Professional Documents
Culture Documents
2.
2.1.
Contoh:
B1
B2
B3
Dan seterusnya
Catatan :
-
Untuk mengganti jenis layer klik kanan pada layer yang akan
diganti.
-
Untuk menduplikasi layer klik Duplicate
atau copy layer
kemudian paste layer
-
Untuk menghilangkan layer klik cut layer
-
Untuk Menonaktifkan layer, klik kanan kemudian pilih Turn Off
atau klik
-
Gambar
dan
untuk menaikan dan menurunkan layer
setingkat
10
Bila telah lengkap terisi untuk seluruh band yang akan digabungkan,
tampilan jendela algoritm akan tampak seperti gambar disamping.
Dalam jendela ini, lakukanlah pengecekan ulang, apakah tiap layer
band telah berisi file band yang sesuai.
11
12
Filtering.
Yaitu memperbaiki
tampilan citra dengan
mentransformasikan nilai-nilai digital citra, seperti mempertajam
batas area yang mempunyai nilai digital yang sama (enhance edge),
menghaluskan citra dari noise (smooth noise), dan lainnya.
13
akan keluar
menarik garis lurus pada kotak histogram dengan mouse kiri, seperti
contoh berikut.
14
2.4.3. Filtering
Filtering merupakan proses perubahan nilai piksel dalam dataset sesuai
dengan nilai piksel disekelilingnya. Filtering merupakan operasi lokal dalam
pengolahan citra yang dilakukan guna memudahkan interpretasi visual.
Filter spasial yang digunakandibagi menjadi tiga katagori umum, yaitu :
-
Filter lolos rendah (low pass filter) adalah filter yang digunakan untuk
memperhalus kenampakan (smoothing and averaging) dengan
meratakan noise dan menghilangkan spike pada cittra.
Filter lolos tinggi (high pass filter) adalah filter yang digunakan
untuk menajamkan penampakan pada citra seperti jalan, patahan
lingkungan air dan tanah dengan menekan frekuensi tinggi tanpa
mempengaruhi bagian dari frekuensi rendah citra.
Filter deteksi sisi (edge detection filter) adalah filter yang digunakan
untuk menampakkan sisi disekitar suatu obyek untuk memudahkan
kegiatan analisis.
Kita dapat memilih jenis-jenis filter yang ingin digunakan dari kumpulan filter
yang ada di ER Mapper, seperti filter untuk averaging, edge enhancement,
laplacian, noise removal, sharpening, threshold, median, dan gradient. Kita
juga dapat mendefinisikan dan memasukkan filter-filter khusus yang kita
buat sendiri. Filter dapat digunakan untuk meningkatkan tampilan citra,
menajamkam citra, meratakan dan menghilangkan noise atau bising.
Icon :
digunakan untuk melakukan filter dengan menampilkan kotak
Filter sebagai berikut:
untuk menentukan
15
atau
Kemudian klik
16
istilah rektifikasi digunakan bila data citra dikoreksi dengan peta dasar
sebagai acuannya. Sedangkan untuk data citra yang dikoreksi dengan
acuan citra lain yang telah terkoreksi digunakan istilah registrasi.
Koreksi geometrik atau rektifikasi merupakan tahapan agar data citra dapat
diproyeksikan sesuai dengan sistem koordinat yang digunakan. Acuan
dari koreksi geometrik ini dapat berupa peta dasar ataupun data citra
sebelumnya yang telah terkoreksi. Secara umum, dalam ER Mapper sendiri
terdapat empat tipe pengoperasian rektifikasi:
Gambar 23.
process.
17
18
19
20
21
22
Gambar 31.
classification.
Tampilan
contoh
pada
isoclass unsupervised
Isilah menu yang disajikan, masukkan file citra yang telah terkoreksi
secara geometrik pada kolom Input Dataset.
23
Band
Contoh aplikasi
Sebagai contoh dalam modul ini, band yang dipilih adalah band 5, 4,
dan 3
24
Dalam kolom Output Dataset buatlah nama file baru untuk hasil
klasifikasi yang akan dilakukan.
Gambar 34. Membuat nama file baru dalam kolom Output dataset.
Sebagai contoh, hasil yang diisikan adalah sebagai berikut:
25
26
Buka kembali file kelas yang telah diedit, contoh tampilan nya akan
berupa sebagai berikut
27
Mengacu pada proses dan hasil klasifikasi yang telah dilakukan nampak
bahwa metode klasifikasi tidak terbimbing kerap kali melakukan generalisasi
yang tidak sesuai dengan harapan pengguna. Dari contoh di atas dapat
dilihat bahwa beberapa kelompok data piksel yang teridentifikasi sebagai
bayangan awan dikelompokkan sama dengan badan air. Kondisi ini
merupakan pengaruh dari jumlah pembagian kelas yang kurang detil atau
karena sebaran kualitas atmosferik data pada citra yang tidak seragam. Kasus
tersebut dalam metode klasifikasi terbimbing tidak akan terjadi, karena
pengguna akan menuntun sistem identifikasi pada kelompok-kelompok
piksel sehingga masuk kelompok kelas tertentu dalam suatu training area.
Gambar 41. Membuka file citra yang telah terkoreksi geometrik dan
radometrik.
28
29
30
Klik
untuk memberi nama region yang dibuat, sehingga akan
muncul jendela dibawah ini
Klik
untuk men- save, yang selanjutnya akan muncul notifikasi
dibawah ini
Cara yang sama juga dilakukan untuk training area yang lain, seperti
hutan, perkebunan, awan, bayangan awan, dan tanah terbuka
31
32
Masukkan file citra yang telah diberi training area, tentukan bandband yang digunakan, tentukan nama file output, tentukan tipe
klasifikasinya, dan klik OK, dan selanjutnya akan muncul status bar
berikut.
Bila telah muncul notifikasi berikut Prose lasifikasi telah selesai dan
klik close
Buka file hasil klasifikasi, dengan cara yang sama pada klasifikasi tidak
terbimbing, klik recalculate statistic pada menu puldown VIEW, edit
pewarnaan dan nama kelas nya pada EDIT --> Edit Class/ Region
Colour and Name
33
34
35
3.2. Sensor
Tiga instrumen rpenginderaan jauh yang dimiliki ALOS merupakan
kelebihan yang dimilikiya: PRISM digunakan untuk pemetaan ketinggian
(digital elevation mapping), the AVNIR-2 digunakan untuk observasi lahan
pada tingkat akurasi tinggi dan PALSAR digunakan untuk observasi lahan
multi waktu dalam berbagai jenis kondisi cuaca.
36
3.2.1. PRISM
PRISM merupakan panchromatic radiometer yang memiliki resolusi spasial
2,5 m pada posisi nadirnya. Data ini akan diekstraksi menjadi Digital
Surface Model (DSM) dengan tingkat akurasi yang cukup tinggi. Sensor ini
memiliki tiga sistem teleskop optik yaitu dibagian nadir, dibagian depan,
dan belakang. Pada bagian nadir teleskop mampu merekam dengan lebar
70 m, sementara bagian belakang dan depannya masing-masing merekam
hingga 35 km. Spesifikasi umum sensor PRISM disajikan pada Tabel 2.
Tabel 2. Spesifikasi umum sensor PRISM (sumber: Jaxa japan)
37
3.2.2. AVNIR-2
The Advanced Visible and Near Infrared Radiometer type 2 (AVNIR-2) merupakan
radiometer near-infrared dan sinar tampak yang digunakan untuk observasi
lahan dan pesisir. AVNIR-2 memiliki resolusi spasial hingga 10 m pada
nadirnya. Sensor ini merekam dari panjang gelombang 0,42 hingga 0,89
mikrometer yang terbagi menjadi 4 band. Spesifikasi umum sensor AVNIR-2
disajikan dalam Tabel 3.
Tabel 3. Spesifikasi umum sensor AVNIR-2 (sumber: jaxa japan)
3.2.3. PALSAR
Phased Array type L-band Synthetic Aperture Radar (PALSAR) merupakan sensor
microwave aktif yang menggunakan frekuensi L-band guna mendapatkan
perekaman yang multi waktu dan bebas awan. PALSAR memiliki beberapa
mode yang dibedakan berdasarkan polarisasinya, yaitu Single Polarisasi,
Dual Polarisasi, ScanSAR, dan Polarimetrik. Masing-masing memiliki selang
resolusi spasial serta lebar perekaman yang berbeda-beda. PALSAR yang
memiliki areal perekaman yagn luas dikebal sebagai ScaSAR.
Terkait dengan ketersedian data, sensor jenis PALSAR sejak tahun 2008 ini
mulai di-launched menjadi data open source untuk resolusi spasial 50m
dan 500m pada beberapa kawasan, termasuk Indonesia. Dalam tulisan ini,
selanjutnya akan dibahas panduan praktis khusus bagi pra pengolahan
data ALOS PALSAR tipe open source data untuk kepentingan identifkasi
penutupan lahan.
38
39
40
Pada menu pull down -->pilih FILE --> Open External File --> Generic
Formats --> PNG
Selanjutnya buka file citra ALOS PALSAR, salah satu bentuk file yang
digunakan untuk format free data source adalah PNG. Selanjutnya
akan muncul jendela band composition seperti dibawah ini.
41
Untuk option klik RGB Colour, untuk selanjutnya klik Load RGB untuk
menampilkan image.
42
Diatas data ALOS PALSAR yang sedang aktif klik kanan mouse, untuk
selanjutnya pilih DATA --> Export Data
43
44