P. 1
Laporan Mini Project

Laporan Mini Project

5.0

|Views: 2,422|Likes:
Published by rinasf

More info:

Published by: rinasf on Oct 28, 2009
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOC, PDF, TXT or read online from Scribd
See more
See less

05/21/2013

pdf

text

original

Rina, Dhany, Dinal

1

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 Band 1 0,45 – 0.52 μm Band 2 Band 3 Band 4 Band 5 0,52 – 0.69 μm 0,63 – 0,69 μm 0,76 – 0,90 μm 1,55 – 1,75 μm Karakteristik Untuk penetrasi tubuh air, membedakan antara tanah dengan vegetasi, tumbuhan berdaun lebar dan konifer Untuk mengukur puncak pantulan hijau saluran tampak bagi vegetasi guna penilaiain ketahanan penilaian ketahanan Merupakan saluran absorbsi yang penting untuk membedakan vegetasi Untuk membedakan kandungan biomassa dan untuk deliniasi tubuh air Menunjukkan kandungan kelembaban vegetasi dan

kelembaban tanah, juga bermanfaat untuk membedakan Band 6 Band 7 salju dan awan 10,40 – 12,50 Untuk analisis μm 2,08 – 2,35 μm penekanan vegetasi, diskriminasi

kelembaban tanah dan pemetaan termal 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

Koreksi Geometrik

GCP Coordinates (x,y dan X,Y)

Cropping Image

Koordinat Batas 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. 2. Klik new file Klik edit algorithm atau klik kanan pada window yang muncul lalu pilih

algorithm. Berikut ini adalah window Algorithm

3. 4.

Klik Load Dataset

, lalu pilih file citra yang akan dikoreksi radiometrik

sehingga muncul citra tersebut. Perbanyak pseudo layer sesuai dengan jumlah band masing – masing citra , sesuaikan tiap layer dengan masing -

dengan cara menekan tombol duplicate 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 X (m) Y (m)

KIRI ATAS 530986,33 9420031,24

KANAN BAWAH 536386,33 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 ENVI kami tidak menggunakan kemudahan Berikut ini untuk ER Mapper untuk melakukan cropping? Karena memberikan citra. yang dalam adalah batas pemotongan koordinat cropping citra.

ditentukan

KOORDINAT X (m) Y (m)

KIRI ATAS 530986,33 9420031,24

KANAN BAWAH 536386,33 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 0 -173 173 – 215 215 – 224 224 – 227 Jenis Kelas Diluar tanaman (air, jalan, awan, dsb) Tahun tanam 1992-1996 Tahun tanam 1973-1979 Tahun tanam 1981-1982 Warna Pink Hijau Kuning 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 tahapantahapan 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

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->