modul praktikum penginderaan jauh_revised 27nov14

35
PERTEMUAN I PENGAMATAN STEREOSKOPIS DAN PENGENALAN FOTO UDARA I. TUJUAN 1. Mahasiswa mampu mengenal keterangan tepi dan fungsinya 2. Mahasiswa mampu menggunakan alat steroskop saku atau steroskop cermin 3. Mahasiswa mampu melihat kesan 3-Dimensi pada pengamatan steroskop II. ALAT DAN BAHAN 1. Stereoskop saku atau stereoskop cermin 2. Streogram 3. Penggaris 4. Alat tulis 5. Foto Udara III. DASAR TEORI Keterangan Tepi Foto Udara Tegak Keterangan tepi pada foto udara tegak merupakan sumber informasi mengenai perekaman foto udara tersebut untuk berbagai kepentingan. Keterengan tepi foto udara tegak ukuran 23 x 23 cm, meliputi : a. Tanda Fidusial Tiap foto udara terdapat 4 atau 8 tanda fidusial. Guna tanda fidusial adalah untuk menentukan titik principal foto udara, yaitu dengan menarik garis dua tanda fidusial yang berhadapan. b. Seri Nomer Nomer seri FU sekurang-kurangnya terdiri dari nomor registrasi nama daerah yang dipotret, tanggal pemotretan, dan nomer jalur terbang/nomer foto. Contoh nomor seri foto : Muaro Jambi/VII/316/XIV- 25/18-1 -1991/1:10.000 Muaro Jambi : Nama daerah yang dipotret VII / 316 : Nomor registrasi XIV : Nomor jalur terbang

Upload: eshanu

Post on 31-Jan-2016

60 views

Category:

Documents


0 download

DESCRIPTION

modul

TRANSCRIPT

Page 1: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

PERTEMUAN I

PENGAMATAN STEREOSKOPIS DAN PENGENALAN FOTO UDARA

I. TUJUAN

1. Mahasiswa mampu mengenal keterangan tepi dan fungsinya

2. Mahasiswa mampu menggunakan alat steroskop saku atau steroskop cermin

3. Mahasiswa mampu melihat kesan 3-Dimensi pada pengamatan steroskop

II. ALAT DAN BAHAN

1. Stereoskop saku atau stereoskop cermin

2. Streogram

3. Penggaris

4. Alat tulis

5. Foto Udara

III. DASAR TEORI

Keterangan Tepi Foto Udara Tegak

Keterangan tepi pada foto udara tegak merupakan sumber informasi

mengenai perekaman foto udara tersebut untuk berbagai kepentingan. Keterengan

tepi foto udara tegak ukuran 23 x 23 cm, meliputi :

a. Tanda Fidusial

Tiap foto udara terdapat 4 atau 8 tanda fidusial. Guna tanda

fidusial adalah untuk menentukan titik principal foto udara, yaitu dengan menarik

garis dua tanda fidusial yang berhadapan.

b. Seri Nomer

Nomer seri FU sekurang-kurangnya terdiri dari nomor registrasi nama daerah yang

dipotret, tanggal pemotretan, dan nomer jalur terbang/nomer foto.

Contoh nomor seri foto :

Muaro Jambi/VII/316/XIV- 25/18-1 -1991/1:10.000

Muaro Jambi : Nama daerah yang dipotret

VII / 316 : Nomor registrasi

XIV : Nomor jalur terbang

Page 2: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

25 : Nomor foto dalam jalur terbang

8 - 1 – 1991 : Tanggal pemotretan

1 : 10.000 : Skala foto udara rata - rata

c. Tanda Tepi/ Informasi Tepi

Tanda tepi terletak pada salah satu sisi foto, terdiri dari minimal 4 bagian, yaitu :

level, jam pemotretan, panjang focus kamera, dan altimeter.

Stereoskopis

Persepsi kedalaman adalah hasil melihat dua titik secara stimultan. Kedua

kesan itu kemudian dibauran dan diterjemahkan oleh otak sedemikian hingga kita

mendapan kesan tiga dimensi dari ruang. Untuk dapat memandang foto

stereoskopik, maka mata harus melakukan akomodasi dan konvergensi.

Akomodasi adalah pengaturan fokus lensa mata. Kita dapat memfokuskan mata

ke jarak 150 mm sampai tak terbatas. Akomodasi mata normal untuk menulis dan

membaca adalah 250 mm. Konvergensi berarti mengarahkan garis pandang dari kedua

mata kesatu titik. Ini dapat dilakukan ke jarak 150 mm sampai jarak tak terbatas.

Untuk mendapatkan data dari foto udara baik secara kualitatif maupun

kuantitiatif semua dilakukan dalam bentuktiga dimensi. Bentuk tiga dimensi pasangan

foto udara yang diperoleh pada prinsipnya mata kiri melihat pasangan foto sebelah

kiri dan mata kanan hanya melihat pasangan foto sebelah kanan saja.

Alat yang biasanya dipergunakan untuk melihat bentuk tiha dimensi pasangan

Tanda fiducial

Panjang focus lensa

Waterpass

Jam Terbang

Tinggi Terbang

Nomor Seri

focus kamera

Gambar 4.1. Keterangan Tepi Foto Udara

Pemotret/Daerah/Tahun/Jalur/Nomor Foto

Page 3: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

foto udara adalah stereoskop. Fungsinya adalah mengatur agar mata kiri hanya melihat

pasangan foto sebelah kiri dan mata kanan hanya melihat pasangan foto sebalah kanan

saja.

Salah satu jenis stereoskop yang paling sederhana adalah stereoskop

saku. Ukuran foto yang dapat dilihat bentuk tiga dimensinya terbatas sekitar 6

cm x 10 cm. Stereoskop saku mempunyai lenda positif. Lensa - lensanya

biasanya mempunyai perbesaran 2,5 kali. Stereosop ini memiliki kelemahan yang

sama seperti pemakaian mata telanjang, yaitu jarak antara titik yang

berpasangan tak boleh melebihi panjang basis mata (basis mata rata-rata = 6,4 cm).

IV. CARAKERJA

Latihan 1 :

- Mengukur basis mata

1. Dengan menggunakan cermin atau sesama praktikan, ukurlah jarak tepi sebelah

kanan / kiri kedua pupil mata dengan penggaris

2. Jarak itu merupakan basis mata dan untuk setiap orang berbeda - beda, sehingga

pada saat menggunakan seteroskop basis mata harus diperhatikan

Latihan 2 :

1. Mengambil sampel streogram

2. Dengan menggunakan stereoskop, cobalah untuk menguraikan informasi yang terdapat

pada streogram tersebut

Latihan 3 :

1. Mengambil foto udara pankromatik putih

2. Membacakan keterangan tepi yang ada pada foto udara dan menguraikan informasi

mengenai keterangan tepi dan pandangan streoskopis yang terlihat pada foto udara tersebut

Page 4: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

PERTEMUAN II

PENGENALAN UNSUR-UNSUR INTERPRETASI DAN IDENTIFIKASI OBYEK

DENGAN TEKNIK INTERPRETASI

I. TUJUAN PRAKTIKUM

a. Mahasiswa mengetahui beberapa unsur interpretasi citra dalam ilmu

penginderaan jauh.

b. Mahasiswa mengetahui kenampakan obyek yang terekam pada citra (foto

udara) khususnya penutup lahan dan penggunaan lahan.

c. Mahasiswa mampu mengidentifikasi jenis dan macam obyek dengan teknik

interpretasi secara visual.

d. Mahasiswa mampu membedakan kenampakan dan karakteristik masing -

masing obyek yang terekam dalam citra (foto udara).

II. BAHAN

1. Foto udara berbagai jenis dan skala

2. Tabel isian.

3. Alat Tulis.

4. Transparansi

5. Spidol OHP

III. DASAR TEORI

Pemanfaatan teknik penginderaan jauh untuk identifikasi objek khususnya

dalam kepentingan pemetaan penutup lahan dan penggunaan lahan sudah memasuki

tahap operasional, bahkan semakin lama dirasakan semakin menguntungkan

dibandingkan dengan survei langsung di lapangan. Banyaknya jenis citra penginderaan

jauh saat ini sangat menguntungkan dalam memilih citra yang sesuai dengan tujuan

pemetaan penggunaan lahan yaitu untuk pemetaan penggunaan lahan skala kecil sampai

skala besar.

Dalam pemanfaatan citra penginderaan jauh sebagai sumber data untuk

pemetaan penggunaan lahan sangat dipengaruhi oleh: (a) resolusi spektral, (b)

resolusi spasial. Pemilihan panjang gelombang, resolusi spasial dan skala yang tepat

Page 5: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

akan sangant menentukan ketelitian hasil identifikasi penggunaan lahan.

Disamping itu tingkat kerumitan obyek juga mempengaruhi pengaruh yang

cukup besar, semain tinggi kerumitan objek yang terekam akan menyulitkan untuk

mengidentifikasi oyek penggunaan lahan sencara individu.

Sistem klasifikasi penggunaan lahan yang digunakan juga ikut

menentukan ketelitian dalam penggunaan lahan. Berbagai masalah yang

terkait dengan klasifikasi penggunaan lahan adalah : (a) pemberian batasan

istilah / kategori penggunaan lahan yang tidak seragam, (b) kesesuaian

dengan tujuan pemetaan yang dilakukan, (c) kesulitan dalam penyusunan

sistem klasifikasi secara hierarkis, yaitu bertingkat dari skala tinjau sampai

dengan skala besar.

Di dalam pengenalan objek yang tergambar pada citra, ada tiga rangkaian

kegiatan yang diperlukan, yaitu deteksi, identifikasi, dan analisis. Pengenalan

obyek yang tergambar pada citra ada 3 rangkaian kegiatan yang diperlukan yaitu:

Deteksi ialah pengamatan atas adanya suatu obyek misalnya pada gambaran sungai

terdapat obyek yang bukan air. Deteksi berati penentuan ada atau tidak adanya

sesuatu obyek pada citra. Ia merupakan tahap awal dalam interpretasi citra.

Keterangan yang diperoleh pada tahap deteksi bersifat global.

Identifikasi ialah upaya yang mencirikan obyek yang telah dideteksi dengan

menggunakan keterangan yang cukup.

Analisis merupakan pengklasifikasian berdasarkan proses induksi dan deduksi, seperti

penambahan informasi.

Dan tanpa adanya kegiatan interpretasi sebuah gambar citra, kita tidak akan dapat

melakukan kegiatan apa apa karna tidak adanya informasi yang didapatkan dari gambar

citra tersebut. Lo(1976) yang menyimpulkan pendapat vink mengemukakan bahwa pada

dasarnya kegiatan interpretasi citra terdiri dari dua tingkat yaitu:

- tingkat pertama yang berupa pengenalan obyek melalui poses deteksi dan identifikasi

dari gambar citra yang akan di kerjakan.

- tingkat kedua yang berupa penilaian atas penting atau tidaknya sumber obyek yang

telah dikenali tersebut. Yaitu arti pentingnya tiap obyek dan kaitannya obyek itu.

Tingkat pertama berarti perolehan data sedang tingkat kedua berupa interpretasi

Page 6: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

atau analisis data.

Lillesand dan Kiefer (1994) dan Sutanto (1996, dalam Faradila, 2011)

menyebutkan terdapat delapan unsur interpretasi visual yang digunakan untuk

dapat mengenali suatu obyek yang ada pada citra. Kedelapan unsur tersebut yaitu

warna, bentuk, ukuran, bayangan, tekstur pola, situs, dan asosiasi.

a. Rona dan warna (tone & color):

Rona ialah tingkat kegelapan atau kecerahan objek pada citra. Rona

ditunjukkan dengan gelap - putih. Rona dibedakan atas lima tingkat, yaitu putih,

kelabu putih, kelabu, kelabu hitam, dan hitam. Faktor yang mempengaruhi rona

- Karakteristik objek

-Bahan yang digunakan

-Pemrosesan emulasi

- Cuaca

- Letak objek

Karakteristik objek yang mempengaruhi rona, permukaan yang kasar

cenderung menimbulkan rona yang gelap, warna objek yang gelap cenderung

menimbulkan rona yang gelap, objek yang basah/lembap cenderung menimbulkan

rona gelap.

Warna adalah wujud yang tampak oleh mata. Ada tingkat kegelapan

warna biru, hijau, merah, kuning dan jingga. Contoh pada foto pankromatik air akan

tampak gelap, atap seng dan asbes yang masih baru tampak rona putih, sedangkan atap

sirap ronanya hitam.

Gambar 1. Penampakan rona Gambar 2. Penampakan warna

Page 7: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

b. Bentuk (shape)

Bentuk merupakan attribute yang jelas sehingga banyak objek yang dapat

dikenali berdasarkan bentuknya saja. seperti bentuk memanjang, lingkaran, dan

segi empat. Contoh gedung sekolah pada umumnya berbentuk huruf I,L,U atau

berbentuk empat persegi panjang.

c. Ukuran (size)

Ukuran merupakan attribute obyek berupa jarak, luas, tinggi, lereng, dan

volume. Selalu berkaitan dengan skalanya. Ukuran rumah sering mencirikan apakah

rumah itu rumah mukim, kantor, atau industri. Contoh rumah mukim pada umumnya

lebih kecil bila dibandingkan dengan kantor atau pabrik. Ukuran lapangan sepak bola

80 m X 100 m, 15 m X 30 m lapangan tennis, 8 m X 15 m bagi lapangan bulu tangkis.

d. Tekstur (texture)

Tekstur (texture) merupakan ukuran frekuensi perubahan rona gambar obyek.

Tekstur dapat dihasilkan oleh pengelompokan satuan kenampakan yang terlalu kecil

untuk dapat dibedakan secara individual, misalnya dedaunan pada pohon dan

banyangannya, gerombolan satwa liar di gurun, ataupun bebatuan yang terserak di atas

permukaan tanah. Kesan tekstur juga bersifat relatif, tergantung pada skala dan

resolusi yang digunakan. Secara umum tekstur dapat dikatakan sebagai halus kasarnya

objek pada citra, Contoh pengenalan objek berdasarkan tekstur :

1. hutan bertekstur kasar, belukar bertekstur sedang, semak bertekstur halus

2. tanaman padi bertekstur halus, tanaman tebu bertekstur sedang, dan tanaman

pekarangan bertekstur kasar.

3. permukaan air yang tenang bertekstur halus.

4. permukaan kenampakan gunung api yang memiliki tekstur kasar.

Gambar 3 : Kenampakan gunung yang cenderung tekstur kasar

Page 8: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

e. Pola (pattern)

Pola adalah hubungan susunan spasial objek. Pola merupakan ciri yang

menandai objek bentukan manusia ataupun alamiah. pola aliran sungai sering

menandai bagi struktur geologi dan jenis tanah. Misalnya, pola aliran trellis menandai

struktur lipatan. kebun karet, kelapa sawit dan kebun kopi memiliki pola teratur sehingga

dapat dibedakan dengan hutan.

Gambar 4 : Kenampakan pola perkebunan pada Foto Udara

f. Bayangan (shadow)

Bayangan sangat penting bagi penafsir, karena dapat memberikan dua macam

efek yang berlainan, yaitu (1) banyangan mampu menegaskan bentuk obyek pada citra,

karena outline banyak menjadi lebih tajam atau jelas. (2) Banyangan kurang

memberikan pantulan obyek ke sensor, sehingga obyek yang diamati menjadi

tidak jelas. Bayangan dapat digunakan untuk obyek yang memiliki ketinggian,

seperti obyek bangunan, menara, patahan, gunung dan sebagainya.

Gambar 5 : Unsur bayangan pada foto udara

Page 9: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

g. Situs (site)

Situs (site) atau letak merupakan penjelasan tentang lokasi obyek relatif

terhadap obyek atau kenampakan lain yang lebih mudah untuk dikenali, dan di

pandang, dapat dijadikan dasar untuk obyek yang dikaji. Situs dapat diartikan sebagai

kaitan dengan lingkungan sekitarnya. Misal : obyek dengan rona cerah, berbentuk

silinder, ada banyangannya, dan tersusun dalam pola teratur dapat dikenali sebagai

kilang minyak, apabila terletak didekat perairan pantai.

Tajuk pohon yang berbentuk bintang menunjukkan pohon palma, yang

dapat berupa kelapa,kelapa sawit,enau,sagu, nipah dan jenis palma yang

lain. Bila polanya menggerombol dan situsnya di air payau maka dimungkinkan

adalah pohon nipah.

h. Asosiasi (association)

Asosiasi adalah keterkaitan antara objek yang satu dengan

objek lainnya. Suatu objek pada citra merupakan petunjuk bagi adanya

objek lain. Selain itu asosiasi merupakan unsur yang memperhatikan

keterkaitan antar suatu obyek atau fenomena lain yang digunakan sebagai

dasar untuk mengenali obyek yang dikaji. Misal : pada foto udara skala

besar dapat terlihat adanya bangunan berukuran lebih besar daripada

rumah, mempunyai halaman terbuka, terletak di tepi jalan besar, dan

terdapat, dan kenampakan menyerupai tiang bendera (terlihat dengan

adanya banyangan tinggi) pada halaman tersebut. Bangunan ini dapat di

tafsirkan sebagai bangunan kantor, berdasarkan asosiasi tiang bendera

dengan kantor (terutama kantor pemerintah). Contoh yang lain yaitu selain

bentuknya yang persegi panjang, lapangan bola ditandai dengan situsnya

yang berupa gawang.

IV. CARA KERJA PENGENALAN UNSUR-UNSUR INTERPRETASI

1. Mengamati rona dan warna melalui foto udara pankromatik secara visual.

2. Mengamati tekstur dan pola pada foto udara.

3. Mengamati situs dan asosiasi pada foto udara.

4. Mengidentifikasi obyek secara visual dengan menggabungkan seluruh unsur

Page 10: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

interpretasi.

IV. LANGKAH KERJA IDENTIFIKASI OBYEK DENGAN TEKNIK

INTERPRETASI

1. Mengamati beberapa jenis obyek yang nampak pada citra (foto udara) skala

kecil ataupun besar.

2. Mengamati karakteristik citra (foto udara) yang digunakan (resolusi spasial,

resolusi spektral, dan skala),

3. Interpretasi citra (foto udara) dan selanjutnya melakukan deliniasi atau

pembatasan obyek dengan spidol transparansi.

4. Memahami karakteristik obyek yang terekam khususnya penutup lahan dan

penggunaan lahan serta mencatat masing - masing karakteristiknya

Page 11: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

PERTEMUAN III

PENENTUAN SKALA FOTO UDARA DAN PENGUKURAN LUASAN OBYEK

PADA FOTO UDARA MELALUI PERHITUNGAN SKALA

I. TUJUAN

1. Mahasiswa mengetahui tipe skala pada FU yaitu skala lokal (titik) dan skala rata-

rata.

2. Mahasiswa mengetahui perhitungan skala lokal dan skala rata-rata foto udara.

3. Mahasiswa mengetahui kriteria foto udara berdasar perhitungan skala.

4. Mahasiswa mengetahui batas obyek di medan dengan melakukan pendekatan

interprestasi & melalui perhitungan skala rata-rata foto udara.

5. Mahasiswa mengetahui parameter (luas) obyek dengan beberapa metode

pengukuran luas.

6. Mahasiswa mampu mendiskripsikan perbedaan masing-masing metode dalam

hasil perhitungan luas obyek pada foto udara.

II. ALAT DAN BAHAN

1. Foto Udara

2. Mistar atau penggaris

3. Kalkulator

4. Plastik Transparasi

5. Spidol OHP

6. Alat tulis

III. DASAR TEORI

A. Penentuan skala foto udara

Skala dapat diartikan sebagai perbandingan antara jarak pada peta dengan jarak

sesungguhnya di medan. Dengan cara serupa skala foto udara merupakan perbandingan

antar jarak di atas foto dengan jarak yang bersangkutan di medan. Pada peta,

skala bersifat seragam karena merupakan hasil proyeksi orthogonal, sedangkan

pada foto udara skala bersifat bervariasi sesuai dengan perbedaan ketinggian pada

bentang lahan (Wolf, 1993).

Page 12: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

Skala memilki kaitan erat dengan jenis kamera perekam pada foto udara, dimana

dalam perhitungan skala jenis kamera diklasifikasikan berdasar sudut liputan lensa.

Sudut liputan lensa adalah besaran sudut yang dibentuk oleh segitiga proyeksi

(gambaran) muka bumi melaui lensa (optik) yang mencapai permukaan film (sensor

perekam). Sudut liputan lensa semakin besar bila panjang fokus lensa semakin pendek.

Gambar 4.1 Sudut liputan pada lensa

Berikut adalah hubungan antara jenis kamera, panjang fokus dan sudut liputan :

Tabel 4.1 hubungan antara jenis kamera, panjang fokus dan sudut liputan

Jenis Kamera Panjang Fokus Sudut Liputan

Sudut Sempit 12 inchi = 304,8 mm < 60o

Sudut Normal 8,25 inchi = 209,5 mm 60o - 75o

Sudut Lebar 6 inchi = 152,4 mm 75o - 100o

Sudut Sangat Lebar 3,4 inchi = 88,9 mm > 100o

Sumber: Paine, 1992

Foto Udara Tegak (Vertical)

Dikatakan foto udara tegak atau vertikal bila sumbu kamera tegak lurus dengan pusat

objek yang direkam. Titik tembus sumbu kamera pada foto udara vertikal diperoleh

perpotongan garis yang ditarik dari tanda fiducial yang terletak di pinggir maupun

sudut foto udara dan disebut dengan titik prinsipal. Titik pusat foto udara ini

berimpit antara titik prinsipal dan nadir. Maka foto udara tersebut dikatakan foto

udara vertikal. Oleh karena itu, maka distorsi pada foto udara bersifat radial, artinya

semakin jauh dari titik pusat (prinsipal) tersebut kesalahan semakin besar.

Skala foto udara tegak (vertikal) tidak lain adalah perbandingan antar jarak a-b pada foto

Page 13: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

dengan jarak A-B di medan. Skala tersebut dapat dinyatakan dengan perbandingan

anatar jarak fokus kamera f dan tinggi terbang pesawat diatas medan H’ dengan

memeperhitungkan dua segitiga sebangun L ab dan L AB. Sedangkan skala foto

udara dibedakan menajdi dua tipe, yaitu skala lokal (relatif) dan skala ratarata (Paine,

1992).

Gambar 4.2 Letak sumbu kamera dan prinsip foto udara vertikal

a) Skala lokal (titik)

Skala lokal yaitu skala yang diperhitungkan pada tiap titik atau pada tiap daerah

sempit di medan dengan suatu elevasi tertentu. Setiap titik pada foto pada

elevasi yang berbeda mempunyai skala titik yang berbeda pula. Secara umum skala

Page 14: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

lokal dibagi berdasar atas medan yang direkam oleh foto udara, yakni medan datar dan

medan yang tidak datar.

S = ܊܉۰ۯ

= ۶′

= ܐ۶ି

Dimana :

S = Skala foto udara

ab = Jarak pada foto udara

AB = Jarak di lapangan/medan

f = Panjang fokus kamera

H’ = Tinggi terbang pesawat terhadap obyek/medan

H = Ketinggian terbang wahana

h = Ketinggian obyek/medan dari permukaan air laut (dpl)

b) Skala Rata-rata

Skala rata-rata adalah skala yang diperhitungkan untuk daerah yang terliput oleh

satu foto, atau seluruh daerah yang dipotret. Dalam satu lembar fotoudara dengan

proyeksi sentral skala bervariasi tergantung dari variasi ketinggian medan. Skala foto

rata-rata diperoleh dengan jalan membandingkan panjang fokus kamera dengan

ketinggian terbang terhadap tinggi rata-rata dari medan, dinyatakan sebagai berikut :

S rata-rata = ܉ܜ܉ܚି܉ܜ܉ܚ ܐ۶ି

B. Pengukuran luasan obyek pada foto udara melalui perhitungan skala

Skala foto udara tegak dapat diaplikasikan pada beberapa keperluan

diantaranya yakni perhitungan parameter panjang, lebar, keliling dan luasan atau area

yang terekam dalam foto udara. Pengukuran parameter tersebut harus mmengikuti

kaidah kartografis di mana aspek informasi foto udara merupakan unsur utama

dalam menerapkan perhitungan matematis untuk mengetahui ukuran obyek.

Dengan demikian setiap langkah perhitungan fotogrametris tidak akan terlepas

dari pertimbangan interpretasi obyek (visual) terlebih dahulu karena interpretasi adalah

Page 15: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

kunci untuk mengidentifikasi dan mengenali lebih jauh obyek yang terekam pada citra

maupun foto udara.

a. Metode strip : yakni metode perhitungan luas dengan menerapkan penggambaran

(plotting) beberapa strip persegi panjang pada area obyek yang akan diukur. Dengan

menjumlah semua luasan strip persegi panjang maka akan diperoleh luasan obyek

yang terekam pada foto udara. Sedangkan langkah teknis pengambaran strip

persegi panjang tersebut yakni dengan cara membagi foto udara menjadi beberapa

strip persegi yang memiliki lebar sama. Kemudian ditarik garis-garis tegak lurus pada

batas obyek sedemikian hingga bagian yang dihilangkan sama dengan bagian yang

ditambahkan. Sisi atas persegi panjang atau sisi atas strip itu dijumlahkan dan dikalikan

dengan intervalnya sehingga diperoleh luas obyek pada foto.

Gambar 5.1 Pengukuran Luas dengan Metode Strip

Dari gambar di atas, luas obyek diukur dengan menjumlah luas masingmasing segi

empat panjang (Luas ABB`A` + CDD`C` + EFF`E`), dimana AA`, BB`, CC`, DD`, EE`

dan FF` merupakan interval (lebar) strip.

b. Metode bujursangkar : metode ini pada dasarnya hampir sama dengan

metode strip namun bentuk ploting yang digunakan adalah bujursangkar

(square). Untuk mempermudah pembuatan bujursangkar tersebut maka ploting

dilakukan dengan kertas milimeter. Kertas milimeter ini ditumpangkan di atas

obyek yang diukur luasnya.

Dalam mengukur luaspada obyek foto udara dihitung berapa jumlah bujur

sangkar 1cm x 1cm yang jatuh dalam batas obyek yang diukur luasnya. Dari gambar

6.2, luas obyek dapat diukur dengan menjumlahkan bujursangkar yang memuat luas lebih

Page 16: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

dari setengah bujursangkar. Jika bujursangkar berjumlah 12 buah dengan skala pada

foto adalah 1 : 50.000 (maka 1cm = 500m), maka 1 bujursangkar sama dengan

250.000 m2 ". Dengan demikian luas obyek tersebut adalah 12 x 250.000 m2 " sama

dengan 3.000.000 m2 ".

Gambar 5.2 Menghitung Luas dengan Metode Bujur Sangkar

Ukuran bujur sangkar dapat disesuaikan dengan ukuran obyek yang

dideineasi, dengan pertimbangan bahwa semakin kecil ukuran satu satuan bujur sangkar

maka akan semakin banyak jumlah bujur sangkar yang tergambar dengan demikian

sehingga akan semakin deti pengukuran luas yang dilakukan.

c. Metode jaringan titik: metode ini mengamsumsikan bahwa luasan

satu obyek dapat diperoleh melalui akumulasi titik yang tergambar pada area. Prinsip

metode ini tidak jauh berbeda dengan metode strip dan bujursangkar namun plotting

dilakukan dengan simbol titik yang masing-masing berjarak sama. Titik itu serupa

dengan titik yang dibuat pada tengah-tengah bujursangkar yang kemudian

bujursangkarnya dihapus. Dalam metode ini kita tinggal menghitung titik yang masuk

dalam batas obyek yang diukur luasnya. Tiap titik dianggap mewakili satu

bujursangkar, sehingga tiap titik dikalikan dengan luas bujursangkar untuk mendapatkan

luas obyek.

Page 17: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

Gambar 5.3 Pengukuran Luas Metode jaringan titik

IV. CARA KERJA

A. Penentuan skala foto udara

Latihan 1

1. Mengambil FU Pankromatik hitam putih.

2. Membaca keterangan tepi yang ada pada FU dan menguraikan informasi

mengenai keterangan tepi tersebut.

3. Menentukan titik dasar (principal) dengan cara menarik garis lurus dari masing-

masing tanda fiducial.

4. Menghitung skala lokal (titik) pada foto udara tegak dengan menerapkan

formula yang sudah dijelaskan.

Latihan 2

1. Membaca keterangan tepi yang ada pada FU dan menguraikan

informasi mengenai keterangan tepi tersebut.

2. Menentukan titik dasar (principal) dengan cara menarik garis lurus dari masing-

masing tanda fiducial.

3. Menghitung skala rata-rata pada foto udara tegak dan membedakanya

dengan skala lokal (titik).

B. Pengukuran luasan obyek pada foto udara melalui perhitungan skala

1. Amati dan identifikasi obyek pada FU tegak (interprestasi visual).

2. Selanjutnya cacat keterangan tepi yang ada pada FU sebelum

mendelineasi obyek tersebut (FU disesuaikan dengan FU pada acara V).

3. Pasang plastik tranparasi kemudian delineasi batas-batas obyek yang terekam

Page 18: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

pada foto udara dengan variasi warna spidol OHP

4. Selanjutnya hitung skala rata-rata pada oto udara tegak dengan

menerapkan formula yang sudah dijelaskanpada acara sebelumnya.

5. Lakukan pengukuran luas dengan tiga metode yang berbeda (metode strip,

metode bujursangkar dan metode jaring titik).

6. Bandingkan hasil perhitungan masing-masing metode tersebut kemudian uraikan

analisa anda.

7. Lampiran hasil ploting metode pengukuran luas dan hasil perhitungan luasan

ke dalam laporan.

Page 19: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

PERTEMUAN IV

PENGENALAN GUI (Graphical User Interface) ERMAPPER

I. TUJUAN

1. Mahasiswa mengenal tampilan awal pada ERMapper

2. Mahasiswa mengetahui dan mampu menggunakan fungsi-fungsi tools button pada

GUI (Graphical User Interface) ERMapper

II. ALAT DAN BAHAN

1. Seperangkat komputer yang terinstal software ERMapper

2. Citra satelit

3. Alat tulis

III. PELAKSANAAN

3.1. Jalankan Program Ermapper 7.0

3.2. Buka MENU FILE seperti terlihat pada gambar berikut.

Title Bar Menu Bar

Tool Bar

Page 20: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

Eksplorasilah masing-masing tool perintah pada MENU FILE.

3.3. Buka MENU EDIT seperti terlihat pada gambar berikut

Eksplorasilah masing-masing tool perintah pada MENU EDIT.

3.4. Buka MENU VIEW seperti terlihat pada gambar berikut

Page 21: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

Eksplorasilah masing-masing tool perintah pada MENU VIEW

3.5. Buka MENU TOOLBARS seperti terlihat pada gambar berikut

Eksplorasilah masing-masing tool perintah pada MENU TOOLBARS.

Page 22: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

3.6. Buka MENU PROCESS seperti terlihat pada gambar berikut

Eksplorasilah masing-masing tool perintah pada MENU PROCESS

3.7. Buka MENU UTILITIES seperti terlihat pada gambar berikut

Eksplorasilah masing-masing tool perintah pada MENU UTILITIES

Page 23: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

3.8. Buka MENU WINDOWS seperti terlihat pada gambar berikut

Eksplorasilah tool perintah pada MENU WINDOWS

3.9. Buka MENU HELP seperti terlihat pada gambar berikut

Eksplorasilah tool perintah pada MENU HELP

3.10. Buka MENU POP UP dengan cara berikut;

a. Pilih File Open atau tekan tombol

b. Pilih file data yang ada pada directories C:/Program

files/examples/shared_data/landsat_TM_23Apr85.ers dan klik tombol OK, seperti

berikut:

Page 24: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

c. Hasil gambar pada view beserta MENU POP UP sebagai berikut:

d. MENU POP UP akan tampil dengan cara klik kanan pada jendela/ view citra yang

aktif. Seperti yang ditampilkan pada gambar diatas.

e. Eksplorasilah semua tool perintah pada MENU POP UP

Page 25: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

PERTEMUAN V

ALGORITHM

I. TUJUAN

1. Mahasiswa mengenal tampilan tool algorithm pada ERMapper

2. Mahasiswa mampu menampilkan citra menggunakan berbagai macam color mode

3. Mahasiswa mampu membuat tampilan multispektral

4. Mahasiswa mengenal fasilitas template processing pada ERMapper

II. ALAT DAN BAHAN

1. Seperangkat komputer yang terinstal software ERMapper

2. Citra satelit

3. Alat tulis

III. PELAKSANAAN

3.1. Mengenal algorithm

Algorithm merupakan salah satu keutamaan dari ERMapper dalam menyimpan

proses-proses yang telah kita lakukan dalam pengolahan citra dan dapat menjadi template

bagi data yang lain untuk proses yang sama.

Untuk memulai dapat dengan memilih tombol VIEW > Algorithm atau menekan

tombol dan akan menampilkan kotak dialog algorithm seperti berikut:

untuk mengetahui masing-masing fungsi dari tools yang ada pada algorithm, dapat dengan

cara mengarahkan kursor pada tombol yang dimaksud dan akan muncul nama dari tools

tersebut, seperti pada gambar diatas.

Page 26: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

Pada tab pages terdapat pilihan antara surface, layer dan coordinate system. Untuk

surface terdapat dua pilihan yaitu, color mode dan color table. Color mode dalam

ERMapper ada 3 yaitu : pseudocolor, RGB (Red Green Blue) dan HSI (Hue-Saturation-

Intensity). Gambar dibawah ini menunjukkan pilhan color table pada color mode

pseudocolor.

Color table hanya aktif pada pilihan color mode pseudocolor. Terdapat banyak pilihan

warna semu pada color table seperti ampphase, azimuth, blue, dan sebagainya.

Terdapat juga 10 pilihan raster layer yang terdapat dalam ERMapper yang

dimunculkan dengan cara klik kanan pada layer. 10 raster layer tersebut seperti pada

gambar dibawah ini.

Intensity layer dapat aktif pada color mode Pseudocolor, RGB dan HSI. Intensity

layer dapat digunakan untuk image fusion dengan resolusi yang lebih tinggi. Class Display

digunakan untuk klassifikasi, sedangkan Classification untuk thematic layer. View mode

3D dapat aktif bila salah satu layernya adalah layer intensity atau height DEM.

3.2. Menampilkan citra

Ada beberapa cara yang dapat dipakai untuk melihat tampilan citra, yaitu

pseudocolor, RGB (Red Green Blue) dan HSI (Hue-Saturation-Intensity), yang terdapat

Page 27: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

dalam color mode.

Terdapat 2 cara membuka citra yaitu:

1. Dari menu utama, pilih File > Open atau klik ikon

a. Kemudian akan muncul suatu jendela citra kosong ditampilkan pada sudut kiri

atas, pada bagian atas jendela terdapat tulisan Algorithm not yet saved *.

b. Seperti pada gambar di atas, kita dapat membuka file algorithm dengan memilih

file yang berekstensi *.alg. Misalnya buka algorithm filenya di

//ERMapper/examples/Data_Types/Landsat_TM/RGB_542.alg. Kemudian

pada jendela citra akan terdapat tulisan ***RGB_542.alg***

c. Untuk membuka image/ Dataset pilihlah file yang berekstensi *.ers, seperti buka

dataset file-nya di

//ERMapper/examples/Shared_data/Landsat_TM_years_1985.ers. Kemudian

pada jendela citra tetpa akan muncul tulisan ***Algorithm not yet saved***. Hal

ini berarti bahwa dataset-nya belum disimpan sebagai Algorithm.

2. Dari menu utama pilih File > New, akan tampil jendela citra kosong dengan tulisan

***Algorithm not yet saved***. kemudian dari menu View > Algorithm kemudian

akan muncul kotak dialog algoritm. Dari kotak dialog tersebut, klik Load Dataset ,

bukalah data raster Landsat_TM_years_1985.ers tadi.

Lakukan cara menampilkan citra yang telah dijelaskan sebelumnya menggunakan

data citra yang lain terdapat pada //ERMapper/examples.

3.3. Membuat Tampilan Multispektral

Dalam membuat tampilan multi spectral perlu diperhatikan karakteristik spectral

dari sensor satelit yang digunakan. Sebagai contoh, karakteristik spectral dari sensor citra

Page 28: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

Landsat akan berbeda dengan citra SPOT. Hal ini telah dijelaskan dengan rinci pada materi

perkuliahan.

Tahapan-tahapan dalam membuat tampilan multispectral adalah sebagai berikut:

(dalam hal ini yang digunakan adalah citra Landsat TM)

1. Tampilkan citra Landsat_TM_years_1985.ers dengan cara yang telah dilakukan pada

point 3.2. Dan tampilan seperti dibawah ini dengan kombinasi RGB band 321.

2. Kemudian buka kotak dialog algorithm nya dari menu View > algorithm atau dengan

klik pada ikon

3. Kemudian akan muncul jendela algorithm dengan color mode RGB dimana Red layer

adalah band 3, Green layer adalah band 2 dan Blue layer adalah band 1. Dalam

penginderaan jauh, kombinasi band ini disebut dengan kombinasi 321 atau natural

color (seperti contoh dibawah ini). Dimana vegetasi berwarna hijau, tanah berwarna

coklat dan laut berwarna biru kehitaman.

4. Untuk merubah tampilan warna dari citra tersebut, kita dapat merubah kombinasi band

yang kita inginkan pada RGB layer-nya.

5. Lakukan kombinasi band dimana Red layer adalah band 4, Green layer adalah band 3

dan Blue layer adalah band 2. Warna apa yang saudara dapatkan?

6. Lakukan hal yang sama pada point 5, dimana Red layer adalah band 5, Green layer

Page 29: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

adalah band 4 dan Blue layer adalah band 3. Warna apa yang saudara dapatkan?

7. Sebagai informasi, band 4 pada Landsat TM merupakan band NIR (near infra red)

yang peka terhadap reflektansi dari vegetasi. Sedang pada citra SPOT, pendeteksi band

NIR terdapat pada band 3. Sehingga, kombinasi 321 pada SPOT merupakan standard

false color bagi citra tersebut, dimana vegetasi berwarna merah.

8. Lakukan informasi pada point 7 dengan membandingkan antara citra Landsat TM dan

SPOT. Silahkan pilih koleksi data citra yang terdapat pada

//ERMapper/examples/Shared_data

3.4. Template Processing

Template processing merupakan salah satu keunggulan dari ERMapper dimana

anda dapat melakukan proses yang sama dengan file algorithm pada citra yang berbeda.

Sebagai latihan kita ingin membuat citra NDVI dari template yang ada. Citra NDVI

(Normalized Difference Vegetation Index) adalah sebuah transformasi citra penajaman

spectral untuk menganalisa hal-hal yang berkaitan dengan vegetasi.

Tahapan Template processing adalh sebagai berikut:

1. Buka menu ERMapper

2. Dari menu utama, pilih File > Open atau klik ikon

3. Kemudian akan muncul jendela Open. Arahkan directori pada

ERMapper/examples/Data_Types/Landsat_TM kemudian pilih file Vegetation

_NDVI.alg

4. Akan muncul jendela algorithm dan jendela tampilan citra Landsat TM yang telah

dilakukan transformasi citra NDVI. File citra yang ditransformasi adalah

Landsat_TM_years_1985.ers. Berikut gambar citra Landsat NDVI dan algorithm-

nya

Page 30: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

5. Kemudian untuk melakukan transformasi NDVI pada citra yang lain klik ikon Load

Dataset , (dengan catatan citra yang akan dilakukan transformasi adalah citra

dengan sensor yang sama yaitu Landsat TM).

6. Pilih citra Landsat TM dengan lokasi yang berbeda, yaitu misal data citra

ERMapper/examples/Shared_Data/Landsat_TM_20May91.ers. Berikut gambar

citra Landsat NDVI dan algorithm-nya.

7. Yang harus diperhatikan adalah dalam melakukan transformasi citra NDVI adalah

band yang digunakan pada Landsat TM adalah band 4 (NIR) dan band 3 (Red). Jadi

harus diatur pada proses Load Dataset-nya

8. Lakukan dan eksplorasi template processing ini pada data citra yang lain.

Page 31: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

PERTEMUAN VI

FILE DATASET

I. TUJUAN

1. Mahasiswa memahami format penyimpanan data citra pada ERMapper

2. Mahasiswa mampu melakukan menyimpan file dataset citra dalam format .ers

3. Mahasiswa bisa membedakan antara tehnik penyimpanan stack layer, multilayer

dan RGB

II. ALAT DAN BAHAN

1. Seperangkat komputer yang terinstal software ERMapper

2. Citra satelit

3. Alat tulis

III. PELAKSANAAN

Salah satu bentuk format penyimpanan dari data set ERMapper adalah .ers

(ERMapper Raster Dataset). Sedangkan bentuk yang lain yang telah kita pelajari

sebelumnya adalah .alg (ERMapper Algorithm).

Ketika kita memperoleh data citra satelit dari sumber manapun, yang pertama kali

harus dilakukan adalah melakukan tehnik stack layer. Tehnik ini bertujuan untuk

menggabungkan file layer-layer yang terpisah dan terdiri dari beberapa band

tergantung dari jenis citra satelit yang diperoleh. Misalnya untuk citra Landsat

memiliki 6 band multispektral , 1 band pankromatik , dan 2 band thermal. Atau data

SPOT yang mempunyai 3 band multispektral dan 1 band pankromatik.

Untuk menggabungkan file-file tiap band yang terpisah tersebut maka harus

dilakukan stack layer. Setelah dilakukan stack layer, dataset dapat disimpan menjadi

file baru dalam bentuk multilayer maupun RGB.

3.1. Stack Layer

Untuk melakukan stack layer, tahapannya adalah sebagai berikut:

1. Dari folder penyimpanan data pengindraan jauh, pastikan data citra sudah

diekstrak. Karena biasanya ketika didapatkan biasanya dalam bentuk kompresi

(zip, gz, tar, dan lain-lain)

Page 32: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

2. Setelah data diekstrak, pastikan semuia data komplit. Pastikan tiap-tiap file band

yang membentuk dataset citra lengkap. Biasanya data yang sudah terekstrak

berformat TIF.

3. Bukalah citra yang telah diekstrak menggunakan ERMapper dari menu File >

Open sehingga muncul kotak dialog Open Dataset. Arahkan pada direktori tempat

penyimpanan citra, pastikan files of type dikotak dialog tersebut pada posisi

GeoTIFF/TIFF. Misalnya untuk citra yang dibuka adalah ................(Band 1 pada

citra Landsat). Setelah itu akan muncul jendela citra dengan data band 1 dari citra

Landsat.

4. Pada jendela citra tersebut, klik kanan dan pilih menu PopUp > Algorithm.

5. Pada kotak dialog akan tersusun Pseudo Layer dalam color mode Pseudocolor

dengan hanya memiliki satu susunan data.

6. Sorot pada tulisan Pseudo Layer dan Klik Duplicate hingga jumlah band ke 7.

Sehingga pada Algorithm-nya terdapat 7 Pseudo Layer. (note: dibuat 7 duplicate

karena citra Landsat punya 7 band)

7. Setelah itu dobel klik pada tiap-tiap Pseudo Layer dan rename nama Pseudo Layer

menjadi angka 1 sampai 7.

8. Setelah itu klik Load Dataset pada tiap-tiap layer band 1 hingga band 7

sehingga akan muncul kotak dialog Raster Dataset. Pada kotak dialog tersebut

pilih nama file yang menunjukkan band yang mewakilinya (untuk band 1 nama

file-nya adalah........., band 2 maka nama file-nya ...................., dan seterusnya).

Pada pemilihan nama file, pastikan memilih OK this layer only pada kotak dialog

Raster Dataset.

9. Setelah semua file band terwakili oleh tiap-tiap layer dalam algorithm maka proses

selanjutnya adalah menyimpan dataset tersebut dalam format ERS secara multi

layer.

10. Dari menu PopUp jendela citra pilih File > Save As. Pada kotak dialog Save As,

pilih Files of Type: ERMapper Raster Dataset (.ers). Arahkan pada direktori

penyimpanan dan tentukan nama file-nya kemudian OK. Nama file dibuat dengan

format: Landsat_No. Kelompok_Program Studi

11. Pada kotak dialog Save As ERMapper Dataset, tentukan Output type:

Multilayer dan Null Value: 0. Biarkan pilihan lainnya secara default. Kemudian

Page 33: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

klik OK untuk melanjutkan pemrosesan.

12. Setelah pemrosesan selesai, buka citra yang sudah dilakukan stack layer dari menu

File > Open. Pastikan pada kotak dialog Open, pilihan file of type adalah

ERMapper Raster Dataset.

13. Ciri-ciri citra yang telah berhasil di-stack layer adalah ketika kita membuka

algorithm-nya, pada bagian chooser-nya terdapat lebih dari 2 band yang

membentuk dataset tersebut (biasanya citra satelit memiliki band multispektral

lebih dari 2 agar dapat dilihat secara realistis oleh warna dasarnya yakni Red Green

Blue / RGB).

Selain itu masih terdapat 2 cara dalam menyimpan file baru dalam bentuk .ers,

yaitu dalam bentuk multilayer dan dalam bentuk RGB terhadap data yang sudah

dilakukan stack layer.

3.2. Menyimpan file dalam bentuk multilayer

1. Bukalah citra dari menu File > Open. Arahkan didirektori yang terdapat data citra.

Untuk latihan ini gunakan citra yang telah dilakukan stack layer pada poin 3.1.

2. Bukalah algorithm pada menu View > Algorithm

3. Gantilah masing-masing Red, Green dan Blue layer-nya dengan Pseudo layer,

dengan cara klik kanan pada mouse lalu pilih Pseudo kemudian gantilah text

dengan cara double klik pada pseudo layer tersebut dengan text band1, band2,

band3, yang masing-masing menunjukkan Band 1, Band 2 dan Band 3.

Dikarenakan citra Landsat TM memiliki 7 band multispektral maka kemudian buat

duplikat dengan ikon ...... pada Algorithm untuk Band 4, Band 5 dan Band 7 (Band

6 tidak digunakan karena merupakan band untuk sensor thermal) selanjutnya ganti

teks band-nya dengan band1, band2, dan seterusnya.

4. Ingat untuk selalu memastikan layer band1 adalah betul-betul Band 1 pada citra.

Periksa pada bagian chooser pada algorithm pilih band1 pada layer Band 1, dan

seterusnya hingga band 7 untuk layer band 7.

5. Dari menu utama pilih File > Save As, ketikkan nama dataset. Buat nama dengan

format: Nama Prog. Studi_No kelompok_Multilayer.ers. Kemudian disimpan

sebagai ERMapper Raster Dataset (ers) kedirektori yang diinginkan. Pilih output

Page 34: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

type sebagai multilayer, aktifkan delete output transform lalu OK.

6. Buka file tersebut dengan menu File > Open dan diarahkan ke direktori dmana

disimpan. Periksalah keberhasilan file yang telah disimpan sebagai multilayer.

Buka algorithm lalu pada bagian chooser akan terdapat sejumlah band sebanyak 6

buah sesuai yang telah kita simpan sebagai multilayer.

3.2. Menyimpan file dalam bentuk RGB

Menyimpan file dalam bentuk RGB lebih mudah daripada multilayer, karena tanpa

harus merubah konfigurasi layer dalam algorithm.

1. Bukalah file raster dengan File > Open atau klik ikon ..... Pilih Data citra yang

telah disimpan sebagai multilayer sebelumnya.

2. Buka algorithm dari menu View > Algorithm atau klik ikon ...

3. Klik tab surface pada algorithm, kemudian gantilah color mode : Red Green

Blue. Dan pilih kombinasi band yang ingin disimpan pada Tab layer. Untuk

tahap ini gunakan kombinasi band 321, pada Landsat ini merupakan

kombinasi warna semu/palsu.

4. Simpan sebagai ERMapper Raster Dataset dengan cara klik kanan pada

jendela citra File > Save As. Ketikkan nama file dengan format: Nama Prog.

Studi_No kelompok_RGB.ers. Pilih output type sebagai RGB, non aktifkan

delete output transform lalu klik OK.

5. Cek keberhasilan penyimpanan dalam bentuk RGB, dengan membuka file

yang telah disimpan tadi. Jika pada Algorithm-nya hanya terdapat 3 layer Red

Green dan Blue, maka penyimpanan berhasil.

6. Bahas dalam laporan apa saja perbedaan antara tehnik penyimpanan stack

layer, multilayer dan RGB.

Page 35: Modul Praktikum Penginderaan Jauh_rEVISED 27NOV14

PERTEMUAN VII

IMAGE ENHANCEMENT

I. TUJUAN

1. Mahasiswa memahami pentingnya melakukan image enhancement/ penajaman

citra

2. Mahasiswa mampu melakukan penajaman radiometrik

3. Mahasiswa mampu melakukan penajaman spasial/ filter

II. ALAT DAN BAHAN

1. Seperangkat komputer yang terinstal software ERMapper

2. Citra satelit

3. Alat tulis

III. PELAKSANAAN

Image enhancement/ penajaman citra merupakan proses untuk memberikan

tampilan pada citra sehingga citra tersebut mempunyai nilai digital number yang lebih

informatif. Penajaman citra ada 3 macam, penajaman radiometrik, penajaman spasial/

filter, dan penajaman spektral. Dalam praktikum ini kita hanya akan membahas tentang

penajaman radiometrik dan spasial saja.

3.1. Penajaman Radiometrik

Penajaman radiometrik/ radiometrik enhancement merupakan penajaman yang melibatkan

digital number dari band itu sendiri sehingga tiap-tiap pixel berubah berdasarkan resolusi

radiometrik setiap citra. Beberapa tehniknya antara lain, linear contrast stretching,

histogram matching, density slicing dan lain-lain.