Rina, Dhany, Dinal

I. PENDAHULUAN

I.1 Latar Belakang

Dalam setiap kegiatan yang berkatan dengan permukaan bumi, akan selalu
membutuhkan data permukaan bumi sebagai data referensi. Salah satu jenis data permukaan
bumi adalah data yang berkaitan dengan spasial dan atribut suatu wilayah. Salah satu cara
untuk mendapatkan data spasial dan data atribut suatu wilayah adalah dengan metode
penginderaan jauh.
Metode penginderaan jauh adalah suatu metode untuk mendapatkan data spasial dan
data atribut tanpa menyentuh langsung data spasial dan data atribut tersebut. Keuntungan dari
metode penginderaan jauh ini adalah waktu pengumpulan data yang relatif singkat dibanding
dengan metode terestris untuk cakupan area yang sama. Adapun wahana yang digunakan
dalam sistem penginderaan jauh adalah wahana udara ( pesawat) dan wahana luar angkasa
(satelit).
Hasil dari penginderaan jauh wahana satelit adalah citra. Saat ini citra kebanyakan
telah terkoreksi secara radiometrik dan geometrik. Akan tetapi dapat juga memesan citra
mentah, citra mentah adalah citra yang belum terkoreksi secara radiometrik dan geometrik.
Citra jenis ini dapat dih=gunakan setelah dilakukan beberapa tahapan pengolahan citra.
Citra yang terkoreksi secara radiomtrik dan geometrik selanjtnya dapat dimanfaatkan
pada berbagai bidang. Tulisan ini membahas tentang langkah-langkah pengolahan suatu citra
mentah agar dapat dimanfaatkan pada bidang perkebunan. Negara Indonesia dikenal sebagai
Negara penghasil sawit terbesar dunia (beberapa tahun yang lalu kedua setelah Malaysia)
sehingga aplikasi seperti ini diharapkan dapat dimanfaatkan untuk memanfaatkan bidang yang
satu ini dengan maksimal. Aplikasi citra digital untuk perkebunan ini digunakan untuk
menentukan kelas tanaman berdasar umur tanaman.

I.2 Maksud dan Tujuan

Maksud dan tujuan pembuatan mini project ini adalah untuk mengetahui umur
tanaman perkebunan dilihat dari tahun tanamnya. Hal ini merupakan salah satu aplikasi
penggunaan NDVI. Selain itu mini project ini bertujuan untuk melatih mahasiswa tentang
cara – cara mengolah citra dengan baik menggunakan beberapa software. Baik itu dari koreksi
radiometrik sampai pada pembuatan peta sederhana.
 Rina, Dhany, Dinal
2

I.3 Dasar Teori

Landasan teori sangat dibutuhkan sebagai dasar untuk merencanakan langkah-langkah
kegiatan yang akan dilakukan. Dibawah ini akan dibahas mengenai landasan teori yang terkait
dan menjadi dasar dalam pelaksanaan mini project ini.

I.3.1 Data Citra Landsat 5

Landsat 5 adalah satelit remote sensing yang dioperasikan oleh USGS (United States
Geological Survei), diluncurkan pada tanggal 1 maret 1984 berorbit polar pada ketinggian
orbit 705 Km, dengan membawa sensor TM (Thematic Mapper) yang dapat menghasilkan
citra multispektral dan pankhromatik yang masing masing memiliki resolusi spasial 30 m dan
120 m. Misi Landsat 5 adalah untuk menyajikan data inderaja berkualitas tinggi(pada saat itu)
dan tepat waktu dari kanal tampak (visible) dan infra merah yang meliput seluruh daratan dan
kawasan di sekitar pantai di permukaan bumi dan secara berkesinambungan memperbaharui
data base yang ada.
Spesifikasi produk
Tanggal Peluncuran 1 Maret 1984
Resolusi Spasial 30 meter
Orbit 705 +/- 5 km (di equator) sun-synchronous
Grounding Track Repeat Cycle 16 hari (233 orbit)
Karakteristik Band – band pada Sensor TM (Thematik Mapper)

NamaBand Spectral Range Karakteristik

Band 1 0,45 – 0.52 μm Untuk penetrasi tubuh air, membedakan antara tanah
dengan vegetasi, tumbuhan berdaun lebar dan konifer
Band 2 0,52 – 0.69 μm Untuk mengukur puncak pantulan hijau saluran tampak bagi
vegetasi guna penilaiain ketahanan penilaian ketahanan
Band 3 0,63 – 0,69 μm Merupakan saluran absorbsi yang penting untuk membedakan
vegetasi
Band 4 0,76 – 0,90 μm Untuk membedakan kandungan biomassa dan untuk
deliniasi tubuh air
Band 5 1,55 – 1,75 μm Menunjukkan kandungan kelembaban vegetasi dan
kelembaban tanah, juga bermanfaat untuk membedakan
salju dan awan
Band 6 10,40 – 12,50 Untuk analisis penekanan vegetasi, diskriminasi
μm kelembaban tanah dan pemetaan termal
Band 7 2,08 – 2,35 μm Untuk membedakan tipe batuan dan untuk pemetaan
 Rina, Dhany, Dinal
3

hidrotermal

I.3.2 ER Mapper 6.4

ER Mapper adalah salah satu software (perangkat lunak) yang digunakan untuk
mengolah data citra atau satelit. 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. 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.
Dalam ER Mapper dikenal tiga bentuk format data yaitu:
1. Format Raster Dataset dan Header File (.ers)
2. Format Vector Dataset dan Header File (.erv)
3. Format Algorithms File (.alg)
Untuk menampilkan format dataset lainnya maka kita harus melakukan proses import data.
ER Mapper memberikan kemudahan dalam pengolahan data sehingga kita dapat
mengkombinasikan berbagai operasi pengolahan citra dan hasilnya dapat langsung terlihat
tanpa menunggu komputer menuliskannya menjadi file yang baru (cara pengolahan ini dalam
ER Mapper disebut Algoritma).
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
 Rina, Dhany, Dinal
4

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.

I.3.3 ENVI Versi 4.3

ENVI adalah singkatan dari Environment for Visualizing Images. ENVI merupakan
perangkat lunak yang sesuai untuk pengolahan citra digital. Perangkat lunak ini dapat
berfungsi untuk memvisualisasikan, menganailsis, dan mempresentasikan semua tipe citra
digital. Adapun tools yang ditawarkan meliputi peralatan olah citra, spektral tools, geometric
correction, analisis terrain, analisis radar, kemampuan raster dan vector yang sesuai dengan
perangkat GIS.
Beberapa Fungsi ENVI diantaranya:
 x,y,z profiling
 Image transects
 Linear and non-linear histogramming and contrast stretching
 Color tables
 Density slicing
 Classification color mapping
 Quick filter preview
 ROI definition and processing
 Vector creation and display

I.3.4 ArcView Versi 3.3

ArcView merupakan salah satu perangkat lunak (software) desktop Sistem Informasi
Geografis (SIG) dan pemetaan yang dikembangkan oleh ESRI. ArcView memiliki
kemampuan – kemampuan untuk melakukan visualisasi, meng-explore, menjawab query
(baik basisdata spasial maupun non-spasial), menganalisis data secara geografis, dan
sebagainya.
Secara umum kemampuan ArcView dapat dilihat melalui uraian berikut :
 Rina, Dhany, Dinal
5

• 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).

ArcView mengorganisasikan project beserta tools yang tersedia kedalam bentuk

sistem windows, menu, button, dan icon. Setiap tipe dokumen (view, table, chart, layout, dan
script) ArcView memiliki tampilan yang berbeda.
Tampilan pada Project.
Project merupakan window yang paling awal muncul untuk bekerja dengan ArcView.
Menu-menu yang terdapat pada window menyediakan fasilitas-fasilitas untuk mengatur
project yang akan dibuat.

I.3.5 Koreksi Radiometrik

 Rina, Dhany, Dinal
6

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.3.6 Koreksi Geometrik

Ketika akurasi area, arah dan pengukuran jarak dibutuhkan, citra mentah harus selalu
diproses untuk menghilangkan kesalahan geometrik dan merektifikasi citra kepada koordinat
sistem bumi yang sebenarnya. Salah satu cara untuk mengoreksi distorsi geometrik ini adalah
dengan menggunakan titik – titik kontrol tanah (GCP). GCP adalah suatu titik pada
permukaan bumi yang sudah diketahui koordinatnya.
Koreksi geometrik ini terdiri dari koreksi geometrik citra ke citra (image to image
rektification) dan koreksi geometrik citra ke peta (image to map rectification). Pada project
kali ini koreksi geometrik yang dilakukan adalah Image to Map dengan dasar peta RBI dan
Data GCP yang telah disediakan.

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)

I.3.9 DENSITY SLICING

Density Slicing atau dikenal juga dengan level slicing adalah salah satu teknik
enhancement untuk mendistribusikan digital number (DN) pada sumbu x (axis) dari
histogram citra yang dibagi dalam beberapa interval analisis (Lisseland and Kiefer, 2000).
Sebagai konsekuensinya, jika ada enam interval spectral citra yang dibangun maka citra yang
dihasilkan akan mempunyai enam graylevel.
 Rina, Dhany, Dinal
8

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.2 Alat dan Bahan

1. Citra Landsat 5 TM Tahun 1997, daerah Lampung Selatan format raster (.ers)

2. Seperangkat komputer/ laptop

3. Software ER Mapper 6.4
4. Software ENVI 4.3
5. Software Arc View 3.3
6. Microsoft Office Word 2007

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:

II.3.1 Menghitung Statistik Citra

Penghitungan statistik dilakukan untuk mengetahui data statistik citra yang akan
diolah terutama untuk mengetahui nilai minimum citra aslinya. Data tersebut nantinya akan
digunakan untuk koreksi radiometrik sebagai langkah awal pada mini project kali ini.
1. Klik Process dan pilih Calculate Statisics

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

II.3.2 Koreksi Radiometrik

Koreksi radiometrik ditujukan untuk memperbaiki nilai piksel supaya sesuai dengan
obyek yang seharusnya.

Langkah – langkah koreksi radiometrik adalah sebagai berikut:

1. Klik new file
2. Klik edit algorithm atau klik kanan pada window yang muncul lalu pilih
algorithm. Berikut ini adalah window Algorithm

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

7. Untuk mengecek hasil koreksi radiometrik lakukan calculate statistics kembali

untuk citra yang sudah dikoreksi (langkah – langkahnya sama dengan point A)
Jika pada Display Statistics tersebut nilai minimum statistik tiap band lebih dari 0
(nol), maka untuk membuat nilai minimum statistik tersebut menjadi nol perlu dilakukan
proses koreksi radiometrik.

II.3.3 Koreksi Geometrik

Koreksi geometrik ini bertujuan untuk mengoreksi distorsi geometrik yang
ditimbulkan oleh gangguan atmosfer karena area cakupan citra yang luas. Langkah – langkah
untuk melakukan koreksi geometrik pada ER Mapper adalah sebagai berikut:
1. Dari menu Process pada menu utama ER Mapper pilih Geocoding Wizard, pada menu
Start, masukkan file citra yang akan dikoreksi geometrik dan Geocoding Type-nya pilih
Polynomial

2. Pada menu Polynomial Setup pilih Linear

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

Langkah-langkah Cropping citra sampai dengan density slicing dilakukan menggunakan

ENVI.

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

KOORDINAT KIRI ATAS KANAN BAWAH

X (m) 530986,33 536386,33
Y (m) 9420031,24 9414001,24

II.3.5 Proses NDVI

Langkah-langkah NDVI di ENVI sebagai berikut:
1. Pada jendela menu utama pilih Transform  NDVI
2. Pada jendela NDVI Calculation Parameters, isi Output File Name. OK
 Rina, Dhany, Dinal
17

Hasil nilai NDVI pada jendela density slice sebelum perentangan nilai spektral.

II.3.6 Perentangan Nilai Spektral (Stretching Image)

Perentangan nilai spectral (stretch image) dilakukan karena nilai spektral citra yang
berkisar antara (-1 s/d +1). Hal ini menyebabkan nilai spectral citra tidak penuh (0 s/d 255).
Adapun langkah-langkahnya di ENVI adalah sebagai berikut:
1. Pada jendela menu utama Basic Tools Stretch Data.
2. Pada jendela Data Stretch Input File, pilih file yang akan direntangkan nilai
spektralnya. OK
3. Pada Jendela Data Stretching, Isi Output Data Range dan Output Filename. OK
 Rina, Dhany, Dinal
18

II.3.7 Density Slicing

Langkah-langkah Density slicing di ENVI adalah :
1. Pada jendela Stretch (NDVI(c… . Klik Overlay  Density Slice. Atur nilai spektral
sesuai jenis kelas dan warnanya, dengan cara:

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

II.3.8 Pembuatan Peta

Tahapan pembuatan peta dilakukan menggunakan software arcview 3.3. Citra perlu
dijadikan peta agar dapat dijadikan reerensi spasial dan atribut.
Adapun tahapan di arcview 3.3.
Import file dari data ENVI.
1. Buka arcview 3.3 dengan cara Start  All Programs  ESRI  ArcView GIS 3.3 
ArcView GIS 3.3.
2. Pada Jendela menu utama Arc View GIS 3.3 klik File  New Project  New.
3. Pada jendela utama klik ikon Add Theme.

4. Pilih file (densityku.bil), Drives (f:) , Data Source Types: (Image Data source) . OK
 Rina, Dhany, Dinal
20

Maka hasilnya seperti di bawah ini.

Membuat Tampilan Peta

Untuk membuat tampilan peta, pada menu utama klik View  LayOut  pada Template
Manager pilih LandScape  OK. Maka Hasilnya seperti dibawah ini
 Rina, Dhany, Dinal
21

Tombol yang digunakan untuk mengedit layout peta

• : Fungsi menggeser/memindahkan objek.
• : Fungsi membuat teks.
• : Fungsi membuat skala, arah utara dll.
: Fungsi membuat persegi untuk legenda.
: Fungsi membuat gratikul dan grid.
: Fungsi merupakan tempat bertanya jika bingung.
Pada Menu utama pilih File  Extensions, beri tanda check pada Graticules and Measured
Grids  OK. Seperti di bawah ini.

Lalu atur Sesuai dengan keinginan menggunakan tombol-tombol di atas.s

 Rina, Dhany, Dinal
22

III. HASIL DAN PEMBAHASAN

Pada bab ini menyajikan hasil langkah demi langkah pembuatan mini project beserta
sedikit pembahasannya.

III.1 Data Statistik Citra Landsat 5 TM

a. Hasil dari calculate statistics citra yang belum dikoreksi
radiometrik:

b. Hasil dari calculate statistics untuk citra yang sudah di koreksi.

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

III.2 Hasil Koreksi Geometrik

Sebelum koreksi geometrik Sesudah koreksi geometrik

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.

III.3 Hasil Cropping Citra

 Rina, Dhany, Dinal
24

Gambar di samping merupakan hasil

cropping citra pada software ENVI 4.3.
Mengapa kami tidak menggunakan ER
Mapper untuk melakukan cropping? Karena
ENVI memberikan kemudahan dalam
pemotongan citra. Berikut ini adalah
koordinat yang ditentukan untuk batas
cropping citra.

KOORDINAT KIRI ATAS KANAN BAWAH

X (m) 530986,33 536386,33
Y (m) 9420031,24 9414001,24

III.4 Hasil NDVI

Seperti yang telah disebutkan dalam teori
bahwa hasil dari NDVI berupa 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). Pada citra di
atas terlihat bahwa daerah perkebunan tampak lebih
cerah dibanding sungai ataupun jalan.

III.5 Hasil Perentangan Nilai Spektal Citra

setelah dilakukan perentangan citra yang
dihasilkan dapat dilihat pada gambar di samping. Citra
tersebut yang tadinya hanya memiliki range -1 s/d +1,
setelah direntangkan atau stretching nilainya menjadi
0 s/d 255.
 Rina, Dhany, Dinal
25

III.6 Hasil density Slice.

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.

Nilai Spektral Jenis Kelas Warna

0 -173 Diluar tanaman (air, jalan, awan, dsb) Pink
173 – 215 Tahun tanam 1992-1996 Hijau
215 – 224 Tahun tanam 1973-1979 Kuning
224 – 227 Tahun tanam 1981-1982 Merah
 Rina, Dhany, Dinal
26

III.6 Hasil Layout Peta

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 KESIMPULAN DAN SARAN

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