PENGINDERAAN JAUH DASAR

LAPORAN MINGGUAN
Acara 2
“Tata Cara Mendapatkan Citra Penginderaan Jauh”

DIAJUKAN SEBAGAI PERSYARATAN PRAKTIKUM PENGINDERAAN

JAUH DASAR

OLEH:

NYOMAN GEDE SUJANA

R1B121027

JURUSAN GEOGRAFI
FAKULTAS ILMU DAN TEKNOLOGI KEBUMIAN
UNIVERSITAS HALU OLEO
KENDARI
2022
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Penginderaan Jauh adalah ilmu dan seni untuk memperoleh informasi

tentang obyek, daerah, atau gejala dengan jalan menganalisis data yang diperoleh

dengan menggunakan alat tanpa kontak langsung terhadap obyek, daerah, atau

gejala yang dikaji. Penginderaan jauh sangat tergantung dari energi gelombang

elektromagnetik. Gelombang elektromagnetik dapat berasal dari banyak hal, akan

tetapi gelombang elektromagnetik yang terpenting pada penginderaan jauh adalah

sinar matahari. Penginderaan jauh memerlukan kamera untuk menangkap

pantulan sinar dari obyek tersebut. Untuk itu digunakan kamera yang terpasang

pada wahana ruang angkasa yang diluncurkan ke angkasa luar dan sering disebut

sebagai satelit.

Penginderaan jauh merupakan salah satu teknologi yang telah berkembang

pesat. Hal ini dibuktikan dengan semakin banyaknya ragam wahania, sensor dan

sistem penginderaan jauh yang ada. Teknologi penginderaan jauh telah

menghasilkan berbagai jenis citra yang direkam dengan berbagai sensor

(multisensor). Penggunaan teknologi penginderaan jauh atau sistem informasi

geografis dianjurkan karena memiliki kelebihan dalam waktu dan minimnya

kesalahan dibandingkan dengan data pengamatan langsung di lapangan

Citra satelit adalah gambaran permukaan bumi hasil perekaman satelit

yang berada di luar angkasa berjarak ratusan kilometer dari paras bumi. Setiap
citra digital yang dihasilkan oleh setiap sensor mempunyai sifat khas datanya.

Sifar khas data tersebut dipengaruhi oleh sifat orbit satelit, sifat dan kepekaan

sensor penginderaan jauh terhadap panjang gelombang elektromagnetik, jalur

transmisi yang digunakan, sifat sasaran (object), dan sifat sumber tenaga

radiasinya. Sifat orbit satelit dan cara operasi sistem sensornya dapat

mempengaruhi resolusi dan ukuran pixel datanya

Penginderaan jauh maupun citra yang dihasilkan banyak sekali

dimanfaatkan oleh berbagai bidang pekerjaan manusia, terutama pada bidang

militer. Oleh karena itu, ilmu mengenai penginderaan jauh, teknik interpretasi dan

kegunaannya ini sangat penting untuk dipelajari. Dalam mendapatkan citra satelit

tidak begitu saja didapatkan tetapi menggunakan media seperti situs USGS dan

aplikasi SAS Planet yang masing-masing memiliki tahapan untuk bisa

mendapatkan citra satelit. USGS adalah situs yang menyediakan beberapa jenis

citra satelit secara gratis yang peruntukannya untuk dipublik dan bisa di akses

oleh publik. Tetapi pada situs USGS hanya ada beberapa citra yang bisa diakses,

bahkan resolusi citra satelitnya tergolong resolusi rendah. Sedangkan SAS Planet

merupakan suatu software penyedia citra satelit gratis yang resolusi citra

satelitnya tergolong resolusi tinggi dikarenakan zoom pada SAS Planet itu bisa

mencapai zoom 24, hal itu yang menyebabkan SAS Planet banyak digunakan oleh

khayalak umum untuk memperoleh citra satelit yang tergolong resolusi tinggi

Praktikum acara 2 tentang Tata Cara Mendapatkan Citra Penginderaan

Jauh menggunakan bahan seperti software SAS Planet dan melalui situs

Earthexplorer USGS. Kegiatan ini bertujuan untuk memperkenalkan tata cara

mendapatkan citra satelit penginderaan jauh yang bisa diakses secara gratis serta

mengetahui kegunaan dari citra satelit yang diperoleh melalui kedua media

penyedia citra penginderaan jauh tersebut. Berdasarkan dari kedua platform dan

software, keduanya bisa diakses secara umum oleh publik dan terdapat beberapa

tata cara memperoleh data citra dengan baik dan benar dari kedua sumber

tersebut.

Berdasarkan latar belakang tersebut maka dilakukan praktikum mengenai

cara mendapatkan citra satelit dengan menggunakan beberapa cara dan

selanjutnya mendapatkan data yang dapat digunakan sesuai kebutuhan.

1.2 Tujuan Praktikum

Tujuan praktikum cara mendapatkan citra penginderaan jauh yaitu untuk

memperkenalkan cara mendapatkan citra penginderaan jauh yang dapat di

download pada berbagai situs penyedia citra penginderaan jauh.

1.3 Manfaat Praktikum

Manfaat praktikum dari pelaksanaan praktikum cara mendapatkan citra

penginderaan jauh yaitu terbagi menjadi dua manfaat dibawah ini sebagai berikut.

1. Manfaat Teoritis

Manfaat teoritis dalam praktikum ini sebagai informasi untuk mengetahui

dan memahami cara mendapatkan Citra Penginderaan Jauh di USGS Earth

Explorer pada Peta Lokasi Kabupaten Buton Selatan dan SAS planet pada Peta

Lokasi Kecamatan Kadia.

2. Manfaat Praktis
 Manfaat praktis dalam praktikum ini sebagai tambahan ilmu pengetahuan

melatih dalam mengamalkan ilmu yang telah dipelajari selama ini. Selain itu,

praktikum ini juga bermanfaat sebagai ajuan persyaratan Praktikum Penginderaan

Jauh Dasar pada Fakultas Ilmu dan Teknologi Kebumian di Universitas Halu Oleo

bagi Mahasiswa Fakultas Ilmu dan Teknologi Kebumian praktikum ini

diharapkan dapat memberi pengetahuan dan penjelasan bagi pembaca mengenai

pengenalan Citra Penginderaan Jauh

1.4 Batasan Masalah

Adapun batasan masalah pada praktikum acara 1 tentang pengenalan citra

penginderaan jauh adalah sebagai berikut:

1. Wilayah kajian terletak pada Kabupaten Buton Selatan dan Kecamatan

Kadia.

2. Citra yang digunakan citra Landsat 8 OLI/TIRS yang diperoleh melalui situs

USGS dan citra Sentinel yang diperoleh melalui software SAS Planet
 BAB II
TINJAUAN PUSTAKA

2.1 Penginderaan Jauh

Istilah penginderaan jauh merupakan terjemahan dari remote sensing yang

telah dikenal di Amerika Serikat sekitar akhir tahun 1950-an. Kemudian sekitar

tahun 1970-an istilah ini diperkenalkan di beberapa negara Eropa, seperti

tèlèdetection (Perancis), telepercepcion (Spanyol) dan fernerkundung (Jerman).

Menurut Manual of Remote Sensing (American Society of Photogrammetry,

1983).Penginderaan jauh (remote sensing) adalah ilmu untuk memperoleh

informasi fenomena alam pada obyek (permukaan bumi) yang diperoleh tanpa

kontak langsung dengan obyek permukaan bumi melalui pengukuran pantulan

(reflection) ataupun pancaran (emission) oleh media gelombang elektromagnetik.

Obyek di permukaan bumi berdasarkan pada nilai pantulan energi gelombang

elektromagnetik yang dipancarkan oleh obyek permukaan bumi kemudian energi

tersebut direkam oleh sensor (Nana, 2019).

Penginderaan jauh adalah ilmu atau seni untuk memperoleh informasi

tentang objek, daerah atau gejala, dengan jalan menganalisis data yang diperoleh

dengan menggunakan alat, tanpa kontak langsung dengan objek, daerah atau

gejala yang akan dikaji. Data citra satelit yang disajikan dalam bentuk gambar
(image), serta penyediaan informasi untuk mengenal karakteristik dan manfaatnya

dari citra satelit tersebut. Untuk mendukung usaha penyediaan data dan informasi

yang konprenhensif diperlukan teknologi yang tepat guna yang mampu

menjelaskan citra satelit tentang fenomena alam di permukaan bumi seperti:

kondisi permukiman/urban, kehutanan, pertanian, kelautan dan lain-lain (Baskoro,

2021).

Remote Sensing, dalam Bahasa Indonesia disebut dengan Penginderaan

Jauh. Menurut Muh. Dimyati (UMJ; 1998), secara literal Penginderaan Jauh dapat

diartikan sebagai ilmu dan pengetahuan untuk mengetahui suatu objek dari jarak

tertentu tanpa kontak atau menyentuh langsung objek tersebut. Namun pengertian

tersebut terlalu umum, sehingga perlu dituliskan secara lebih spesifik. Karena

pengertian tersebut mencakup aspek yang sangat luas, seperti astronomi,

geofisika, foto udara, dan bahkan melihat diri sendiri dalam cermin. Dalam

Bahasa Perancis, Penginderaan Jauh sering disebut dengan teledetection dan

fernerkundung dalam Bahasa Jerman (Dimyati, 2022).

Penginderaan Jauh (Remote Sensing) didefiniskan sebagai ilmu

pengetahuan dan teknologi yang dengannya karakteristik objek yang menarik

dapat diidentifikasi, diukur atau dianalisis karakteristiknya tanpa kontak langsung.

Terminologi "penginderaan jauh" pertama kali digunakan di Amerika Serikat pada

tahun 1960-an, yang mencakup bidang fotogrametri, interpretasi foto, foto-

geologi, dan sebagainya. Sejak Landsat-1, satelit pengamatan bumi pertama

diluncurkan pada tahun 1972, inderaja telah menjadi semakin dimanfaatkan untuk
berbagai kepentingan, mulai dari penelitian, pendukung kebijakan, pertahanan dan

keamanan, hingga bisnis (Yudha, 2020).

Menurut Lillesand & Kiefer dalam Purwadi et al Penginderaan Jauh

adalah ilmu, seni dan teknik untuk memperoleh informasi suatu objek, daerah,

dan/atau fenomena melalui analisis data yang diperoleh dengan suatu alat tanpa

harus kontak langsung dengan objek, daerah, atau fenomena yang dikaji (Ayu,

2019).

Penginderaan jauh merupakan ilmu dan seni dalam memperoleh

informasi mengenai suatu obyek, area, atau fenomena melalui analisis data yang

diperoleh dengan alat tanpa suatu kontak langsung . Saat ini teknologi

penginderaan jauh berbasis satelit menjadi sangat populer dan digunakan

untuk berbagai tujuan kegiatan, salah satunya untuk mengidentifikasi potensi

sumber daya kehutanan. Hal ini disebabkan perolehan data penginderaan

jauh melalui satelit menawarkan beberapa keunggulann, antara lain harga

yang murah, periode ulang perekaman daerah yang sama, pemilihan

spektrum panjang gelombang untuk mengatasi hambatan atmosfer, daerah

cakupannya yang luas dan mampu menjangkau daerah terpencil, bentuk

datanya digital, serta kombinasi saluran spectral (band) sehingga data tersebut

dapat diolah dalam berbagai keperluan, seperti pengolahan citra untuk

membuat peta administrasi, peta tutupan lahan, dan sebagainya (Ernawati,

2020).

2.2 Citra Satelit

 Citra satelit merupakan suatu gambaran permukaan bumi yang direkam

oleh sensor (kamera) pada satelit pengideraan jauh yang mengorbit bumi, dalam

bentuk image (gambar) secara digital. 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 (Lillesand, 2018).

Citra juga dapat diartikan sebagai gambaran atau rekaman gambar yang

tampak dari suatu objek yang diamati, sebagai objek atau hasil liputan dari alat

pemantau atau sensor. Tentu citra memerlukan proses interpretasi atau penafsiran

dalam pemanfaatannya terlebih dahulu. Manakala citra satelit pula merupakan

hasil dari perekaman maupun pemotretan dari alat sensor yang dipasang tepat

pada wahana satelit ruang angkasa yang ketinggiannya mencapai lebih dari 400

km dari permukaan bumi (Purwandari, 2020).

Citra digital merupakan sebuah gambar yang dapat didefinisikan sebagai

fungsi dua dimensi atau (x, y), dimana x dan y adalah spasial koordinat.

Amplitudo pada setiap sepasang koordinat (x, y) disebut intensitas atau gray level

dari citra pada titik tersebut. Ketika x, y, dan nilai-nilai amplitudo yang semuanya

terbatas, jumlahnya diskrit, kita sebut gambar tersebut sebagai citra digital.

Bidang pemrosesan citra digital mengacu pada pemrosesan citra dengan

menggunakan komputer digital. Perlu menjadi catatan bahwa citra digital terdiri

dari elemen dengan jumlah terbatas, yang masing- masing memiliki lokasi dan

nilai tertentu. Unsur-unsur ini (Candra, 2018).

 Citra Satelit adalah suatu gambaran memperoleh informasi tentang objek,

daerah atau gejala, dengan jalan menganalisis data yang diperoleh dengan

menggunakan alat, tanpa kontak langsung dengan objek, daerah atau gejala yang

akan dikaji. Aplikasi teknologi citra satelit penginderaan jauh telah banyak

digunakan dalam berbagai bidang disiplin ilmu pengetahuan, dan telah banyak

satelit baik yang berorbit polar maupun geostationer (berada pada posisi yang

terus-menerus di atas Bumi yang berorbit) (Arief, dkk 2018).

Data (citra) satelit penginderaan jauh merupakan salah satu data untuk

memperoleh informasi fenomena alam di permukaan bumi yang diperoleh melalui

suatu alat media (sensor) yang dipasang pada sebuah pesawat atau satelit. Citra

satelit penginderaan jauh juga disebut satelit sumber alam. Banyak citra satelit

mempunyai kemampuan dan keunggulan dalam hal memetakan gambarnya. Hal

ini tergantung dari setiap karakteristik satelitnya. Kemampuan pemetaan citra

satelit tergantung yang dimiliki dari besarnya resolusi spasial, resolusi, dan

resolusi temporal (Suwargana, 2018).

2.3 SAS Planet

SAS Planet adalah program ekspansi gratis, diakui, zocrema, untuk analisis

tanda dan peta satelit dengan bantuan layanan Google Maps, Bing Maps,

WikiMapia, dan Gambar lain yang diambil dari basis yang ditentukan data,

disimpan dalam memori komputer, dan ini bisa dilakukan sudah tanpa internet.

Program ini memiliki kemampuan rendah, tetapi dengan sendirinya SAS Planet

sendiri mengizinkan orang terakhir untuk melakukan ini, zokrema untuk

mendaftar dan mendaftar perubahan di alam (Alexeyeva A.S., 2018).

 Program SAS Planet adalah program ditujukan untuk mayoritas untuk

melihat dan mengunduh peta satelit dan memiliki resolusi tinggi yang diwakili

oleh layanan seperti Google maps dan Space Pictures, tetapi tidak seperti layanan

ini, semua lalu lintas diunduh. Selain itu, peta akan tetap ada di komputer, dan

Anda dapat melihatnya bahkan tanpa terhubung ke Internet. Dimungkinkan juga

untuk bekerja dengan politik, dengan hak mereka sendiri, lanskap, peta gabungan,

dan navigasi) serta Bulan dan Mars (Ipatov, 2018).

SAS Planet adalah software penampil gratis dan mengunduh citra satelit

beresolusi tinggi dan konvensional seperti GoogleEarth, Google Maps,

BingMaps, Digital Globe, Kosmosnimki, Yandex.maps, Yahoo! dan lainnya.

Selain melihat dan mengunduh, program ini menerapkan fitur yang berguna

bekerja dengan penerima GPS, peletakan rute, pengukuran jarak;tampilan file

KML, dukungan untuk layanan Panoramio, dan pembentukan peta. Pengisian

lapisan (fungsi ini akan memungkinkan melihat area di peta yang sudah di-cache

atau, sebaliknya. Serta menyimpan sebagian peta menjadi satu gambar yang bisa

dijadikan sebagai bahan analisis ( A.S.Sokolov, 2018).

SAS Planet adalah sebuah jasa peta globe gratis dan online disediakan oleh

SAS Planet. Citra satelit resolusi tinggi SAS planet dapat digunakan untuk

mengidentifikasi informasi kenampakan objek yang ada pada citra. Citra satelit

SAS Planet dengan resolusi spasial tinggi sebagai salah satu data penginderaan

jauh dapat digunakan untuk mendapatkan informasi tentang permukaan bumi

(Suba, 2021).
 SAS Planet adalah program yang di rancang untuk menampilkan dan

sekaligus bisa di manfaatkan untuk melakukan download image resolusi tinggi

dan peta konvensional yang disampaikan oleh layanan citra, salah satunya adalah

citra Ikonos. SAS Planet dapat melakukan overlay antara dua service pemetaan

yang berbeda dalam satu tampilan, misalnya dalam melakukan perbandingan

layer jalan dari OpenStreetMap dengan citra satelit yang terdapat di Google Maps.

SAS Planet menyediakan bahasa pemograman yang kuat dengan komponen yang

disebut prosedur yang memungkinkan untuk melakukan berbagai macam analisis

dan manajement data fungsi, serta menghasilkan berbagai jenis berbasis teks dan

grafis output presentasi (Fitrialia, 2018).

2.4 USGS

USGS adalah sebuah agensi ilmiah perpetaan dari pemerintah Amerika

Serikat. Atributnya yang berisi kumpulan jenis citra satelit didalamnya seperti

Landsat, Sentinel, SRTM dan lainnya. Data dari USGS ini dapat diakses secara

gratis oleh khayalak umum. Citra satelit USGS mempunyai komposisi band serta

resolusi spektral yang dapat dipilih, tetapi resolusi spasial USGS tergolong

resolusi spasial yang menengah (Ananda, 2022).

USGS merupakan sebuah lembaga pemerintah Amerika Serikat yang

menangani masalah pemetaan. Kepanjangan USGS adalah United States

Geological Survey. Alamat yang dapat dikunjungi untuk mengunduh data citra

satelit melalui USGS adalah glovis.usgs.gov data citra satelit yang didapat dari

USGS ini tidak berbayar (gratis) namun untuk pengunduhan data yang dilakukan

terdapat pembatasan kapasitas (Darmawan, 2018).

 USGS yaitu lembaga pemerintah AS yang menangani masalah pemetaan

geologi, perhitungan sumber daya tereka, tertunjuk, dan terukur. Data yang

diperoleh melalui lembaga AS ini bermacam-macam jenis data yang disediakan.

Seperti halnya jenis data (citra) digital landsat, Ikonos, sentinel, DEM, SRTM, dan

masih banyak lainnya yang bisa diakses secara gratis oleh user (pengguna web)

(Dahlan, 2021).

US Geological Survey's (USGS) merupakan lembaga yang didirikan untuk

memfasilitasi pemahaman skala nasional tentang kondisi permukaan bumi melalui

pengumpulan data yang sebanding melalui objek perekaman satelit dan digunakan

di berbagai penggunaan geografis geologi dan satua lahan. Data yang

dikumpulkan oleh USGS mendukung kebutuhan pemangku kepentingan Federal,

Negara Bagian, dan lokal bertugas mengelola sumber daya alam yang ada (Riskin,

2021).

USGS adalah penyediaan pusat operasi-operasi misi dan sistem-sistem

pengolahan pada Stasiun Bumi (termasuk pengarsipan dan jaringan-jaringan data),

demikian juga tim operasi-operasi penerbangan. Misi USGS menyediakan jenis

data (citra) digital untuk keperluan seperti pemetaan, hidrologi, geologi, dan

menganalisis sumber daya mineral yang ada dipermukaan bumi. Selain dari data

yang disediakan oleh USGS itu sendiri, lembaga ini juga berkolaborasi dengan

lembaga lain seperti NASA untuk memperoleh data citra yang lainnya seperti

landsat 8 OLI/TIRS, dan SRTM (Ahmad, 2022).

 BAB III
PROSEDUR KERJA

A. Cara Mendapatkan Citra di USGS

1. Membuka aplikasi google chrome dan membuka situs

(https://earthexplorer.usgs.gov).

2. Pada geocoding method memilih path/row dan mengisi path dan row sesuai

dengan lokasi yang akan diambil citranya dan mengklik show.

3. Pada data range memilih tanggal, bulan dan tahun liputan yang akan di ambil

citranya biasanya pemilihan tanggal, bulan dan tahun menyesuaikan dengan

keadaan tutupan awan

4. Kemudian pada cloud cover mengatur persentasi awan seusai keinginan jika

sudah mengklik data set untuk melanjutkan pada pemilihan jenis citra
5. Selanjutnya memilih Landsat – Landsat Collection 1 – Landsat Collection 1

Level 1 kemudian mencentang Landsat 8 OLI/TIRS C1 Level 1 kemudian

mengklik result

6. Selanjutnya memilih citra yang tutupan awannya sedikit untuk mengecek

tutupan awan klik show browse overlay.

7. Setelah mendapatkan citra yang tutupan awannya sedikit selanjutnya mengklik

download options kemudian mengklik download citra yang memiliki ukuran

terbesar.

B. Cara Mendapatkan Citra di SAS Planet

1. Membuka Software SAS Planet

2. Pada tab Operations mengklik Open kemudian memilih KML Kendari lalu
mengklik Open

3. Selanjutnya mengatur tampilan file KML yang akan muncul pada citra SAS
Planet seperti nama dan icon jika ingin ditambhkan kemudian mengklik start
lalu memilih Yes maka tampilan file KML Kota Kendari akan muncul pada
citra.
4. Pilih area untuk melakukan streaming citra secara otomatis dengan cara
mengklik kanan pada mouse pilih Selection Manager pada window manager
memilih zoom 20 lalu mengklik start.
5. Secara otomatis citra akan melakukan streaming, untuk mengecek streaming
otomatis dengan cara mengklik Chaced tiles map lalu memilih z20 sesuai
dengan nilai zoom yang dipilih ssebelumnya.
6. Setelah streaming pada area yang dipilih selesai mengklik kanan mouse lalu
memilih Selection Manager lalu pilih tab stitch untuk mengatur output format
berupa JPEG, lokasi penyimanan dan zoom sesuaikan dengan nilai zoom
sebelumnya. Kemudian mengklik start maka citra akan terdownload secara
otomatis.
 BAB IV
METODOLOGI

4.1 Waktu dan Lokasi Praktikum

Waktu praktikum berlangsung pada tanggal 20 November 2022 pada

waktu pukul 08.00-13.30. Lokasi praktikum berlangsung di gedung Lab

Komputer Fakultas Ilmu Teknologi dan Kebumian (FITK) Universitas Haluoleo

dan koordinatnya berada pada 4° 0'19.59"S dan 122°31'18.50"E.

Letak wilayah kajian Kabupaten Buton Selatan secara astronomis terletak

pada koordinat geografis 5°34'47.13"S dan 122°38'7.91"E. Sedangkan letak

geografis dari Kabupaten Buton Selatan itu sendiri terletak di antara Kota Baubau

dan Kabupaten Buton. Di sebelah selatan berbatasan dengan Laut Flores,

disebelah utara berbatasan dengan Kota Baubau dan Kabupaten Buton, disebelah

timur berbatasan dengan Kabupaten Buton dan Laut Flores, disebelah barat

berbatasan langsung dengan Laut Flores.

Wilayah kajian Kecamatan Kadia secara astronomis terletak pada

koordinat geografis 3°59'26.94"S dan 122°30'31.85"E. Sedangkan letak geografis

kecamatan Kadia berada di antara 4 kecamatan diantaranya Mandonga, Puuwatu,

Kambu, dan Wuawua. Di sebelah utara berbatasan dengan kecamatan Mandonga

dan Puuwatu, di sebelah selatan berbatasan dengan kecamatan Wuawua dan

Kambu, disebelah timur berbatasan dengan kecamatan Kambu, disebelah barat

berbatasan dengan Kecamatan Wuawua dan Puuwatu.

4.2 Alat Praktikum

Adapun alat praktikum pada penginderaan jauh dasar acara 1 dibawah ini

adalah sebagai berikut.

Tabel 1. Alat Praktikum Beserta Kegunaan

No Alat Kegunaan
1 Flashdisk Untuk mentransfer file yang digunakan untuk
praktikum
2 Alat Tulis Untuk menulis pokok-pokok penting dalam
penjelasan pada praktikum
3 Laptop atau Komputer Untuk memperoleh dan menampilkan data citra
penginderaan jauh
4 Proyektor Untuk menampilkan materi terkait praktikum
penginderaan jauh

4.3 Bahan Praktikum

 Adapun bahan praktikum pada penginderaan jauh dasar acara 1 dibawah

ini adalah sebagai berikut.

Tabel 2. Bahan Praktikum Beserta Kegunaan

No Bahan Kegunaan
1 Platform USGS Untuk memperoleh data citra satelit secara
gratis dan menyimpan atau mendownload
citra satelit yang dibutuhkan
2 Software SAS Planet Untuk memperoleh data citra satelit dengan
resolusi tinggi secara gratis dan menyimpan
atau mendownload citra tersebut.

4.4 Data Praktikum

4.4.1 Data Primer

Data primer merupakan data yang didapatkan dengan melibatkan

partisipasi aktif dari peneliti dan dikumpulkan melalui observas, eksperimen serta

media lainnya yang digunakan untuk memperoleh data dilapangan

4.4.2 Data Sekunder

Data sekunder adalah sumber data penelitian yang diperoleh melalui media

perantara atau secara tidak langsung yang berupa buku, catatan, bukti yang telah

ada, atau arsip baik yang dipublikasikan maupun yang tidak dipublikasikan secara

umum. Dengan kata lain peneliti membutuhkan pengumpulan data dengan cara

berkunjung keperpustakaan, pusat kajian, pusat arsip atau membaca banyak buku

yang berhubungan dengan penelitiannya. Dalam praktikum penginderaan jauh

dasar data sekunder yang diperoleh adalah peta Citra Landsat 8 Kabupaten Buton

Selatan dan SAS planet Kecamatan Kadia.

4.5 Tahapan Praktikum

4.5.1 Tahapan Persiapan

Praktikan sebelum melaksanakan praktikum terlebih dahulu menguasai

materi terkait dengan judul praktikum yang akan dilaksanakan, kemudian

menyiapkan alat dan bahan yang akan digunakan dalam pelaksanaan praktikum

dan mendengarkan intruksi dari asisten dosen terkait prosedur praktikum yang

akan dilakukan.

4.5.2 Tahapan Pengumpulan Literatur

Praktikan dalam mencari literatur dalam menyusun laporan praktikum

mengunaakan google schoolar berupa jurnal dengan syarat jurnal yang terbit pada

5 tahun terakhir. Adapun jurnal yang dicari terkait dengan penginderaan jauh

dasar, citra satelit, USGS, dan SAS Planet. Selain mencari jurnal praktikan juga

mencari data citra satelit yang berasal dari Platform USGS dan Software SAS

Planet.

BAB V
HASIL

5.1 Citra Satelit Landsat 8 OLI/TIRS Kabupaten Buton Selatan

Pada citra satelit landsat 8 OLI/TIRS terdapat hasil metadata dari citra

satelit landsat tersebut yang ada dibawah ini sebagai berikut.

Group = L1_Metadata_File

Group = Metadata_File_Info

Origin = "Image Courtesy Of The U.S. Geological Survey"

 Request_Id = "P7013mr4wwive_00013"

Landsat_Scene_Id = "Lc81120642021301lgn00"

Landsat_Product_Id = "Lc08_L1tp_112064_20211028_20211104_01_T1"

Collection_Number = 01

File_Date = 2021-11-04t04:23:33z

Station_Id = "Lgn"

Processing_Software_Version = "Lpgs_13.1.0"

End_Group = Metadata_File_Info

Group = Product_Metadata

Data_Type = "L1tp"

Collection_Category = "T1"

Elevation_Source = "Gls2000"

Output_Format = "Geotiff"

Spacecraft_Id = "Landsat_8"

Sensor_Id = "Oli_Tirs"

Wrs_Path = 112

Wrs_Row = 64

Nadir_Offnadir = "Nadir"

Target_Wrs_Path = 112

Target_Wrs_Row = 64

Date_Acquired = 2021-10-28

Scene_Center_Time = "01:58:43.0627170z"

Corner_Ul_Lat_Product = -4.73756
 Corner_Ul_Lon_Product = 121.65113

Corner_Ur_Lat_Product = -4.73852

Corner_Ur_Lon_Product = 123.70424

Corner_Ll_Lat_Product = -6.83754

Corner_Ll_Lon_Product = 121.64614

Corner_Lr_Lat_Product = -6.83892

Corner_Lr_Lon_Product = 123.70684

Corner_Ul_Projection_X_Product = 350400.000

Corner_Ul_Projection_Y_Product = -523800.000

Corner_Ur_Projection_X_Product = 578100.000

Corner_Ur_Projection_Y_Product = -523800.000

Corner_Ll_Projection_X_Product = 350400.000

Corner_Ll_Projection_Y_Product = -756000.000

Corner_Lr_Projection_X_Product = 578100.000

Corner_Lr_Projection_Y_Product = -756000.000

Panchromatic_Lines = 15481

Panchromatic_Samples = 15181

Reflective_Lines = 7741

Reflective_Samples = 7591

Thermal_Lines = 7741

Thermal_Samples = 7591

File_Name_Band_1 =

"Lc08_L1tp_112064_20211028_20211104_01_T1_B1.Tif"
 File_Name_Band_2 =

"Lc08_L1tp_112064_20211028_20211104_01_T1_B2.Tif"

File_Name_Band_3 =

"Lc08_L1tp_112064_20211028_20211104_01_T1_B3.Tif"

File_Name_Band_4 =

"Lc08_L1tp_112064_20211028_20211104_01_T1_B4.Tif"

File_Name_Band_5 =

"Lc08_L1tp_112064_20211028_20211104_01_T1_B5.Tif"

File_Name_Band_6 =

"Lc08_L1tp_112064_20211028_20211104_01_T1_B6.Tif"

File_Name_Band_7 =

"Lc08_L1tp_112064_20211028_20211104_01_T1_B7.Tif"

File_Name_Band_8 =

"Lc08_L1tp_112064_20211028_20211104_01_T1_B8.Tif"

File_Name_Band_9 =

"Lc08_L1tp_112064_20211028_20211104_01_T1_B9.Tif"

File_Name_Band_10 =

"Lc08_L1tp_112064_20211028_20211104_01_T1_B10.Tif"

File_Name_Band_11 =

"Lc08_L1tp_112064_20211028_20211104_01_T1_B11.Tif"

File_Name_Band_Quality =

"Lc08_L1tp_112064_20211028_20211104_01_T1_Bqa.Tif"
 Angle_Coefficient_File_Name =

"Lc08_L1tp_112064_20211028_20211104_01_T1_Ang.Txt"

Metadata_File_Name =

"Lc08_L1tp_112064_20211028_20211104_01_T1_Mtl.Txt"

Cpf_Name = "Lc08cpf_20211001_20211031_01.02"

Bpf_Name_Oli = "Lo8bpf20211027235717_20211028022048.01"

Bpf_Name_Tirs = "Lt8bpf20211021062256_20211028090909.01"

Rlut_File_Name = "Lc08rlut_20150303_20431231_01_12.H

End_Group = Product_Metadata

Group = Image_Attributes

Cloud_Cover = 8.57

Cloud_Cover_Land = 21.86

Image_Quality_Oli = 9

Image_Quality_Tirs = 9

Tirs_Ssm_Model = "Final"

Tirs_Ssm_Position_Status = "Estimated"

Tirs_Stray_Light_Correction_Source = "Tirs"

Roll_Angle = -0.001

Sun_Azimuth = 109.27004808

Sun_Elevation = 65.61669066

Earth_Sun_Distance = 0.9936340

Saturation_Band_1 = "N"

Saturation_Band_2 = "N"
 Saturation_Band_3 = "N"

Saturation_Band_4 = "N"

Saturation_Band_5 = "Y"

Saturation_Band_6 = "Y"

Saturation_Band_7 = "Y"

Saturation_Band_8 = "N"

Saturation_Band_9 = "N"

Ground_Control_Points_Version = 4

Ground_Control_Points_Model = 67

Geometric_Rmse_Model = 9.174

Geometric_Rmse_Model_Y = 7.317

Geometric_Rmse_Model_X = 5.533

Truncation_Oli = "Upper"

End_Group = Image_Attributes

Group = Min_Max_Radiance

Radiance_Maximum_Band_1 = 769.83289

Radiance_Minimum_Band_1 = -63.57305

Radiance_Maximum_Band_2 = 788.31824

Radiance_Minimum_Band_2 = -65.09958

Radiance_Maximum_Band_3 = 726.42853

Radiance_Minimum_Band_3 = -59.98870

Radiance_Maximum_Band_4 = 612.56549

Radiance_Minimum_Band_4 = -50.58586
 Radiance_Maximum_Band_5 = 374.85953

Radiance_Minimum_Band_5 = -30.95602

Radiance_Maximum_Band_6 = 93.22415

Radiance_Minimum_Band_6 = -7.69848

Radiance_Maximum_Band_7 = 31.42153

Radiance_Minimum_Band_7 = -2.59480

Radiance_Maximum_Band_8 = 693.25555

Radiance_Minimum_Band_8 = -57.24927

Radiance_Maximum_Band_9 = 146.50360

Radiance_Minimum_Band_9 = -12.09832

Radiance_Maximum_Band_10 = 22.00180

Radiance_Minimum_Band_10 = 0.10033

Radiance_Maximum_Band_11 = 22.00180

Radiance_Minimum_Band_11 = 0.10033

End_Group = Min_Max_Radiance

Group = Min_Max_Reflectance

Reflectance_Maximum_Band_1 = 1.210700

Reflectance_Minimum_Band_1 = -0.099980

Reflectance_Maximum_Band_2 = 1.210700

Reflectance_Minimum_Band_2 = -0.099980

Reflectance_Maximum_Band_3 = 1.210700

Reflectance_Minimum_Band_3 = -0.099980

Reflectance_Maximum_Band_4 = 1.210700
 Reflectance_Minimum_Band_4 = -0.099980

Reflectance_Maximum_Band_5 = 1.210700

Reflectance_Minimum_Band_5 = -0.099980

Reflectance_Maximum_Band_6 = 1.210700

Reflectance_Minimum_Band_6 = -0.099980

Reflectance_Maximum_Band_7 = 1.210700

Reflectance_Minimum_Band_7 = -0.099980

Reflectance_Maximum_Band_8 = 1.210700

Reflectance_Minimum_Band_8 = -0.099980

Reflectance_Maximum_Band_9 = 1.210700

Reflectance_Minimum_Band_9 = -0.099980

End_Group = Min_Max_Reflectance

Group = Min_Max_Pixel_Value

Quantize_Cal_Max_Band_1 = 65535

Quantize_Cal_Min_Band_1 = 1

Quantize_Cal_Max_Band_2 = 65535

Quantize_Cal_Min_Band_2 = 1

Quantize_Cal_Max_Band_3 = 65535

Quantize_Cal_Min_Band_3 = 1

Quantize_Cal_Max_Band_4 = 65535

Quantize_Cal_Min_Band_4 = 1

Quantize_Cal_Max_Band_5 = 65535

Quantize_Cal_Min_Band_5 = 1
 Quantize_Cal_Max_Band_6 = 65535

Quantize_Cal_Min_Band_6 = 1

Quantize_Cal_Max_Band_7 = 65535

Quantize_Cal_Min_Band_7 = 1

Quantize_Cal_Max_Band_8 = 65535

Quantize_Cal_Min_Band_8 = 1

Quantize_Cal_Max_Band_9 = 65535

Quantize_Cal_Min_Band_9 = 1

Quantize_Cal_Max_Band_10 = 65535

Quantize_Cal_Min_Band_10 = 1

Quantize_Cal_Max_Band_11 = 65535

Quantize_Cal_Min_Band_11 = 1

End_Group = Min_Max_Pixel_Value

Group = Radiometric_Rescaling

Radiance_Mult_Band_1 = 1.2717e-02

Radiance_Mult_Band_2 = 1.3023e-02

Radiance_Mult_Band_3 = 1.2000e-02

Radiance_Mult_Band_4 = 1.0119e-02

Radiance_Mult_Band_5 = 6.1924e-03

Radiance_Mult_Band_6 = 1.5400e-03

Radiance_Mult_Band_7 = 5.1906e-04

Radiance_Mult_Band_8 = 1.1452e-02

Radiance_Mult_Band_9 = 2.4201e-03
Radiance_Mult_Band_10 = 3.3420e-04

Radiance_Mult_Band_11 = 3.3420e-04

Radiance_Add_Band_1 = -63.58577

Radiance_Add_Band_2 = -65.11260

Radiance_Add_Band_3 = -60.00071

Radiance_Add_Band_4 = -50.59598

Radiance_Add_Band_5 = -30.96221

Radiance_Add_Band_6 = -7.70002

Radiance_Add_Band_7 = -2.59532

Radiance_Add_Band_8 = -57.26072

Radiance_Add_Band_9 = -12.10074

Radiance_Add_Band_10 = 0.10000

Radiance_Add_Band_11 = 0.10000

Reflectance_Mult_Band_1 = 2.0000e-05

Reflectance_Mult_Band_2 = 2.0000e-05

Reflectance_Mult_Band_3 = 2.0000e-05

Reflectance_Mult_Band_4 = 2.0000e-05

Reflectance_Mult_Band_5 = 2.0000e-05

Reflectance_Mult_Band_6 = 2.0000e-05

Reflectance_Mult_Band_7 = 2.0000e-05

Reflectance_Mult_Band_8 = 2.0000e-05

Reflectance_Mult_Band_9 = 2.0000e-05

Reflectance_Add_Band_1 = -0.100000
 Reflectance_Add_Band_2 = -0.100000

Reflectance_Add_Band_3 = -0.100000

Reflectance_Add_Band_4 = -0.100000

Reflectance_Add_Band_5 = -0.100000

Reflectance_Add_Band_6 = -0.100000

Reflectance_Add_Band_7 = -0.100000

Reflectance_Add_Band_8 = -0.100000

Reflectance_Add_Band_9 = -0.100000

End_Group = Radiometric_Rescaling

Group = Tirs_Thermal_Constants

K1_Constant_Band_10 = 774.8853

K2_Constant_Band_10 = 1321.0789

K1_Constant_Band_11 = 480.8883

K2_Constant_Band_11 = 1201.1442

End_Group = Tirs_Thermal_Constants

Group = Projection_Parameters

Map_Projection = "Utm"

Datum = "Wgs84"

Ellipsoid = "Wgs84"

Utm_Zone = 51

Grid_Cell_Size_Panchromatic = 15.00

Grid_Cell_Size_Reflective = 30.00

Grid_Cell_Size_Thermal = 30.00
 Orientation = "North_Up"

Resampling_Option = "Cubic_Convolution"

End_Group = Projection_Parameters

End_Group = L1_Metadata_File

End

Dibawah ini merupakan hasil citra satelit landsat 8 OLI/TIRS yang diperoleh dari

situs USGS.

5.2 Citra Satelit SAS Planet Kecamatan Kadia

Terdapat hasil citra satelit SAS Planet Kecamatan Kadia berformat JPEG

dibawah ini adalah sebagai berikut.

 BAB VI
PEMBAHASAN

Letak wilayah kajian Kabupaten Buton Selatan secara astronomis terletak

pada koordinat geografis 5°34'47.13"S , 122°38'7.91"E. Sedangkan letak

geografis dari Kabupaten Buton Selatan itu sendiri terletak di antara Kota Baubau

dan Kabupaten Buton. Di sebelah selatan berbatasan dengan Laut Flores,

disebelah utara berbatasan dengan Kota Baubau dan Kabupaten Buton, disebelah
timur berbatasan dengan Kabupaten Buton dan Laut Flores, disebelah barat

berbatasan langsung dengan Laut Flores.

Wilayah kajian Kecamatan Kadia secara astronomis terletak pada

koordinat geografis 3°59'26.94"S, 122°30'31.85"E. Sedangkan letak geografis

kecamatan Kadia berada di antara 4 kecamatan diantaranya Mandonga, Puuwatu,

Kambu, dan Wuawua. Di sebelah utara berbatasan dengan kecamatan Mandonga

dan Puuwatu, di sebelah selatan berbatasan dengan kecamatan Wuawua dan

Kambu, disebelah timur berbatasan dengan kecamatan Kambu, disebelah barat

berbatasan dengan Kecamatan Wuawua dan Puuwatu.

Dalam Praktikum Penginderaan Jauh tentang tata cara mendapatkan citra

penginderaan jauh sumber yang digunakan untuk mendapatkan citra ada dua

sumber, yang pertama platform USGS dan software SAS Planet. Kedua sumber ini

memiliki cara tersendiri untuk memperoleh peta citra satelit penginderaan jauh.

Kedua sumber ini juga memiliki akses gratis untuk mendapatkan citra satelit

penginderaan jauh.

A. USGS

Pada platform USGS hasil yang ditampilkan adalah meta datanya sendiri.

Metadata sering disebut sebagai data tentang data atau informasi tentang

informasi. Metadata ini mengandung informasi mengenai isi dari suatu data yang

dipakai untuk keperluan manajemen file/data itu nantinya dalam suatu basis data.

Meta data juga memberikan fungsi sama seperti halnya katalog.

 Meta data pada citra satelit landsat 8 OLI/TIRS memberikan informasi

tentang isi dari data citra satelit tersebut. Informasi utama yang diberikan yakni

situs/website yang melakukan perekaman, waktu perekaman dari citra satelit itu

sendiri, spacecraft, jenis sensor yang digunakan, jumlah band yang dipakai,

sistem proyeksinya, datumnya, zona UTM, nilai tutupan awannya berapa, serta

output format dari file data yang diperoleh. Dari kesemua meta data yang

diberikan, masih terdapat lagi beberapa informasi tambahan mengenai data citra

satelit landsat 8 OLI/TIRS tersebut.

Berdasarkan meta data yang ditampilkan pada point 5.1 bahwa waktu

perekaman citra satelit landsat tersebut yaitu 2021-11-04 pada pukul 23:33 Zona

GMT, output format yang dipakai berjenis Geotif yang sudah terproyeksi terhadap

koordinat lokal lokasi pengambilan citra tersebut. Pengambilan data citra tersebut

berada pada wilayah kajian Kabupaten Buton Selatan. Metode pengambilan data

citra satelit landsat menggunakan metode path and row. Path and row merupakan

istilah yang digunakan oleh satelit Landsat untuk akuisisi citra berbasis

Worldwide Reference System (WRS). Path mengacu pada salah satu dari 251 trek

timur-barat yang dibuat oleh satelit saat mengikuti orbitnya, yang berada 440

hingga 570 mil ke arah Utara dan cenderung ke garis khatulistiwa. Path and row

wilayah kajian Kabupaten Buton Selatan terletak pada nilai path 112 dan row 64

dan zona UTMnya terletak pada WGS 1984 Zona 51 S.

Jenis satelit yang dipakai jenis satelit landsat 8. Citra Landsat 8 OLI/

TIRS merupakan citra yang diluncurkan oleh Negara Amerika pada XYZ, dan

memiliki 11 macam saluran (band) dengan resolusi spasial yang berkisar 15 X 15

meter hingga 100 X 100 meter. Band landsat 8 terdiri dari, diantaranya band

Visible, Near Infrared (NIR), Short Wave Infrared (SWIR), Panchromatic dan

Thermal. Citra satelit landsat 8 tergolong citra yang beresolusi menengah yang

artinya bahwa jenis citra ini kenampakan objek pada data digitalnya tidak terlalu

begitu nampak. Karena perekaman citra satelit ini berkisar pada pukul 23.33

waktu GMT, oleh karena itu kenampakan gambarnya sedikit berwarna gelap, dan

juga jenis citra satelit ini menggunakan sensor pasif yang artinya bahwa

membutuhkan energi bantuan untuk melakukan perekaman.

Berdasarkan itu semua, hasil gambar yang ditampilkan pada landsat 8

tidak begitu jelas dan sedikit berwarna gelap, tetapi terdapat 11 saluran band pada

citra ini yang bisa dicoba untuk membandingkan kualitas gambar yang diberikan

untuk melakukan interpretasi data citra.

B. SAS Planet

Dalam praktikum cara memperoleh data citra satelit dari SAS Planet,

sebelumnya yakni menyiapkan software SAS Planetnya yang bisa didownload

melalui situs penyedia seperti https://geojamal.gis.com dan masih banyak lagi

situs penyedia. SAS Planet adalah sebuah software open source untuk

menampilkan dan mendownload citra satelit resolusi tinggi dari peta yang

dikirimkan oleh layanan pemetaan seperti Google Maps, Bing Maps,

Yandex.Maps, Open Street Map, ESRI, dan masih banyak lagi. Pada software SAS

Planet ini mudah mengaplikasikannya dan juga pada saat prosesnya

penginstalannya juga mudah, tidak menggunakan kode produksi serta nomor

serial.
 Software SAS Planet ini pada umumnya digunakan untuk mendownload

citra berskala kecil seperti wilayah kecamatan dan daerah kecil lainnya. Namun

data hasil citra satelit yang diperoleh beresolusi tinggi dan untuk memperbesar

objek bisa mencapai pada nilai zoom 24 yang menandakan bahwa detail objek

pada citra terlihat pada software ini. Jika nilai zoom makin besar maka tingkat

ukuran jenis citra yang diperoleh besar pula. Oleh karena itu pada nilai zoom

disesuaikan dengan kebutuhan pengguna agar data citra yang diperoleh tidak

berukuran besar.

Berdasarkan pada point 5.2 disitu terlihat citra satelit dari wilayah kajian

kecamatan Kadia. Resolusi pada citra tersebut bisa dikatan resolusi tinggi karena

objek bangunan, jalan kecil, bahkan kendaraan seperti mobil terlihat pada citra

satelit dari software SAS Planet. Nilai zoom yang digunakan pada citra tersebut

berada pada nilai z20. Ketika proses download, sistem proyeksi pada software

SAS Planet juga bisa diatur, pada hasil gambar kecamatan Kadia sistem

proyeksinya menggunakan mectator WGS 1984. Jenis output format pada citra

tersebut berformat JPEG, dan juga jenis format pada software SAS Planet ada 9

pilihan seperti ECW, Geotif, JPEG, BMP, JPEG 2000, JPEG 2000 (compression

wavelet), PNG, KMZ, dan RAW. Dari kesemua jenis format tersebut pengguna

bisa menggunakan sesuai dengan kebutuhan yang diperlukan.

BAB VII
PENUTUP

7.1 Kesimpulan
 Kesimpulan yang diperoleh pada praktikum penginderaan jauh tentang tata

cara mendapatkan citra yakni bagaimana cara mengetahui memperoleh data citra

penginderaan jauh dari berbagai sumber. Pada saat praktikum sumber yang

digunakan ada dua, yang pertama situs USGS dan kedua yaitu software SAS

Planet. Dari kedua sumber ini cara memperoleh data citranya juga berbeda-beda,

dan juga ada kelemahan dan kelebihan dari kedua masing-masing sumber ini.

Secara singkat cara mendapatkan citra satelit dari kedua sumber itu berbeda.

Untuk mendapatkan citra dari situs USGS langkah pertama membuat akun atau

login pada situs USGS itu sendiri. Selepas memilih mengatur tutupan awannya,

serta memilih data citra satelit yang memiliki tutupan awan yang sedikit. Terakhir

mendownload data citra, pilih size yang berukuran besar. Sedangkan di SAS

Planet cara mendapatkan citra yakni dengan mendwonload softwarenya kemudian

pilih area, lakukan streaming serta download data citra sesuai dengan zoom.

Perbandingan antara citra landsat dan SAS Planet, bahwa citra landsat itu kualitas

gambarnya tergolong resolusi rendah tetapi memiliki sejumlah band yang dapat

digunakan untuk interpretasi citra, sedangkan di SAS Planet data citranya

tergolong resolusi tinggi karena pengaturan zoom serta melakukan streaming

dilakukan pada software SAS Planet itu sendiri.

7.2 Saran

1. Saran Untuk Dosen

 Saran saya kepada dosen pengampuh mata kuliah penginderaan jauh

dasar agar lebih menerapkan metode pembelajaran yang dimana memfokuskan

kami terkait dengan penginderaan jauh.

2. Saran untuk asisten

Saran saya untuk para asisten dosen agar lebih banyak berinteraksi

kepada praktikan agar menjalin komunikasi yang baik antara asisten dan praktikan

sehingga para praktikan lebih nyaman lagi ketika melaksanakan praktikum.

3. Saran Untuk Praktikan

Saran saya untuk para praktikan agar lebih serius ketika praktikum

berlangsung apalagi praktikum terkait dengan analisis data penginderaan jauh

dimana harus lebih fokus agar memahami cara pembuatan.

DAFTAR PUSTAKA

Alekseeva, W. (2017). program SAS. Planet vikoristannya di masa lalu alam.

Angin, I. S., & Sunimbar, S. (2021). Analisis Perubahan Penggunaan Lahan Kota
Kupang Nusa Tenggara Timur Tahun 2010-2018. geoedusains: Jurnal
Pendidikan Geografi, Vol. 2(1), P. 36-52.

Aryastana, P., Ardantha, I., & Rahardiani, A. A. (2018). Pemanfaatan Citra Satelit
SPOT dalam Analisis Perubahan Garis Pantai di Kabupaten Jembrana.

Danoedoro, P. 2018. Pengaruh jumlah dan metode pengambilan titik sampel

penguji terhadap tingkat akurasi klasifikasi citra digital penginderaan
jauh. Prosiding. Simposium Sains Geoinformasi ke-4, Vol. 1(2). P. 27-28.

Darmawan, A., & Laura, C. T. (2015). Panduan Praktikum Penginderaan Jauh

untuk Kehutanan.

Darmawan, A., Harianto, S. P., Santoso, T., & Winarno, G. D. (2018). Buku ajar
penginderaan jauh untuk kehutanan.

Febriani, N., Yunidar, S., Hidayat, R. A., Amor, G., & Indrayani, P. 2022.
Klasifikasi Citra Satelit dengan Metode Random Forest Untuk Observasi
Dinamika Landskap Ekosistem Kabupaten Sijunjung. El-Jughrafiyah, Vol.
2(2), P. 75-81.

Harjupa, E. W., Ahmad, U. A., Abadi, P., Satiadi, D., & Jumianti, N. (2021).
Buku Ajar Teknologi Pengindraan Jauh Untuk Kajian Atmosfer.
Deepublish.

Irawan, F. A. (2020). Pengolahan Citra Digital Penginderaan Jauh. Poliban

Press.

Jauh, A. C. S. P., S2, P. S., Sukojo, B. M., & Jaelani, L. M. 7. Analisa Citra Satelit
Penginderaan Jauh/Analysis of Remote Sensing Satellite Imagery. Buku
Pedoman Mata Kuliah Courses Module Handbook, 26.

Jaya, I. N. S., & Etyarsah, S. (2021). Analisis Citra Digital Perspektif

Penginderaan Jauh untuk Pengelolaan Sumber Daya Alam Vol. 1. PT
Penerbit IPB Press.
Kushardono, D. (2017). Klasifikasi digital pada penginderaan jauh. PT Penerbit
IPB Press.

Lestari, S. C., & Arsyad, M. (2018). Studi Penggunaan Lahan Berbasis Data Citra
Satelit Dengan Metode Sistem Informasi Geografis (SIG). Jurnal Sains
dan Pendidikan Fisika, Vol. 14(1).

Lin, K., Wald, D.J., Kircher, C.A., Slosky, D., Jaiswal, K., & Luco, N. (2018,
Juni). Kemajuan sistem USGS ShakeCast. Dalam Prosiding konferensi
nasional ke-11 tentang rekayasa gempa P. 3458-3468.

Lubis, D. P. (2017). Analisis perubahan garis pantai dengan menggunakan citra

penginderaan jauh (studi kasus di kecamatan talawi kabupaten batubara).
Jurnal Geografi, Vol. 9(1), P. 21-31.

Lukiawan, R., Purwanto, E. H., & Ayundyahrini, M. 2019. Standar koreksi

geometrik citra satelit resolusi menengah dan manfaat bagi pengguna.
Jurnal Standardisasi, Vol. 21(1), P. 45-54.

Muntarwikhi, S., Utomo, D. H., & Taryana, D. (2022). Pengaruh model problem
based learning berbantuan aplikasi SAS Planet terhadap kemampuan
berpikir spasial siswa. Jurnal Integrasi dan Harmoni Inovatif Ilmu-Ilmu
Sosial (JIHI3S), Vol. 2(2), P. 161-171.

Ñañez Malpica, P.A., Vargas Ferrucho, E.V., & Pedraza Sánchez, M.A. (2021).
Proposal model manajemen untuk proses di perusahaan Tasty
menggunakan SAS Planet.

Rosales-Rivera, M., Díaz-González, L., & Verma, SP (2019). Evaluasi sembilan

bahan referensi USGS untuk kontrol kualitas melalui Univariate Data
Analysis System, UDASys3. Jurnal Geosains Arab, Vol. 12(2), P. 1-8.

Tsaregorodtseva, E.V., & Ipatov, Y.A. (2018). Analisis spasial dalam GIS
Panorama dan SAS-Planet.
Utomo, A. W., Suprayogi, A., & Sasmito, B. (2017). Análisis hubungan variasi
land surface temperature dengan kelas tutupan lahan menggunakan data
citra satelit landsat (Studi Kasus: Kabupaten Pati). Jurnal Geodesi Undip,
Vol. 6(2), P. 71-80.

Waldrop, MP, Anderson, L., Dornblaser, M., Erikson, L.H., Gibbs, A.E., Herman-
Mercer, N.M., ... & Zimmerman, C. (2021). Penelitian permafrost USGS
menentukan risiko pencairan permafrost terhadap sumber daya biologis
dan hidrologi P. 2020-3058, Survei Geologi AS.

Zhongming, Z., Linong, L., Xiaona, Y., Wangqiang, Z., & Wei, L. (2021). USGS
Memperkirakan 306 Miliar Kaki Kubik Helium yang Dapat Dipulihkan di
Amerika Serikat.