laporan praktikum penginderaan jauh
DESCRIPTION
tugasTRANSCRIPT
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