MODUL PRAKTIKUM - geoedu224.files.wordpress.com · penyusunan Modul Praktikum Penginderaan Jauh Dasar untuk mahasiswa Geografi Universitas ... Jam h. Koordinat i. Skala ... yakni

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


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


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.


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.


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


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


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.


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.


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.


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.


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


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.


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.


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.


Gambar 3. Kesalahan akibat drift

Gambar 4. Kesalahan akibat Crab


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.


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,



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


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


- 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


*.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.


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


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) !


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


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,


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.


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…


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


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

http://www.colblindor.com/color‐name‐hue/


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


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


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


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.


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).


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


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 !


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



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


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


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.


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


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,



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 ?


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


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


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


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


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.


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 ...


5. HASIL PRAKTIKUM

Printscreen NDVI density slice

NDVI range (5 class)

Layout citra

6. TUGAS



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 ?


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 :


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


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


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.


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.


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.


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).


6. TUGAS



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 ?


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.


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


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.


3. Pada layer Variables to Bands Pairings > Letakkan Kursor pada Variables used in

expression > Klik LC8......_B10 > Klik Choose untuk memilih tempat penyimpanan >

OK


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


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


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.


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 ..... .......


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


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.

https://www.academia.edu/6230372/Transformasi_NDVI

Documents

MODUL PRAKTIKUM - geoedu224.files.wordpress.com · penyusunan Modul Praktikum Penginderaan Jauh Dasar untuk mahasiswa Geografi Universitas ... Jam h. Koordinat i. Skala ... yakni