Upload
phamkiet
View
259
Download
8
Embed Size (px)
Citation preview
MODUL PRAKTIKUM
UNTUK PRAKTIKUM MATA KULIAH
Penginderaan Jauh Dasar
oleh Dosen Purwanto, S.Pd, M.Si
FAKULTAS ILMU SOSIAL
ILMU GEOGRAFI
UNIVERSITAS NEGERI MALANG
2016
2 | Modul Penginderaan Jauh Dasar
KATA PENGANTAR
Alhamdulillah, puji syukur kehadirat Allah SWT, Sang Maha Pencipta dan Pengatur
Alam Semesta. Berkat Ridho-Nya kami dapat melaksanakan dan menyelesaikan dengan baik
penyusunan Modul Praktikum Penginderaan Jauh Dasar untuk mahasiswa Geografi Universitas
Negeri Malang. Penyusunan modul ini diharapkan dapat menjadi pedoman penyusunan laporan
dan juga mempermudah kegiatan praktikum mahasiswa Geografi pada mata kuliah Penginderaan
Jauh Dasar khususnya. Dalam penyelesaian modul ini kami menyadari masih terdapat
kekurangan, oleh karenanya besar harapan kami kedepannya ada masukan-masukan membangun
dari berbagai pihak agar modul ini menjadi lebih baik.
Malang, 15 Mei 2015
Penyusun
3 | Modul Penginderaan Jauh Dasar
DAFTAR ISI
Halaman Awal (cover) ...................................................................................................... i
Kata Pengantar .......................................................................................................ii
ACARA I : Identifikasi Bagian-Bagian Foto Udara ......................................................... 4
ACARA II : Interpretasi Foto Udara ................................................................................... 7
ACARA III : Mozaik Foto Udara ......................................................................................13
ACARA IV : Instalasi Dan Pengenalan Software
Pengolah Citra Digital ENVI 4.5 ..................................................................19
ACARA V : Komposit Citra Landsat 7 ETM+ .................................................................25
ACARA VI : Koreksi Radiometrik Citra Landsat 7 Etm+ ................................................32
ACARA VII : Koreksi Geometrik .........................................................................................37
ACARA VIII : Normalized Difference Vegetation Index (NDVI)
Citra Landsat 7 Etm+ ................................................................................... 43
ACARA IX : Klasifikasi Multispektral Citra Landsat 7 Etm+ ...........................................49
ACARA X : Identifikasi Suhu Permukaan Dari Citra Landsat 8 ......................................56
Penilaian Laporan Praktikum ..................................................................................................64
Daftar Rujukan ........................................................................................................................65
4 | Modul Penginderaan Jauh Dasar
ACARA I
IDENTIFIKASI BAGIAN-BAGIAN FOTO UDARA
1. TUJUAN
Dapat mengidentifikasi dan memahami bagian-bagian foto udara.
2. ALAT DAN BAHAN
-Alat
1. Alat tulis
2. Scanner
-Bahan
1. Foto Udara
3. DASAR TEORI
Ada dua jenis foto yang digunakan di dalam fotogrametri. yaitu foto terrestrial
dan foto udara. Foto terestrial dibuat dengan kamera di muka bumi yang pada umumnya
diketahui posisi dan orientasinya, sementara itu foto udara dibedakan atas foto vertikal
dan foto condong. Khusus untuk foto terestrial juga terdapat berbagai jenis kamera yang
dapat digunakan.
Foto udara vertical dibuat dengan sumbu kamera yang arahnya setegak mungkin,
dapat terjadi apabila sumbu kamera pada saat pemotretan benarbenar vertical, sehingga
bidang foto sejajar dengan bidang datum. Pada kenyataannya, jarang sekali sumbu
kamera benar-benar vertical, karena sering terjadi keminngan pesawat terbang. Apabila
sumbu kamera secara tidak sengaja membentuk sudut kecil terhadap vertical, fotonya
disebut foto sendeng. Kesendengan tak disengaja pada umumnya kurang dan 10 dan
jarang sekali melebihi 30.
Foto udara condong dibuat dengan sumbu kamera yang sengaja diarahkan
menyudut terhadap sumbu vertical. Foto udara sangat condong menggambarkan
cakrawala, sedang foto udara agak condong tidak menggambarkannya.
5 | Modul Penginderaan Jauh Dasar
Foto udara tegak memihki beberapa manfaat atau kegunaan, diantaranya
adalah :
a. Sumber informasi; gambaran suatu daerah secara spasial, bentuk penggunaan
lahan, bentuk morfologi daerah, dan memperjelas struktur natural maupun man-
made.
b. Mempelajari perubahan; pemotretan daerah yang sama dengan waktu yang dapat
mempelajari perubahan, terutama perubahan fisik.
c. Pengganti peta; foto mosaik suatu daerah dapat berfungsi sebagai peta, sementara
itu mosaik yang dilengkapi dengan notasi dapat digunakan untuk pekerjaan
perancangan hingga tingkat skematis.
d. Sebagai peta perencanaan; hasil peta-peta tematik yang berguna untuk
perencanaan.
e. Sebagai peta dasar actual dan penyadapan informasi metrik, seperti panjang,
lebar, tinggi, luas, volume dan lain-lain.
Adapun foto udara condong juga memiliki kelebihan apabila dibandingkan n foto
udara tegak, yaltu:
a. Luas liputannya beberapa kali lipat bila dibandingkan dengan foto udara tegak.
b. Untuk daerah yang sering tertutup awan, masih ada kemungkinan untuk
menembus celah-celah awan apabila dilakukan pemotretan condong.
c. Gambaran yang disajikan lebih mirip dengan apa yang dilihat dan tempat yang
lebih tinggi.
d. Obyek tertentu, seperti goa berkemungkinan dapat dikenali dan foto condong.
Secara umum kelebihan foto udara vertical dibandingkan dengan foto
condong adalah:
a. Skala pada setiap bagian lebih seragam
b. Penentuan arah pada foto udara tegak lebih mudah.
c. Dalam batas tertentu, foto udara vertical dapat dipakai sebagai peta.
d. Lebih mudah diinterpretasi, karena tidak banyak obyek yang terlindung.
6 | Modul Penginderaan Jauh Dasar
4. CARA KERJA
1. Scan foto udara
2. Amati informasi tepi pada foto udara, meliputi:
a. Tanda fidusial
b. Tanda prinsipil
c. Nomor seri
d. Tanda tepi
e. Altimeter
f. Panjang fokus
g. Jam
h. Koordinat
i. Skala
3. Sadap semua informasi.
4. Buat bagan atau keterangan setiap unsur.
5. Buat tabel bagian foto udara.
6. Dibahas.
5. HASIL
1. Bagan atau keterangan setiap unsur
2. Tabel Bagian Foto Udara
6. TUGAS
Buatlah laporan yang terdiri dari : Tujuan, Alat dan Bahan, Dasar Teori, Hasil Praktikum,
Pembahasan, Kesimpulan dan Daftar Rujukan
7 | Modul Penginderaan Jauh Dasar
ACARA II
INTERPRETASI FOTO UDARA
I. TUJUAN
1. Mahasiswa mampu melakukan identifikasi objek pada foto udara menggunakan
teknik interpretasi
II. ALAT DAN BAHAN
Alat:
1. Stereoskop
2. Lembar transparansi/plastik mika
3. Penggaris
4. Spidol OHP
5. Kapas
6. Spirtus/minyak kayu putih
Bahan:
1. Foto udara pankromatik/berwarna
III. DASAR TEORI
Interpretasi foto udara merupakan kegiatan menganalisa citra foto udara
dengan maksud mengidentifikasi dan menilai objek pada citra tersebut sesuai dengan
prinsip-prinsip interpretasi. Interpretasi foto udara dapat dilakukan dengan dua cara
yakni visual atau manual dan digital (computer assisted image intrpretation).
Interpretasi visual atau manual dilakukan dengan menggunakan alat stereskop.
Pengenalan objk mrupakan bagian vital dalam interpretasi foto udara. Prinsip
pengenalan objek pada foto udara didasarkan pada penyidikan karakteristiknya pada
foto udara. Karakteristik objek yang tergambar pada foto udara dan digunakan untuk
mengenali objek disebut unsur interpretasi foto udara. Unsur interpretasi foto udara
terdiri dari: rona dan warna, bentuk, ukuran, tekstur, pola, bayangan, situs dan
8 | Modul Penginderaan Jauh Dasar
asosiasi (Sutanto, 1992). Untuk menyimpulkan suatu objek yang terdapat pada citra
maka dlakukan konvergensi bukti, yakni penggunaan kombinasi unsur-unsur
interpretasi sebagai pengumpulan dan pemilihan bukti.
Rona dan Warna, ialah tingkat kegelapan atau tingkat kecerahan obyek pada
citra, sedangkan warna ialah wujud yang tampak oleh mata dengan
menggunakan spektrum sempit, lebih sempit dari spektrum tampak. Contoh :
Lapangan sepak bola memiliki rona yang cerah karena hanya tertutupi
rumput.
Bentuk, merupakan variabel kualitatif yang memberikan konfigurasi atau
kerangka suatu obyek. Contoh : gunung api berbentuk kerucut, gedung
sekolah umumnya memiliki bentuk persegi panjang atau seperti huruf I, L
dan U.
Ukuran, merupakan atribut obyek yang antara lain berupa jarak, luas, tinggi,
lereng, dan volume. Ukuran meliputi dimensi panjang, luas, tinggi,
kemiringan, dan volume suatu objek.
9 | Modul Penginderaan Jauh Dasar
Tekstur, merupakan rekuensi perubahan rona pada citra atau pengulangan
rona kelompok obyek yang terlalu kecil untuk dibedakan secara individual.
Tekstur dihasilkan oleh susunan satuan kenampakan yang mungkin terlalu
kecil untuk dikenali secara individual dengan jelas pada foto. Tekstur
merupakan hasil bentuk, ukuran, pola, bayangan dan rona individual.
Pola (susunan keruangan), merupakan ciri yang menandai bagi banyak obyek
bentukan manusia dan bagi beberapa obyek alamiah.
10 | Modul Penginderaan Jauh Dasar
Bayangan, merupakan kenampakan yang berada di daerah gelap. Bayangan
bersifat menyembunyikan detail obyek yang berada didaerah gelap.
Situs, lokasi objek dalam hubungannya dengan objek yang lain dapat sangat
berguna untuk membantu pengenalan suatu objek. Contoh : pemukiman
memanjang pada umumnya pada pada tanggul alam atau sepanjang tepi jalan.
11 | Modul Penginderaan Jauh Dasar
Asosiasi, merupakan keterkaitan obyek yang satu dengan obyek yang lainnya.
Misalnya, pada citra terdapat kenampakan poligon persegi panjang di
sekitarnya terdapat gawang, sehingga dapat ditarik kesimpulan bahwa
kenampakan tersebut adalah lapangan sepak bola.
IV. LANGKAH KERJA
1. Siapkan foto udara yang memiliki area bertampalan dan steiroskop.
2. Letakkan foto udara yang bertampalan dan plastik mika di bawah stereoskop.
3. Tandai pada objek yang sama dan ada di kedua foto udara.
4. Geser salah satu foto udara sehingga menimbulkan efek 3 dimensi.
5. Batasi area bertampalan pada plastik mika dan deliniasi sesuai dengan objek yang
diinterpretasi.
12 | Modul Penginderaan Jauh Dasar
6. Interpretasi menggunakan tabel di bawah ini:
Rona/
Warna
Bentuk Ukuran Tekstur Pola Bayangan Situs Asosiasi Nama
Objek
7. Layout hasil deliniasi seperti di bawah ini:
V. HASIL PRAKTIKUM
1. Tabel interpretasi
2. Perhitungan skala
3. Deliniasi objek hasil identifikasi
VI. TUGAS
- Buatlah laporan yang terdiri dari : Tujuan, Alat dan Bahan, Dasar Teori, Hasil
Praktikum, Pembahasan, Kesimpulan dan Daftar Rujukan
13 | Modul Penginderaan Jauh Dasar
ACARA III
MOZAIK FOTO UDARA
1. TUJUAN
1. Mahasiswa mampu memahami konsep mozaik foto udara.
2. Mahasiswa mampu melakukan mozaik foto udara.
3. Mahasiswa mampu menentukan daerah yang overlap maupun sidelap pada foto udara
4. Mahasiswa mampu melakukan pengamatan secara sterioskop
2. ALAT DAN BAHAN
1. Stereoskop
2. Foto udara yang bertampalan
3. Alat tulis
4. Penggaris
5. Plastik transparansi
6. Spidol OHP
3. DASAR TEORI
Mozaik Foto Udara
Foto udara merupakan salah satu citra foto yang umumnya diambil menggunakan
wahana pesawat terbang. Bentuk wahana lain yang dapat digunakan sebagai bahan foto
udara adalah balon udara, pesawat ulang-alik, satelit, paralayang dan berbagai wahana
lainnya. Dalam teknis perekaman foto udara telah dipertimbangkan beberapa hal yaitu:
a. Bentuk wilayah, bentuk wilayah ini akan menentukan biaya pemotretan. Semakin
luas suatu wilayah jelas biaya yang dikeluarkan akan semakin mahal, karena biaya
untuk operasional juga semakin besar
b. Jalur terbang, dalam pengambilan jalur terbang biasanya diambil jarak yang
terpanjang untuk melakukan perekaman, hal ini untuk memperoleh kestabilan
pesawat disaat pemotretan.
14 | Modul Penginderaan Jauh Dasar
c. Area yang bertampalan /overlap dan Sidelap, Overlap merupakan daerah yang
bertampalan antara foto satu dengan foto yang laindnya sesuai dengan nomor urutan jalur
terbang. Besarnya tampalan antar foto tersebut umumnya sebesar 60%. Misalnya foto
X1 memiliki informasi yang sama dengan foto X2 sebesar 60%. Tujuan dari tampalan ini
adalah untuk menghindari daerah yang kosong disaat perekaman dikarenakan wahana
pesawat terbang melaju dengan kecepatan yang tinggi. Selain overlay foto udara juga
harus sidelap. Sidelap merupakan pertampalan antara foto udara satu dengan foto udara
lain yang ada diatas maupun dibawah area yang direkam. Sidelap ini terjadi pada jalur
terbang yang berbeda jadi suatu wilayah pada jalur terbang 1 yang telah direkam akan
direkam kembali sebesar 25% dari liputan jalur terbang 2. Berikut ini gambaran dari
proses Overlap dan Sidelap. Tujuan dibuatnya sidelap ini adalah untuk menghindari
kekosongan foto antara jalur terbang. Selain tujuan tersebut dibuatnya foto overlap dan
sidelap adalah untuk memperoleh kenampakan 3 dimensi ketika dilihat melalui
sterioskop cermin.
15 | Modul Penginderaan Jauh Dasar
Gambar 1. Contoh hasil overlap dan sitelap pada kegiatan pemotretan udara
Gambar 2. Gap akibat perubahan topografi ketika menggunakan tampalan kecil
d. Gangguan perekaman, gangguan ini dapat berupa Drift dan Crab. Drif adalah
perpindahan atau pergeseran lateral pesawat udara dari garis terbang yang direncanakan,
yang disebabkan oleh gerakan angina, kesalahan navigasi atau penyebab-penyabab yang
lain. Hasilnya dapat berupa suatu celah (gab) sebagaimana gambar 2 diantara foto udara
yang berdekatan. Crab merupakan keadaan yang disebabkan kegagalan mengorientasikan
kamera sehubungan dengan garis terbang yang direncanakan. Pada fotografi udara
vertical hal tersebut ditunjukkan oleh tipe-tipe foto yang tidak sejajar dengan garis basis
(lintas terbang antara pusat-pusat foto). Karena alasan ini lokasi garis terbang yang
sebenarnya dan pusat foto mungkin sedikit berbeda daripada lokasi yang direncanakan.
17 | Modul Penginderaan Jauh Dasar
Variasi skala
Rotasi terhadapsumbu Z
Rotasi terhadap
sumbu X
Rotasi terhadap
sumbu Y Rotasi terhadapsumbu X& Y
Rotasi terhadap
sumbu X,Y& Z
Rotasi terhadap
sumbu X,Y,Zdan skala
kappa
phi
omegax
y
z
x
y
z
x
y
z
x
y
z
Pandangan Stereoskopis
Untuk mendapatkan informasi baik kualitatif maupun kuantitatif dari potret udara,
interpretasi visual secara stereoskopis merupakan suatu proses yang memegang peranan
yang sangat penting. Interpretasi yang dilakukan secara stereoskopis akan memberikan
hasil yang lebih detail karena adanya kesan keruangan. Sebagaimana diketahui,
stereoskopis adalah fenomena alamiah yang mencakup prinsip-prinsip mekanis dan
psikologis. Dengan pandangan stereoskopis, suatu benda akan dilihat dari sudut-sudut
pandang yang berbeda (sudut-sudut paralaks). Pada potret udara, sudut paralaks dan beda
sudut paralaks dinyatakan dengan paralaks absobut dan paralaks relatif (beda paralaks).
Kesan keruangan terjadi karena adanya perbedaan sudut-sudut paralaks yang dikenal
dengan beda paralaks. Secara teknis, untuk mendapatkan stereoskopis yang baik dan
benar, potret udara harus memenuhi beberapa persyaratan sebagai berikut (Jaya, 1986;
Paine, 1981): Skala potret yang berpasangan relatif sama; Adanya pertampalan (overlap)
khususnya pertampalan ke belakang (end lap) dengan pasangan stereoskopisnya;
Orientasi potret harus benar, dimana arah eye base, stereoscopic base dan photo base
harus sejajar antara satu dengan lainnya. Dengan kata lain sumbu stereoskopis sejajar
dengan jalur terbang pesawat pada waktu pemotretan.
18 | Modul Penginderaan Jauh Dasar
4. LANGKAH KERJA
1. Pilih 2 foto udara yang bertampalan.
2. Amati dengan Stereoskop.
3. Batasi area bertampalan pada foto udara dengan cara plot pada ketas transparansi.
4. Hitung persentase area yang bertampalan pada kedua foto udara.
Area bertampalan:
5. Pindahkan pengerjaan pada plastik transparansi dan deliniasi area yang bertampalan.
6. Sketsa mozaik foto udara yang digunakan.
5. HASIL
1. Sketsa mozaik foto udara dan hasil perhitungan.
2. Hasil deliniasi foto udara.
6. TUGAS
Buatlah laporan yang terdiri dari : Tujuan, Alat dan Bahan, Dasar Teori, Hasil Praktikum,
Pembahasan, Kesimpulan dan Daftar Rujukan
19 | Modul Penginderaan Jauh Dasar
ACARA IV
INSTALASI DAN PENGENALAN SOFTWARE PENGOLAH CITRA DIGITAL
ENVI 4.5
1. TUJUAN
- Mahasiswa melakukan instalasi software ENVI 4.5
- Mahasiswa memahami dan mampu menjelaskan tools-tools yang terdapat pada
software ENVI 4.5
2. ALAT & BAHAN
a. Software ENVI 4.5
b. Notebook/Komputer
3. DASAR TEORI
ENVI (The Environment For Visualizing Images) merupakan suatu image
processing system yang revolusioner yang dibuatoleh Research System, Inc (RSI). ENVI
menyediakan data visualisasi yang menyuluruh dan analisis untuk citra dalam berbagai
ukuran dan tipe, semuanya dalam suatu lingkungan yang mudah dioperasikan dan
inovatif untuk digunakan.
Beberapa keuntungan dari penggunaan ENVI
Satu dari kekuatan ENVI adalah pendekataan yang unik dalam pengolahan
citra, mengkombinasikan teknik file-based dan band-based dengan fungsi yang
interaktif. Ketika file data input dibuka, band (saluran) dari citra disimpan dalam
sebuah daftar, dimana semua saluran bisa diakses oleh semua fungsi system. Jika
multiple files dibuka, saluran dalam tipe data yang terpisah dapat diproses sebagai
sebuah grup. ENVI menampilkan saluran tersebut dalam 8 atau 24 bit. Grup tampilan
ENVI terdiri dari Image window, Zoom window, dan Scroll window, semuanya bisa
diubah ukurannya. ENVI menyediakan penggunanya dengan banyak kemampuan analisis
20 | Modul Penginderaan Jauh Dasar
yang interaktif dan unik, diakses dalam window tersebut. Kemampuan multiple dynamic
overlay ENVI, memberikan kemudahan membandingkan citra dalam multiple displays.
Ekstraksi real-time dan spatial/spectral profiling dari multiband dan data hyper-
spectral memberikan pengguna cara baru dalam melihat data dengan dimensi tinggi.
ENVI juga menyediakan tools interaktif untuk melihat dan menganalisis data vektor dan
atribut Sistem Informasi Geografis (SIG). Kemampuan standar seperti perentangan
kontras dan scatter plots dua dimensi adalah beberapa dari fungsi interaktif yang tersedia
untuk pengguna ENVI.
ENVI mempunyai visualantarmuka yang baik serta menggabungkan
secara komprehensif dengan algoritma pemrosesannya. ENVI memasukan semua
fungsi dasar pengolahan citra dalam antarmuka pengguna grafis yang mudah.
Beberapa dari fungsi tersebut antar lain transformasi data, filtering, klasifikasi, registrasi
dan koreksi geometri, analisis spektral, dan radar. ENVI tidak membatasi jumlah saluran
yang dapat diproses, sehingga data multispektral atau hiperspektral dapat digunakan.
Tabel 3.1Spesifikasi ENVI
No Spesifikasi Uraian Keterangan
1 Nama Software ENVI
(The Enviroment for
Visualizing Images)
Merupakansalahsatu
software pengolahancitra
digital yang dibuatoleh
RSI
2 Versi/Release 5.1 Versi yang
terbaruadalahversi 5.1
3 Diluncurkantahun 2005 Tahun diluncurkannya
software ENVI Versi 4.0.2
4 Vendor/Pembuat Research System,
Inc(RSI)
Perusahaan pembuat
software Image
Processing berasal dari
Amerika Serikat.
5 Minimum Hardware
- Processor
- RAM
Pentium x86
64 MB
Software
inimenggunakanspesifikasi
hardware yang
21 | Modul Penginderaan Jauh Dasar
- VGA Card
- Free space
32 bit
400 MB harddisk
cukupbesarkarena data
yang
dapatdiolahmerupakan
data yang kompleksbaik
data raster maupun
vector. Semakin tinggi
kapasitas hardware yang
ada maka akan lebih
mempercepat dalam proses
pada saat analisis.
6 Operating System Windows 98, NT
4.0, 2000, XP, Linux
Software
inidapatberoperasi di
berbagaimacamsistem
windows minimal
windows 98.
7 Kategori Software GIS
- Viewer
IP
- Profesional
Software GIS ini termasuk
viewer karena kurang
memiliki fasilitas lengkap
dalam pengolahan data
SIG..
Image processing software
ini termasuk profesional
dengan fasilitas
pengolahan data digital
yang lengkap.
8 Struktur Data/File Raster danvektor Mampumenampilkan data
baikdari format raster
maupunvektor.
Sangatbanyakmendukung
format data raster seperti
*.tiff dll. Format data
vektor yang
didukungantara lain
format data ArcView yaitu
22 | Modul Penginderaan Jauh Dasar
*.shp.
9 Format Data/File *.evf
*.hdr
*.evf merupakan format
data vektor asli yang ada
pada ENVI.
*.hdr (header) merupakan
jenis format data untuk
membuka data raster.
10 Fasilitaspada Software Inti
(core)
· Input + editing
· Processing
· Output (layout)
Citra dengan format
data baik raster
maupun vektor
Koreksi geometrik
dan radiometrik,
transformasi,
pemfilteran,
perhitungan statistik,
klasifikasi
supervised dan
unsupervised
Print, export file,
layout
Input data yang ada yaitu
dapat menggunakan citra
baik berupa data raster
maupun data vektor.
Proses dalam ENVI
menggunakan formula-
formula tertentu sehingga
dapat menghasilkan data
yang akurat.
Output dapat berupa print
citra, layout dan eksport
file.
11 Fasilitas paket program yang
terintegrasi dengan software
inti
IDL 6.2 Merupakan bahasa
pemrograman yang
digunakan untuk membuat
suatu project pada ENVI.
12 Format I/O data ¨ Input :
Data raster baik
format data
aslidarisatelit,
software IP,
software GIS serta
Format input data yang
mendukung software
ENVI sangat banyak
berupa format raster dan
format vektor.
23 | Modul Penginderaan Jauh Dasar
software
grafislainnya. Data
vektor dapat berupa
*.evf, *.shp, *.mif,
*.dgn, *.dxf, *e00,
*.ddf dan *dlg.
¨ Output:
*.ENVI standar
*.ENVI meta
*.ERDAS
IMAGINE
*.PCI
*.ArcView raster
*.ASCII
*.ER Mapper
*.JPEG2000
*.NITF
*.TIFF/GeoTIFF
*.ESRI GRID
Format output data
didukung beberapa
software IP maupun GIS
lainnya seperti ERDAS,
PCI, ArcView, dan ER
Mapper.
13 Fasilitaskhusus/fasilitaslainnya Radar tools
Analisishiperspektral
Tools standard dan
advanced untuk analisa
deteksi citra radar
Analisis dengan meng
gunakan beberapa bahkan
puluhan saluran.
4. LANGKAH KERJA
ProsedurInstalasi Software ENVI 4.5
a. Dobel klik setup Envi45winx86_32
b. Setelah kotak dialog ENVI 4.5-Installl Shield Wizard muncul,klik tombol Next
c. Pada jendela License Agreement, klik Yes.
d. Selanjutnya, pilih direktori penyimpanan software pada kolom Destination Folder
dengan menekan tombol Browse…Jika sudah klik tombol Next
e. Pada bagian Select Features centang semua pilihan, kemudian klik Next
24 | Modul Penginderaan Jauh Dasar
f. Di bagian File Type Association langsung klik Next
g. Pada jendela Start Copying Files langsung klik Next
h. Tunggu hingga proses instalasi selesai
i. Ketika muncul pilihan untuk proses lisensi, klik No
j. Klik Finish untuk menyelesaikan proses instalasi.
k. Selanjutnya copy file “license.dat” kedirektori ITT > License pada drive C
l. Jika sudah buka software ENVI 4.5
m. Identifikasi dan jelaskan fungsi beberapa tools yang terdapat pada software ENVI
4.5
5. TUGAS
a. Buat langkah kerja instalasi software ENVI 4.5 beserta print screen nya
b. Jelaskan kelebihan dan kekurangan ENVI 4.5
c. Buat tabel yang berisi menu-menu pada ENVI 4.5, pilih minimal 5 tools pada
setiap menu.
No. Menu Fungsi Tools Keterangan
1 Basic Tools Untuk
mengakses
berbagai fitur
dasar ENVI
Layer Stacking Untuk
menggabungkan
citra menjadi
satu file utuh.
Stretch Data, dst
2 Classificaton
*Menu yang diidentifkasi : Basic Tools, Classification, Transform, Spectral
d. Buat laporan dengan sistematika :Tujuan, Alat dan Bahan, Dasar Teori, Hasil
Praktikum, Pembahasan, Kesimpulan dan Daftar Rujuan. Dalam bentuk hardfile
(print) !
25 | Modul Penginderaan Jauh Dasar
ACARA V
KOMPOSIT CITRA LANDSAT 7 ETM+
1. TUJUAN
- Mahasiswa mampu melakukan komposit citra Landsat 7 ETM+ mengunakan software ENVI
4.5
- Mahasiswa melakukan komposit citra Landsat 7 ETM+ dan membandingkan 3 komposit citra
untuk menentukan tingkat kemudahan dentifikasi objek berdasarkan komposit 321, 432 dan
456
2. ALAT dan BAHAN
Adapun alat dan bahan yang digunakan dalam praktikum kali ini adalah
a. Notebook
b. Citra Landsat 7 ETM+
c. Software ENVI 4.5
d. Software RGB Editor
3. DASAR TEORI
Komposit Citra
Komposit citra adalah citra baru hasil dari penggabungan 3 saluran yang mampu
menampilkan keunggulan dari saluran-saluran penyusunnya (Sigit,2011). Digunakan
komposit citra ini dikarenakan oleh keterbatasan mata yang kurang mampu dalam
membedakan gradasi warna dan lebih mudah memahami dengan pemberian warna.
Pada citra multispektral yang terdiri dari banyak saluran, apabila hanya
menampilkan satu saluran saja maka citra yang dihasilkan merupakan gradasi rona. Dan
mata manusia hanya bisa membedakan objek yang menonjol pada suatu saluran, objek
yg lain maka kita sulit untuk mengidentifikasinya. Oleh sebab itu pada citra komposit
ini, hasilnya kita akan lebih mudah mengidentifikasi suatu objek pada citra.
Dasar dari pembuatan komposit citra adalah berdasarkan :
1. Tujuan penelitian, yaitu keunggulan di setiap saluran. Contoh, apabila dalam
penelitian, kita lebih fokus pada objek air, maka saluran yang kita gunakan adalah
band 1, band 2 dan band 3. Selain dari band tersebut air memiliki nilai 0 dalam
26 | Modul Penginderaan Jauh Dasar
pemantulannya. Jadi komposit citra yang bisa dibuat adalah citra komposit 123,
sehingga air akan berwarna merah.
2. OIF (Optimum Index Factor), yaitu kemampuan citra untuk menampilkan suatu
objek. OIF semakin tinggi maka semakin banyak objek berbeda yang dapat
ditampilkan pada citra komposit tersebut. OIF ini digunakan apabila kita ingin
menonjolkan pengguanaan lahan dari suatu daerah jika diidentifikasi dari citra.
Komposit citra dapat dibagi menjadi 2, yaitu :
a. Komposit warna asli yaitu gabungan dari warna merah-hijau-biru. Citra yang
dapat menghasilkan komposit warna asli yaitu Landsat, ALOS dll.
b. Komposit warna tidak asli, terbagi menjadi 2 yaitu :
1. Standar yaitu gabungan dari infrared dekat-merah-hijau. Dianggap standar
karena pada awalnya penginderaan jauh lebih banyak digunakan dalam bidang
kehutanan jadi komposit warna ini dianggap standar karena citra kompositnya
lebih menonjolakan objek vegetasi
2. Tidak standar yaitu dapat dilakukan penggabungan dengan bebas.
Dalam konsepnya, citra komposit dibuat oleh 3 saluran, dimana nilai piksel pada
saluran-saluran tersebut akan direduksi terlebih dahulu yang pada awalnya nilai piksel
berkisar antara 0 – 255 menjadi nilai piksel yang berkisar antara 0 – 5 yang selanjutnya
baru bisa dilakukan komposit. Nilai piksel pada citra komposit berkisar antara nilai 0
(hitam) – 215 ( putih). Untuk penyajian citra komposit, nilai piksel citra komposit yang
didapatkan dapat mengikuti colour pallet atau Look-up table.
Tabel4.1. Karakteristik dan Kegunaan Band Satelit Landsat 7 ETM+
Band Spektrum Panjang
Gelombang
(µm)
Kegunaan
1 Biru 0,45 - 0,52 Tanggap terhadap penetrasi tubuh air
Mendukung analisis sifat khas
penggunaan lahan, tanah dan vegetasi
2 Hijau 0,52 – 0,60 Mengindera puncak pantulan vegetasi,
27 | Modul Penginderaan Jauh Dasar
perbedaan vegetasi dan nilai kesuburan
3 Merah 0,63 – 0,69 Untuk memisahkan vegetasi
Memperkuat kontras kenampakan
vegetasi dan non vegetasi
4 Inframerah
dekat
0,76 – 0,90 Tanggap terhadap biomasa vegetasi dan
identifikasi tanaman
Memperkuat kontras tanaman, tanah dan
air
5 Inframerah
jauh
1,55 – 1,75 Menentukan jenis tanaman dan
kandungan air
Memebantu menentukan kondisi
kelembaban tanah
6 Inframerah
thermal
10,4 – 12,5 Deteksi perubahan suhu obyek
Analisis gangguan vegetasi
7 Inframerah
sedang
2,08 – 2,35 Formasi batuan dan analisis bentuklahan
8
Pankromatik 0,50 – 0,90 Resolusi spasialnya relatif lebih tinggi
Digunakan untuk aplikasi yang
memerlukan akurasi tinggi
Sumber: Lillesand & Kieffer (1996)
4. LANGKAH KERJA
Komposit Citra
a) Buka software ENVI 4.5 dan tampilkan citra Landsat 7 ETM+ wilayah Semarang
dari menu File> Open Image File. Pada bagian Available Bands List pilih RGB
Color. Kemudian klik Band 4, 3, 2 dan Load RGB. Maka akan muncul Display#1
yang memuat tampilan false color wilayah Semarang.
28 | Modul Penginderaan Jauh Dasar
b) Selanjutnya, amati kenampakan yang ada dan identifikasi perbedaan kenampakan
untuk beberapa objek.
c). Buat display baru lagi, yakni komposit band 3, 2, 1 dengan mengklik tombol
Display pada kotak dialog Available Band List > New Display. Klik File > Open
Image File dan pilih RGB Color dengan saluran 3, 2, 1. Klik Load RGB maka
akan muncul tampilan citra true color.
d) Buat juga display dengan komposit 456 dengan prosedur seperti langkah C Jika
sudah lakukan proses Link dengan cara klik menu Tools > Link > link DIslays…
29 | Modul Penginderaan Jauh Dasar
e) Setelah semua display terhubung, lakukan identifikasi nilai piksel dari ketiga
komposit band. Idenifikasi dilakukan dengan mencatat nilai piksel dengan
menggunakan Cursor Location/Value, Nilai piksel yang nampak pada citra
memiliki hubungan dengan saluran band citra.
f) Buat tabel hasil identifikasi nilai piksel komposit 432, 321 dan 456 dengan
menggunakan Microsoft Excel. Masukkan pula gambar objek yang diidentifikasi,
yaitu air, lahan terbuka, tutupan vegetasi rapat, tutupan vegetasi sedang dan atap
bangunan.
g) Untuk memudahkan identifikasi warna dan jenis warna objek yang terekam oleh
band pada komposit citra yang dibuat, masuk ke situs
30 | Modul Penginderaan Jauh Dasar
www.colblindor.com/color‐name‐hue/. Plih menu color tools > color name and hue.
Masukkan nilai piksel dari objek yang diamati, dan input nama yang tertera pada color name
kedalam tabel identifikasi laporan.
4. HASIL PRAKTIKUM
- Print Screen komposit band 321, 432 dan 456 citra Landsat 7 ETM+
- Tabel hasil identifikasi kenampakan objek berdasarkan komposit. Objek yang diamati
adalah air, lahan terbuka, vegetasi kerapatan rendah, vegetasi kerapatan tinggi, dan
atap bangunan.
5. TUGAS
- Buatlah laporan yang terdiri dari: Latar Belakang, Tujuan, Alat dan Bahan, Dasar
Teori, Hasil Praktikum, Pembahasan, kesimpulan dan Daftar Pustaka.
- Dasar teori yang digunakan adalah mengenai komposit dan kegunaan masing-masing
band atau saluran citra Landsat7 ETM+
- Buat langkah kerja komposit citra dilengkapi dengan print screen
- Identifikasi kenampakan objek berdasarkan komposit band 321, 432 dan 456
- Analisa keunggulan masing-masing komposit (ex. Komposit 432 unggul dalam
deteksi vegetasi).
Tabel Indentifikasi Objek Hasil Komposit Citra Landsat 7 ETM+
OBYEK PANTULAN PADA RGB DISPLAY WARNA
OBJEK PENGENALAN
OBJEK WARNA CITRA
Red Gun Green Gun Blue Gun
Air B3-RED BAND B2-GREEN
BAND B1-BLUE BAND Maya Blue
(Blue) Mudah
321 80 184 270
B4-NIR BAND B3-RED BAND B2-GREEN
BAND Denim (Blue)
Mudah
432
B4-NIR BAND B5-MIR1 BAND B7-MIR2 BAND Black Mudah
456
31 | Modul Penginderaan Jauh Dasar
6. PEMBAHASAN
a. Bagaimainakah pengaruh citra satelit hasil komposit terhadap kenampakan informasi
objek? Komposit: 321, 432, 452, dan 456
1. Vegetasi rapat, sedang dan jarang
2. Tanah basah, tanah kering
3. Permukiman
4. Lahan terbuka, lahan terbangun
5. Tubuh air: air keruh, air jernih
6. Batas daratan dan perairan
7. Jenis batuan
JELASKAN ALASANNYA
b. Jelaskan perbedaan masing-masing komposit citra yang saudara hasilkan
32 | Modul Penginderaan Jauh Dasar
ACARA VI
KOREKSI RADIOMETRIK CITRA LANDSAT 7 ETM+
1. TUJUAN
- Mahasiswa melakukan koreksi Radiometrik citra Landsat 7 ETM+ dengan mengidentifikasi
nilai minimum dan nilai maksimum piksel citra
2. ALAT dan BAHAN
Adapun alat dan bahan yang digunakan dalam praktikum kali ini adalah
e. Notebook
f. Citra Landsat 7 ETM+
g. Software ENVI 4.5
3. DASAR TEORI
Koreksi Radiometrik
Koreksi radiometrik merupakan suatu operasi pengkondisian supaya citra yang
digunakan benar-benar memberikan informasi yang akurat. Koreksi radiometrik
dilakukan untuk memperbaiki kualitas visual citra dan sekaligus memperbaiki nilai-nilai
piksel yang tidak sesuai dengan nilai pantulan atau pancaran spektral objek yang
sebenarnya. Pada koreksi ini diasumsikan bahwa nilai piksel terendah pada suatu liputan
seharusnya nol, sesuai dengan bit coding sensor. Apabila nilai terndah piksel tersebut
bukan nol, maka nilai penambah tersebut dipandang sebagai hamburan atmosfer. Untuk
mengetahui nilai piksel tersebut dapat dicek melalui statistik citra.
Koreksi radiometrik dilakukan dengan cara melakukan pengurangan nilai bias
menggunakan rumus :
4. LANGKAH KERJA
Identifikasi nilai minimum dan maksimum band/saluran
a) Buka Citra Landsat 7ETM+ menggunakan software ENVI 4.5, klik menu File >
Open Image File > pilih citra yang akan di identifikasi
33 | Modul Penginderaan Jauh Dasar
b) Kalkulasikan nilai statistik citra dengan menggunakan menu bar Basic Tools >
Statistic > Compute Statistik
c) Setelah itu, atur kondisi luaran dengan mengikuti langkah sebagai berikut :
Stats Subset : Full Scene
Spectral Subset : 6/6 Bands
Kemudian klik tombol OK
d) Setelah itu tekan check list Text Report, Min/Max/Mean Plot, Calculate
Histogram Statistic, Histogram Plots dan Histogram plots per window = 1.
e) Kemudian klik tombol Choose untuk melakukan penyimpanan file stastistik
f) Aktifkan Report for Screen and File, kemudian pilih lokasi penyimpanan data
dengan menekan tombol Choose dan beri nama, contohnya : smg_minmax.txt
g) Kemudian klik tombol OK maka hasil statistic citra akan muncul sebagaimana
histogramnya dan nilai minimum-maksimum PV.
h) Identifikasi nilai minimum dan maksimum tiap band/saluran citra.
34 | Modul Penginderaan Jauh Dasar
i) Simpan terlebih dahulu histogram band/saluran yang belum terkoreksi dengan
cara printscreen.
Proses Koreksi Radiometrik
a) Klik menu Basic Tools > Band Math, kemudian akan muncul kotak dialog Band
Math
b) Pada kolom Enter an expression, ketik bias (contoh, b1-62, b1 merupakan band 1
sedangkan 62 merupakan nilai minimum), kemudian klik Add to List > klik OK.
Selanjutnya akan muncul kotak dialog Variables to Bands Pairing.
c) Masukkan band/saluran yang dikoreksi (ex.band1), kemudian tentukan tempat
penyimpanan dan beri nama, misalnya smg_rx (r adalah radiometric dan x adalah
nomor band/saluran).
35 | Modul Penginderaan Jauh Dasar
d) Lakukan prosedur yang sama terhadap band/saluran yang lainnya. Meskipun
terdapat saluran yang sudah memiliki nilai minimum 0, kita masih dapat
melakukan prosedur diatas untuk membuat file saluran tersendiri.
e) Kemudian cek nilai piksel dan evaluasi antara citra seelum terkoreksi dengan
sesudah dikoreksi radiometrik. Nilai piksel yang sudah terkoreksi akan memiliki
nilai minimum lebih rendah dibandingkan sebelum terkoreksi (62 menjadi 0).
f) Kalkulasikan statistic citra terkoreksi dan tampilkan histogramnya. Bandingkan
histogram antara sebelum dikoreksi dengan sesudah koreksi.
5. HASIL PRAKTIKUM
Print screen Statistic Result citra sebelum dan sesudah koreksi radiometrik
Tabel nilai piksel sebelum koreksi dan sesudah koreksi radiometrik objek air,
Lahan kosong, vegetasi kerapatan tinggi, vegetasi kerapatan rendah, dan atap
bangunan
Contoh :
Sebelum koreksi
Sesudah koreksi
Kurva nilai piksel masing-masing objek sebelum dan sesudah koreksi radiometrik
36 | Modul Penginderaan Jauh Dasar
6. TUGAS
Buatlah laporan yang terdiri dari: Latar Belakang, Tujuan, Alat dan Bahan, Dasar Teori,
Hasil Praktikum, Pembahasan, kesimpulan dan Daftar Pustaka.
7. PEMBAHASAN
- Jelaskan mengapa koreksi radiometrik perlu dilakukan !
- Bagaimanakah proses koreksi radiometrik ?
- Apa saja yang diperbaiki dari koreksi radiometrik ?
- Bagaimana nilai spektral objek setelah dilakukan koreksi radiometrik ?
- Bandingkan kurva nilai spektral objek hasil koreksi radiometrik dengan kurva
spektral Jensen (2004) !
- Apa saja penyebab gangguan radiometrik !
37 | Modul Penginderaan Jauh Dasar
ACARA VII
KOREKSI GEOMETRIK
1. TUJUAN
- Mahasiswa mampu melakukan koreksi geometrik (image to image) pada citra satelit
dengan menggunakan software ENVI 4.5
2. ALAT dan BAHAN
Adapun alat dan bahan yang digunakan dalam praktikum kali ini adalah
a. Software ENVI 4.5
b. Citra wilayah Klojen (sumber : Google Earth Pro)
c. Citra Kampus UM terproyeksi (sumber : Bing)
3. DASAR TEORI
Data hasil rekaman sensor pada satelit maupun pesawat terbang merupakan
representasi dari bentuk permukaan bumi yang tidak beraturan. Meskipun kelihatannya
merupakan daerah yang datar, tetapi area yang direkam sesungguhnya mengandung
kesalahan (distorsi) yang diakibatkan oleh pengaruh kelengkungan bumi dan atau oleh
sensor itu sendiri.
Rektifikasi adalah suatu proses melakukan transformasi data dari satu sistem grid
menggunakan suatu transformasi geometric. Rektifikasi bertujuan untuk memperbaiki
kondisi suatu citra dengan menggunakan formula atau perhitungan untuk mendapatkan
hasil yang diinginkan. Rektifikasi citra terbagi atas 2 bagian, yaitu rektifikasi radiometric
dan rektifikasi geometric. Rektifikasi radiometric mengacu pada tingkat kejelasan citra
untuk dapat diinterpretasi dengan mengurangi haze dari atmosfer. Sedangkan koreksi
geometric, merupakan kegiatan meletakan posisi citra di bumi dengan sistem proyeksi
yang telah disepakati, misalnya: lambert, coniqian, equal-distance, dan berbagai sistem
proyeksi lainnya. Pada kegiatan praktikum ini koreksi difokuskan pada koreksi
geometric.
Koreksi geometric merupakan koreksi citra yang mengacu pada posisi absolut di
muka bumi dengan sistem proyeksi tertentu. Untuk mendapatkan posisi absolut ini dapat
38 | Modul Penginderaan Jauh Dasar
mengacu pada peta dasar yang telah memiliki koordinat. Citra satelit generasi sekarag,
umumnya telah dikoreksi dari vendornya, missal: Landsat 7 ETM+, IKONOS, Quick
Bird, SPOT, ALOS, ASTER dan berbagai jenis citra lainnya.
Tingkat ketelitian dalam proses koreksi geometric banyak dipengaruhi oleh
beberapa factor yaitu karakteristik citra, ketelitian dan ketapan dalam penggunaan GPS,
pengalaman, dan factor lainnya. Untuk menghasilkan tingkat ketelitian yang bagus maka
perlu memperhatikan persamaan transformasi yang digunakan untuk melakukan
interpolasi spasial dan banyaknya GCP (Ground Control Points). Persamaan ini
umumnya berupa persamaan polinomial baik orde 1,2 maupun 3.
Ordo I : disebut juga Affine transformation (diperlukan
minimal 3 GCP).
Ordo II : memerlukan minimal 6 GCP
Ordo III : memerlukan minimal 10 GCP
Tingkat ketelitian koreksi geometric dapat diketahui dengan menghitung
kesalahan (RMSE: root mean suared error) dari GCP yang terpilih. Umumnya tidak
boleh lebih besar dari 0,5 piksel.
4. LANGKAH KERJA
1. Siapkan data citra Klojen.ecw dan citra UM yang berformat JPEG
2. Buka aplikasi ENVI 4.5 dan buat dua display
3. Tampilkan data citra Klojen.ecw yang sudah terkoreksi pada display#1, dan data
JPEG kampus UM pada display#2
4. Pada menu utama ENVI 4.5 pilih menu Map > Registration > Select
GCPs : Image to Image
39 | Modul Penginderaan Jauh Dasar
5. Selanjutnya masuk pada kotak dialog “Image to Image Registration”. Selanjutnya
pada bagian base image pilih display#1, yakni citra yang sudah terkoreksi dan
display#2 JPEG UM yang akan dikoreksi.
6. Selanjutnya muncul kotak dialog “Ground Control Points Selection (GCP)”. Untuk
menginput titik GCP pada citra arahkan “box” pada display#1 dan display#2 pada
objek yang sama. Jika sudah sesuai klik tombol Add Point.
40 | Modul Penginderaan Jauh Dasar
7. Jumlah GCP yang dimasukkan minimal 4 titik koordinat untuk mendapatkan nilai
RMS-Error (Root Means Square-Error). Lokasi yang dimasukkan harus merata di 4
penjuru angin citra dari seluruh liputan. Hal tersebut untuk memberikan efek
perataan pada titik ikat citra. Besarnya nilai RMS error yang diisyaratkan adalah
mendekati 0 (nol), semakin rendah RMS Error maka tingkat ketelitian akan semakin
tinggi/baik. Demikian sebaliknya semakin besar nilai RMS Error semakin jelek
kualitas hasil koreksi geometrik
8. Jika sudah 5 titik nilai RMS Error akan muncul, kita dapat menambah titik koordinat
lagi jika nilai errornya masih tinggi. Kita dapat merentangkan titik koordinat yang
telah saudara masukkan dengan klik “Hide List”.
9. Proses selanjutnya simpan titik koordinat yang telah kita masukkan dengan cara:
Klik File > Save GCPs w/map cords.... Selanjutnya berikan nama file dan simpan
dalam format *.pts
41 | Modul Penginderaan Jauh Dasar
10. Setelah menyimpan titik GCP-nya, langkah selanjutnya adalah melakukan eksekusi
pada citra yang belum tekoordinat dengan menggunakan koordinat yang sudah
diisikan. Pada jendela/kotak dialog GCP, pilih menu Option > Warp File....
Selanjutnya pilih file citra yang akan di wrap (eksekusi citra dengan menggunakan
koordinat dari GCP) setelah itu klik OK
11. Setelah selesai citra akan muncul di jendela Avaiable Band List...., untuk membuka
klik Load
5. HASIL PRAKTIKUM
a. Sebaran titik GCP pada citra
b. Tabel nilai GCP dan RMS-E
c. Citra hasil rektifikasi (koreksi)
6. TUGAS
- Buatlah laporan yang terdiri dari : Tujuan, Alat dan Bahan, Dasar Teori, Hasil Praktikum,
Pembahasan, Kesimpulan dan Daftar Rujukan
42 | Modul Penginderaan Jauh Dasar
7. PEMBAHASAN
1. Bagaimanakah hasil perubahan data saudara sebelum dan sesudah koreksi geometric?
2. Bagaimanakah nilai RMS error hasil koreksi geometric yang saudara lakukan ?
3. Apa saja penyebab kesalahan geometric pada citra ?
43 | Modul Penginderaan Jauh Dasar
ACARA VIII
NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI)
CITRA LANDSAT 7 ETM+
1. TUJUAN
a. Mahasiswa melakukan pengolahan NDVI pada citra Landsat 7 ETM+ dengan
menggunakan rentangan 5 kelas
2. ALAT dan BAHAN
Adapun alat dan bahan yang digunakan dalam praktikum kali ini adalah
a. Notebook
b. Software ENVI 4.5
c. Citra Landsat 7 ETM+
d. Ms. Word 2013
3. DASAR TEORI
NDVI
Indeks vegetasi merupakan kombinasi pengukuran dua atau lebih band spektral
dari spektrum gelombang elektromagnetik yang berbeda untuk menghasilkan informasi
tentang tutupan lahan di permukaan bumi (Campbell, 1996). Indeks vegetasi yang
diperoleh dari citra satelit merupakan salah satu sumber informasi penting untuk
memonitor kondisi sebuah vegetasi. Suatu vegetasi dikatakan subur jika klorofil (zat
hijau daun) dalam jumlah besar sehingga aktif berfotosintesis atau dengan kata lain, aktif
menyerap karbon. Fenomena penyerapan cahaya merah oleh klorofil (0,4 μm – 0,7 μm)
pada vegetasi dan pemantulan cahaya inframerah dekat oleh jaringan mesofil (0,7 μm –
1,1 μm) pada daun akan membuat nilai kecerahan yang diterima sensor berbeda (Sudiana
& Diasmara, 2008).
NDVI (Normalized Difference Vegetation Index) diperkenalkan oleh Rouse et al.
(1974) dengan tujuan memodifikasi indeks Simple Ratio (SR) dimana indeks Simple
Ratio menunjukkan nilai yang terlalu besar untuk daerah dengan densitas vegetasi tinggi.
Indeks ini menggunakan rasio antara band NIR dan RED dengan persamaan yang
44 | Modul Penginderaan Jauh Dasar
dinormalisasi. NDVI merupakan indeks vegetasi yang paling banyak digunakan karena
kemampuannya untuk meminimalisir kesalahan akibat buruknya kondisi topografi. NDVI
juga disukai karena perhitungannya yang sederhana. Skala NDVI memiliki rentangan
antara -1 sampai 1, dimana nilai 1 menunjukkan daerah yang kaya akan vegetasi, nilai 0
menunjukkan keadaan sangar sedikit vegetasi dan nilai -1 menunjukkan daerah bukan
vegetasi.
Seperti perhitungan pada citra rasio, pada citra normalisasi juga menggunakan data
channel 1 dan channel 2. Channel 1 terdapat dalam bagian dari spektrum dimana klorofil
menyebabkan adanya penyerapan terhadap radiasi cahaya yang datang yang dilakukan
saat fotosintesis, sedangkan channel 2 terdapat dalam daerah spektral dimana struktur
daun spongy mesophyll menyebabkan adanya pantulan terhadap radiasi cahaya.
Perbedaan respon dari kedua channel ini dapat diketahui dengan transformasi rasio
perbandingan satu channel dengan channel yang lain.
Perbandingan antara kedua channel adalah pertimbangan yang digunakan untuk
mengurangi variasi yang disebabkan oleh topografi dari permukaan bumi. Hal ini
merupakan kompensasi dari variasi pancaran sebagai fungsi dari elevasi matahari untuk
daerah yang berbeda dalam sebuah citra satelit. Perbandingan ini tidak menghilangkan
efek additive yang disebabkan oleh atmospheric attenuation, tetapi komponen dasar
untuk NDVI dan vegetasi saling berhubungan. Latar belakang daratan berfungsi sebagai
pemantul sinyal yang terpisah dari vegetasi, dan berinteraksi dengan vegetasi melalui
hamburan yang sangat banyak dari energi radiasi.
Tabel8.1. Pembagian obyek berdasarkan nilai NDVI
Daerah Pembagian Nilai NDVI
Awan es, awan air, salju < 0
Batuan dan lahan kosong 0 – 0.1
45 | Modul Penginderaan Jauh Dasar
Data dari bermacam citra satelit yang dapat digunakan dalam formulasi ini, antara
lain:
e. Landsat TM/ETM : band 3 (0.63-0.69 µm) dan band 4 (0.76-0.90 µm)
f. NOAA AVHRR : band 1 (0.58-0.68 µm) dan band 2 (0.72-1.0 µm)
g. Terra MODIS : band 1 (0.62-0.67) dan band 2 (0.841-0.876).
Perhitungan perbandingan sifat respon obyek terhadap pantulan sinar merah dan
NIR dapat menghasilkan nilai dengan karakteristik khas yang dapat digunakan untuk
memperkirakan kerapatan atau kondisi kanopi/kehijauan tanaman. Tanaman yang sehat
berwarna hijau mempunyai nilai indeks vegetasi tinggi. Hal ini disebabkan oleh
hubungan terbalik antara intensitas sinar yang dipantulkan vegetasi pada spektral sinar
merah dan NIR.
4. LANGKAH KERJA
Vegetation Index
Proses NDVI
a. Buka file smg pada jendela baru
b. Pada menu ENVI 4.5 klik Transform > NDVI (Vegetation Index), pilih file
smg
c. Kemudian tentukan saluran NIR dan Band-R, simpan dalam bentuk file atau
memory
Padang rumput dan semak
belukar
0.2 – 0.3
Hutan daerah hangat dan
hutan hujan tropis
0.4 – 0.8
46 | Modul Penginderaan Jauh Dasar
d. Tampilkan citra, dan cek nilai pikselnya menggunakan menu Cursor Location/
Value.
Density Slice of NDVI Image
a. Pada jendela citra klik Overlay > Density Slice. Enter citra NDVI
b. Buat level brightness menjadi 5. Pada jendela Density Slice klik Option > Set
Number of Default Ranges, type 5 klik OK
c. Kemudian pada kotak dialog Density Slice, klik menu Option > Apply Default
Ranges
d. Klik Edit Range untuk mengubah nilai intervalnya dan warna jika memang
dibutuhkan. Klik Apply dan simpan citra.
47 | Modul Penginderaan Jauh Dasar
Layout Citra Hasil NDVI
a. Pilih menu Overlay pada layer display untuk melakukan Overlay. Pilih menu
Annotation untuk melakukan Layout citra
b. Untuk menambahkan skala Klik menu Object pada Annontations Text > Scale
Bar
c. Untuk menambahkan grid pada peta klik menu Overlay > Grid Lines ...
48 | Modul Penginderaan Jauh Dasar
5. HASIL PRAKTIKUM
Printscreen NDVI density slice
NDVI range (5 class)
Layout citra
6. TUGAS
- Buatlah laporan yang terdiri dari : Tujuan, Alat dan Bahan, Dasar Teori, Hasil
Praktikum, Pembahasan, Kesimpulan dan Daftar Rujukan
7. PEMBAHASAN
a. Dari 5 nilai indeks hasil NDVI, jelaskan objek apa saja yang masuk kedalam masing-
masing kelas tersebut
b. Berdasarkan tabel.1, pada nilai indeks berapa vegetasi mulai terdeteksi dan
bagaimana persebarannya ?
49 | Modul Penginderaan Jauh Dasar
ACARA IX
KLASIFIKASI MULTISPEKTRAL CITRA LANDSAT 7 ETM+
1. TUJUAN
a. Mahasiswa melakukan klasifikasi unsupervised dan supervised data
b. Mahasiswa memahami dan membandingan antara unsupervised dan supervised data
2. ALAT dan BAHAN
Adapun alat dan bahan yang digunakan dalam praktikum kali ini adalah sebagai
berikut :
a. Software ENVI 4.5
b. Citra Landsat 7 ETM+ wilayah Semarang
c. Modul praktikum
d. Notebook
3. DASAR TEORI
Klasifikasi Multispektral merupakan sebuah algoritma yang digunakan untuk
memperoleh informasi thematik dengan cara mengelompokkan suatu fenomena/ obyek
berdasarkan kriteria tertentu. Asumsi awal yang harus diperhatikan sebelum melakukan
klasifikasi multispektral adalah bahwa tiap obyek dapat dikenali dan dibedakan
berdasarkan nilai spektralnya. Salah satu contoh hasil klasifikasi multispektral adalah
peta penutup lahan yang memberikan informasi mengenai jenis penutup lahan ( vegetasi
kerapatan tinggi yang berasosiasi dengan hutan, semak belukar, tubuh air, vegetasi
kerapatan rendah, lahan terbangun dan lainnya).
1. Klasifikasi tidak terbimbing (unsupervised classification)
Merupakan metode yang memberikan mandat sepenuhnya kepada
sistem/komputer untuk mengelompokkan data raster berdasarkan nilai digitalnya
masing-masing, intervensi pengguna dalam hal ini diminimalisasi. Jenis metode
ini digunakan bila kualitas citra sangat tinggi dengan distorsi atmosferik dan
tutupan awan yang rendah. Namun, dalam banyak kasus, terlepas dari kondisi
50 | Modul Penginderaan Jauh Dasar
citra yang bersangkutan, metode ini banyak digunakan untuk memberikan
gambaran kasar/ informasi awal.
2. Klasifikasi terbimbing (supervised classification)
Merupakan metode yang dipandu dan dikendalikan sebagian besar atau
sepenuhnya oleh pengguna dalam proses pengklasifikasiannya. Intervensi
pengguna dimulai sejak penentuan training area hingga tahap pengklasterannya.
Klasifikasi terbimbing dalam hal ini mensyaratkan kemampuan pengguna dalam
penguasaan informasi lahan terhadap areal kajian.
Kelemahan dari klasifikasi citra tidak terbimbing adalah karena analisis hanya
memiliki sedikit kontrol terhadap kelas citra yang menyebabkan kesulitan dalam
perbandingan antar data. Selain itu, penciri spektral selalu berubah sepanjang waktu,
sehingga hubungan antara respon spektral dengan kelas informasi tidak konstan. Hal itu
menyebabkan diperlukan pengetahuan sedetail mungkin mengenai spektral permukaan.
Komposit yang biasa digunakan pada klasifikasi tidak terbimbing diantaranya komposit
543, 542 dan 321. Nilai optimum index faktor pada band 543 sebesar 77.36, band 542
sebesar 68.53 dan band 321 sebesar 67.68. Semakin tinggi nilai optimum index faktor,
maka kombinasi band menghasilkan tampilan mendekati warna sebenarnya, sehingga
hasil citra dapat dibedakan dengan mudah.
Klasifikasi tidak terbimbing digunakan apabila kualitas citra sangat tinggi dengan
distorsi atmosferik dan tutupan awan yang rendah. Namun, terlepas dari kondisi citra
yang seperti itu, metode ini banyak digunakan untuk memberikan gambaran
kasar/informasi awal.
4. LANGKAH KERJA
Klasifikasi Unsupervised
a. Buka software ENVI 4.5, kemudian klik File > Open image > citra smg,
kemudian Load Band
b. Pada menu bar utama ENVI 4.5 klik Classification > Unsupervised > IsoData,
kemudian pilih citra multispectral yang > klik OK
51 | Modul Penginderaan Jauh Dasar
c. Setelah muncul kotak dialog ISODATA Parameters, pada bagian Maximum
Iterations masukkan angka 3, pada bagian Minimum #Pixel in Class masukkan
angka 9. Simpan citra sebagai file, kemudian klik OK.
d. Tampilkan citra dan kelas yang sudah dibuat. Untuk lebih lanjutnya lakukan
overlay pada peta dengan cara mengklik Overlay pada display > Anotation, pada
kotak dialog Annotation pilih Object > Map Key, kemudian klik Edit Map Key
Item, hitung dan lakukan pengubahan label dari kelas yang dihasilkan.
52 | Modul Penginderaan Jauh Dasar
e. Kemudian tampilkan citra komposit pada display yang lain dan bandingkan
dengan citra hasil unsupervised. Untuk lebih memudahkan dalam
membandingkan citra sebelum dan sesudah pemrosesan, lakukan link display dari
kedua display yang dibuat.
f. Kemudian coba metode K-Means dengan mengklik metode Classification >
Unsupervised > K-Means. Gunakan citra yang sama dan parameternya, kemudian
simpan hasil tersebut dalam bentuk file.
g. Kemudian lakukan pembandingan antara kedua metode klasifikasi tersebut.
Klasifikasi Supervised
Dalam klasifikasi supervised, area yang training sebelumnya telah dipelajari/
dikenali selama proses klasifikasi. Area training yang dipilih, didasarkan pola
pantulan objek pada tiap saluran.
a. Tampilkan citra satelit dalam bentuk komposit
b. Pilih area yang training atau sampelnya (Region of Interest/ROI) untuk setiap
tutupan lahan objek.
53 | Modul Penginderaan Jauh Dasar
Yang harus di ingat ketika memilih area training adalah sebagai berikut :
Area training haruslah homogen, dengan sekitar + 100 piksel pada tiap
kelas. Homogenitas area training dapat diidentifikasi dengan meng-
gunakan warna objek yang familiar pada citra komposit.
Berikan nama pada aera training berdasarakan interpretasi yang telah
dilakukan dan berikan warna yang spesifik. Sebagai contohnya, sebuah
kelas dari tutupan lahan dapat dibedakan menjadi beberapa sub kelas,
sebagai contoh vegetation1, vegetation 2, dan vegetation 3 untuk kelas
vegetasi.
Pilih area trining selengkap mungkin jika memungkinkan; semua kelas
tutupan lahan harus disampelkan (training area)
Gunakan kurva pantulan spektral untuk membantu proses identifikasi
objek
c. Simpan ROI, berikan nama yang unik sehingga mudah untuk diingat. Jangan
tutup jendela ROI dulu.
Performing Supervised Classification
a. Pada menu utama ENVI 4.5 klik Classification > Supervised > pilih salah satu
metode yang ada, yang pertama coba pilih Parallelepiped
b. Pilih input file. Jika jendela ROI belum ditutup, wilayah training akan
otomatis muncul pada jendela Parallelepiped Parameter. Klik Select All Items.
54 | Modul Penginderaan Jauh Dasar
Simpan output file dan aturannya, kemudian klik OK untuk melakukan
eksekusi klasifikasi.
c. Tampilkan hasil klasifikasi, jika ditemukan piksel dengan warna hitam hal
tersebut menunjukkan bahwa piksel tersebut belum teridentifikasi dalam salah
satu ROI yang dibuat. Kita dapat mengidentifikasi piksel tersebut berdasarkan
nilai komposit citra dengan menggunakan dasilitas link, tambahkan kelas ROI
jika dibutuhkan. Kemudian ulang klasifikasi sampai piksel yang belum
terklasifikasi menjadi berkurang.
d. Kemudian coba metode klasifikasi yang lainnya.
5. HASIL PRAKTIKUM
1. Unsupervised IsoData (PS + anotasi)
2. Unsupervised K-Math (PS + anotasi)
3. Supervised Parallelepiped (PS + anotasi)
4. Supervised Minimum Distance (PS + anotasi)
5. Supervised Minimum Likehood (PS + anotasi)
6. Supervised Mahalanois distance (PS + anotasi)
Catatan :
Dalam klasifikasi supervised objek yang diambil trainingnya adalah objek
(perairan dalam, perairan dangkal, tambak, lahan terbuka, lahan terbangun, vegetasi
kerapatan tinggi, dan vegetasi kerapatan rendah).
55 | Modul Penginderaan Jauh Dasar
6. TUGAS
- Buatlah laporan yang terdiri dari : Tujuan, Alat dan Bahan, Dasar Teori, Hasil
Praktikum, Pembahasan, Kesimpulan dan Daftar Rujukan
7. PEMBAHASAN
a. Jelaskan yang dimaksud klasifikasi unsupervised IsoData dan K-Math serta apa
perbedaannya
b. Jelaskan klasifikasi supervised Parallepiped, Minimum Distance, Minimum Likehood
dan Mahalanois distance
c. Bagaimanakah hasil dari klasifikasi supervised Parallepiped, Minimum Distance,
Minimum Likehood dan Mahalanois distance ?
56 | Modul Penginderaan Jauh Dasar
ACARA IX
IDENTIFIKASI SUHU PERMUKAAN DARI CITRA LANDSAT 8
1. TUJUAN
- Mahasiswa dapat melakukan ekstrasi data suhu permukaan dari Citra Landsat 8.
- Mahasiswa dapat mengetahui perbedaan suhu pada jenis objek yang berbeda.
2. ALAT DAN BAHAN
1. Laptop
2. ENVI 4.5
3. Citra Landsat 8 (Band 10)
4. Metadata Citra Landsat 8
3. DASAR TEORI
Suhu Permukaan
Saluran thermal merupakan saluran dengan resolusi spasial yang rendah (120 m pada
citra Landsat TM dan 60 m pada citra saluran Landsat ETM+), namun mempunyai
keunggulan yaitu sensitif terhadap radiasi pancaran. Oleh karena itu saluran thermal dapat
digunakan untuk menentukan sebaran suhu permukaan dan mengetahui distribusi pulau
bahang perkotaan (Short, 2003)
LST (Land Surface Temperature)
Salah satu sensor yang dikembangkan dalam sistem penginderaan jauh adalah sensor
inframerah thermal. Kepekaan inframerah thermal terhadap suhu permukaan memungkinkan
ekstraksi suhu dari suatu citra penginderaan jauh. Ekstraksi ini secara garis besar melewati
dua tahapan, yaitu perhitungan pantulan spektral dan perhitungan suhu.
Temperatur permukaan tanah atau Land Surface Temperature (LST) adalah keadaan
yang dikendalikan oleh keseimbangan energi permukaan, atmosfer, sifat termal dari
permukaan, dan media bawah permukaan tanah.
57 | Modul Penginderaan Jauh Dasar
Temperatur permukaan suatu wilayah dapat didefinisikan dari citra satelit landsat yang
diekstrak dari band 6 thermal. Dalam penginderaan jauh, temperatur permukaan tanah dapat
didefinisikan sebagai suhu permukaan rata – rata dari permukaan yang digambarkan dalam
cakupan suatu piksel dengan berbagai tiper permukaan yang berbeda.
Land Surface Temperature (LST) merupakan faktor kunci dalam studi iklim global yang
dapat dijadikan sebagai salah satu parameter untuk mempelajari variasi temperatur yang
berkaitan langsung dengan perubahan tutupan lahan. Beberapa kota metropolitan memiliki
rataan suhu permukaan yang lebih tinggi dari wilayah sekitarnya yang diakibatkan oleh
tingginya aktivitas pembangunan fisik perkotaan. Aktivitas tersebut cenderung mengalami
peningkatan yang signifikan dari rentang pertengahan tahun 1990an sampai awal 2000an,
yang ditunjukkan dengan meningkatnya jumlah bangunan (bangunan komersil, pemerintahan,
pemukiman, dll) hingga meluasnya areal industri. Namun sebaliknya luas areal vegetasi baik
areal persawahan, perkebunan hingga wilayah konservasi kehutanan menunjukkan grafik
penurunan yang signifikan.
Landsat 8
Tanggal 11 Februari 2013, NASA melakukan peluncuran satelit Landsat Data
Continuity Mission (LDCM). Satelit ini mulai menyediakan produk citra open access sejak
tanggal 30 Mei 2013, menandai perkembangan baru dunia antariksa. NASA lalu
menyerahkan satelit LDCM kepada USGS sebagai pengguna data terhitung 30 Mei tersebut.
Satelit ini kemudian lebih dikenal sebagai Landsat 8. Pengelolaan arsip data citra masih
ditangani oleh Earth Resources Observation and Science (EROS) Center. Landsat 8 hanya
memerlukan waktu 99 menit untuk mengorbit bumi dan melakukan liputan pada area yang
sama setiap 16 hari sekali. Resolusi temporal ini tidak berbeda dengan landsat versi
sebelumnya.
Satelit landsat 8 terbang dengan ketinggian 705 km dari permukaan bumi dan
memiliki area scan seluas 170 km x 183 km (mirip dengan landsat versi sebelumnya). NASA
sendiri menargetkan satelit landsat versi terbarunya ini mengemban misi selama 5 tahun
beroperasi (sensor OLI dirancang 5 tahun dan sensor TIRS 3 tahun). Tidak menutup
kemungkinan umur produktif landsat 8 dapat lebih panjang dari umur yang dicanangkan
58 | Modul Penginderaan Jauh Dasar
sebagaimana terjadi pada landsat 5 (TM) yang awalnya ditargetkan hanya beroperasi 3 tahun
namun ternyata sampai tahun 2012 masih bisa berfungsi.
Satelit landsat 8 memiliki sensor Onboard Operational Land Imager
(OLI) dan Thermal Infrared Sensor (TIRS)dengan jumlah kanal sebanyak 11 buah. Diantara
kanal-kanal tersebut, 9 kanal (band 1-9) berada pada OLI dan 2 lainnya (band 10 dan 11)
pada TIRS. Sebagian besar kanal memiliki spesifikasi mirip dengan landsat 7. Jenis kanal,
panjang gelombang dan resolusi spasial setiap band pada landsat 8 dibandingkan dengan
landsat 7 seperti tertera pada tabel di bawah ini :
Gambar Error! No text of specified style in document.-1 Karakteristik landsat 8
4. LANGKAH KERJA
1. Klik File > Open Image File > Pilih Citra LC8 ...._B10 > Load Band
2. Klik Basic Tools > Band Math > Isikan 3.3420E-04*float(B10)+0.10000 pada kotak
Enter an Expression > OK.
59 | Modul Penginderaan Jauh Dasar
3. Pada layer Variables to Bands Pairings > Letakkan Kursor pada Variables used in
expression > Klik LC8......_B10 > Klik Choose untuk memilih tempat penyimpanan >
OK
60 | Modul Penginderaan Jauh Dasar
4. Klik Basic Tools > Band Math > Pada Kolom Enter an espression isi
(1321.08/alog((774.89/float(B10))+1))-273 > OK
5. Akan muncul layer Variables to Bands Pairings > Klik pada Band Math (3.3420E-04 ....)
6. Pada layer display Klik Overlay > Density Slice
61 | Modul Penginderaan Jauh Dasar
7. Setelah muncul Layer Density Slice > Options > Set Number of Default Ranges... > Ubah
ranges menjadi 5 > OK
8. Options > Apply Defaults Ranges
9. Klik Basic Tools > Region Of Interst > Band Threshold to ROI > Klik Citra yang sudah
diubah ke Celcius > OK
62 | Modul Penginderaan Jauh Dasar
10. Isikan Min Thresh Value , Max. Thresh Value, ROI Name, dan ROI Color sesuai tabel >
OK.
Suhu (oC) Klasifikasi Warna
11 - 17 Sangat Rendah Green 3
17 - 23 Rendah Green 1
23 - 29 Sedang Yellow
29 – 35 Tinggi Orange 1
35 - 41 Sangat Tinggi Red
11. Klik Classification > Create Class Image from ROIs > pilih citra sebagai input > OK.
12. Pada layer Classification Image from ROIs > Select All Items > OK. Maka tampilan akan
seperti di bawah ini.
63 | Modul Penginderaan Jauh Dasar
Hasil Praktikum:
1. Gambar Citra Landsat 8 yang sudah siklasifikasikan berdasarkan suhu permukaan.
2. Tabel identifikasi objek berdasarkan suhu permukaan. Min. 10 Objek
No. Suhu (oC) Objek
1 11 – 17 Laut
2 ..... .......
64 | Modul Penginderaan Jauh Dasar
PENILAIAN LAPORAN PRAKTIKUM
Dalam setiap satuan acara praktikum, penilaian dilakukan dengan melihat pada :
1. Ketepatan isi tiap bagian laporan
2. Kerapian laporan
3. Ketepatan teori yang digunakan
4. Orisinalitas isi laporan (setiap laporan yang terbukti copy paste dinilai “C”)
5. Kualitas hasil praktikum
6. Kualitas isi pembahasan hasil praktikum
7. Ketepatan waktu pengumpulan laporan
8. Rujukan (buku, jurnal, dsb.) yang digunakan dalam menyusun laporan maupun
pembahasan.
Tabel 10.1 Penilaian Isi Laporan Praktikum Pada Tiap-Tiap Bagian
No. Nama Bagian Laporan Interval Nilai
1.
2.
3.
4.
5.
6.
7.
8.
Tujuan
Alat dan Bahan
Dasar Teori
Langkah Kerja
Hasil Praktikum
Pembahasan
Kesimpulan
Daftar Rujukan
0-5
0-5
0-5
0-10
0-25
0-35
0-10
0-5
Jumlah 100
Catatan : Setiap laporan yang terlambat jangka waktu pengumpulannya dikurangi 5 nilai per
minggunya
65 | Modul Penginderaan Jauh Dasar
DAFTAR RUJUKAN
Ayuindra, Meylia.2011.Transformasi NDVI. (online)
(https://www.academia.edu/6230372/Transformasi_NDVI
Carlson, T.N. and D.A. Ripley. 1997. On the relation between NDVI, fractional vegetation
cover, and leaf area index. Remote Sensing of the Environment 62(3):241-252.
Danoedoro, Projo.2012.Pengantar Penginderaan Jauh Digital.Yogyakarta :
Penerbit Andi
Geerken, R., Zaitchik, B., and J.P. Evans. 2005. Classifying rangeland vegetation
type and coverage from NDVI time series using Fourier Filtered Cycle
Similarity. International Journal of Remote Sensing 26(24):5535-5554.
ITT Visual Information Solutions.2009.Installation and Licensing Guide (ENVI).
ITT Visual Information Solutions 0809ENVI47Inst
Lillesand, dan Kiefer.1990.Penginderaan Jauh Dan Interpretasi Citra.. Yogyakarta:
Gajah Mada University
Rozenstein, Offer, dkk. 2014. Derivation of Land Surface Temperature for Landsat-8 TIRS
Using a Split Window Algorithm. Sensor 2014, 14,5768-5780.
Sutanto. 1994. Penginderaan Jauh Jilid II. Yogyakarta: Gadjah Mada University Press.