LAPORAN PRAKTIKUM PENGINDERAAN JAUH

“Koreksi Penggunaan Lahan Menggunakan Citra Landsat dan

Quickbird”

Dosen Pengajar : Purwanto, S.Pd, M.Si

Oleh :

Intan Ratna Sari

130722607361

Off H/2013

UNIVESITAS NEGERI MALANG

FAKULTAS ILMU SOSIAL

JURUSAN GEOGRAFI

April 2014

A. TUJUAN

1. Mahasiswa mampu melakukan interpretasi penggunaan lahan dengan ENVI 4.5

2. Mahasiswa mampu melakukan koreksi penggunaan lahan pada citra quickbird dan

landsat 8

B. DASAR TEORI

Penginderaan jauh merupakan suatu ilmu yang digunakan untuk mendapatkan

informasi mengenai permukaan bumi seperti lahan dan air dari citra yang diperoleh

dari jarak jauh dengan menggunakan sensor.

Data yang digunakan dalam penginderaan jauh dapat berbentuk hasil dari variasi daya

gelombang bunyi dan atau energi elektromagnetik.Sebagai contoh grafimeter

memperoleh data dari variasi daya tarik bumi (gravitasi), sonar pada sistem navigasi

memperoleh data dari gelombang bunyi dan maka kita memperoleh data dari energi

elektromagnetik. Data yang diperoleh itu dikelola dan akan digunakan untuk

kepentingan tertentu.

Salah satu pemanfaatan penginderaan jauh tersebut adalah Sistem Informasi

Geografi.  Citra yang diperoleh melalui penginderaan jauh merupakan data dasar atau

input yang selanjutnya diolah dan disajikan oleh Sistem Informasi Geografi. Posisi

data dari citra Penginderaan Jauh dapat dikoreksi kembali dalam Sistem Informasi

Geografi. Dengan demikian, integrasi antara data Penginderaan Jauh dengan Sistem

Informasi Geografi akan memperoleh informasi yang optimal sebagai data

pemanfaatan wilayah dengan permukann bumi. Pengetahuan tentang penggnaan lahan

dan penutup lahan penting untuk berbagai kegiatan perencanaan dan pengelolaan

yang berhubungan permukaan bumi. Penutup lahan berkaitan dengan jenis

kenampakan yang ada di permukaan bumi. Contoh jenis penutup, bangunan kekotaan,

danau, pohon maple, dan es glacial merupakan contoh penutup lahan. Penggunaan

lahan berkaitan dengan kegiatan manusia pada bidang lahan tertentu. Sebagai contoh,

sebidang lahan di daerah pinggiran kota mungkin digunakan untuk perumahan satu

keluarga. Tergantung pada tingkat kerincian pemetaanya, penggunaan lahannya dapt

dikatakan sebagai lahan kekotaan, lahan permukiman, atau digunakan untuk

permukiman satu keluarga.

Sementara itu, penggunaan lahan merupakan aktivitas manusia pada dan dalam

kaitannya dengan lahan, yang biasanya tidak secara langsung tampak dari citra.

Penggunaan lahan tidak memiliki satu definisi yang benar – benar tepat di dalam

keseluruhan konteks yang berbeda. Sedangkan penutup lahan merupakan gambaran

kostruksi vegetasi dan buatan yang menutup permukaan lahan. Konstruksi tersebut

merupakan konstruksi yang tampak dari sebuah citra penginderaan jauh.

Pemetaan penggunaan lahan dan penutup lahan sangat berhubungan dengan studi

vegetasi, tanaman pertanian dan tanah dari biosfer. Karena data penggunaan lahan dan

penutup lahan sangatlah penting untuk sebuah perencanaan. Lahan merupakan

material dasar dari suatu lingkungan, yang diartikan berkaitan dengan sejumlah

karakteristik alami yaitu iklim, geologi, tanah, toporafi, hidrologi dan biologi.

C. ALAT DAN BAHAN

1. Software pengolahan citra Digital ENVI 4.5

2. Foto udara yang sudah terkoreksi

3. Citra satelit yang belum terkoreksi

4. Global positions System (GPS)

5. Peta dasar Rupa Bumi Indonesia lembar kota Malang

6. Meteran 50m

7. Kamera

D. LANGKAH KERJA

Koreksi dengan menggunakan software ENVI

1. Buka software Envi 4.5

2. Buka citra yang akan dianalisis

3. Pilih menu image kemudian pilih Tools - Region Of Interest - ROI Tool, sehingga

muncul kotak dialog “ROI Tools”

4. Kemudian pilih off.

5. Selanjutnya klick pada ROI Name pada keterangan “region #1” dengan nama

objek yang akan dijadikan sampel misalnya “vegetasi” dengan “Color” ada

keterangan “hijau” maksudnya objek yang diklasifikasikan sebagai vegetasi akan

diberi warna hijau.

6. Kemudian klik image trus bentuk polygon kemudian klik kanan 2 kali

7. Untuk membuat sample warna lagi klik New Region kemudian ulangi spserti

keterangan diatas

8. Kemudian klik file – save ROIs pada tabel ROI tool – klik choose dan pilih

tempat penyimpanan kemudian klik OK.

9. Selanjutnya tampilkan menu utama ENVI 4.5, kemudian pilih menu

“Classification” - Supervised - Minimum Distance, sehingga muncul kotak dialog

“Clasification Input File”. Pada kotak dialog clasification input file” pilih file citra

- kemudian klick Ok, dan berikutnya muncul kotak dialog minimum distance

darameters”.

10. Kemudian pada kotak tersebut klik select all kemudian klik memory- kemudian

klik choose dan pilih tempat penyimpanan kemudian klik OK

11. Setelah itu akan muncul kotak dialog “ENVI Output to Memory Warning” pilih

Choose dan tuliskan nama File - akhiri dengan tekan Oke. Tunggu sampai proses

selesai

Koreksi di lapangan

1. Siapkan lembar citra satelit lembar Malang yang telah terkoreksi.

2. Tentukan titik koordinat yang akan dikoreksi di lapangan.

3. Dengan menggunakan GPS, lakukan koreksi sesuiakan titik yang telah diambil

pada peta.

4. Jika terjadi penyimpangan pada titik yang telah diambil lakukan pengukuran

dengan meteran.

5. Potret tempat hasil ditemukan titik tersebut.

E. HASIL PRAKTIKUM

F. PEMBAHASAN

Sampel 1 (tangga matos) UTM X 678658.2220 Y 9120866.9950

Pada sampel ini, saat dilakukan koreksi di lapangan menunjukkan terjadi

penyimpangan. Titik yang diambil sebelum koreksi dengan dikoreksi

menunjukkan perbedaan tempat. Sampel ini saat dikoreksi ditemukan pada jalan

dengan penyimpangan sekitar 250m. Pada koreksi menggunakan Envi, citra

Quickbird yang menunjukkan tangga Matos, namun pada citra Landsat terdeteksi

sebagai lahan industri.

Sampel 2 (Tugu TMP) UTM X 678658.2220 Y 9120866.9950

Pada saat koreksi di lapangan titik ini, terlihat terjadi penyimpangan. Koreksi

titik ini ditemukan pada daerah perumahan dengan jarak dari titik sampel hingga

perumahan mencapai 200m. Pada koreksi menggunakan Envi, citra Quickbird

yang menunjukkan Tugu TMP, namun pada citra Landsat terdeteksi sebagai

jalan.

Sampel 3 (parkiran Stadion Cakrawala) UTM X 678520.2220 Y9120362.9950

Pada saat koreksi di lapangan menunjukkan adanya penyimpangan titik yang

diambil. Titik ini ditemukan pada daerah dekat dengan fakultas MIPA. Jarak

penyimpangan mencapai 100m. Pada koreksi menggunakan Envi, citra Quickbird

yang menunjukkan parkiran, pada citra Landsat terdeteksi sebagai jalan.

Sampel 4 (menara masjid Al-Hikmah) UTM X 678430.2220 Y 9120110.9950

Pada sample ini, saat dikoreksi di lapangan menunjukkan adanya penyimpangan

titik koordinat. Titik ini ditemukan pada daerah kantor PTIK dengan jarak

mencapai 70m. Pada koreksi menggunakan Envi, citra Quickbird yang

menunjukkan menara masjid, namun pada citra Landsat terdeteksi sebagai jalan.

Sampel 5 (pojok gedung FIP) UTM X 678088.2220 Y 9119702.9950

Pada sample ini, juga mengalami penyimpangan titik saat dilakukan koreksi di

lapangan. Titik ini ditemukan pada daerah Asrama Putra dengan jarak titik

sebelumnya dengan titik koreksi mencapai 60 m. Pada koreksi menggunakan

Envi, citra Quickbird yang menunjukkan pojok gedung FIP, namun pada citra

Landsat terdeteksi sebagai Pemukiman.

Sampel 6 (jalan antara Bea Cukai dengan Jasa Tirta) UTM X 678310.2220 Y

9119114.9950

Pada sample ini juga menunjukkan adanya penyimpangan. Titik yang dikoreksi

menunjukkan pada Gedung Bea Cukai dengan jarak penyimpangan mencapai

25m. Pada koreksi menggunakan Envi, citra Quickbird yang menunjukkan jalan

antara Bea Cukai dengan Jasa Tirta, namun pada citra Landsat terdeteksi sebagai

Pemukiman.

Sampel 7(jalan Blitar) UTM X 678616.2220 Y 9119402.9950

Pada sample ini menunjukkan adanya penyimpangan. Titik yang dikoreksi

menunjukkan pada daerah perumahan dengan jarak peyimpangan 25m. Pada

koreksi menggunakan Envi, citra Quickbird yang menunjukkan jalan Blitar,

namun pada citra Landsat terdeteksi sebagai Pemukiman.

Sampel 8 (hutan jalan Jakarta) UTM X 678736.2220 Y 9119462.9950

Pada sampel ini menunjukkan adanya penyimpangan. Titik ini ditemukan pada

daerah perumahan diperkirakan jarak mencapai 50m lebih Karena pada saat

survey tidak memungkinkan untuk masuk kedalam rumah. Pada koreksi

menggunakan Envi, citra Quickbird yang menunjukkan jalan antara Bea Cukai

dengan Jasa Tirta, namun pada citra Landsat terdeteksi sebagai Jalan dan

Pemukiman.

Sampel 9 ( taman gedung I)UTM X 678412.2220 Y 9119510.9950

Pada saat dilakukan koreksi di lapangan, titik ini ditemukan pada daerah

belakang gedung Sasana Budaya dengan jarak penyimpangan 56m. Pada koreksi

menggunakan Envi, citra Quickbird yang menunjukkan jalan antara Bea Cukai

dengan Jasa Tirta, namun pada citra Landsat terdeteksi sebagai Jalan.

Dari hasil koreksi di lapangan, banyak menunjukkan penyimpangan. Hal ini

dimungkinkan karena pada saat survey, GPS yang digunakan kurang tepat

ketelitiannya. Selain itu, saat koreksi di lapangan menunjukkan adannya

halangan berupa gedung dan cuaca mendung sehingga membatasi GPS untuk

dapat menerima satelit sehingga pembacaan GPS kurang tepat.

Ketepatan koreksi antara peta penggunaan lahan dengan peta koreksi geometric

kurang baik. Hal ini dikarenakan pada peta penggunaan lahan menggunakan citra

Landsat yang mempunyai resolusi spatial 30m. sehinnga sulit untuk mendeteksi

objek yang kecil. Saat pembuatan peta penggunaan lahan, pemberian warna pada

objek juga kurang sesuai karena pada software ENVI 4.5 menerima nilai

pantulan yang sama pada objek tersebut. Sebagai contoh objek pemukiman diberi

warna merah, pada saat proses pembuatan peta penggunaan lahan warna merah

terletak pada puncak gunung. Hal ini menunjukkan bahwa nilai pantulan pada

Landsat hamper sama. Untuk koreksi perlu diadakan survey lapangan terlebih

dahulu untuk menunjukkan kebenaran objek.

Hal tersebut berbeda dengan peta koreksi geometric yang memiliki resolusi

spatial 0.6 m. Sehingga memiliki ketelitian yang baik untuk dapat mendeteksi

objek yang kecil.

G. KESIMPULAN

Ketelitian dalam koreksi di lapangan sulit untuk dapat menunjukkan titik koordinat

yang tepat sesuai dengan titik yang diambil pada foto udara. Hal ini dikarenakan

adanya halangan yang berupa gedung ataupun cuaca, maupun awan yang dapat

menghalangi pembacaan GPS dalam menangkap sinyal satelit. Setiap citra satelit

memiliki kemampuan yang berbeda-beda dalam membaca suatu objek karena setiap

satelit memiliki resolusi spatial yang berbeda. Seperti contonya citra yang digunakan

dalam praktek ini menggunakan citra Quickbird (0,6m) dan Landsat (30m).

H. DAFTAR PUSTAKA

Lillesand, M. Kiefer and Ralph W. Kiefer.1990. Penginderaan Jauh dan Interpretasi

Citra.Yogjakarta : Gadjah Mada University

Setiawan, Manruf. 2013.Penginderaan Jauh Untuk Penggunaan Lahan . Referensi

geografi

Purwanto.2014. Interpretasi Penutup Dan Penggunaan Lahan Dengan Klasifikasi

Citra Satelit