Professional Documents
Culture Documents
I. PENDAHULUAN
hidrotermal
• Pertukaran data, membaca dan menuliskan data dari dan ke dalam format perangkat
lunak SIG lainnya.
• Melalukan analisis statistik dan operasi-operasi matematis.
• Menampilkan informasi (basisdata) spasial maupun atribut.
• Menghubungkan informasi spasial dengan atribut-atributnya yang terdapat (disimpan)
dalam basisdata atribut.
• Melakukan fungsi-fungsi dasar SIG seperti analisis sederhana spasial.
• Membuat peta tematik.
• Meng-customize aplikasi dengan menggunakan bahasa skrip atau bahasa
pemrograman sederhana.
• Melakukan fungsi-fungsi SIG khusus lainnya (dengan menggunakan extension yang
ditujukan untuk mendukung penggunaan perangkat lunak SIG ArcView).
Koreksi radiometrik ditujukan untuk memperbaiki nilai piksel supaya sesuai dengan
obyek yang seharusnya. Biasanya mempertimbangkan faktor gangguan atmosfer sebagai
sumber kesalahan utama. Efek atmosfer menyebabkan nilai pantulan obyek dipermukaan
bumi yang terekam oleh sensor menjadi bukan merupakan nilai aslinya, tetapi menjadi lebih
besar oleh karena adanya hamburan atau lebih kecil karena proses serapan. Metode-metode
yang sering digunakan untuk menghilangkan efek atmosfer antara lain metode pergeseran
histogram (histogram adjustment), metode regresi dan metode kalibrasi bayangan. (Projo
Danoedoro, 1996).
Metode yang digunakan dalam project ini adalah metode penyesuaian histogram.
Asumsi dari metode ini adalah dalam proses koding digital oleh sensor, obyek yang
memberikan respon spektral yang paling rendah seharusnya bernilai 0. Apabila nilai ini
ternyata melebihi angka 0 maka nilai tersebut dihitung sebagai offset dan koreksi dilakukan
dengan mengurangi seluruh nilai pada saluran tersebut dengan offset-nya.
I.3.7 Cropping
Data satu scene umumnya mencakup wilayah yang cukup luas. Cakupan 1 scene citra
landsat adalah 185 km x 185 km. Kadang-kadang tidak semua data yang tercakup dalam
scene tersebut kita butuhkan. maka kita sebaiknya memotong scene tersebut sesuai dengan
daerah pengamatan kita. Hal ini untuk memperkecil besar file yang kita gunakan serta
mempercepat proses-proses dalam ER Mapper bila dibandingkan dengan mengolah data satu
scene penuh.
Rina, Dhany, Dinal
7
I.3.8 NDVI
NDVI (Normalized Difference Vegetation Index) yang merupakan salah satu macam
indeks vegetasi adalah suatu penajaman spectral yang berfungsi untuk membedakan vegetasi
dan non vegetasi dengan rumus NDVI = (NIR & ndash; RED)/ (NIR + RED), dimana NIR
adalah band Near Infra Red (band 4 pada Landsat TM) dan RED adalah band RED (sinar
merah yaitu band 3 pada Landsat TM). Hasilnya adalah penutupan lahan berupa vegetasi yang
tampak lebih cerah dan non vegetasi yang terlihat gelap dengan sebaran nilai –1 hingga +1
(range band 3 dan band 4)
II PELAKSANAAN
II.1 Persiapan
Pada tahap persiapan dilakukan studi pustaka mengenai bagaimana cara mengolah
citra, serta menyiapkan perangkat keras dan perangkat lunak komputer yang akan digunakan
dalam poject ini.
II.3 Pelaksanaan
Tahapan-tahapan yang akan dilakukan dalam mini project ini dapat dilihat pada
diagram alir pelaksanaan berikut ini :
Original Image
Koreksi
Radiometrik
GCP Coordinates
Koreksi (x,y dan X,Y)
Geometrik
Koordinat Batas
Cropping Image Croppping Image
Rina, Dhany, Dinal
9
Proses NDVI
Pendefinisian Klas umur tanaman
berdasar Index Vegetasi
Stretching Image
Classified Image
Density Slicing
Pembuatan Peta
Untuk menghitung statistik citra sampai dengan koreksi geometrik dalam project ini
menggunakan ER Mapper. Langkah langkah yang dilakukan yaitu sebagai berikut:
2. Pilih citra yang akan dihitung statistiknya dengan klik , setelah muncul
datasetnya klik OK
Rina, Dhany, Dinal
10
3. Tunggu proses calculate statistics selesai sampai muncul widow di bawah ini
Rina, Dhany, Dinal
11
4. Untuk mengetahui hasil statistik citra tersebut klik View Statistics Show
Statistik, sehingga muncul window Statistic Report, lalu klik Display
3. Klik Load Dataset , lalu pilih file citra yang akan dikoreksi radiometrik
sehingga muncul citra tersebut.
4. Perbanyak pseudo layer sesuai dengan jumlah band masing – masing citra
dengan cara menekan tombol duplicate , sesuaikan tiap layer dengan masing -
masing band kemudian direname.
Rina, Dhany, Dinal
12
5. Pada tiap layer klik Edit Formula , sehingga muncul window Formula Editor.
Pada input, edit dengan cara mengurangi input sesuai dengan nilai minimum yang
tercantum pada display statistik kemudian klik Apply changes dan lakukan untuk
semua band. Sebagai contoh pada gambar berikut, untuk band 1 dikurangi 73
(sesuai nilai minimum statistiknya)
6. Setelah semua band diedit formula, klik close pada window Formula Editor dan
Algorithm. Simpan hasil koreksi radiometrik dengan klik File Save As pada
menu utama ER Mapper sehingga muncul tampilan sebagai berikut
Pada window Save As ER Mapper Dataset kosongkan baris Null Value kemudian klik
OK
Rina, Dhany, Dinal
13
3. Pada menu GCP Setup, klik change dan sesuaikan dengan referensi yang telah ditentukan
(dapat dilihat pada gambar di bawah ini)
Rina, Dhany, Dinal
14
4. Pada GCP Edit akan uncul dua tampilan uncorrected GCP, yang berfungsi untuk
menempatkan titik – titik GCP, pada window GCP Edit masukkan koordinat yang telah
ditentukan.
5. Klik Off pada semua baris titik sampai berubah menjadi On sehingga muncul RMS untuk
tiap – tiap titik. Modifikasi RMS dengan menepatkan masing – masing titik pada posisi
yang benar sehingga RMS tersebuti mencapai ≤ 0,5. Berikut ini adalah hasil RMS untuk
semua titik:
Rina, Dhany, Dinal
15
6. Setelah RMSnya memenuhi syarat klik Rectify, klik Select Output Filename di dalam
kotak Output Info kemudian Save File and Start Rectification
II.3.4 Cropping
Pengcropingan/ pemotongan image dapat dilakukan sebelum koreksi geometrik atau
sesudah koreksi geometrik. Namun pada project ini cropping citra dilakukan sesudah koreksi
geometric. Langkah – langkahnya adalah sebagai berikut:
1. Buka citra yang akan dicrop lalu pada jendela utama File Save File As Envi
Meta.
2. Lalu Muncul jendela New File Builder Isi nama file yang hasil crop Import File.
Lalu Muncul Create New File , pilih File yang akan dicrop.
3. Klik tombol Spasial Subset, pada Jendela Select Spatial Subset klik tombol Map
Rina, Dhany, Dinal
16
4. Lalu pada jendela Spatial Subset by Map Coordinate Isi nilai cropping peta. OK
Hasil nilai NDVI pada jendela density slice sebelum perentangan nilai spektral.
2. klik nilai spektral Edit Range, Isi Range Min dan Range Max dan klik OK. Lakukan
setiap langkah ini pada seluruh kelas spektral.
Rina, Dhany, Dinal
19
4. Pilih file (densityku.bil), Drives (f:) , Data Source Types: (Image Data source) . OK
Rina, Dhany, Dinal
20
Pada bab ini menyajikan hasil langkah demi langkah pembuatan mini project beserta
sedikit pembahasannya.
Dengan menampilkan dua statistik citra yaitu sebelum koreksi radiometrik dan
sesudah koreksi radiometrik pada daerah yang sama, kita dapat dengan jelas melihat
perbedaannya. Hal ini terlihat jelas pada baris nilai minimum dan maksimum pada masing –
masing citra. Citra yang belum dikoreksi memiliki nilai minimum yang beragam sedangkan
citra sesudah dikoreksi mempunyai nilai minimum = 0 (nol). Perubahan nilai minimum ini
mempengaruhi nilai statistik yang lain, seperti nilai maksimun, mean, median, dan standar
deviasi.
Rina, Dhany, Dinal
23
Dengan melihat gambar di atas secara langsung kita dapat melihat perbandingan
antara kedua citra tersebut. Selain orientasi yang berubah, citra hasil koreksi radiometrik
mempunyai koordinat pada setiap titiknya. Berikut adalah hasil RMS untuk masing – masing
titik. Semua titik mempunyai nilai RMS ≤ 0.5 yang merupakan standar ketelitian koordinat
titik. Semakin kecil RMS yang dihasilkan, semakin teliti pula koordinat yang dihasilkan dari
koreksi geometrik.
Hasil dari density slicing dapat dilihat pada gambar di atas dengan karakteristik warna
seperti di bawah ini. Dari gambar tersebut seperti pada tujuan dibuatnya mini project ini, kita
dapat membedakan umur tanaman perkebunan dilihat dari tahun tanamnya.
Hasil utama dari project ini adalah berupa “peta klasifikasi tanaman berdasarkan umur
tanaman” yang dapat kita lihat pada gambar di atas. Layout peta tersebut dibuat menggunakan
software ArcView 3.3.
Rina, Dhany, Dinal
27
IV.1 Kesimpulan
Setelah dilakukan pengolahan citra landsat 5 ini praktikan dapat mengetahui tahapan-
tahapan untuk mengolah citra ini agar dapat dimanfaatkan lebih lanjut. Adapun tahapan
pengolahannya adalah melakukan koreksi radiometrik, koreksi geometrik, cropping,
perhitungan NDVI, perentangan nilai spektral citra (stretching image), penentuan klas
spektral pada proses density slicing, lalu tahapan desain citra menjadi peta.
Tahapan koreksi geometrik dan koreksi radiometrik dilakukan dengan menggunakan
perangkat lunak ER Mapper 6.4. Tahapan cropping, perhitungan NDVI, Stretching, density
slicing dilakukan dengan menggunakan perangkat lunak ENVI 4.3. dan desain citra menjadi
peta dilakukan dengan menggunakan perangkat lunak ArcView GIS 3.3. Penggunaan tiga
jenis perangkat lunak yang berbeda dikarenakan kemudahan dan fasilitas yang disediakan
oleh perangkat lunak itu untuk mendukung proses yang dikerjakan lebih memadai.
IV.2 Saran
Pengalaman praktikan untuk mengerjakan dengan tim sendiri tidak dapat dilakukan
langsung mendapatkan citra yang sesuai dengan keinginan. Sehingga diperlukan adanya
kesabaran dan kemauan untuk mencoba perangkat lunak yang lain. Sebenarnya tahapan
pengolahan citra ini sepenuhnya dapat dilakukan dengan menggunakan perangkat lunak
ENVI, akan tetapi perangkat lunak yang digunakan selama praktikum menggunakan ER
Mapper sehingga untuk mengerjakan mini project ini dilakukan kolaborasi penggunaan
perangkat lunak.
Ada sedikit kemudahan ketika beralih dari suatu perangkat lunak ke perangkat lunak
yang lain untuk mengolah citra jika pada perangkat lunak sebelumnya telah dikuasai dengan
cukup baik dan penguasaan materi yang cukup. Oleh karena itu pengolahan citra yang baik
adalah jika didasari oleh penguasaan materi yang baik dan penguasaan aplikasi perangkat
lunak yang baik pula.
Rina, Dhany, Dinal
28
DAFTAR PUSTAKA
Djurdjani dan Christine Nugroho Kartini, 2004, RPKPS dan Bahan Ajar, Jurusan Teknik
Geodesi Fakultas Teknik Universitas Gadjahmada, Yogyakarta.
Lillesand, Thomas M. and Ralph W. Kiefer, 2000, Remote Sensing and Image Interpretation,
John Willey & Sons, Inc, University of Wisconsin – Madison , USA
Anonim, ER Mapper Tutorial
http://rimbawan.org/peh
http://www.gistutorial.net/rsgis-software/ermapper.html
http://www.geocities.com/yaslinus
iswara_adhi@walla.com
Rina, Dhany, Dinal
29
Lampiran
Rina, Dhany, Dinal
30