Contoh permukiman kita identik dengan adanya jaringan tarnsportasi jalan yang lebih kompleks dibanding permukiman pedesaan. Konvergensi bukti dalam proses penafsiran citra penginderaan jauh sebaiknya digunakan unsure diagnostic citra sebanyak

mungkin. Hal ini perlu dilakukan karena semakin banyak unsure diagnostik citra yang digunakan semakin menciut lingkupnya untuk sampai pada suatu kesimpulan suatu obyek tertentu. Konsep ini yang sering disebut konvergensi bukti. 

Tekstur, merupakan frekuensi perubahan rona dalam citra. Tekstur dihasilkan oleh kelompok unit kenampakan yang kecil, tekstur sering dinyatakan kasar, halus, ataupun belang-belang.



Bayangan, merupakan unsur sekunder yang sering membantu untuk identifikasi obyek secara visual, misalnya untuk mengidentifikasi hutan jarang, gugur daun, tajuk ( hal ini lebih berguna pada citra resolusi tinggi ataupun foto udara).



Pola,

merupakan

karakteristik

makro

yang

digunakan

untuk

mendeskripsikan tata ruang pada kenampakan di citra. Pola atau susunan keruangan merupakan ciri yang yang menandai bagi banyak obyek bentukan manusia dan beberapa obyek alamiah. Hal ini membuat pola unsure penting untuk membedakan pola alami dan hasil budidaya manusia. Sebagai contoh perkebunan karet , kelapa sawit sanagt mudah dibedakan dari hutan dengan polanya dan jarak tanam yang seragam. 

Lokasi geografis (Purwadhi & Sri Hardiyanti, 2001).

2.7.

Red Green Blue (RGB) Citra yang menggunakan LUT RGB haruslah memiliki tiga channel dapat dikatakan disusun terdiri atas tiga lapisan warna, superimpos dari tiga lapisan ini akan menyusun citra dengan kedalaman warna maksimal 2563 kode warna. Walaupun demikian, pada umumnya citra penginderaan jauh hanya menggunakan ruang hingga 256 kode saja, kecuali beberapa citra, misalnya : radar hingga 16 bit channel, dan citra-citra yang telah direntangkan ruang warnanya. Pemerataan warna dari citra dengan ruang warna 256 kode menjadi 2563 dapat dilaksanakan akan tetapi tidak merubah kedalaman informasinya, kondisi ini dapat disetarakan dengan pembesaran skala peta dari skala 1:3000 menjadi skal 1:1000 dengan cara di foto copy (Geomedia, 2004).

2.8.

Geolink Geolink adalah menghubungkan dua atau lebih window image dalam ruang koordinat geografik. Hal ini berguna untuk visualisasi dari area geografik yang sama dengan tipe image yang berbeda. Apabila image sudah diregistrasi, maka image tersebut bisa dihubungkan secara geografik dengan window image yang lain. Dengan demikian kita dapat dengan mudah membandingkan atau melakukan tindakan terhadap dua objek sekaligus. Pengertian Geopositioning adalah menyebutkan secara spesifik posisi dan cakupan dari sebuah image dalam ruang koordinat geografis. Hal ini bisa berguna untuk membuat peta yang mencakup suatu area tertentu (Lillesand dan Kiefer, 1990) Sedangkan geolinking adalah menghubungkan dua atau lebih window image dalam ruang koordinat geografik. Hal ini bisa sangat berguna untuk visualisasi dari area geografik yang sama dengan tipe image yang berbeda atau algorithm pemrosesan yang berbeda, dan banyak aplikasi lain. Apabila image sudah diregistrasi, maka image tersebut bisa dihubungkan secara geografik dengan window image lain (Lillesand dan Kiefer, 1990).

III. MATERI DAN METODE

3.1.

Waktu dan Tempat Hari/Tanggal : Kamis, 8 Mei 2014 Waktu

: 14.40 – 16.20 WIB

Tempat

: Laboratorium Komputasi, Gedung E Jurusan Ilmu Kelautan, FPIK Universitas Diponegoro

3.2.

Materi 1.

Penggabungan Citra

2.

Cropping Data

3.

Penajaman Citra

4.

Reading Data Value  Mengetahui Jarak  Mengetahui Luas  Cell Values Profile  Cell Coordinate

5.

3.3.

Geolink

Metode 3.3.1. Penggabungan Citra 

Jalankan program ER Mapper 7.0



Klik Edit Algorithm



Duplikat Pseudo Layer sebanyak 6 kali. Kemudian ganti nama ‘Pseudo

, untuk membuat lembar kerja baru

layer’ dengan nama Band 1 - Band 7 (tanpa Band 6).



Klik Load Dataset

, cari lokasi penyimpanan file citra kemudian

pilih file 2000_0204_B1.tif yang ada pada folder cilacap untuk Band 1, file 2000_0204_B2.tif untuk Band 2 dan seterusnya hingga Band 7.



Save file dengan format NAMA_NIM_PenggabunganCitra, pilih files of type yang digunakan ER Mapper Raster Dataset (.ers)



Setelah selesai klik OK dan tutup lembar kerja Er Mapper.

3.3.2. Cropping Data 

Pilih Edit Algorithm Load Dataset

untuk membuat lembar kerja baru, kemudian

file yang telah disimpan pada materi penggabungan

citra.



Duplikat Pseudo Layer sebanyak 6 kali. Kemudian sesuaikan nilai Bandnya (B1: Band 1, B2: Band 2, dan seterusnya)



Crop pada daerah yang ditentukan dengan cara klik Zoom Box Tool kemudian zoom daerah yang akan di crop.



Save file dengan format NAMA_NIM_CroppingCitra, pilih files of type yang digunakan ER Mapper Raster Dataset (.ers)



Setelah selesai klik OK dan tutup lembar kerja Er Mapper.

3.3.3. Penajaman Citra 

Pilih Edit Algorithm Load Dataset

untuk memuat lembar kerja baru, kemudian

file yang telah disimpan pada materi Cropping Citra.



Klik RGB Algorithm



Hapus Pseduo Layer dengan cara menggunting atau cut kemudian save

untuk menajamkan citra

file dengan format NAMA_NIM_Penajaman Citra, pilih files of type yang digunakan ER Mapper Raster Dataset (.ers)



Setelah selesai klik OK dan tutup lembar kerja Er Mapper.

3.3.4. Reading Data Value 

Pilih Edit Algorithm Load Dataset



untuk memuat lembar kerja baru, kemudian

file yang telah disimpan pada materi Penajaman Citra.

Pilih Edit kemudian pilih Annotate Vector Layer dan akan muncul tools box.

a. Mengetahui Jarak 

Pada Tools box, pilih Polyline

lalu lakukan digitasi pada titik awal

dan titik akhir daerah yang ingin diketahui panjang jaraknya.



Pilih icon Edit Object Extents

. ER Mapper akan menampilkan

window Map Composition Extent yang menunjukan informasi mengenai panjang jarak area yang telah di digitasi.



Setelah selesai close window Map Composition Extents dan klik Delete Object

untuk menghapus digitasi.

b. Mengetahui Luas 

Pada Tools box, pilih Polygone area yang ingin diketahui luasnya.

lalu lakukan digitasi mengelilingi



Pilih icon Edit Object Extents

. ER Mapper akan menampilkan

window Map Composition Extent yang menunjukan informasi mengenai luas dan keliling area yang telah di digitasi.



Setelah selesai close window Map Composition Extents dan klik Delete Object untuk menghapus digitasi.

c. Cell Values Profil 

Hilangkan efek Smoothing, dengan menghilangkan tanda centang pada kolom Smoothing.



Zoom citra hingga terlihat pixelnya. Pilih View kemudian Cell Values Profile untuk melihat nilai pixel pada citra, pilih pointer kemudian klik pada salah satu pixel dalam citra. Maka akan terlihat nilai pixel pada window Cell Values Profile



Setelah selesai close window Cell Values Profile.

d. Cell Coordinates 

Pilih View, kemudian Cell Coordinates untuk mengetahui koordinat dari pixel tersebut lalu pilih pointer dan klik dimana saja pada citra, maka akan terlihat nilai pixel pada window Cell Coordinates.



Setelah selesai close window Cell Coordinates.

3.3.5. Geolink 

Pilih Edit Algorithm

untuk membuat lembar kerja baru, kemudian

pilih Duplicate untuk menduplikasi layer atau lembar kerja dan Load



Dataset

pada masing-masing layer.

Pilih

IKONOS2005.ers

file

untuk

IKONOS2009.ers untuk layer kedua.

layer

pertama

dan

file



Pertajam kedua citra dengan RGB Algorithm

a. Geolink to Window



Perlakukan Layer 1 dan Layer 2 seperti berikut : Klik kanan pada masing-masing layer, pilih Quick Zoom, pilih Set Geolink to Window.



Gerakkan citra pada salah satu layer maka dimanapun kita pilih daerah yang terdapat pada salah satu layer, maka akan diperlihatkan juga pada layer yang lainnya dengan koordinat yang sama.

b. Geolink to Screen 

Duplicate

layer 1 dan 2 masing-masing 1 (satu) kali, sehingga ada 4

(empat) layer. Atur besar dan posisinya sehingga keempat layer tersebut seperti membentuk satu layar yang saling berhubungan.



Perlakukan semua Layer seperti berikut : Klik kanan pada masingmasing layer, pilih Quick Zoom, pilih Set Geolink to Screen, setelah keempat layer selesai dipilih Set Geolink to Screen akan ada 1 (satu) layer yang tetap menampilkan gambar citra.



Gerakkan 1 gambar citra tersebut kedalam layer yang lain, akan terlihat citra tersebut dapat berpindah pada semua layer dan berubah gambarnya tergantung pada kondisi citra tersebut di ambil (Citra 1 & 3 tahun 2005, Citra 2 & 4 tahun 2009)



Setelah selesai kembalikan semua layer dengan cara klik kanan pada setiap layer, pilih Quick Zoom, pilih Zoom to All Datasets.

c. Geolink to Overview Roam 

Pada keempat layer, klik kanan pilih Quick Zoom, dan pilih Set Geolink to None.



Kemudian pada layer pertama klik kanan, pilih Quick Zoom, pilis Set Geolink to Roam. Maka pada saat layer pertama dilakukan klik dengan tool Zoom In, maka ketiga layer yang lainnya akan menunjukkan tampilan di daerah yang sedang di lakukan zooming tersebut.

IV. HASIL DAN PEMBAHASAN

4.1.

Hasil 4.1.1. Penggabungan Citra

4.1.2. Cropping Citra

4.1.3. Penajaman Citra

4.1.4. Reading Data Value a. Mengetahui Jarak

b. Mengetahui Luas

c. Cell Values Profil

d. Cell Coordinate

4.1.5. Geolink a. Geolink to Window

b. Geolink to Screen

c. Geolink to Over Roam

4.2.

Pembahasan 4.2.1. Penggabungan Citra Penggabungan citra dapat didefinisikan sebagai penggabungan dua atau lebih citra yang berbeda dari segi resolusi (terutama spasial, spectral, temporal) ataupun dari segi sistem untuk menghasilkan citra baru yang menggabungkan kelebihan dari citra asal. Pada praktikum ini menggunakan data citra Kabupaten Cilacap oleh satelit Landsat yang berjumlah 6 band yaitu band 1, band 2, band 3, band 4, band 5 dan band 7. Pada perlakuan ini Band 6 tidak digunakan karena band ini bersifat data termal atau data suhu (digunakan untuk pemetaan termal). Penggabungan citra untuk dapat menganalisis suatu daerah yang berada di Kabupaten Cilacap.

4.2.2. Cropping Citra Cropping atau pemotongan citra adalah pengambilan area tertentu yang akan diamati, bertujuan untuk mempermudah penganalisaan citra dan memperkecil ukuran penyimpanan citra. Dengan menggunakan Zoom Box Tool, kita melakukan perbesaran pada area tertentu pada citra Kabupaten Cilacap untuk dianalisis lebih lanjut.

4.2.3. Penajaman Citra Penajaman citra adalah teknik peningkatan kontras warna dan cahaya dari suatu citra sehingga memudahkan untuk interpetasi dan analisis citra. Citra hasil cropping di ubah menjadi citra kontras dengan komposisi warna merah, hijau dan biru (Red, Green, Blue) dengan RGB Algorithm. Dengan komposit warna RGB ini, setiap band pada citra terdiri atas merah, hijau dan biru berdasarkan panjang gelombang warna.

4.2.4. Reading Data Values Merupakan pembacaan data statistik dan analisis yang ditampilkan oleh citra. a. Mengukur jarak (panjang) Pada pengukuran jarak (panjang) diambil dua titik yang diinginkan, kemudian dianalisa berapa nilai jaraknya dalam km, meters, mile, dan feet. Pada hasil diatas dapat dilihat jarak yang ditinjau memiliki ukuran sebesar 2,6 km atau 2630,6 m atau 1,63 miles atau 8631 kaki.

b. Menghitung Luas dan Keliling Pada penghitungan luasan praktikan menentukan area yang dipilih dengan cara meng-klik (polygon) area tersebut, kemudian dianalisa berapa luasnya. Dari tabel dapat dilihat bahwa area yang ditinjau memiliki keliling sepanjang 9,5 km atau 9501 m atau 5,9 miles atau 31174,1 kaki.

c. Cell Values Profile Berfungsi untuk melihat profil tujuh band yang dihasilkan oleh citra Landsat. Pada perlakuan ini, praktikan telah menganalisis citra Kabupaten Cilacap yang telah di zoom (sangat besar) kemudian dihilangkan smoothing-nya sehingga tampilan citra menjadi pixel-pixel warna. Pixel yang diklik tersusun oleh lapisan merah (Red Layer) dengan nilai digital number sebesar 20, lapisan hijau (Green Layer) dengan digital number sebesar 58, lapisan biru (Blue Layer) dengan digital number 51.

d. Cell Coordinates Berfungsi untuk melihat koordinat atau posisi dari daerah yang telah ditentukan. Titik pixel yang ditinjau berada pada citra koordinat kolom X=58,31 dan Y=272,58; berada pada posisi 256352,74E ke arah timur dan 9145435,62N ke arah utara; berada pada 7:43:31.19S lintang selatan (LS) dan 108:47:27.65E bujur timur (BT).

4.2.5. Geolink Geolink adalah menghubungkan dua atau lebih window image dalam ruang geografik. Hal ini berguna untuk visualisasi dari area geografik yang sama dengan tipe image yang berbeda. Dengan demikian kita dapat dengan mudah membandingkan atau membedakan dua objek sekaligus atau lebih.

a. Geolink to Window Memiliki fungsi menghubungkan 2 citra kemudian dapat digerakkan bersama-sama. Pada materi ini praktikan

menghubungkan 2 citra dari

satelit IKONOS yaitu citra IKONOS 2005 dan citra IKONOS 2009, kemudian dengan memilih Geolink to Window pada kedua citra, maka citra dapat digerakkan bersama-sama.

b. Geolink to Screen Memiliki fungsi yang hampir sama dengan geolink to window menggabungkan beberapa citra yang berbeda pada window yang berbeda menjadi satu screen. Akan tetapi, pada materi ini, praktikan dapat menggabungkan 4 citra dengan ketentuan 2 citra IKONOS 2005 dan 2 citra IKONOS 2009, sehingga nampak citra-citra tersebut terhubung pada layar 1,2,3 dan 4 menjadi satu screen dan bisa dilihat perbedaan atau perbandingan citra IKONOS 2005 dengan citra IKONOS 2009.

c. Geolink to Overview Roam Mengoperasikan dua atau lebih citra pada layar yang berbeda tetapi hanya dioperasikan pada 1 layar saja. Interpretasi ini dilakukan dengan tujuan untuk mengetahui titik suatu objek pada citra. Proses ini bermanfaat untuk

melihat unsure geografis yang sama tetapi terdapat pada citra yang berbeda atau pemrosesan/algotritma yang berbeda pula.

4.2.6. Analisa Satelit Penyajian citra penginderaan jauh tidak selektif, artinya apa saja yang dilalui atau di rekam oleh sensor akan tampak pada hasil penginderaan jauh. Ketidakselektifan

ini

memberikan

beberapa

kekurangan,

antara

lain

kenampakan-kenampakan penting akan sulit terlihat. Contohnya vegetasi yang tampak menonjol bagi kepentingan geologi atau lainnya.

V. KESIMPULAN

5.1.

Kesimpulan 1.

Aplikasi dasar penggunaan software ER Mapper dalam penginderaan jauh antara lain dalam melakukan Penggabungan Citra, Croping Citra, Reading Data Value, Penapukulan Citra, Komposit Warna dan Teknik Interpretasi Visual serta Geolink.

2.

Perbedaan yang terlihat pada suatu daerah di kota Semarang yang terlihat dengan adanya foto satelit pada tahun 2005 dan pada tahun 2009.

3.

Dari data yang diperoleh, ditentukan luas salah satu daerah di cilacap yaitu 5,39 km, dan jarak antara dua daerah di Cilacap adalah sebesar 2,79 km.

4.

Software ER Mapper sangat berguna dalam berbagai aplikasi dan penggunaan analisa data digital citra untuk berbagai keperluan.

5.2.

Saran 1.

Pada saat praktikum hendaknya praktikan memperhatikan dengan cermat setiap langkah kerja pada masing-masing materi.

2.

Install ER Mapper dengan benar agar tidak terjadi kesalahan saat praktikum berlangsung.

DAFTAR PUSTAKA

Avery, T. Eugene, 1985. Penafsiran Potret Udara. PT. Mailton Putra. Jakarta. Curran, pj, 1985, Principles of Remote Sensing, Longman, New York, 282p. Colwell, R. N. 1984. The Visible Portion of The Spectrum, In ; Remote Sensing of Environment, J. Lintz Jr and D.S Simonett, Addison-Wesly Publishing of Company, Inc. London Dulbahri, 1985. Interpretasi Citra Untuk survey Vegetasi. Puspics Bakorsurtanal UGM, Yogyakarta Lillesand dan Kiefer, 1990. Penginderaan Jauh dan Interpretasi Citra. Gadjah Mada University Press, Yogyakarta. Lillesand and Kiefer, 1993. Remote Sensing And Image Interpretation, Jhon Villey and Sons, New York. Lillesand, T.M. and R.W. Kiefer. 1979. Remote Sensing and Image Interpretation. Third Edition. John Wiley & Sons, Inc. New York, Singapore. Meurah, Cut, 2004. Modul Penginderaan Jauh. Jakarta: Erlangga. Purwadhi, Sri Hardiyanti. 2001. Interpretasi Citra Digital. PT. Grasindo, Jakarta. Ratnasari, E. 2000. Pemantauan Kebakaran Hutan dengan Menggunakan Data Citra NOAAAVHRR dan Citra Landsat-TM. Skripsi Mahasiswa Jurusan Manajemen Hutan, Fakultas Kehutanan IPB. Bogor. Tidak Dipublikasikan. Spasiatama, Geomedia. 2004. Modul Pelatihan Er Mapper. GoeMedia Sp. Yogyakarta Sutanto, Prof, Dr, 1986. Penginderaan Jauh Jilid I. Gadjah Mada University Press, Yogyakarta. Sutanto, Prof, Dr, 1999. Penginderaan Jauh Jilid II. Gadjah Mada University Press, Yogyakarta.