Jumat, 21 September 2012

LAPORAN PENGINDERAAN JAUH

BAB I

PENDAHULUAN

I.1. LATAR BELAKANG

Penginderaan jauh adalah suatu ilmu dan seni untuk memperoleh informasi tentang objek, daerah atau
gejala dengan cara menganalisis data yang diperoleh dengan menggunakan alat tanpa kontak langsung
terhadap objek, daerah atau gejala yang dikaji. Penerapan manfaat data informasi penginderaan jauh
terutama foto satelit dianggap paling baik sampai saat ini karena mempunyai tingkat resolusi yang amat
tinggi serta sifat stereoskopisnya sangat baik. Pembagian citra penginderaan jauh (inderaja) bertujuan
untuk menghasilkan peta tematik, dimana tiap warna mewakili sebuah objek, misalkan hutan, laut,
sungai, sawah, dan lain-lain.Makalah ini mempresentasikan disain dan implementasi perangkat lunak
untuk mengklasifikasi citra inderaja multispektral. Metode berbasis unsupervised yang diusulkan ini
adalah integrasi dari metode feature extraction, hierarchical (hirarki) clustering, dan partitional (partisi)
clustering. Feature extraction dimaksudkan untuk mendapatkan komponen utama citra multispektral
tersebut, sekaligus mengeliminir komponen yang redundan, sehingga akan mengurangi kompleksitas
komputasi. Histogram komponen utama ini dianalisa untuk melihat lokasi terkonsentasinya pixel dalam
feature space.

I.2. TUJUAN

Adapun tujuan diadakannya praktikum penginderaan jauh adalah mahasiswa diharapkan mengerti dan
memahami penggunaan Software ER Mapper khususnya untuk melakukan:

Mampu mengenal Program Er Mapper

Mampu mengenal Citra

Mampu Crooping Citra Dan Menyimpan Citra Dalam Format *.Ers Dan *.Alg

Mampu Transformasi Citra

 Mampu memfilteran Citra

Mampu menghitung Optimum Index Factor

BAB II

TINJAUAN PUSTAKA

II.1. PENGINDERAAN JAUH

Inderaja merupakan teknik yang dikembangkan untuk memperoleh data di permukaan bumi, jadi
inderaja sekedar suatu teknik. Dalam perkembangannya ternyata inderaja seringkali berfungsi sebagai
suatu ilmu seperti yang dikemukakan oleh Everett Dan Simonett (1976): Penginderaan jauh merupakan
suatu ilmu, karena terdapat suatu sistimatika tertentu untuk dapat menganalisis informasi dari
permukaan bumi, ilmu ini harus dikoordinasi dengan beberapa pakar ilmu lain seperti ilmu geologi,
tanah, perkotaan dan lain sebagainya.

Pendapat lain mengenai Penginderaan Jauh adalah ilmu dan seni untuk memperoleh informasi tentang
suatu obyek, daerah, atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa
kontak langsung dengan obyek, daerah, atau fenomena yang dikaji. (Lillesand & Kiefer, 1994)
Penginderaan jauh dalam bahasa Inggris terjemahannya remote sensing, sedangkan di Perancis lebih
dikenal dengan istilah teledetection, di Jerman disebut farnerkundung distantsionaya (Rusia), dan
perception remota (Spanyol).

Meskipun masih tergolong pengetahuan yang baru, pemakaian penginderaan jauh cukup pesat.
Pemakaian penginderaan jauh itu antara lain untuk memperoleh informasi yang tepat dari seluruh
Indonesia yang luas. Informasi itu dipakai untuk berbagai keperluan, seperti mendeteksi sumber daya
alam, daerah banjir, kebakaran hutan, dan sebaran ikan di laut

II.2. CITRA

1. PENGERTIAN

Dalam penginderaan jauh, data atau hasil observasi yang didapat disebut citra.Citra dapat diartikan
sebagau gambaran yang tampak dari suatu objek yang sedang diamati, sebagai hasil liputan atau
rekaman suatu alat pemantau.

Menurut Hornby, citra adalah gambaran yang terekam oleh kamera atau alat sensor lain.
Menurut Simonett, citra adalah gambaran rekaman suatu objek ( biasanya berupa gambaran pada foto
)yang didapat dengan cara optik, elektro optik, optik mekanik, atau elektromekanik. Pada umumnya hal
itu digunakan apabila radiasi elektromagnetik yang dipancarkan atau dipantulkan dari suatu objek tidak
langsung direkam dalam film.
Menurut Ford, citra adalah gambaran visual tenaga yang direkam dengan menggunakan piranti
penginderaan jauh.

2. JENIS CITRA

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

A. Citra Foto

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

1. Berdasarkan spektrum elektromagnetik yang digunakan

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

Foto pankromatik adalah citra foto dari udara yang dibuat dengan menggunakan seluruh spectrum
tampak mata mulai dari warna merah hingga ungu. Foto udara ini sering disebut foto udara
konvensional. Ciri foto pankromatik adalah pada warna objek sama dengan kesamaan mata manusia,
sehingga baik untuk mendeteksi pencemaran air, kerusakan banjir, penyebarab air tanah, dan air
permukaan.

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

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

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

Foto inframerah modifikasi adalah citra foto yang dibuat dengan inframerah dekat dan sebagia
spectrum tampak pada saluran merah dan sebagian saluran hijau.
2. Berdasarkan sumbu kamera
Citra foto berdasarkan sumbu kamera dibedakan menjadi dua jenis yaitu.

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

Foto condong adalah foto yang dibuat dengan sumbu kamera menyudut terhadap garis tegak lurus
ke permukaan bumi. Foto condong dibedakan sebagai berikut :
- Foto sangat condong yakni bila pada foto tampak cakrawala
- Foto agak condong yakni bila cakrawala tidak tampak pada foto

3. Berdasarkan jenis kamera

Foto tunggal, yaitu foto yang dibuat dengan kamera tunggal. Tiap daerah liputan foto hanya
tergambar oleh satu lembar foto.

Foto jamak, yaitu beberapa foto yang digunakan pada waktu yang sama dan menggambarkan
daerah liputan yang sama.

4. Berdasarkan warna yang digunakan

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

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

5. Berdasarkan sistem wahana

Berdasarkan wahana dapaat dibedakan menjadi

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

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

B. Citra Non Foto

Citra nonfoto adalah gambaran yang dihasilkan oleh sensor bukan kamera. Citra nonfoto dibedakan atas
:

1. Spektrum elektromagnetik yang digunakan

Berdasarkan spectrum elektromagnetik, citra nonfoto dibedakan atas :

Citra inframerah termal adalah citra nonfoto yang dibuat dengan menggunakan spectrum
inframerah termal. Pemanfaatan spectrum itu di dasarkan atas beda temperature tiap objek yang
dipantulkan ke kamera atau sensor.
 Citra gelombang mikro dan Citra Radar adalah citra nonfoto yang dibuat dengan menggunakan
spectrum gelombang mikro atau radar. Citra gelombang mikro menggunakan sumber energi alamiah (
system pasif ), sedangkan citra radar menggunakan sumber energi buatan ( system aktif ).

2. Sensor yang digunakan

Berdasarkan sensor yang digunakan, citra nonfoto dibedakan atas :

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

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

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

o Citra MSS (Multi Spektral Scanner), sensornya dapat menggunakan spektrum tampak maupun
spektrum inframerah termal. Citra ini dapat dibuat dari pesawat udara.

3. Wahana yang digunakan

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

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

3. INTERPRETASI CITRA

Interpretasi citra merupakan pengkajian foto udara atau citra dengan maksud untuk mengidentifikasi
objek dan menilai arti pentingnya objek tersebut.

Dalam manginterpretasikan citra, penafsir mengkaji citra dan berupaya mengenali objek melalui
tahapan kegiatan sebagai berikut :

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

2. Identifikasi adalah usaha untuk mengenali objek yang tergambar pada citra yang dapat dikenali
berdasarkan cirri yang terekam oleh sensor dengan alat stereoskop.
3. Analisis adalah pengumpulan informasi lebih lanjut setelah melakukan deteksi dan identifikasi
citra.

Unsur-unsur Interpretasi Citra

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

1. Bentuk

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

2. Ukuran

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

3. Rona

Merupakan tingkat kecerahan objek yang tergambar pada citra.

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

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

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

7. Situs
Merupakan letak suatu objek terhadap objek lain di sekitarnya. Contoh : permukiman pada umumnya
memanjang di pinggir beting pantai, tanggul alam atau di sepanjang tepi jalan. Persawahan banyak
terdapat di daerah dataran rendah, dan sebagainya.
8. Asosiasi
Merupakan keterkaitan antara objek yang satu dengan objek yang lain. Contoh : stasiun kereta api
berasosiasi dengan jalan kereta api yang jumlahnya lebih dari satu (bercabang ).

Teknik interpretasi citra yang meliputi :

Data acuan

Kunci interpretasi citra

Penanganan data

Pengamatan stereoskopik

Metode pengkajian

Konsep multi yang merupakan salah satu keunggulan data penginderaan jauh

Analisis kuantitatif atas citra dapat umumnya dilakukan berdasarkan pengukuran densitinya.pada
foto hitam putih densiti merupakan fungsi jumlah perak yang tercuci.Bagi foto berwarna densitinya
dibuahkan oleh karakteristik serpan zat warna yang digunakan sebagai lapis emulsi.pada
umumnydigunakan tiga lapis zat warna yang berbeda-bedapada film berwarna.fungsi zat warna ialah
sebagai penyerap sinar.

Satelit sumber daya landsat

Landsat merupakan suatu hasil program sumber daya bumi oleh NASA ( The Nasional Aeronautical and
Space Administration), ameika serikat pada awal tahun 1970-an. Landsat diluncurkan pada tanggal 22
juli 1972 sebagai ERTS-I( Earth Resource Technologi Satellite) yang kemudian diganti namanya menjadi
landsat I, sejak itu 3 Landsat berikutnya telah diluncurkan dengan berhasil. Tipe landsat yang pertama
yang memilki karakteristik orbit dan sistem pencitraan serupa dapat dipandang sebagai satelit sumber
daya generasi pertama bagi seri tersebut. Landsat 4 yang diluncurkan dengan berhasil pada tanggal 16
juli 1982 mengawali generasi baru satelit sumber daya dengan resolusi tinggi yang menampilkan suatu
perbaikan dengan generasi sebelumnya.orbit seri landsat seluuhnya sikron matahari. Namun bagi
landsat pertama sudut inklinasi orbit sekitar 99,1.

Sistem pencitraan pada landsat 1,2,3. Adalah kamera return beam vidicon (RBV) multispectral scanner
(MSS). RBV pada landsat 1 dan 2 merupakan sistem kamera 3 televisi tipe elektro-optikdengan panjang
fokus 126 mm yang meekam pantulan medan pada 3 saluran panjang gelombang tampak.apabila
dikombinasikan besama-sama 3 saluran tersebut akan menghasilkan paduan warna semu. Sistem ini
memiliki luas citra yang dapat digunakan yaitu antara lain: rona, atau warna, ukuran, bentuk, tekstur,
pola, tinggi, bayanga.n, situs, dan asosiasi.
Pada landsat 3 sistem RBV hanya terdiri daridua kamera dengan dua panjang fokus, didalam sistem optik
yang merekam hanya pada saluran spektral tungal, yaitu 0505-0,750 nm. Hal ini menyebabkan
pengurangan peliputan aeal sampai seperempat areal yang terliput oleh kamera RBV tunggal yang
digunakan pada landsat 1 dan landsat 2, namun memperbaiki resolusi spasial menjadi 40 m. hal penting
yang perlu diperhatikan ialah bahwa sistem RBV menggunakan penutup (shutter) dan menghasikan satu
kerangka citra pada satu saat.

Sistem landsat diluncurkan pertama kali oleh NASA (the national aeranautical and space administration)
Amerika serikat pada tanggal 22 juli 1972 dengan nama ERTS-1 (Earth Resources Tecnology
Satelllite).wahana yang digunakan untuk sensor ERTS-1 ini adalah satelit cuaca NIMBUS.Sesaat sebelum
peluncuran ERTS B yaitu pada tanggal 22 januari 1975,NASA secara resmi mengganti nama program
ERTS menjadi program landsat untuk membedakan dengan program setelit oceonografi sesaat yang
telah direncanakan.oleh karena itu ERTS-1 diubah namanya menjadi landsat 1,ERTS B diubah namanya
menjadi landsat 2.sedangkan generasi selanjutnya yaitu landsat 3 diluncurkan 5 maret 1978 (curran
1985,CP.LO 1996,lillesand and kiefer 1997).

Landsat 6 yang diluncurkan 5 oktober 1993,gagal dalam peluncuran dan tidat mencapai orbit.sensor
yang termuat dalam landsat 6 adalah sensor ETM (Enhanced Thematic Mapper) yaitu dengan
menambahkan saluran termal (10,4-12,6 m).

landsat 7 yang diluncurkan 15 april 1999 membawa sensor tambahan yaitu ETM + (Enhanced Thematic
Mapper Plus) yang merupakan pengembangan dari generasi landsat sebelumnya.desain sensor ETM +
ditambah dua sistem model kalibrasi untuk gangguan radiasi matahari (dual mode solar calibracion
system) dengan penambahan lampu kalibrsi untuk fasilitas koreksi radiometrik.landsat 7 ini memiliki 705
km,orbit bersifat sikron matahari dengan inklinasi 98,2,waktu melintasi ekuator 09,45 atau
10,15,periode 98,884 menit,perekaman ulang 16 hari,lebar liputan 185 km,bentuk orbitalnya disamakan
menjadi 233 orbit lingkaran dengan luas tampalan samping yang bervariasi mulai 7 persen diekuator
sampai 84 persen pada lintang 81 derajat utara dan selatan (purwadi,2001).

Ciri khas dari citra Landsat 7 dengan sensor ETM+ adalah jumlah band yang terdiri dari delapan
band.Band-band yang terdapat pada sensor ETM+ mempunyai kemampuan dan karakteristik yang
berbeda-beda dalam menangkap gelombang elektromagnetik dan dipancarkan oleh obyek di
permukaan bumi seperti pada tabel.Masih banyak kegunaan lainnya dari penggunaan Landsat 7 seperti
pada tabel.Tiap band pada Landsat 7 ETM + memiliki ukuran tersendiri.

Sensor ETM + merupakan pengembanggan dari senor landsat TM.perbedaan dengan sensor TM adalah
adanya penambahan saluran pankromatik dengan panjang gelombang 0,5-0,8 m yang mempunyai
resolusi spasial 15 x 15 meter serta perbaikan resolusi spasial untuk saluran inframerah termal dari 120
meter menjadi 60 meter.hal ini menunjukan bahwa klasifikasi saluran serta kegunaan utama sensor ETM
+ sama dengan sensor TM (Purwadi,2001).

Citra Landsat TM dan Landsat ETM+ memiliki persamaan, dimana keduanya memiliki ukuran piksel
sebesar 25 meter. Bagaimanapun juga citra Landsat ETM+ memiliki band pankromatik yang mampu
menghasilkan citra pankromatik dengan resolusi 12,5 meter. Hal ini memungkinkan untuk menghasilkan
citra multispektral pankromatik yang dipertajam (citra gabungan pankromatik dan multispektral dengan
resolusi spectral 7 band dan resolusi spasial 12,5 meter) tanpa merektifikasi citra yang satu ke citra
lainnya. Hal ini disebabkan citra pankromatik dan multispektral direkam dengan sensor yang sama
sehingga bisa diregister secara otomatis. Citra Landsat 7 juga memiliki band thermal yang
dipertajam.Sensor ETM+ menggunakan panjang gelombang dari spectrum tampak mata sampai
spectrum infra merah.

Secara radiometric, sensor ETM+ memiliki 256 angka digital (8 bit) yang memungkinkan pengamatan
terhadap perubahan kecil pada besaran radiometric dan peka terhadap perubahan hubungan antar
band.Band-band ETM+ berguna untuk mengkaji air, pemilihan jenis vegetasi, pengukuran kelembaban
tanah dan tanaman, pembedaan awan, salju, dan es, serta mengidentifikasi jenis batuan. Sama dengan
Landsat tTM, Landsat ETM+ bisa digunakan untuk penerapan daerah perkotaan, akan tetapi dengan
resolusi spektral yang tinggi akan lebih sesuai jika digunakan untuk membuat karakteristik alami suatu
bentang alam. Spesifikasi Teknis: ETM+ dirancang untuk mengumpulkan, menyaring, dan mendeteksi
radiasi dari bumi dalam petak seluas 185 km yang melewatinya.

Terapan interpretasi citra landsat telah dilakukan dalam berbagai disiplin ilmu seperti
pertanian,botani,kartografi,tekniksipil,pantauan lingkungan,kehutanan,geografi,geofisika,analisis
sumberdaya lingkungan,percanaan tata guna lahan,oceanografi dan sumberdaya air (lillesand and kiefer
1997).

Saluran Panjanng gelombang Kegunaan utama

1 0,45-0,52 Meningkatkat penetrasi kedalam tubuh

air,mendukung analisis sifat khas penggunaan
lahan,tahan dan vegetasi

2 0,52-0,60 Menginderapuncak pntulan vegetasi pada

spektrum hijau yang terletak diantara 2 salurn
spekral spekralseapan krolofil,menekankan
pembedaan vegetasi dan penilaian kesuburan

3 0,63-0,69 Memisahkan vegetasi,memperkuat kontras

antara kenampakan vegetasi dan bukan
vegetasi,meajamkan kontras antara kelas
vegetasi

4 0,76-0,99 Membantu identifikasi tanaman,memperkuat

kontras tanaman tanah dan lahan air
 5 1,57-1,75 Penentuan jenis tanaman,kandungan air pada
tanaman dan kondasi kelembaban tanah

6 10,4-12,5 Klasifikasi vegetasi,analisis gangguan

vegetasi,pemisahan kelembaban tanah dan
sejumlah gejala lain yang berhubungan dengan
panas

7 2,08-2,35 Pemisah formasi bantuan

II.3. ER MAPPER

1. PENGERTIAN

ER Mapper adalah salah satu software (perangkat lunak) yang digunakan untuk mengolah data citra atau
satelit. Masih banyak perangkat lunak yang lain yang juga dapat digunakan untuk mengolah data citra,
diantaranya adalah Idrisi, Erdas Imagine, PCI dan lain-lain. Masing-masing perangkat lunak mempunyai
keunggulan dan kelebihannya sendiri.ER Mapper dapat dijalankan pada workstation dengan sistem
operasi UNIX dan komputer PCs (Personal Computers) dengan sistem operasi Windows 95 ke atas dan
Windows NT.

2. PENGGUNAANNYA DALAM PENGOLAHAN CITRA

ER Mapper mengembangkan metode pengolahan citra terbaru dengan pendekatan yang interaktif,
dimana kita dapat langsung melihat hasil dari setiap perlakuan terhadap citra pada monitor komputer.
ER Mapper memberikan kemudahan dalam pengolahan data sehingga kita dapat mengkombinasikan
berbagai operasi pengolahan citra dan hasilnya dapat langsung terlihat tanpa menunggu komputer
menuliskannya menjadi file yang baru (gambar 3). Cara pengolahan ini dalam ER Mapper disebut
Algoritma.

Gambar 3. Pengolahan Citra Menggunakan ER Mapper

Algoritma adalah rangkain tahap demi tahap pemrosesan atau perintah dalam ER Mapper yang
digunakan untuk melakukan transformasi data asli dari hard disk sampai proses atau instruksinya
selesai. Dengan Algoritma, kita dapat melihat hasil yang kita kerjakan di monitor, menyimpannya ke
dalam media penyimpan (hard disk, dll), memanggil ulang, atau mengubahnya, setiap saat. Oleh karena
Algoritma hanya berisi rangkaian proses, maka file dari algoritma ukurannya sangat kecil, hanya
beberapa kilobyte sampai beberapa megabyte, tergantung besarnya proses yang kita lakukan, sehingga
sangat menghemat ruang hard disk. Dan oleh karena file algoritma berukuran kecil, maka proses
penayangan citra menjadi relatif lebih cepat. Hal ini membuat waktu pengolahan menjadi lebih
cepat.Konsep Algoritma ini adalah salah satu keunggulan ER Mapper. Selain itu, beberapa kekhususan
lain yang dimiliki ER Mapper adalah :

1. Didukung dengan 130 format pengimpor data

2. Didukung dengan 250 format pencetakan data keluaran

3. Visualisasi tiga dimensi

4. Adanya fasilitas Dynamic Links

5. Penghubung dinamik (Dynamic Links) adalah fasilitas khusus ER Mapper yang membuat pengguna
dapat langsung menampilkan data file eksternal pada citra tanpa perlu mengimportnya terlebih dahulu.
Data-data yang dapat dihubungkan termasuk kedalam format file yang populer seperti ARC/INFO,
Oracle, serta standar file format seperti DXF, DON dll.

Selain kelebihan-kelebihan di atas, ER Mapper memiliki keterbatasan, yaitu :

1. Terbatasnya format Pengeksport data

2. Data yang mampu ditanganinya adalah data 8 bit.

Prosedur Pengolahan Data Citra

Prosedur pengolahan data citra diawali dengan mengimport data sampai dengan hasil akhir dalam
bentuk cetakan (printing).Dari beberapa prosedur ini, tidak semua prosedur harus dijalankan untuk
mendapatkan hasil yang sesuai dengan harapan.Untuk beberapa aplikasi dapat dihasilkan keluaran yang
diharapkan tanpa melalui seluruh prosedur pengolahan citra.

1. Import Data

Langkah pertama dalam pengolahan citra adalah mengimport data satelit yang akan digunakan ke dalam
format ER Mapper. Umumnya data disimpan dalam bentuk magnetic tape, CD-ROM atau media
penyimpanan yang lain. Dua bentuk utama data yang diimport ke dalam ER Mapper adalah data raster
dan vektor.

Data raster adalah tipe data yang menjadi bahan utama kegiatan pengolahan citra.Contoh data raster
adalah citra satelit dan foto udara. Pada saat mengimport data raster, ER Mapper akan membuat dua
files yaitu:

File data binary yang berisikan data raster dalam format BIL, tanpa file extension.

File header dalam format ASCII dengan extension .ers

Data vektor adalah data yang terseimpan dalam bentuk garis, titik dan poligon.Contoh data vektor
adalah data yang dihasilkan dari hasil digitasi Sistem Informasi Geografis (SIG) seperti jalan, lokasi
pengambilan sampel atau batas administrasi. ER Mapper juga akan membuat dua file hasil dari
mengimport data vektor:

File data dalam format ASCII berisikan data vektor

File header dalam format ASCII dengan extension .erv

2. Menampilkan Citra

Setelah proses mengimpor data, selanjutnya adalah menampilkan citra tersebut. Hal ini dilakukan untuk
mengetahui kualitas dari data yang digunakan. Apabila data/citra tersebut memiliki kualitas yang tidak
sesuai dengan keinginan (berawan, data bergaris, dll) maka kita tidak perlu melanjutkan proses
pengolahan, dan mencari data baru yang memiliki kualitas yang lebih baik.

Di dalam ER Mapper, cara menampilkan citra disebut Color Mode. Ada beberapa cara untuk
menampilkan citra:

a) Pseudocolor Displays, menampilkan citra dalam warna hitam dan putih, biasanya hanya terdiri
dari satu layer/band saja.

b) Red-Green-Blue (RGB), menampilkan citra melalui kombinasi tiga band, setiap band ditempatkan
pada satu layer (Red/Green/Blue), caraini disebut juga color composite. Contoh: False Color Composite
RGB 453.

c) Hue-Saturation-Intensity (HIS), menampilkan citra melalui kombinasi tiga band, setiap band
ditempatkan pada satu layer (Hue/Saturation/Intensity), cara ini biasanya digunakan bila kita
menggunakan dua macam data yang berbeda, misalkan data Radar dengan data Landsat-TM.

3. Rektifikasi Data/Geocoding

Data raster umumnya ditampilkan dalam bentuk raw data dan memiliki kesalahan geometrik.Untuk
mendapatkan data yang akurat, data tersebut harus dikoreksi secara geometrik kedalam sistem
koordinat bumi.

Ada dua proses koreksi geometrik:

a) Registrasi, koreksi geometrik antara citra yang belum terkoreksi dengan citra yang sudah
terkoreksi.

b) Rektifikasi, koreksi geometrik antara citra dengan peta

4. Mosaik Citra

Mosaik citra adalah proses menggabungkan/menempelkan dua atau lebih citra yang tumpang tindih
(overlapping) sehingga menghasilkan citra yang representatif dan kontinyu. Dalam ER Mapper proses ini
dapat dilakukan tanpa membuat suatu file yang besar, kecuali bila kita ingin menyimpannya menjadi file
tersendiri.

5. Penajaman Citra

Proses penajaman citra dilakukan untuk mempermudah pengguna dalam menginterpretasikan obyek-
obyek yang ada pada tampilan citra. Dengan proses Algoritma, ER Mapper mempermudah pengguna
melakukan berbagai macam proses penajaman citra tanpa perlu membuat file-file baru yang hanya akan
membuat penuh disk komputer. Jenis-jenis operasi penajaman citra meliputi:

a) Penggabungan Data (Data fusion), menggabungkan citra dari sumber yang berbeda pada area yang
sama untuk membantu di dalam interpretasi. Contoh data Landsat-TM dengan data SPOT.

b) Colodraping, menempelkan satu jenis data citra di atas data yang lainya untuk membuat suatu
kombinasi tampilan sehingga memudahkan untuk menganalisa dua atau lebih variabel. Contoh citra
vegetasi dari satelit di colordraping di atas citra foto udara pada area yang sama.

c) Penajaman kontras, memperbaiki tampilan citra dengan memaksimumkan kontras antara

pencahayaan dan penggelapan atau menaikan dan merendahkan harga data suatu citra.

d) Filtering, memperbaiki tampilan citra dengan mentransformasikan nilai-nilai digital citra, seperti
mempertajam batas area yang mempeunyai nilai digital yang sama (enhance edge), menghaluskan citra
dari noise (smooth noise), dll.

e) Formula, membuat suatu operasi matematika dan memasukan nilai-nilai digital citra pada operasi
matematika tersebut., misalnya Principal Component Analysis (PCA).

f) Klasifikasi, menampilkan citra menjadi kelas-kelas tertentu secara statistik berdasarkan nilai
digitalnya. Contoh membuat peta penutupan lahan dari citra satelit Landsat-TM.

6. Dynamic Links

Penghubung dinamik adalah fasilitas khusus ER Mapper yang membuat pengguna dapat langsung
menampilkan data file eksternal pada citra tanpa perlu mengimportnya terlebih dahulu. Data-data yang
dapat dihubungkan termasuk kedalam format file yang populer seperti ARC/INFO, Oracle, serta standar
file format seperti DXF, DGN dll.

7. Komposisi Peta

Komposisi peta memungkinkan pengguna untuk mempresentasikan citra-citra secara profesional dan
penuh arti.Kualitas kartografik peta pada ER Mapper dapat membuat grid, legenda, bar skala, panah
arah utara, logo perusahaan, legenda klasifikasi.

8. Pencetakan

Pengguna dapat menghasilkan keluaran suatu citra dengan menggunakan peralatan pencetakan atau
printer yang meliputi printer berwarna, film, printer hitam putih dan format grafik.Pilihan pencetakan
membutuhkan suatu algoritma yang mendefinisikan semua data dan pengolahannya dengan catatan
hanya algoritma yang telah disimpan yang dapat dicetak.Pastikan kita telah menyimpan algoritma kita
sebelum mencetaknya.
BAB III

METODOLOGI

III.1. ALAT DAN BAHAN

1. Fotoudara Inframerah, Fotoudara Pankromatik Hitam Putih, dan fotoudara pankromatik warna asli.
Dalam format cetak standard (23x23)

2. Perangkat keras komputer dari berbagai merek, lengkap dengan keyboard,mouse,dan monitor.

3. Perangkat Lunak yang berupa program untuk pengolah data atribut, data tabel, dan penyusun
laporan , dan program ER MAPPER untuk menampilkan dan interpretasi citra.

4. Buku petunjuk Praktikum

III.2. CARA KERJA

a. Pengenalan program ER MAPPER

1. Klikdua kali shortcut ER MAPPER pada desktop,

2. Makatampil menu tampil ER MAPPER

3. Mengidentifikasi dari menu yang ada di ER MAPPER

b. Pengenalan citra

1. Klik file pada menu bar > new,maka akan tampil jendela alogarithm.

2. Klik file > open into new surface, pilih data atau foto citra yang akan di buka.

3. Mengidentifikasi obyek yang di tampilkan berdaarkan unsur-unsur interpretasi.

4. Klik kanan pada jendela algorithm,memperhatikan komposisi warna dan mengganti saluran
spectral pada tiap warna yang ada (RGB).

5. Mencatat perubahan

6. Meletakan kursor di atas gambar,klik kanan dan klik cell values profile dan cell coordinate.

7. Lakukan hal tersebut pada 3 jenis citra yang sama,yaitu:

Foto Udara Pankromatik Hitam Putih

Foto Udara Pankromatik Berwarna

 Foto Udara Inframerah

c. Crooping citra dan menyimpan citra dalam format *.ers dan *.alg

1. Tampilan Dalam citra Utuh BAND 1 BAND 7 ( Pseudo layer ) (Grey scale)

2. Tampilkan statistic data set

3. Identifikasi dari setiap perbedaan gambar diatas mengaitkannya dengan tampilan data statistic

4. Tampilkan salah satu citar diata dengan R-G-B layer

5. Kombinasikan band yang ada.

6. Identifikasi perbedaan dari setiap obyek yang di tampilkan melalui warna yang ada.

d. Cropping area

1. Buka Citra yang akan di cropping (LandsatTM6band)

2. Dalam multispectral (=Band 1, B;2 s/d B;7 )

3. Calculate statistic (process>C.statistic ----OK)

4. View > Geoposition,Pilih/Klik ; Extend

5. Kursor diletakan pada gambar,klik mouse kanan ---pointer

6. Dengan pointer,geser lokasi yang terpilih,3 Unsur : Air,Vegetasi,Tanah Terbuka/Bangunan

7. Jendela algorithm

Rename ; Pseuodolayer ----L1 s/d L7 dan mengganti BandL1=B1 S/d L7=B7

8. Save As

e. Transformasi citra

1. Buka Citra Multispektrum pada Pseoudocolor

2. Pada jendela klik edit --- transform limit dan keluar jendela transform

3. Klik Equalized histogram maka citra akan di tampilkan pada tingkat kecerahan yang lebih baik

4. Membandingkan keadaan citra sebelum di transformasi dan sesudah di transformasi

f. Pemfilteran citra

1. Buka Jendela baru data LANDSAT6BAND.ers

2. Buka lagi jendela baru

3. Pada menu algoritma ketik kopi dan pindahkan paste

4. Tentukan citra asli sebagai pembanding

5. Pada tampilan menu algorithm hapus transform dan pilih filter

6. Pada menu filter centang process at data set resolutions

7. Kemudian pada filename klik open pilih gausian/std_dev_1.6.ker Matrix 3:3

8. Copikan data ke laporan text

9. Pilih edit dan delete filter

10. Selanjutnya klik centang ladi prosses at data set resolution

11. Pilih open Kernel/High Pass/Sharpen 2

12. Copykan data ke laporan text beserta data resolutions nya

13. Membandingkan citra sebelum dan sesudah di filter dan lihat data resolutionnya

BAB IV

HASIL DAN PEMBAHASAN

IV.1. HASIL

1.

Tittle Bar
Menu Bar

Botton Bar

Toolbar

Pengenalan Program Er Mapper

2. Pengenalan citra

a. Foto Udara Pankromatik Hitam Putih

b. Foto Udara Pankromatik Berwarna

c. Foto Udara Pankromatik IR

3. Crooping citra dan menyimpan citra dalam format *.ers dan *.alg

a. Tampilan Dalam citra Utuh BAND 1 BAND 7 ( Pseudo layer ) (Grey scale)

b. Tampilan statistic data set

c. Tampilan dalam R-G-B layer

1. Tampilan citra RGB 3

2. Tampilan citra RGB 2.3.4

3. Tampilan citra RGB 5.3.1

4. Cropping area

a. Hasil cropping area dengan 3 unsur : air, vegetasi, bangunan

b. Hasil statistiknya

wawa
5. Transformasi citra

Tampilan citra setelah ditransformasi dengan histogram equalize sebelum di refresh image with 99% clip
on limits.

Tampilan citra dengan Create default linear transform

Tampilan citra dengan create auto clip transform

Tampilan citra dengan histogram equalize

6. Pemfilteran citra

filter gausian standard deviation 1.6 kernel

Sebelum Sesudah

Citra yang menggunakan filter high pass sharpen 2 kernel

Sebelum Sesudah

Citra menggunakan filters low pass avg.7 kernel

Sebelum Sesudah
7. Optimum Index Faktor

Tampilan statistic

Tampilan kombinasi Band

Band 3.2.1

Band 4.3.2
Band 7.5.2
IV.2. PEMBAHASAN

1. Pengenalan Program Er Mapper

Berikut adalah penjelasan tentang tampilan awal dari ER Mapper

a. Menu Bar:Menyediakan pemilihan perintah yang akan digunakan dalam pengolahan data,untuk
memilihnya dari menu bar, klik pada pada perintah di menu bar untuk membukanya baru kemudian
klik pada sub perintah yang diinginkan.

Dan berisi:

File

Untuk membuka halaman baru

Untuk membuka file

Untuk menyimpan file dengan nama yang sama

Untuk menyimpan file dengan nama yang baru

Untuk melihat dan mengatur lembar file yang akan di print

Untuk mencetak lembar file

Menampilkan pilihan

Menampilkan data vector

Membuat dan melakukan editing pada data vector

Membuat dan melakukan perubahan warna pada kelas- kelas hasil klasifikasi

Edit
 View

Menbuka algorithm dialog box

Memperbesar atau memperkecil tampilan citra

Menampilkan nilai-nilai satatistic atau angka pada citra

Menampilakan nilai pixel pada setiap band pada data citra

Memberikan informasi mengenai letak geografis suatu obyek titik pada citra

Toolbars

Menampilkan menu-menu standard

Menampilkan fungsi perintah

Process

Menghitung nilai nilai statistic data citra

Menjalankan proses klasifikasi data citra satelit

Export : Mengkonversi data citra dariformat ER Mepper menjadi data dalam format yan lain

Import : Mengkonversi format dat acitra menjadi format ER Mepper

Utilities

Windows : Digunakan untuk membuat windows baru dan menampilkan nama-nama windows
lainnya yang sedang dibuka dalam ER Mepper.

Help : Berisi informasi-informasi bantuan yang dibutuhkan user seperti tutorial,konsep ER

Mepper dan lainnya

b. Tool Bar: Memperlihatkan kelompok dari tombol untuk memudahkan pemilihan perintah
secara cepat. Untuk memilihnya dari tool bar, dilakukan dengan mengklik pada tombol yang
diinginkan. Tool bar memberikan kecepatan akses untuk fungsi-fungsi umum yang digunakan,
seperti menyimpan alogarithm, dan mencetak hard copy. Pada Er Mapper disediakan opotional tool
bar untuk beberapa pekerjaan tertentu dan aplikasi pengolahan citra. Untuk menghilangkan atau
menampilkan beberapa tool bar.

2. Pengenalan Citra

Dari hasil data yang diperoleh maka dapat diamati obyek sebagai berikut:

a. Citra Hitam Putih

Obyek
Vegetasi Lahan
Perbukitan Persawahan Sungai
hutan lebat kosong
Unsur

837.43 ; 208.43 ; 1187.28 ; 152,60 ; 182,37 ;

Coordinate
167.49 223.80 978.86 1075,63 1235,67

Warna Hitam Abu-abu Abu-abu Putih Putihsusu

Kotak-kotak Garis Tak

Bentuk Menyebar Menyebar
beraturan berkelok beraturan
 Besar
Ukuran Besar Besar Besar Kecil

b. Foto Udara Pankromatik Berwarna

Obyek
Bangunan Permukiman Sungai Laut Persawahan
Unsur

372,33 636,89 1513,83 1435,45 583,00

Coordinate
489,91 695,68 921,04 1352,16 1543,23

Coklat Hitam
Warna Putih Susu Kehijauan Hijau
Keputihan Kehijauan

Garis
Kotak Kotak
Bentuk Memanjang Teratur kotak teratur
Beraturan Beraturan
Berkelok

Ukuran Besar Besar Besar Besar Besar

c. Foto Udara Pankromatik IR

Obyek
Vegetasi Jalan Pemukiman Perbukitan Sungai
Unsur

Coordinat 940,89 1076,79 791,04 1240,58 152,60

e 296,20 620,29 700,44 811,95 1075,63

merah
Warna Putih Putih Merah kecoklatan Hitam
tua

Menyeba memanjang
Bentuk Memanjang Kotak teratur Menyebar
r berkelok

Ukuran Besar Kecil Kecil Kecil Besar

3. Cropping Citra Dan Menyimpan Citra Dalam Format *.Er S & *.Alg Er Mapper

a. Tampilan Dalam citra Utuh BAND 1 BAND 7 ( Pseudo layer ) (Grey scale)

Pada citra dengan menggunakan :

Band 1 : tampilan citra tampak kurang jelas , kabur.

Band 2 : tampilan citra tampak lebih jelas dari tampilan band 1dengan warna dominan

hitam.

Band 3 : tampilan citra sedikit lebih jelas dari band 2 , dengan tekstur lebih jelas.

Band 4 : tampilan citra lebih jelas dari pada band 3 dengan tekstur lebih jelas dengan
perbedaan warna lebih jelas.

Band 5 : tampilan citra lebih jelas dan perbedaan warnanya juga jelas

Band 6 : tampilan citra tampak tidak jelas , citra tampak kabur dengan dominan warna abu-abu

Band 7 : perbedaan tampak kurang jelas dengan dominan warna hitam.

b. Dari hasil statistik dan kombinasi maka dapat di tuliskan

Kombinasi RGB Nilai BV( Brithness Value)

No Obyek
Ban Ban Ban Ban Ban Ban Ban
3.2.1 2.3.4 5.3.1
d1 d2 d3 d4 d5 d6 d7

1 Awan putih Putih Putih 217 96 137 116 147 132 75

2 Air Biru Hitam Biru 84 32 22 5 8 156 5

Vegetasi Hijau
3 Biru tua Merah 68 26 20 93 55 155 14
Lebat Tua

Vegetasi Hijau Biru Merah

4 65 24 20 55 28 58 7
Jarah muda muda muda

Kuning
5 Tanah Basah Coklat kehijau Hijau 80 37 45 48 61 162 19
an

Tanah Coklat Kuning

6 Hijau 85 36 42 51 70 164 21
Kering muda kehiaju
 an

Biru ,
7 Bangunan coklat keabua merah 86 36 46 44 73 177 37
n

4. Cropping Area

Cropping Area : memperoleh citra dengan luas atau jumlah pixel yang dikehendaki.

Luas dari area yang di kehendaki bisa diperolrh dengan merubah extens pada geopositions di menu
view. Dan untuk menghitung luasnya dapat diperoleh dengan

Melihatcalculate statisticsnya,yaitu

Coordinate(X) x Coordinate(Y)

= 600 x 500

= 300000 pixel 0,09 ha = 2700 ha

5. Transformasi Citra

Transformasi citra adalah suatu proses menampilkan citra sedemikian rupa secara matematis
dengan mempertimbangkan nilai kecerahan obyek yang terekam pada citra. Cara yang dilakukan
adalah denagn menggunakan metode equalized histogram menggunakan metode gausian. Citra
sebelum ditransformasi memiliki nilai antara n1 sampai n2 . dimana nilai n1 adalah nilai minimum ,
dan n2 adalah nilai maximum , yang besarannya berkisar antara 0-255. Apabila selisih ring spectrum
n2-n1=255 menunjukan citra memiliki tingkat kecerahan yang tinggi .pada umumnya citra asli
memiliki kisaran <255 sehingga tampilan citra tidak begitu jelas

6. Pemfilteran Citra

Pemfilteran Citra adalah eksekusi pada citra dengan jalan menapis saluran citra yang tidak terbaca
atau yang tidak jelas dengan suatu filter yang tersedia pada fasilitas ER Mapper . filter citra yang
dikenakan adalah filter gausian , filter high pass dan filter low pass.

Citra yang ada filter adalah citra Landsat TM6 Band

7. Optimum Index Faktor

Dilakukan pada citra multispektrum yang digunakan untuk memilih kombinasi saluran spectrum dari
saluran-saluran spectrum yang ada yang terbaik.

Citra ditampilkan pada :

Red 5/7

Green 3/7 OIF maks = kombinasi saluran spektral

Blue 1/4

Nilai OIF :

Berikut adalah perhitungan OIF dari beberapa citra yang di kombinasikan

3-2-1

Simpangan baku = 5,496+4,407+6,743=16,646

Corelasi matrik = 0,907+0,911+0,844=2,662

Nilai OIF

: 6,253

4-3-2

Simpangan baku =3,513+5,496+4,407=13,416

Corelasi matrik = 0,844+ 0,629+0,897= 2,37

Nilai OIF :

: 5,660

7-5-2

Simpangan baku = 3,640+6,046+4,407=14,093

Corelasi matriks= 0,562+0,557+0,938=2,057

Nilai OIF :

: 6,851

Dari hasil diatas makan kombinasi 7-5-2 memilki kualitas gambar yang lebih jelas dibanding yang
lain.
BAB V

SIMPULAN

Interpretasi citra adalah studi secara sistematis untuk suatu tujuan tertentu melaluipengenalan
karekteristik,jenis dan sebaran obyek yang terekam pada lembar citra. Interpretasi citra dapat
dilakukan secara visual dengan methode methode visual yang ada dan memperhatikan unsur
unsur interpretasinya.

Selain itu interpretasi dapat dilakukan secara digital menggunakan software pengolahan citra
tertentu yang berkaitan, menggunakan komputer.

Program yang digunakan dalam interpretasi citra yang pertama ini adalah Program ER MAPPER 6.4
yang telah dilakukan penginstalan. Dari program tersebut dapat digunakan untuk interpretasi citra
secara visual menggunakan alat bantu kacamata 3 dimensi. Sedangkan interpretasi Digital
menggunakan progran tersebut secara langsung bersama sistem di komputer ,seperti cropping citra,
Transformasi citra, Pemfilteran citra dan optimum indeks faktor
DAFTAR PUSTAKA

Sutanto. 1986. Penginderaan Jauh Dasar. Yogyakarta : Gadjah Mada University Press.

Lillesland dan Kiefer, 1990, Penginderaan Jauh dan Interpretasi Citra. Yogyakarta. Gajah Mada
University Press

Syarief Budiman,2001. Pengenalan Er Mapper,lembaga Penerbangan dan Antariksa Nasional, Pare-

Pare.

Sabin,1978. Remote Sensing and Interpretation. Mc Graw Hill. New York.

Anonim. 2010. http://www.oocities.org/yaslinus/b1_1.html. Diakses 09 Juni 2012

Anonim. 2011. http://anton2005.wordpress.com/about/. Diakses 09 Juni 2012