BAB I

PENDAHULUAN

1.1 LATAR BELAKANGTeknik penginderaan jauh sangat berkembang pesat sejak diluncurkannya satelit

penginderaan jauh ERTS (Earth Resources Technology). Penginderaan jauh berkembang

sangat pesat sejak empat dasawarsa terakhir ini. Perkembangannya meliputi aspek sensor,

wahana atau kendaraan pembawa sensor, jenis citra serta liputan dan ketersediaannya, alat

dan analisis data, dan jumlah pengguna serta bidang penggunanya. Penginderaan jauh

dimulai tahun 1609 pada zaman kekaisaran Romawi dan pada tahun 1859 Gaspard Felix

Tournachon, dikenal sebagai Nadar, adalah seorang fotografer asal Perancis yang terkenal

dan memakai balon gas yang membawa kamera berukuran besar tinggi di atas awan untuk

melakukan foto udara. Seiiring berkembangnya teknologi, pada saat ini pemotretan udara

menggunakan wahana setelit.

Citra penginderaan jauh adalah data berupa gambar yang diperoleh dalam sistem

penginderaan jauh. Dengan mengolah citra, maka akan didapatkan informasi visual tentang

citra. Pengolahan data pada citra dapat dilakukan dengan berbagai macam perangkat lunak

(software) antara lain : Idrisi, Erdas Imagine, PCI, ER Mapper dan lain-lain.

Penginderaan jauh ini sendiri banyak bermanfaat bagi bidang kehidupan, khususnya di

bidang kelautan, hidrologi, klimatologi, lingkungan dan kedirgantaraan

1.2 TUJUAN PRAKTKUM

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 dari citra penginderaan jauh.

1.3 MANFAAT PRAKTIKUM1. Mahasiswa dapat menambah wawasan ilmu pengetahuan dan teknologi mengenai

penginderaan jauh.2. Memberikan tanggung jawab kepada setiap mahasiswa untuk menyelesaikan masalah

yang diberikan dalam bentuk pembuatan laporan.

3. Menjadi bahan rujukan untuk mahasiswa yang lain dalam pembuatan laporan yang baik dan benar.

BAB II

TINJAUAN PUSTAKA

2.1 PENGINDERAAN JAUH2.1.1 PENGERTIAN

Penginderaan jauh adalah ilmu, seni dan teknik untuk memperoleh informasi tentang

suatu objek, daerah atau fenomena melalui analisis data yang diperoleh dengan suatu alat

tanpa kontak langsung dengan objek, daerah dan fenomena yang dikaji. Pengertian tanpa

kontak langsung di sini dapat diartikan secara sempit dan luas. Secara sempit berarti

bahwa memang tidak ada kontak antara objek dengan analis, misalnya ketika data citra

satelit diproses dan ditransformasi menjadi peta distribusi temperatur permukaan pada

saat perekaman. Secara luas berarti bahwa kontak dimungkinkan dalam bentuk aktivitas

ground truth, yaitu pengumpulan sampel lapangan untuk dijadikan dasar pemodelan

melalui interpolasi dan ekstrapolasi pada wilayah yang jauh lebih luas dan pada kerincian

yang lebih tinggi. Sedangkan Sutanto, 1986 mengatakan penafsiran citra penginderaan

jauh berupa pengenalan obyek dan elemen yang tergambar pada citra penginderaan jauh

serta penyajiaanya ke dalam bentuk peta tematik (Lillesand & Kiefer, 1990).

Penginderaan jauh merupakan upaya untuk memperoleh, menunjukkan (mengidenti

fikasi) dan menganalisis objek dengan sensor pada posisi pengamatan daerah kajian.

Penginderaan jauh merupakan suatu ilmu, karena terdapat suatu sistimatika tertentu untuk

dapat menganalisis informasi dari permukaan bumi, ilmu ini harus dikoordinasi dengan

beberapa pakar ilmu lain seperti ilmu geologi, tanah, perkotaan dan lain sebagainya.

Penginderaan jauh adalah ilmu untuk memperoleh, mengolah dan menginterpretasi citra

yang telah direkam yang berasal dari interaksi antara gelombang elektromagnetik dengan

sutau objek (Arsana, and Julzarika, 2006).

2.1.2 SISTEM PENGINDERAAN JAUH

Komponen-komponen dalam system penginderaan jauh diuraikan ringkas sebagai berikut:

1. Tenaga untuk Penginderaan Jauh

Pengumpulan data dalam penginderaan jauh dilakukan dari jarak jauh dengan menggunakan sensor buatan. Untuk itu diperlukan tenaga penghubung yang membawa data tentang objek ke sensor. Tenaga penghubung diperlukan agar berbagai informasi dalam berbagai bentuk dapat diterima oleh sensor dengan baik. Tenaga penghubung yang dimanfaatkan dalam penginderaan jauh berupa tenaga alamiah dan tenaga buatan. Tenaga penghubung alamiah disebut penginderaan jauh sistem pasif, yaitu yang merekam pantulan atau pancaran radiasi elektromagnetik dari suatu objek yang biasanya bersumber dari matahari. Sedangkan sumber tenaga buatan yang digunakan dalam penginderaan jauh sistem aktif, yaitu perekaman dengan menggunakan sumber tenaga buatan seperti sistem RADAR dan LIDAR. Sistem scanner ini dapat dibedakan menjadi dua yaitu scanner opto-mekanik (contohnya Landsat TM) dan scanner penyapu (push broom).

2. Atmosfer

Atmosfer bersifat selektif terhadap panjang gelombang, sehingga hanya sebagia kecilbsaja tenaga elektromagnetik yang dapat mencapai permukaan bumi dan dimanfaatkan untuk penginderaan jauh. Bagian spektrum elektromagnetik yang mampu melalui atmosfer dan dapat mencapai permukaan bumi disebut “jendela atmosfer” Jendela atmosfer yang paling banyak digunakan dalam penginderaan jauh adalah spektrum tampak.

3. Sensor

Tiap sensor memiliki kepekaan tersendiri terhadap bagian spektrum elektromagnetik. Semakin kecil objek yang dapat direkam oleh sensor, maka semakin baik kualitas sensor itu dan semakin baik kemampuan sensor untuk merekam gambar terkecil/resolusi spasial dari citra.

4. Perolehan Data

Perolehan data dapat dilakukan dengan cara manual yaitu dengan interpretasi secara visual, dan dapat pula dengan cara numeric atau cara digital yaitu dengan menggunakan computer. Foto udara pada umumnya diinterpretasi secara manual, sedangkan data hasil

penginderaan jauh secara elektronik dapat diinterpretasi secara manual maupun secara numerik.

5. Pengguna Data

Pengguna data (orang, institusi, atau pemerintah) merupakan komponen paling penting dalam penginderaan jauh karena para penggunalah yang dapat menentukan diterima atau tidaknya hasil penginderaan jauh. Data yang dihasilkan mencakup wilayah sumber daya alam suatu negara, yang merupakan data yang sangat penting untuk kepentingan orang banyak, sehingga data ini penting untuk dijaga penggunaannya.

(Mayasari, 2013)

2.2 CITRA

Dalam penginderaan jauh, data atau hasil observasi yang didapat disebut citra. Citra dapat diartikan sebagau gambaran yang tampak dari suatu objek yang sedang diamati, sebagai hasil liputan atau rekaman suatu alat pemantau. Menurut Hornby, citra adalah gambaran yang terekam oleh kamera atau alat sensor lain. Menurut Simonett, citra adalah gambaran rekaman suatu objek ( biasanya berupa gambaran pada foto )yang didapat dengan cara optik, elektro optik, optik mekanik, atau elektromekanik. Pada umumnya hal itu digunakan apabila radiasi elektromagnetik yang dipancarkan atau dipantulkan dari suatu objek tidak langsung direkam dalam film. Menurut Ford, citra adalah gambaran visual tenaga yang direkam dengan menggunakan piranti penginderaan jauh (Mayasari, 2013).

2.2.1 JENIS CITRA PENGINDERAAN JAUH

Citra dapat digolongkan menjadi dua jenis, yaitu citra foto dan citra nonfoto.

1. Citra Foto

Citra foto adalah gambar yang dihasilkan dengan menggunakan sensor kamera. Citra foto dapat dibedakan atas beberapa dasar sebagai berikut :

a. Berdasarkan spektrum elektromagnetik yang digunakan

Pada waktu memotret objek di permukaan bumi, orang dapat memilih salah satu atau beberapa spektrum elektromagnetik berdasarkan kepentingannya. Citra foto berdasarkan spektrumnya dapat dibedakan menjadi :

1) Foto pankromatik adalah citra foto dari udara yang dibuat dengan menggunakan seluruh spektrum tampak mata mulai dari warna merah hingga ungu. Foto udara ini sering disebut foto udara konvensional. Ciri foto pankromatik adalah pada warna objek sama dengan kesamaan

mata manusia, sehingga baik untuk mendeteksi pencemaran air, kerusakan banjir, penyebarab air tanah, dan air permukaan.

2) Foto ultraviolet adalah citra foto yang dibuat dengan menggunakan spectrum ultraviolet dekat dengan panjang gelombang 0,29 mikrometer. Foto ini tidak menyadap banyak informasi tetapi untuk beberapa objek dari foto ini proses pengenalannya mudah karena kontras yang besar. Foto ini sangat baik untuk mendeteksi tumpahan minyak di laut, membedakan atap logam yang tidak dicat, jaringan jalan aspal, dan batuan kapur.

3) Foto ortokromatik adalah citra foto yang dibuat dengan menggunakan spectrum tampak dari saluran biru hingga sebagian hijau (0,4 – 0,56 mikrometer). Ciri foto ortokromatik adalah banyak objek yang tampak jelas. Foto ini bermanfaat untuk studi pantai karena memiliki film yang peka terhadap objek di bawah permukaan air hingga kedalaman kurang lebih 20 meter, sehingga baik untuk survei vegetasi karena daun hijau tergambar dengan kontras.

4) Foto inframerah asli adalah citra foto yang dibuat dengan menggunakan spectrum inframerah dekat hingga panjang gelombang 0,9 – 1,2 mikrometer yang dibuat secara khusus. Ciri foto inframerah asli adalah dapat mencapai bagian dalam daun, sehingga rona pada foto inframerah tidak ditentukan warna daun tetapi oleh sifat jaringannya, sehingga baik untuk mendeteksi berbagai jenis tanaman termasuk tanaman yang sehat atau yang sakit.

5) Foto inframerah modifikasi adalah citra foto yang dibuat dengan inframerah dekat dan sebagian spektrum tampak pada saluran merah dan sebagian saluran hijau.

b. Berdasarkan sumbu kamera

Citra foto berdasarkan sumbu kamera dibedakan menjadi dua jenis yaitu.

1) Foto vertikal adalah foto yang dibuat dengan sumbu kamera tegak lurus terhadap permukaan bumi.

2) Foto condong adalah foto yang dibuat dengan sumbu kamera menyudut terhadap garis tegak lurus ke permukaan bumi. Foto condong dibedakan sebagai berikut :

- Foto sangat condong yakni bila pada foto tampak cakrawala

- Foto agak condong yakni bila cakrawala tidak tampak pada foto

c. Berdasarkan jenis kamera

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 digunakan pada waktu yang sama dan menggambarkan daerah liputan yang sama.

d. Berdasarkan warna yang digunakan

1) Foto berwarna semu (false color) atau foto inframerah berwarna. Pada foto berwarna semu, warna objek tidak sama dengan warna foto. Misalnya vegetasi yang berwarna hijau dan banyak memantulkan spektrum tampak merah, akan tampak merah pada foto.

2) Foto warna asli (true color), yaitu foto pankromatik berwarna.

e. Berdasarkan sistem wahana

Berdasarkan wahana dapaat dibedakan menjadi

1) Foto udara, yaitu foto yang dibuat dari pesawat/balon udara.

2) Foto satelit atau foto orbital, yaitu foto yang dibuat dari satelit.

2. Citra Nonfoto

Citra nonfoto adalah gambaran yang dihasilkan oleh sensor bukan kamera. Citra nonfoto

dibedakan atas :

a. Spektrum elektromagnetik yang digunakan

Berdasarkan spectrum elektromagnetik, citra nonfoto dibedakan atas :

1) Citra inframerah termal adalah citra nonfoto yang dibuat dengan menggunakan spectrum inframerah termal. Pemanfaatan spektrum itu didasarkan atas beda temperature tiap objek yang dipantulkan ke kamera atau sensor.

2) Citra gelombang mikro dan Citra Radar adalah citra nonfoto yang dibuat dengan menggunakan spektrum gelombang mikro atau radar. Citra gelombang mikro menggunakan sumber energi alamiah ( system pasif ), sedangkan citra radar menggunakan sumber energi buatan ( system aktif ).

b. Sensor yang digunakan

Berdasarkan sensor yang digunakan, citra nonfoto dibedakan atas :

1) Citra tunggal, yaitu citra yang dibuat dengan sensor tunggal dengan saluran lebar.

2) Citra multispektral, yaitu citra yang dibuat dengan sensor jamak dengan saluran sempit yang terdiri dari :

• Citra RBV (Return Beam Vidicon), sensornya berupa kamera yang hasilnya tidak dalam bentuk foto karena detektornya bukan film dan prosesnya nonfotografik.

• Citra MSS (Multi Spektral Scanner), sensornya dapat menggunakan spektrum tampak maupun

spektrum inframerah termal. Citra ini dapat dibuat dari pesawat udara.

c. Wahana yang digunakan

1) Citra dirgantara (Airbone Image), yaitu citra nonfoto yang dibuat dengan wahana yang beroperasi di udara (dirgantara)

2) Citra Satelit (Satellite/Spaceborne Image), yaitu citra nonfoto yang dibuat oleh sensor dari satelit yang mengitari bumi.

(Mayasari, 2013)

2.2.2 INTERPRETASI CITRA

Interpretasi citra merupakan pengkajian foto udara atau citra dengan maksud untuk mengidentifikasi objek dan menilai arti pentingnya objek tersebut. Dalam manginterpretasikan citra, penafsir mengkaji citra dan berupaya mengenali objek melalui tahapan kegiatan sebagai berikut :

1. Deteksi adalah usaha penyadapan data secara global baik yang tampak maup[un yang tidak tampak. Ada tidaknya suatu objek ditentukan dalam pendeteksiannya, misalnya objek berupa sabana.

2. Identifikasi adalah usaha untuk mengenali objek yang tergambar pada citra yang dapat dikenali berdasarkan cirri yang terekam oleh sensor dengan alat stereoskop.

3. Analisis adalah pengumpulan informasi lebih lanjut setelah melakukan deteksi dan identifikasi

citra.

(Mayasari, 2013)

2.2.3 UNSUR INTERPRETASI CITRA

Untuk mempermudah menafsir objek yang tergambar pada citra foto, dapat digunakan unsur-unsur yang tercermin pada objek yaitu :

1.Bentuk

Merupakan gambar yang mudah dikenali. Objek yang sejenis di muka bumi memiliki bentuk yang sejenis pada citra. Contoh : gedung sekolah pada umumnya berbentuk huruf I, L, U, atau persegi panjang, gunung api berbentuk kerucut.

2.Ukuran

Merupakan ciri objek berupa jarak, luas, tinggi, lereng, dan volume. Ukuran objek pada citra berupa skala. Contoh : lapangan olah raga sepakbola dicirikan dengan bentuk persegi panjang dan ukuran tetap yakni sekitar 80 - 100 m.

3.Rona

Merupakan tingkat kecerahan objek yang tergambar pada citra.

4.Tekstur

Merupakan frekuensi perubahan rona pada citra.Tekstur biasanya dinyatakan ; kasar, sedang, dan halus. Misalnya hutan bertekstur kasar, belukar bertekstur sedang, dan semak bertekstur halus.

5.Bayangan

Bersifat menyembunyikan detail atau objek yang berada di daerah gelap. Bayangan juga dapat berfungsi sebagai kunci pengenalan yang penting dari beberapa objek yang justru dengan adanya bayangan menjadi lebih jelas.

6.Pola

Merupakan ciri yang menandai banyak objek bentukan manusia dan beberapa objek alamiah. Contoh : pola aliran sungai menandai struktur biologis. Pola aliran trellis menandai struktur lipatan. Permukiman transmigrasi dikenali dengan pola yang teratur, yaitu ukuran rumah yang jaraknya seragam, dan selalu menghadap ke jalan. Kebun karet, kebun kelapa, dan kebun kopi mudah dibedakan dengan hutan atau vegetasi lainnya dari polanya yaitu berpola teratur ( pola jarak tanamnya ).

7.Situs

Merupakan letak suatu objek terhadap objek lain di sekitarnya. Contoh : permukiman pada umumnya memanjang di pinggir beting pantai, tanggul alam atau di sepanjang tepi jalan. Persawahan banyak terdapat di daerah dataran rendah, dan sebagainya.

8.Asosiasi

Merupakan keterkaitan antara objek yang satu dengan objek yang lain. Contoh : stasiun kereta api berasosiasi dengan jalan kereta api yang jumlahnya lebih dari satu (bercabang ).

(Mayasari, 2013)

2.3 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, di antaranya adalah Idrisi, Erdas Imagine, PCI dan lain-lain. Masing-

masing perangkat lunak, mempunyai keunggulan dan kelebihan sendiri. ER Mapper dapat

dijalankan pada workstation dengan operasi UNIX dan komputer PCs (Personal Komputer)

dengan sistem operasi Windows -95 ke atas dan Windows NT.

Pengolahan data citra merupakan suatu cara memanipulasi data citra atau mengolah suatu

citra menjadi suatu keluaran (output) yang sesuai dengan yang kita harapkan. Adapun cara

pengolahan data citra itu sendiri melalui beberapa tahapan sampai menjadi suatu keluaran yang

diharapkan. Tujuan dari pengolahan citra adalah mempertajam data geografis dalam bentuk

digital menjadi suatu tampilan yang lebih berarti bagi pengguna, dapat memberikan informasi

kuantitatif suatu objek, serta dapat memecahkan masalah.

ER Mapper mengembangkan metode pengolahan citra terbaru dengan pendekatan yang

interaktif, dimana kita dpat melihat langsung hasil dari setiap perlakuan terhadap citra pada

monitor komputer. ER Mapper memberikan kemudahan dalam pengolahan data sehingga kita

dapat mengkombinasikan berbagai operasi pengolahan citra dan hasilnya dapat langsung terlihat

tanpa menunggu komputer menuliskannya menjadi file yang baru. Cara pengolahan ini dalam ER

Mapper disebut algoritma

Algoritma adalah rangkaian tahap demi tahap pemrosesan atau perintah dalam ER Mapper

yang digunakan untuk melakukan transformasi data asli dari hard disc sampai proses atau

intruksi selesai. Dengan algoritma, kita dapat melihat hasil yang dikerjakan di monitor,

menyimpannya ke dalam media penyimpan (hard disc dan lain-lain) memanggil ulang, atau

mengubahnya setiap saat. Algoritma berisi rangkaian proses dimana file dari algorima ukurannya

sangat kecil hanya beberapa kilobyte sampai beberapa megabyte, tergantung besarnya proses

yang kita lakukan sehingga sangat menghemat ruang harisk. Karena file algorima berukuran

kecil, maka proses pengolahan menjadi lebih cepat. Konsep algoritma ini merupakan salah satu

keunggulan ER Mapper. Selain itu ada beberapa keunggulan lain yang dimiliki ER Mapper

antara lain :

1. Didukung dengan 130 format pengimpor data.

2. Didukung dengan dua50 format pencetakan data keluaran.

3. Visualisasi 3 dimensi.

4. Adanya fasilitas dinamic link.

5. Penghubung dinamik (dinamic links) adalah fasilitas khusus ER Mapper yang membuat

pengguna dapat menampilkan seara langsung file eksternal pada citra tanpa

mengimpornya terlebih dahulu. Data-data yang dapat dihubungkan termasuk ke dalam

format file yang populer seperti Arc Info, Oracle, serta standar file format seperti DXF,

DON dan lain-lain.

Kekurangan ER Mapper :

1. Terbatasnya format pengekspor data.

2. Data yang mampu ditangani adalah data 8 bit.

(http://oocities.org)

2.4 SATELIT LANDSAT

Satelit Landsat pertama diluncurkan pada tahun 1972, yang paling baru, Landsat

7, diluncurkan pada tanggal 15 April 1999. Gambar, diarsipkan di Amerika Serikat dan di stasiun

penerima Landsat di seluruh dunia, adalah sumber daya yang unik untuk riset perubahan global

dan aplikasi dalam pertanian, kartografi, geologi, kehutanan, perencanaan daerah, pengawasan,

pendidikan dan keamanan nasional . Landsat 7 data yang memiliki delapan band spektral dengan

resolusi spasial antara 15 sampai 60 meter, dengan resolusi temporal 16

hari(www.wikipedia.org)

Program ini dulunya disebut Earth Resources Observation Satellites. yang dimulai tahun

1966 kemudian pada tahun 1975 diubah namanya menjadi Landsat. Tahun 1979 Presidentil

Directive 54 melalui Presiden AS Jimmy Carter mengalihkan operasi Landsat dari NASA ke

NOAA yang mana merekomendasikan transisi swastanisasi Landsat dan citra satelit dengan

warna simulasi Kolkata diambil dari satelit Landsat 7(www.wikipedia.org)

Perkembangan Satelite Landsat

Landsat 1 (awalnya bernama Earth Resources Technology Satellite 1) diluncurkan 23

Juli 1972, operasi berakhir 6 Januari 1978

Landsat 2 - diluncurkan 22 Januari 1975, berakhir 22 Januari 1981

Landsat 3 - diluncurkan 5 Maret 1978, berakhir 31 Maret 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 April 15, 1999, masih berfungsi, tapi dengan garis korektor scan

rusak pada Mei 2003

(www.wikipedia.org)

2.5 RGB

Citra RGB disebut juga citra truecolor. Citra RGB merupakan citra digital yang

mengandung matriks data berukuran m x n x 3 yang merepresentasikan warna merah, hijau, dan

biru untuk setiap pixelnya. Setiap warna dasar diberi rentang nilai. Untuk monitor komputer,

nilai rentang paling kecil 0 dan paling besar 255. Pemilihan skala 256 ini didasarkan pada cara

mengungkap 8 digit bilangan biner yang digunakan oleh komputer. Sehingga total warna yang

dapat diperoleh adalah lebih dari 16 juta warna. Warna dari tiap pixel ditentukan oleh kombinasi

dari intensitas merah, hijau, dan biru. RGB terdiri dari enam buah karakter heksadesimal yang

tiap dua-dua karakter masing-masing menyatakan entitas dari Red (merah), Green (hijau) dan

Blue (biru). Nilai-nilai yang dapat diisikan untuk tiap-tiap entitas RBG ini adalah dari 00 sampai

FF. Atau dalam angka desimal 0 sampai 255.

WarnaTriplet

Heksadesimal

Heksadesimal Desimal

R G B R G B

#000000 00 00 00 0 0 0

#FFFFFF FF FF FF 255 255 255

#0000FF 00 00 FF 0 0 255

#00FF00 00 FF 00 0 255 0

#FF0000 FF 00 00 255 0 0

#F0F8FF F0 F8 FF 240 248 255

#F5DEBB3 F5 DE B3 245 222 179

#DB7093 DB 70 93 219 112 147

(http://id.wikipedia.org/Warna_web)

Tiap dua karakter dari R, G dan B dapat pula direpresentasikan dalam satu bit (delapan

bit), sehingga RGB sendiri dapat direpresentasikan dalam suatu entitas berukuran 3 bit:

bit 1: nilai merah (R)

bit 2: nilai hijau (G)

bit 3: nilai biru (B)

Akan tetapi cara ini umumnya dipergunakan dalam menyimpan informasi pada berkas

grafik atau gambar dan tidak lazim digunakan dalam HTML. Walaupun demikian pengertian ini

diperlukan mengingat batasan nilai yang dapat diisikan untuk tiap entitas RGB diturunkan dari

batasan ukuran bit yang dulunya hanya 8 bit (0-255 atau 00-FF). Meskipun adanya batasan

tersebut jumlah warna yang dapat ditampilkan menggunakan sistem pewarnaan ini sudah cukup

banyak, yaitu

Dengan kata lain, lebih dari 16 juta warna dapat direpresentasikan dengan cara ini

(http://id.wikipedia.org/Warna_web).

2.6 TEKNIK INTERPRETASI VISUAL

Untuk lebih mendayagunakan citra satelit sehingga bisa digunakan oleh banyak

kalangan, maka citra satelit tersebut harus diinterpretasi (ditafsirkan) menjadi informasi. Salah

satu proses interpretasi yang paling sering dilakukan adalah interpretasi untuk pemetaan penutup

lahan dan vegetasi. Dalam teori penginderaan jauh, terdapat dua pendekatan yang dapat

dilakukan untuk proses interpretasi citra satelit yaitu interpretasi otomatis atau yang juga disebut

dengan klasifikasi multispektral dan interpretasi visual atau secara manual dalam pengolahannya.

Interpretasi otomatis hanya bisa dilakukan pada citra satelit format digital dengan bantuan sistem

komputer. Interpretasi otomatis ini semata-mata hanya mengandalkan nilai kecerahan untuk

membedakan obyek-obyek yang terekam pada citra. Garis besar proses interpretasi otomatis ini

adalah, interpreter harus memilih sekelompok nilai kecerahan yang homogen sebagai daerah

contoh (sampel area) dan dianggap mewakili obyek tertentu. Diambil beberapa sampel untuk

mewakili setiap kelas tutupan lahan. Berdasarkan sampel-sampel ini komputer akan mencocokan

nilai kecerahan sampel (dengan aturan matematis tertentu) dengan nilai-nilai kecerahan pada

keseluruhan citra dan menggolongkannya ke dalam kelas tutupan lahan tertentu. Kelebihan dari

teknik interpretasi otomatis ini adalah cepat, karena dilakukan dengan bantuan komputer. Namun

dalam pelaksanaannya teknik ini akan optimal jika daerah kajian memiliki obyek-obyek yang

relatif homogen dengan cakupan yang luas. Disamping itu karena teknik ini mengandalkan nilai

kecerahan, maka gangguan atmosfir seperti hamburan dan awan juga harus sekecil mungkin.

Sayangnya kondisi ini sulit ditemui di daerah tropis seperti Indonesia. Disisi lain terdapat teknik

interpretasi visual (manual) citra satelit yang merupakan adaptasi dari teknik interpretasi foto

udara. Citra satelit yang dimaksudkan disini adalah citra satelit pada saluran tampak dan

perluasannya. Adaptasi teknik ini bisa dilakukan karena baik citra satelit tesebut dan foto udara,

sama-sama merupakan rekaman nilai pantulan dari obyek. Namun karena perbedaan

karakteristik spasial dan spektralnya, maka tidak keseluruhan kunci interpretasi dalam teknik

interpretasi visual ini bisa digunakan. Kelebihan dari teknik interpretasi visual ini dibandingkan

dengan interpretasi otomatis adalah dasar interpretasi tidak semata-mata kepada nilai kecerahan,

tetapi konteks keruangan pada daerah yang dikaji juga ikut dipertimbangkan. Interpretasi manual

ini peranan interpreter dalam mengontrol hasil klasifikasi menjadi sangat dominan, sehingga

hasil klasifikasi yang diperoleh relatif lebih masuk akal

(http://fwi.or.id/web/papua/Link/metodologi.htm).

2.7 SATELIT IKONOS

Satelit Ikonos adalah satelit milik Space Imaging (USA) yang diluncurkan bulan September 1999

dan menyediakan data untuk tujuan komersial pada awal 2000. Ikonos adalah satelit dengan

resolusi spasial tinggi yang merekam data multispektral 4 kanal pada resolusi 4 m (citra

berwarna) dan sebuah kanal pankromatik dengan resolusi 1 m (hitam-putih). Ini berarti Ikonos

merupakan satelit komersial pertama yang dapat membuat image beresolusi tinggi. Dengan

teknik “Pan Sharpening”, citra pankromatik 1 meter dapat dikombinasikan dengan citra

multispektral 4 meter. Saluran pankromatik menggunakan panjang gelombang (0.45μm - 0.90

μm ) dan multispektral dengan 3 saluran pada panjang gelombang tampak (visible) serta satu

saluran inframerah dekat. Dengan kedetilan/resolusi yg cukup tinggi ini membuat satelit ini akan

menyaingi pembuatan foto udara, bahkan kalau memetakan kota bekasi bisa dengan skala 1:5000

bahkan 1:2000 untuk desain tata ruang.dan juga merupakan satelit komersil yang berosolusi

tinggi( 1 meter untuk pankromatik ,dan 4 meter untuk multispektral ) dengan ketelitian 225 kali

ketelitian citra lansad 7 band pankromatik di luncurkan tanggal 24 september 1999 di

Vandeberg, California, dengan orbit sun-synchronuos. Data ikonos terekam dalam 11 bit,

kualitas jauh lebih detail dari pada citra yang perekamnya 8 bit.resolusi ikonossebanding dengan

resolusi udara.

Produk Satelit IKONOS dapat dibedakan dalam tiga tingkatan berdasarkan tingkat akurasi

posisinya, yaitu :

1. Georectified Product (Geo)

Geo merupakan produk ideal untuk pengamatan visual dan interpretasi, karena produk ini sudah

direktifikasi pada datum & sistem proyeksi peta

2. Orthorectified Product

Pada produk ini telah dilakukan ortorektifikasi pada ellipsoid & proyeksi peta tertentu.

Orthorektifikasi dilakukan untuk menghilangkan distorsi citra akibat kesalahan geometrik dan

pergeseran relief. Jenis Precision dan Precision Plus merupakan produk yang mempunyai

tingkat akurasi ketelitian yang tinggi, karena telah menggunakan titik control tanah maupun

DEM (Digital Elevation Model). Jenis Presicion Plus bukan merupakan produk standar, dan

hanya disediakan untuk golongan tertentu.

3. Stereo Product

Produk ini hanya dapat digunakan oleh lembaga pemerintahan saja. Stereo Product

menggunakan film kamera model Rational Polynomial Coefisient (RCP), yang menyediakan

model data kamera dengan paket program untuk fotogrammetri dengan koordinat 3D, DEM dan

citra yang telah diorthorektifikasi.

(http://bhianrangga.files.wordpress.com)

2.8 GEOLINK

Icon Geolink pada window di dua buah citra yang berbeda akan menghasilkan sebuah

fungsi yaitu apabila pada salah satu citra di klik atau dibesarkan pada suatu koordinat maka pada

citra tersebut yang lain akan menunjukkan koordinat yang sama. Sedangkan geolink to sreen

pada 3 buah layer maka akan membentuk satu citra yang akan berhubungan. Sedangkan geolink

to roam pada 3 citra jika salah satunya dibesarkan maka kedua citra yang lain akan menunjukkan

daerah yang sama pula (www.e_dukasi.net).

BAB III

MATERI DAN METODE

3.1 Waktu dan Tempat

Hari : Kamis, 09 Oktober 2014

Waktu : 07.30 Wib - selesai

Tempat : Lab. Komputasi Kampus Ilmu Kelautan UNDIP, Semarang

3.2 Materi

Materi praktikum inderaja yang disampaikan adalah :

1. Penggabungan Citra

2. Cropping Data

3. Penajaman Citra

4. Reading Data Value

Cell Values Profil

Cell Coordinate

Mengetahui Jarak

Mengetahui Luas

5. Geolink

3.3 Metode

3.3.1 Penggabungkan Citra

1. Jalankan Program ER Mapper 7.0

2. Klik icon edit algorithm pada active window ER Mapper

3. Klik icon duplicate untuk menduplikat pseudo layer, dan duplikat menjadi 6 layer.

4. Ganti nama pseudo layer menjadi Band 1, Band 2, Band 3, Band 4, Band 5, dan Band 7.

Tulis nama dan nim pada dialog box description

5. Pada Band 1, cari file 2000_0204_B1.tif. Klik load dataset pada window, pilih

volume dan tentukan letak file disimpan.

6. Pada Band 2, cari file 2000_0204_B2.tif. Untuk Band 3 dst lakukan langkah yang sama.

7. Save file dengan type raster dataset. Nama file

CILACAP_GABUNG_FENDRI_26020213120026.ers. Klik OK.

8. Kemudian pilih default,lalu Oke dan akan muncul status penyimpanan ER MAPPER

dan di klik Oke.

3.3.2 Cropping Citra

1. Pilih edit algorithm , load dataset cari file

CILACAP_GABUNG_FENDRI_26020213120026.ers

2. Klik icon zoom box tool , drag area yang akan di crop.

3. Duplikat pseudo layer menjadi 6, beri nama Band 1, Band 2,Band 3 samapi Band 7 dengan

tidak memakai Band 6.

4. Ganti band sesuai namanya : Band 1=Band 1, Band 2=Band 2, dst.

5. Save as dalam type raster dataset dengan format nama file nama _nama_nim_. Contoh nama

file CILACAP_CROPPING_FENDRI_26020213120026.ers

3.3.3 Penajaman Citra

1. Pilih edit algorithm , load dataset cari file Crop_Cilacap.ers.

2. Pada bagian surface, ubah color table menjadi greyscale.

3. Pilih icon 99% Contrast Enchancement untuk menajamkan contrast. Klik create

RGB algorithm untuk menampilkan warna. Kemudian klik refresh .

4. Untuk mengetahui panjang atau luas dalam citra, pilih edit, annote vector layer.

5.Untuk mengukur panjang, pada tools pilih poly line lalu lakukan digitasi pada area

yang akan diukur panjangnya.

6. Klik icon delete object untuk menghapus digitasi sebelumnya.

7. Atau untuk mengukur luas, pada tools pilih polygon lalu lakukan digitasi pada area

yang akan diukur luasnya.

3.

8. Klik icon edit object extent , maka akan muncul tampilan window map composition

extent yang menunjukan informasi mengenai panjang, luas dan lain lain area yang telah

dilakukan digitasi.

9. Setelah dilakukan digitasi , area akan diberi tanda dengan memberi warna pada garis

hasil digitasi area. Dengan cara mengganti hand tool menjadi pointer. Klik 2 kali pada

hasil digitasi area , maka akan muncul set colour. Pilih warna sesuai ketentuan.

3.3.4 Reading Data Value

1. Pilih edit algorithm , load dataset cari file

CILACAP_CROPPING_FENDRI_26020213120026.ers

2. Klik create RGB algorihtm untuk memunculkan warna

3. Hilangkan efek smoothing, dengan cara menghilangkan tanda centang pada kolom

smoothing .

4. Setelah warna muncul , hapus pseudo layer yang memiliki tanda silang.

5. Perbesar gambar dengan zoom box tool, hingga gambar tampak kotak-kotak.

6. Pilih view, cell values profile untuk melihat nilai pixel pada citra.

7. Klik pada pointer , kemudian klik pada salah satu pixel dalam citra. Akan terlihat nilai

pada window cell values profile

3.3.5 Geolink Window, Screen, Roam

1. Klik icon copy window , untuk membuat layer menjadi dua. Untuk layer pertama, klik

edit algorithm , load dataset, pilih file IKONOS2005.ers. Sedangkan untuk layer kedua

isikan dengan citra IKONOS2009.ers

2. Klik RGB untuk memberi warna pada citra.

a. Geolink To Window

1). Klik kanan pada window, quick zoom, set geolink to window.

2). Lakukan hal yang sama pada window kedua

4.1 Pembahasan

4.1.1 Penggabungan Citra

Pada metode penggabungan citra, data yang digunakan adalah data citra foto Cilacap.

Data citra ini berupa 6 macam jenis foto, yang kemudian akan digabungkan dalam satu layer dan

terbentuk menjadi satu gambar. Tujuan dari penggabungan citra adalah untuk melihat kondisi

daerah Cilacap dalam 6 sudut pandang sekaligus, sehingga penginterpretasi citra menjadi lebih

lengkap. Selain itu, pada penggabungan citra tidak semua band dimasukkan. Band yang tidak

dimasukkan saat proses penggabungan citra adalah band 6. Hal ini disebabkan , karena peta

Cilacap band 6 merupakan peta bathimetri dan indikator termal atau indikator suhu.

4.1.2 Cropping

Pada metode cropping, data yang digunakan adalah data dari penggabungan citra Cilacap

yang telah dibuat, yang kemudian di crop dengan menggunakan zoom box tool pada area yang

ingin ditentukan. Tujuan dari cropping adalah untuk mendapatkan gambar citra yang lebih akurat

pada satu objek area yang diinginkan , sehingga gambar dari citra akan tampak lebih jelas dan

terfokus.

4.1.3 Penajaman Citra

Pada metode ini, data yang digunakan adalah data penggabungan citra Cilacap yang telah

di crop. Metode ini bertujuan untuk mempertajam warna dan memberi warna pada sebuah citra

yang telah di crop. Selain itu, dalam metode penajaman citra ini digunakan untuk mengetahui

luas dan panjang dari sebuah area dengan melakukan digitasi pada gambar citra. Dari hasil

digitasi yang dilakukan , dapat diketahui ukuran luas area atau panjang area suatu objek yang

telah ditentukan. Ukuran luas dan panjang dari area yang didigitasi dapat dilihat pada Map

Composition Extents.

4.1.4 Reading Data Value

Pada metode ini juga digunakan data penggabungan citra Cilacap yang telah di crop.

Dengan melakukan zoom pada suatu area dan menghapus smoothing, maka akan tampak pixel-

pixel dari citra tersebut. Tujuan dari metode ini adalah untuk mengetahui nilai gradasi dan

koordinat dari sebuah pixel dalam citra tersebut. Hasil dari pembacaan pixel – pixel dari citra

tersebut dapat kita baca dalam Cell Values Profile dan Cell Coordinates.

4.1.5 Geolink

Pada metode ini, data yang digunakan adalah data citra semarang tahun 2005 dan 2009.

Metode ini terbagi atas, yaitu geolink to window, geolink to screen dan geolink to overview roam.

Penggunaan geolink to window akan memperlihatkan gambar dari koordinat yang sama dari dua

citra dalam waktu yang berbeda. Pada geolink to screen, akan menampilkan dua citra yang

salling terhubung dari window yang terpisah. Dimana , 2 citra yang terhubung akan ditampilkan

dalam 4 layer sekaligus. Sedangkan, jika geolink to overview roam di aktifkan pada salah satu

layer, maka window lain juga akan menunjukan gambar yang sama pada koordinat yang

ditunjuk.

BAB V

KESIMPULAN

5.1 KESIMPULAN

1. Penginderaan jauh sebagai 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

2. Penginderaan jauh sekarang mulai digunakan dalam berbagai bidang diantaranya Geologi,

Kelautan, Militer, Penanggulangan bencana alam dan masih banyak lagi.

3. ER Mapper adalah salah satu software (perangkat lunak) yang digunakan untuk mengolah

data citra atau satelit yang mempermudah dalam mempelajari suatu keadaan alam disuatu

daerah.

5.2 SARAN

1. Seharusnya praktikan lebih fokus untuk mendengarkan para asisten yang menjelaskan

jalannya praktikum bukan malah sibuk mengajari yang lain.

2. Semoga kedepannya para asisten lebih meningkatkan lagi metode penyampaiannya

dalam pelaksanaan praktikum.

DAFTAR PUSTAKA

Arsana, I.M.A. and Julzarika, A., 2006. Liscad: Surveying & Engineering Software. Leica

GeoSystem. Jakarta. Indonesia.

Lillesand dan Kiefer, 1990, Penginderaan Jauh dan Interpretasi Citra, Gadjah Mada

University Press, Yogyakarta.

Mayasari, Sri. 2013. Sistem Pengideraan Jauh. http://srimaya.blogspot.com (09/10/14).

http://bhianrangga.files.wordpress.com (09/10/14).

www.e_dukasi.net (09/10/14).

http://fwi.or.id/web/papua/Link/metodologi.htm (09/10/14).

http://id.wikipedia.org/Warna_web (09/10/14).

http://oocities.org (09/10/14).

www.wikipedia.org (09/10/14).