...

Panduan Aplikasi Penginderaan Jauh Tingkat Dasar

by user

on
Category: Documents
0

views

Report

Comments

Transcript

Panduan Aplikasi Penginderaan Jauh Tingkat Dasar
1. PRINSIP DASAR PENGINDERAAN
JAUH
1.1. Pendahuluan
Penginderaan jauh atau inderaja (remote sensing) adalah seni dan ilmu untuk
mendapatkan informasi tentang obyek, area atau fenomena melalui analisa
terhadap data yang diperoleh dengan menggunakan alat tanpa kontak
langsung dengan obyek, daerah ataupun fenomena yang dikaji (Lillesand
dan Kiefer,1979).
Alat yang dimaksud dalam pengertian diatas adalah alat pengindera atau
sensor. Pada umumnya sensor dibawa oleh wahana baik berupa pesawat,
balon udara, satelit maupun jenis wahana yang lainnya ( Sutanto,1987).
Hasil perekaman oleh alat yang dibawa oleh suatu wahana ini selanjutnya
disebut sebagai data penginderaan jauh.
Lindgren(1985 dalam Sutanto, 1987) mengungkapkan bahwa penginderaan
jauh adalah berbagai teknik yang dikembangkan untuk perolehan dan
analisis informasi tentang bumi, infomasi ini khusus berbentuk radiasi
elektromagnetik yang dipantulkan atau dipancarkan dari permukaan
bumi.
Dari pendapat beberapa ahli di atas dapat disimpulkan bahwa penginderaan
jauh terdiri atas 3 komponen utama yaitu obyek yang diindera, sensor
untuk merekam obyek dan gelombang elektronik yang dipantulkan atau
dipancarkan oleh permukaan bumi. Interaksi dari ketika komponen ini
menghasilkan data penginderaan jauh yang selanjutnya melalui proses
interpretasi dapat diketahui jenis obyek area ataupun fenomena yang ada.
Perkembangan penginderaan jauh ini semakin cepat seiring dengan
kemajuan teknologi dirgantara. Sebelumnya penginderaan jauh lebih
banyak menggunakan pesawat udara dan balon udara dalam perekaman
data permukaan bumi, tetapi seiring dengan perkembangan penerbangan
antariksa dan penggunaan satelit untuk berbagai kepentingan termasuk
didalamnya perekaman permukaan bumi, maka penginderaan jauh tumbuh
berkembang semakin cepat. Demikian pula halnya dengan penggunaan
sensor yang di bawa oleh berbagai wahana juga mengalami peningkatan
baik dalam jenis sensor yang digunakan maupun tingkat kedetailan hasil
penginderaan.
2
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
Satelit pertama yang berhasil diluncurkan dalam rangka monitoring
sumber daya bumi adalah satelit ERTS (Earth Resources Technology Satelite)
yang diluncurkan pada tahun 1972. Hingga saat ini telah ratusan jenis
satelit dengan berbagai tingkat ketelitian dan berbagai panjang gelobang
digunakan untuk berbagai kajian permukaan bumi.
Beberapa contoh manfaat dalam aplikasi penginderaan jauh adalah:
1. Identifikasi penutupan lahan (landcover)
2. Identifikasi dan monitoring pola perubahan lahan
3. Manajemen dan perencanaan wilayah
4. Manajemen sumber daya hutan
5. Eksplorasi mineral
6. Pertanian dan perkebunan
7. Manajemen sumber daya air
8. Manajemen sumber daya laut
Secara umum dapat dikatakan bahwa penginderaan jauh dapat berperan
dalam mengurangi secara signifikan kegiatan survey terestrial dalam
inventarisasi dan monitoring sumberdaya alam. Kegiatan survey terestris
dengan adanya teknologi ini hanya dilakukan untuk membuktikan suatu
jenis obyek atau fenomena yang ada dilapangan untuk disesuaikan dengan
hasil analisa data.
Pengambilan data spasial sendiri dilapangan dapat menggunakan metode
trestrial survey atau metode graound base dan juga metode penginderaan
jauh. Kedua metode itu dapat dijelaskan sebagai berikut:
•
Metode ground based, merupakan metode pengambilan data secara
langsung dilapangan. Pengukuran dilakukan secara in-situ melalui
kegiatan survey lapangan.
Gambar 1. Bagan alur pengambilan data dengan metode ground
based
•
Metoda penginderaan jauh (Remote Sensing), merupakan
pengukuran dan pengambilan data spasial berdasarkan perekaman
sensor pada perangkat kamera udara, scanner, atau radar. Contoh
hasil perekaman yang dimaksud adalah citra.
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
3
Gambar 2. Bagan alur pengambilan data dengan metode
penginderaan jauh
1.2. Prinsip perekaman sensor
Prinsip perekaman oleh sensor dalam pengambilan data melalui metode
penginderaan jauh dilakukan berdasarkan perbedaan daya reflektansi
energi elektromagnetik masing-masing objek di permukaan bumi. Daya
reflektansi yang berbeda-beda oleh sensor akan direkam dan didefinisikan
sebagai objek yang berbeda yang dipresentasikan dalam sebuah citra.
Gambar 3. Proses perekaman permukaan bumi oleh sensor
Penginderaan Jauh
Gelombang elektromagnetik yang dipantulkan permukaan bumi akan
melewati atmosfer sebelum direkam oleh sensor. Awan, debu, atau partikelpartikel lain yang berada di atmosfer akan membiaskan pantulan gelombang
ini. Atas dasar pembiasan yang terjadi, sebelum dilakukan analisa terhadap
citra diperlukan kegiatan koreksi radiometrik.
4
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
1.3. Karakteristik Data Citra
Gambar 4. Karakteristik data citra
Data Citra satelit sebagai hasil dari perekaman satelit memiliki beberapa
karakter yaitu:
1. Karakter spasial atau yang lebih dikenal sebagai resolusi spasial,
bahwa data citra penginderaan jauh memiliki luasan terkecil yang
dapat direkam oleh sensor. Sebagai contoh untuk Landsat TM memiliki
luasan terkecil yang mampu direkam adalah 30 x 30 m dan mampu
merekam daerah selebar 185 km. 1 Scene citra landsat memiliki luas
185 km x 185 km.
2. Karakteristik spektral atau lebih sering disebut sebagai resolusi
spektral, Data penginderaan jauh direkam pada julat panjang
gelombang tertentu. Masing-masing satelit biasanya membawa lebih
dari satu jenis sensor dimana tiap sensor akan memiliki kemampuan
untuk merekam julat panjang gelombang tertentu.
3. Karakteristik Temporal, Bahwa citra satelit dapat merekam suatu
wilayah secara berulang dalam waktu tertentu, sebagai contoh satelit
Landsat 3 dapat melakukan perekaman ulang terhadap satu wilayah
setelah selang 18 hari.
Sedangkan data penginderaan jauh berdasarkan jenis produk datanya
dapat dibagi menjadi dua yaitu:
1. Citra foto. Citra foto dihasilkan oleh alat perekam kamera dengan
detektor berupa film, dengan mekanisme perekaman serentak,
biasanya direkam dalam spektrum tampak atau perluasannya,
dewasa ini berkembang teknologi digital yang dapat menggantikan
peran film sebagai media penyimpanan obyek.
2. Citra non foto. Citra non foto dihasilkan oleh sensor non kamera
mendasarkan pada penyiaman atau kamera yang detektornya bukan
film, proses perekamannya parsial dan direkam secara elektronik.
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
5
1.4. Konsep Pengolahan Citra
Secara umum pengolahan citra terbagi kedalam:
1. Pre-processing citra, merupakan pengolahan awal sebelum proses
pengklasifikasian. Dalam kegiatan ini, koreksi citra (geometrik dan
radiometrik) dilakukan.
Gambar 5. Diagram pre-prosesing citra
2. Klasifikasi citra, merupakan tahap intrepretasi informasi pada citra
yang dibuat berdasarkan klas katagori tertentu.
Gambar 6. Diagram klasifikasi citra
Metoda klasifikasi secara umum terbagi menjadi dua:
•
Klasifikasi tidak terbimbing (un-supervised classification),
merupakan metoda klasifikasi yang memberikan keleluasaan
bagi computer untuk mengklasifikasikan citra secara mandiri.
•
Klasifikasi terbimbing (supervised classification), merupakan
metoda klasifikasi yang memberikan bimbingan kepada
komputer dalam proses klasifikasinya.
Dalam bab selanjutnya akan dibahas pengenalan metoda dan teknis
pengolahan citra dengan menggunakan ER Mapper 6.4.
6
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
2.
2.1.
ANALISA PENGINDERAAN JAUH
DALAM ER MAPPER
Pengenalan Fasilitas Dasar
Gambar 7. Tampilan menu dalam perangkat lunak ER Mapper.
ER Mapper merupakan salah satu software (perangkat lunak) yang digunakan
untuk mengolah data citra. Beberapa perangkat lunak serupa yang juga
memiliki fungsi yang sama antara lain ERDAS Imagine, PCI, dan lain-lain.
Masing-masing software memilki keunggulan dan kekekurangannya
masing-masing.
Gambar 8. Tampilan menu pulldown dan toolbar dalam perangkat
lunak Er Mapper.
Secara umum ada dua tipe tombol operasi pada ER Mapper, yaitu tombol
menu pulldown dan toolbar. Sebagian besar perintah operasional telah
terfasilitasi dalam menu pulldown, namun dalam kasus-kasus tertentu,
menu toolbar sangat efisien dan relatif lebih mudah digunakan.
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
7
2.2. Memulai Bekerja dengan ER Mapper
Dalam memulai bekerja dalam ER Mapper Klik ”Open” dari menu pulldown.
Gambar 9. Membuka Er Mapper.
Selanjutnya akan muncul dua jendela secara bersamaan, jendela VIEW dan
FILE REPOSITORY
Gambar 10. Jendela View dan file repository
Langkah pertama dalam pengolahan citra adalah mengimpor data citra
satelit yang akan digunakan ke dalam format ER Mapper. Pada umumnya
data disimpan dalam magnetic tape, CD-ROM atau media penyimpanan yang
lain. Bentuk data utama yang di-import adalah data raster dan vektor.
Pada saat mengimpor data raster, ER Mapper akan membuat dua file yaitu:
• File data binary yang berisikan data raster dalam format BIL, tanpa file
extension.
• File header dalam format ASCII dengan extension .ers
8
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
Langkah-langkah dalam impor file adalah sebagai berikut:
Klik menu puldown UTILITIES, didalamnya telah tersedia beragam fasilitas
import berdasarkan jenis file, software pendukung, dan jenis citra.
2.3. Membuat Dataset
File data citra sumber tersimpan dalam file yang terpisah-pisah berdasarkan
band-nya masing-masing.
Sebelum diolah, file-file tersebut harus
digabungkan menjadi satu dataset yang tercirikan dengan penggabungan
beberapa file tersebut menjadi satu. Langkah-langkahnya adalah sebagai
berikut:
•
Klik Load Dataset
Gambar 11. Jendela untuk membuat Dataset
•
Duplikasikan layer menjadi 7 (atau sesuai dengan jumlah band yang
akan digabungkan).
•
Kemudian rename (dengan men-double klik) tiap layer menjadi
nama/nomer band-nya masing-masing.
Gambar 12. Jendela untuk duplikasi layer
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
9
Contoh:
B1
B2
B3
Dan seterusnya
Gambar 13. Pengisian file band pada tiap layer
•
Kemudian isikan tiap layer dengan file band nya masing-masing
dengan men-klik LOAD DATASET.
•
Catatan :
-
Untuk mengganti jenis layer klik kanan pada layer yang akan
diganti.
-
Untuk menduplikasi layer klik Duplicate
atau copy layer
kemudian paste layer
-
Untuk menghilangkan layer klik cut layer
-
Untuk Menonaktifkan layer, klik kanan kemudian pilih Turn Off
atau klik
-
Gambar
dan
untuk menaikan dan menurunkan layer
setingkat
•
Selanjutnya akan muncul jendela FILE REPOSITORY yang berisikan file
citra yang akan diolah. Pada data mentah citra (data asli yang belum
dilakukan analisa atau pengolahan apapun), pilihlah file Band 1. Lalu
klik tombol ”OK this layer only”. Langkah serupa berlaku juga untuk
band-band yang lainnya.
10
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
Gambar 14. Jendela file repository citra yang akan diolah
•
Bila telah lengkap terisi untuk seluruh band yang akan digabungkan,
tampilan jendela algoritm akan tampak seperti gambar disamping.
Dalam jendela ini, lakukanlah pengecekan ulang, apakah tiap layer
band telah berisi file band yang sesuai.
Gambar 15. Jendela algoritma
•
Selanjutnya pada menu utama, klik SAVE AS pada pulldown menu
FILE. Buat nama baru untuk dataset yang akan dibuat, tipe file yang
dipilih adalah ER Mapper Raster Dataset (.ers).
Gambar 16. Menu utama
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
11
2.4. Image pre-processing (Pra-pemrosesan citra)
Image pre-processing merupakan kegiatan pra-analisa data citra satelit.
Tujuan dari pengolahan data citra adalah mempertajam data geografis
dalam bentuk digital menjadi suatu tampilan yang lebih berarti bagi
pengguna, dapat memberikan informasi kuantitatif suatu obyek, serta
dapat memecahkan masalah.
Data citra yang terekam sensor sangat dipengaruhi oleh kondisi atmosfer,
sudut pengambilan data dari sensor, dan waktu pengambilan data. Kondisi
tersebut menyebabkan data citra satelit memiliki bias nilai informasi yang
harus dikoreksi. Tahapan dalam pengolahan citra akan mengkoreksi/
mereduksi bias yang ditimbulkan tadi.
Kegiatan dalam pengolahan citra meliputi:
1. Radiometric correction (koreksi radiometric)
2. Geometric correction (koreksi geometric)
Dalam operasionalnya, semua proses yang dilakukan sejak pengolahan
hingga analisa data citra tersimpan dalam “algoritma”. File algoritma dapat
disimpan dan dipangil bila akan melakukan proses dan pencapaian yang
serupa.
Gambar 17. Konsep algoritma dalam proses pengolahan hingga
analisa citra
Dalam bab ini juga akan dipaparkan lebih lanjut bagaimana konsep
algoritma diaplikasikan.
2.4.1. Radiometric correction (Koreksi radiometrik)
Koreksi radiometrik perlu dilakukan pada data citra dengan berbagai
alasan:
1. Stripping atau banding seringkali terjadi pada data citra yang
diakibatkan oleh ketidakstabilan detektor. Striping atau banding
merupakan fenomena ketidak konsistenan perekaman detektor
untuk band dan areal perekaman yang sama.
2. Line dropout kadang terjadi sebagai akibat dari detektor yang gagal
berfungsi dengan tiba-tiba. Jangka waktu kerusakan pada kasus ini
biasanya bersifat sementara.
12
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
3. Efek atmosferik merupakan fenomena yang disebabkan oleh debu,
kabut, atau asap seringkali menyebabkan efek bias dan pantul pada
detektor, sehingga fenomena yang berada di bawahnya tidak dapat
terekam secara normal.
Dengan kata lain, koreksi radiometrik dilakukan agar informasi yang terdapat
dalam data citra dapat dengan jelas dibaca dan diinterpretasikan. Kegiatan
yang dilakukan dapat berupa:
•
Penggabungan data (data fusion). Yaitu menggabungkan citra dari
sumber yang berbeda pada area yang sama untuk membantu di
dalam interpretasi. Sebagai contoh adalah menggabungkan data
Landsat-TM dengan data SPOT.
•
Colodraping. Yaitu menempelkan satu jenis data citra di atas data
yang lainya untuk membuat suatu kombinasi tampilan sehingga
memudahkan untuk menganalisa dua atau lebih variabel. Sebagai
contoh adalah citra vegetasi dari satelit ditempelkan di atas citra foto
udara pada area yang sama.
•
Penajaman kontras. Yaitu memperbaiki tampilan citra dengan
memaksimumkan kontras antara pencahayaan dan penggelapan
atau menaikan dan merendahkan harga data suatu citra.
•
Filtering.
Yaitu memperbaiki
tampilan citra dengan
mentransformasikan nilai-nilai digital citra, seperti mempertajam
batas area yang mempunyai nilai digital yang sama (enhance edge),
menghaluskan citra dari noise (smooth noise), dan lainnya.
•
Formula. Yaitu membuat suatu operasi matematika dan memasukan
nilai-nilai digital citra pada operasi matematika tersebut, misalnya
Principal Component Analysis (PCA).
2.4.2. Penajaman kontras citra (Transformasi)
Transformasi digunakan dalam meningkatkan kontras warna dan cahaya
pada suatu citra. Proses ini dilakukan guna mempermudah dalam proses
interpretasi dan analisis citra. Metode yang digunakan dalam contoh ini
merupakan metode perubahan garis histogram.
Histogram adalah suatu tampilan grafik dari distribusi frekuensi relatif
dalam suatu dataset. Suatu kotak dialog transformasi akan menampilkan
histogram data masukan dan data keluaran setelah ditransformasi, dan
garis transformasi.
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
13
-
Untuk mengkontraskan data dengan menghilangkan 1 % informasi
klik
pada jendela algoritma.
-
Untuk mengkontraskan data secara manual klik
tampilan sebagai berikut.
akan keluar
Gambar 18. Penajaman kontras citra.
-
Kesembilan icon di sebelah kanan adalah berbagai jenis stretch yang
umum digunakan antara lain transformasi linier, histogram equalisasi,
gausian, dll. Untuk mengetahui jenis transformasi untuk setiap icon
letakkan cursor beberapa saat di atas icon.
-
Untuk mengganti layer yang akan diubah kontrasnya klik
atau
.
-
Anda dapat juga membuat kontras citra secara manual dengan
,
,
menarik garis lurus pada kotak histogram dengan mouse kiri, seperti
contoh berikut.
Gambar 19. Membuat kontras citra secara manual.
14
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
2.4.3. Filtering
Filtering merupakan proses perubahan nilai piksel dalam dataset sesuai
dengan nilai piksel disekelilingnya. Filtering merupakan operasi lokal dalam
pengolahan citra yang dilakukan guna memudahkan interpretasi visual.
Filter spasial yang digunakandibagi menjadi tiga katagori umum, yaitu :
-
-
-
Filter lolos rendah (low pass filter) adalah filter yang digunakan untuk
memperhalus kenampakan (smoothing and averaging) dengan
meratakan noise dan menghilangkan spike pada cittra.
Filter lolos tinggi (high pass filter) adalah filter yang digunakan
untuk menajamkan penampakan pada citra seperti jalan, patahan
lingkungan air dan tanah dengan menekan frekuensi tinggi tanpa
mempengaruhi bagian dari frekuensi rendah citra.
Filter deteksi sisi (edge detection filter) adalah filter yang digunakan
untuk menampakkan sisi disekitar suatu obyek untuk memudahkan
kegiatan analisis.
Kita dapat memilih jenis-jenis filter yang ingin digunakan dari kumpulan filter
yang ada di ER Mapper, seperti filter untuk averaging, edge enhancement,
laplacian, noise removal, sharpening, threshold, median, dan gradient. Kita
juga dapat mendefinisikan dan memasukkan filter-filter khusus yang kita
buat sendiri. Filter dapat digunakan untuk meningkatkan tampilan citra,
menajamkam citra, meratakan dan menghilangkan noise atau bising.
Icon :
digunakan untuk melakukan filter dengan menampilkan kotak
Filter sebagai berikut:
Gambar 20. Kotak filter.
Dari kotak filter, klik
digunakan.
untuk menentukan
jenis filter yang akan
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
15
Gambar 21. Kotak pilihan filter.
Terdapat beragam filter yang dapat dipilih pada direktori ER Mapper/kernel.
Sebagai contoh dalam tutorial ini diambil jenis filter high pass dengan filter
sharpedge.ker untuk menajamkan batas/sisi suatu objek.
-
Untuk memberi filter pada layer lain klik
kemudian klik refresh
-
,
atau
,
.
Untuk mengedit filter (merubah atau menghapus) yang telah dipilih,
klik
EDIT pada kotak filter, kemudian pilihlah “Insert new
filter” untuk mengganti filter sebelumnya atau ”Delete this filter”
untuk menghapus filter sebelumnya .
Gambar 22. Pemberian filter pada layer lain.
-
Kemudian klik
refresh padajendela algoritma.
2.4.4 Geometric correction (Koreksi geometrik)
Sebelum data citra dapat diolah, sistem proyeksi/koordinat peta harus
didefinisikan dan disesuaikan terlebih dahulu dengan areal kerja atau
dengan data spasial yang telah ada sebelumnya. Dalam koreksi geometrik,
16
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
istilah rektifikasi digunakan bila data citra dikoreksi dengan peta dasar
sebagai acuannya. Sedangkan untuk data citra yang dikoreksi dengan
acuan citra lain yang telah terkoreksi digunakan istilah registrasi.
Koreksi geometrik atau rektifikasi merupakan tahapan agar data citra dapat
diproyeksikan sesuai dengan sistem koordinat yang digunakan. Acuan
dari koreksi geometrik ini dapat berupa peta dasar ataupun data citra
sebelumnya yang telah terkoreksi. Secara umum, dalam ER Mapper sendiri
terdapat empat tipe pengoperasian rektifikasi:
•
•
•
•
Image to map rectification,
Image to image rectification,
Map to map transformation, yaitu mentrasformasikan data yang
terkoreksi menjadi datum/map projection yang baru.
Image rotation, memutar citra menjadi beberapa derajat.
Koreksi geometrik dilakukan dengan menggunakan acuan titik kontrol
yang dikenal dengan Ground Control Point (GCP). Titik kontrol yang
ditentukan merupakan titik-titik dari obyek yang bersifat permanen dan
dapat diidentifikasi di atas citra dan peta dasar/rujukan. GCP dapat berupa
persilangan jalan, percabangan sungai, persilangan antara jalan dengan
sungai (jembatan) atau objek lain.
2.4.5.Penentuan Titik Kontrol (GCP)
Penetuan titik kontrol dalam koreksi geometrik dilakukan bersamaan dengan
proses geo-coding. Langkah awalnya adalah mengaktifkan Geocoding
Wizards yang dibuka melalui menu pulldown PROCESS.
Gambar 23.
process.
Pengaktifan Geocoding Wizards melalui pulldown
Dalam menu geocoding wizards, terdapat berbagai macam metode
geocoding yang dapat dipilih dan digunakan berikut dengan tahapantahapannya.
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
17
Gambar 24. Macam-macam metode geocoding dalam menu
geocoding wizards.
Secara prinsip perbedaan dari berbagai metode geocoding adalah sebagai
berikut:
1. Metode Triangulasi (Triangulation method) dilakukan dalam proses
rektifikasi untuk mereduksi pergeseran (distorsi) lokal. Biasanya
dilakukan pada data foto udara untuk memperbaiki pergeseran data
akibat pergerakan sensor yang yang tidak stabil.
2. Metode Polinomial (Polynomial method) dilakukan bila koreksi yang
dilakukan meliputi keseluruhan areal data citra (tidak bersifat lokal)
seperti halnya metode yang pertama.
3. Metode Ortorektifikasi dengan menggunakan GCP (Ortorectify using
GCP) memperbaiki foto udara akibat distors pergerakan sensor foto
udara pada pesawat dan pergeseran data ketinggian. Dalam proses
rektifkasinya, metode ini membutuhkan foto udara, GCP sampai
dengan informasi ketinggiannya, dan file Digital Elevation Model
(DEM).
4. Metode Ortorektifikasi dengan menggunakan eksterior orientation
hampir mirip dengan metode ortorektifikasi sebelumnya, hanya
tidak perlu mengunakan GCP, selama eksterior orientasinya telah
diketahui.
5. Metode Map to map reprojection dilakukan untuk merubah proyeksi
peta satu ke proyeksi peta lainnya.
6. Metode Known point registration dilakukan pada citra yang sudah
berkesesuaian dengan poyeksi data acuan. Penentuan dilakukan
berdasarkan atas titik sudut koordinat citra acuan yang telah
diketahui.
18
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
7. Metode Rotasi (Rotation method) dilakukan untuk memutar data citra
berlawanan dengan arah jarum jam. Informasi yang dibutuhkan
adalah sudut perputaran dalam derajat menit dan detik atau dalam
desimal.
Dalam tutorial kali ini metoda yang akan digunakan adalah metoda
polinomial, dengan alasan data yang akan dikoreksi meliputi data
keseluruhan dalam satu lembar citra. Dalam metode ini yang dibutuhkan
adalah titik kontrol (GCP) dengan referensi peta dasar atau data citra yang
telah terkoreksi geometri sebelumnya.
Langkah-langkah yang dilakukan adalah:
1. Klik load algoritm or dataset pada input file setelah mengaktifkan
opsi tipe geocoding polinomial.
2. Setelah muncul jendela file input, masukkan dataset atau algoritma
yang telah dibuat sebelumnya. Tentukan datasetnya dan klik OK.
Gambar 25. Jendela geocoding polinomial.
3. Selanjutnya beranjak dari langkah 2 , yaitu polinomial setup dalam
langkah ketiga ini terdapat 3 order polinomial yang ditawarkan oleh
sistem yaitu linear, quadratic dan qubic. Untuk linear diperlukan
minimal 3 GCP, untuk quadratic diperlukan minimal 6 GCP dan Cubic
minimal 10 GCP. Pemilihan metode yang ingin digunakan dapat
mengacu pada kondisi daerah yang akan dikoreksi citranya. Untuk
daerah yang relatif datar pemilihan metode linear sudah cukup
baik dengan 3 GCP atau lebih. Untuk daerah yang berbukit atau
bergelombang pemilihan metode quadratic, untuk daerah yang
bergunung dengan beda tinggi sangat bervariasi lebih disarankan
untuk menggunakan polinomial orde 3 dengan 10 atau lebih GCP.
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
19
Gambar 26. Set up polinomial.
4. Pada tutorial ini, akan dipilih median dari ketiganya yaitu order
polinomial quadratic. Aktifkan opsinya, kemudian langsung beralih
ke langkah ke-3, yaitu GCP setup.
5. Aktifkan (cek-list) pilihan geocoded image, vector, or algorithm bila
sumber acuan merupakan peta dasar atau citra yang telah terkoreksi
sebelumnya. Pilihan kedua, Select GCP from Digitizer diaktifkan
bila GCP yang digunakan langsung diambil dari peta dasar melalui
digitizer tablet.
6. Masukkkan file acuan, sebagai contoh kasus file acuan yang diambil
adalah data vektor sungai. Informasi mengenai sistem koordinat file
akan langsung terbaca dalam ”Output Coordinate Space”.
Gambar 27. Memasukkan file acuan dalam geocoding polinomial.
7. Langkah selajutnya adalah GCP edit. Tombol
digunakan untuk
membuka file GCP edit sebelumnya. Tombol
digunakan untuk
menyimpan GCP edit yang dilakukan. Tombol
digunakan untuk
menambah titik kontrol. Tombol
digunakan untuk menghapus
titik kontrol yang telah dibuat sebelunmnya. Tombol
digunakan
untuk men-zoom-ing titik kontrol yang ada. Tombol
digunakan
untuk menghapus semua titik kontrol yang telah dibuat sebelumnya.
Tombol
digunakan untuk menghitung titik kontrol yang tidak
akurat.
20
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
Gambar 28. GCP edit.
Selanjutmya akan muncul tampilan sebagai berikut:
Gambar 29. Tampilan untuk geo-koreksi citra.
Layar pada kolom pertama merupakan tampilan dari data vektor
sungai yang digunakan sebagai titik acuan. Layar pada kolom
kedua merupakan data raster citra yang akan di-geokoreksi. Layar
di bawahnya merupakan fungsi pembesaran dari layar yang ada di
atasnya.
Seperti yang telah disinggung sebelumnya, titik kontrol dipilih pada
titik atau area yang permanen atau tidak mengalami perubahan
dalam jangka wajtu yang relatif lama, seperti percabangan sungai,
persimpangan jalan, jembatan dan sebagainya.
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
21
8. Dalam orde polinomial quadratik, titik kontrol yang dibutuhkan
minimal 6 dengan RMS yang tidak lebih dari 1. RMS atau Root Means
Square merupakan kuadrat nilai tengah yang digunakan sebagai
indikator keakuratan posisi. Semakin kecil nilai RMS, maka semakin
tinggi keakuratan posisi titiknya. Sehingga dalam hal ini, usahakan
semua nilai RMS-nya mendekati nilai nol dan tidak lebih dari 1.
9. Langkah terakhir adalah rektifikasi, Pada saat rektifikasi ini akan
diberikan pilihan untuk ukuran cell dan juga metode re-sampling
yang akan digunakan. Pilihan metode resampling ada tiga yaitu
nearest neighbour, bilinear dan cubic convolution. Pemilihan metode
re-sampling yang digunakan mengacu pada rencana penggunaan
citra hasil koreksi. Apabila ingin dilakukan klasifikasi multi spektral
maka pilihan nearest neigbour menjadi tepat dikarenakan tidak ada
pengubahan nilai piksel seperti metode bilinear maupun cubic,nilai
piksel yang digunakan adalah nilai piksel terdekat.
Nama data raster baru akan diminta sebelum proses rektifikasi
dilakukan.
Setelah melewati langkah-langkah di atas, maka data citra telah terkoreksi
secara geometrik.
2.5. Klasifikasi multispektral (Image classification)
Klasifikasi Multispektral merupakan sebuah algoritma yang digunakan untuk
memperoleh informasi thematik dengan cara mengelompokkan suatu
fenomena/ obyek berdasarkan kriteria tertentu. Asumsi awal yang harus
diperhatikan sebelum melakukan klasifikasi multispektral adalah bahwa tiap
obyek dapat dikenali dan dibedakan berdasarkan nilai spektralnya. Salah
satu contoh hasil klasifikasi multispektral adalah peta penutup lahan yang
memberikan informasi mengenai jenis penutup lahan ( vegetasi kerapatan
tinggi yang berasosiasi dengan hutan, semak belukar, tubuh air, vegetasi
kerapatan rendah, lahan terbangun dan lainnya).
Secara umum, metode klasifikasi terbagi menjadi dua:
1. Klasifikasi tidak terbimbing (unsupervised classification)
2. Klasifikasi terbimbing (supervised classification)
22
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
2.5.1. Klasifikasi tidak terbimbing
Klasifikasi tidak terbimbing merupakan metode yang memberikan mandat
sepenuhnya kepada sistem/komputer untuk mengelompokkan data raster
berdasarkan nilai digitalnya masing-masing, intervensi pengguna dalam
hal ini diminimalisasi. Jenis metode ini digunakan bila kualitas citra sangat
tinggi dengan distorsi atmosferik dan tutupan awan yang rendah. Namun,
dalam banyak kasus, terlepas dari kondisi citra yang bersangkutan, metode
ini banyak digunakan untuk memberikan gambaran kasar/ informasi awal.
Beberapa tahapan proses klasifikasi tidak terbimbing adalah sebagai
berikut:

Dalam menu pulldown PROCESS terdapat beberapa pilihan metode
CLASSIFICATION, dalam hal ini pilihlah ISOCLASS UNSUPERVISED
CLASSIFICATION
Gambar 30. Pilihan metode klasifikasi dalam menu pulldown process.
Selanjutnya akan muncul menu berikut
Gambar 31.
classification.

Tampilan
contoh
pada
isoclass unsupervised
Isilah menu yang disajikan, masukkan file citra yang telah terkoreksi
secara geometrik pada kolom ”Input Dataset”.
Gambar 32. Tampilan untuk memasukkan file citra yang telah
terkoreksi geometrik.
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar

23
Pilihlah band-band yang akan digunakan dalam proses klasifikasi ini
pada kolom ”Band to use”. Dalam hal ini suatu band sangat spesifik
untuk mengidentifikasi suatu fenomena permukaan tertentu.
Berikut contoh penggunaan setiap band pada Landsat 7 ETM
Band
Contoh aplikasi
1
Pemetaan wilayah pantai dan perairan, pembuatan
batimetri, pemetaan sedimentasi
2
Pemetaan vegetasi, identifikasi reflektansi klorofil
3
Identifikasi absorbsi klorofil, pembedaan spesies
tumbuhan, dan biomasa
4
Spesiaes vegetasi, biomasa, kelembaban tanah
5
Pembatasan fenomena tanah dan tumbuhan, pemetaan
wilayah pemukiman
6
Pemetaan evapotranspirasi, pemetaan suhu permukaan,
kelembaban tanah
7
Geologi, pemetaan tipe batuan dan mineral, pembatasan
badan air, pemetaan tingkat kelembaban tumbuhan
Sebagai contoh dalam modul ini, band yang dipilih adalah band 5, 4,
dan 3
Gambar 33. Tampilan untuk pemilihan band.
24

PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
Dalam kolom ”Output Dataset” buatlah nama file baru untuk hasil
klasifikasi yang akan dilakukan.
Gambar 34. Membuat nama file baru dalam kolom ‘Output dataset”.

Pada menu option ”Starting Classes”, pilihlah autogenerate dengan
nilai 1 untuk mengenarisasi tiap piksel data.

Iterasi merupakan pengulangan tiap proses yang dilakukan sistem,
nilai pada kolom ”maksimum iteration” mengindikasikan jumlah
pengulangan yang pengguna inginkan pada setiap langkah proses
generate yang dilakukan sistem. Tentunya semakin tinggi nilai
iterasinya maka semakin baik kualitas yang dihasilkan, sebagai
contoh dalam hal ini gunakan nilai 10.

Masukan jumlah kelas yang diinginkan pada kolom ”maksimum
number of class”.

Selanjutnya untuk pilihan yang lainnya dapat diisi berdasarkan
kebutuhan dan tingkat keakuratan yang diiginkan.
Sebagai contoh, hasil yang diisikan adalah sebagai berikut:
Gambar 35. Tampilan hasil berdasarkan contoh pengisian untuk
pemilihan kelas, iterasi atau pengulangan serta tingkat keakuratan .
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar

25
Klik OK untuk menjalankan proses klasifikasi
Selanjutnya akan muncul processing status yang akan
menginformasikan tahapan iterasi yang sedang berjalan, sampling,
dan kelompok kelas yang sedang dikerjakan.
Gambar 36. Tampilan status prosessing

Bila information box yang menginformasikan bahwa proses sudah
selesai telah muncul, maka klik OK.

Tutup processing status dengan mengklik tombol CLOSE. Tutup
jendela dialog Unsupervise Classification dengan mengklik tombol
CANCEL.

Dalam menu puldown ”Process” pilihlah ”Recalculate Statistic”.
Gambar 37. Perhitungan statistik

Klik OK bila notifikasi yang menginformasikan bahwa perhitungan
statistik telah selesai.
26

PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
Selanjutnya editlah nama region dan komposisi warna citra hasil
klasifikasi. Fasilitas pengeditan dapat dibuka di menu puldown
”Edit”.
--> ”Edit Class/Color region and Name”.
Gambar 38. Edit nama region dan komposisi warna citra.

Selanjutnya pilihlah file kelas hasil klasifikasi yang dilakukkan.
Pengeditan dilakukan terhadap nama kelas serta identitas
warnanya.
Gambar 39. Edit nama kelas dan identifikasi warna.
Bila telah selesai klik SAVE

Buka kembali file kelas yang telah diedit, contoh tampilan nya akan
berupa sebagai berikut
Gambar 40. Tampilan pada hasil editing dengan menggunakan
klasifikasi tidak terbimbing
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
27
Mengacu pada proses dan hasil klasifikasi yang telah dilakukan nampak
bahwa metode klasifikasi tidak terbimbing kerap kali melakukan generalisasi
yang tidak sesuai dengan harapan pengguna. Dari contoh di atas dapat
dilihat bahwa beberapa kelompok data piksel yang teridentifikasi sebagai
bayangan awan dikelompokkan sama dengan badan air. Kondisi ini
merupakan pengaruh dari jumlah pembagian kelas yang kurang detil atau
karena sebaran kualitas atmosferik data pada citra yang tidak seragam. Kasus
tersebut dalam metode klasifikasi terbimbing tidak akan terjadi, karena
pengguna akan menuntun sistem identifikasi pada kelompok-kelompok
piksel sehingga masuk kelompok kelas tertentu dalam suatu training area.
2.5.2. Klasifikasi terbimbing
Klasifikasi terbimbing merupakan metode yang dipandu dan dikendalikan
sebagian besar atau sepenuhnya oleh pengguna dalam proses
pengklasifikasiannya. Intervensi pengguna dimulai sejak penentuan
training area hingga tahap pengklasterannya. Klasifikasi terbimbing dalam
hal ini mensyaratkan kemampuan pengguna dalam penguasaan informasi
lahan terhadap areal kajian.
Langkah-langkah dalam melakukan klasifikasi terbimbing adalah:

Bukalah file citra yang telah terkoreksi secara geometrik dan
radiometrik, melalui menu puldown FILE --> OPEN
Gambar 41. Membuka file citra yang telah terkoreksi geometrik dan
radometrik.
28

PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
Bukalah jendela algoritm dialog dengan membuka menu puldown
VIEW --> ALGORITHM
Gambar 42. Membuka jendela algoritma melalui menu puldown.

Editlah komposisi band nya sesuai kebutuhan pengguna, sebagai
contoh dalam modul ini, komposisi band yang digunakan adalah
543
Gambar 43. Edit komposisi band dalam klasifikasi terbimbing.

Tutuplah jendela ”Annotate vector layer”, selanjutnya akan muncul
training area yang telah dideliniasi sebelumnya.

Langkah selanjutya adalah membuat training area. Pada jendela
algorithm, klik EDIT --> Add Vector Layer --> Region layer.
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
29
Gambar 44. Membuat training area dalam klasifikasi terbimbing.

Klik ”Annotate vektor layer” untuk membuka jendela properties dalam
menggambar training area pada citra.
Gambar 45. Membuka jendela properties untuk menggambar
training area dalam citra.

Mulailah membuat training area, sebagai contoh berikut poligon
yang mendeliniasi training area untuk ”badan air”
Gambar 46. Membuat training area untuk badan air.
30

PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
Klik
untuk memberi nama region yang dibuat, sehingga akan
muncul jendela dibawah ini
Gambar 47. Memberi nama region.

Klik
untuk men- save, yang selanjutnya akan muncul notifikasi
dibawah ini
Gambar 48. Menyimpan nama region.

Cara yang sama juga dilakukan untuk training area yang lain, seperti
hutan, perkebunan, awan, bayangan awan, dan tanah terbuka
Gambar 49. Memberi nama dan menyimpan nama region pada
training area yang lain.
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar

31
Tutuplah jendela ”Annotate vector layer”, selanjutnya akan muncul
training area yang telah dideliniasi sebelumnya.
Gambar 50. Tampilan training area yang telah di deliniasi.

Klik PROCESS --> SUPERVISED CLASSIFICATION untuk memulai
klasifikasi
Gambar 51. Memulai klasifikasi terbimbing.

Selanjutnya akan muncul jendela dialog berikut
Gambar 52. Jendela dialog dalam klasifikasi terbimbing.
32
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
Masukkan file citra yang telah diberi training area, tentukan bandband yang digunakan, tentukan nama file output, tentukan tipe
klasifikasinya, dan klik OK, dan selanjutnya akan muncul status bar
berikut.
Gambar 53. Tampilan status bar setelah penentuan training area,
band-band yang digunakan, nama file output dan tipe klasifikasi.

Bila telah muncul notifikasi berikut Prose lasifikasi telah selesai dan
klik close
Gambar 54. Tampilan konfirmasi akhir proses klasifikasi terbimbing.

Buka file hasil klasifikasi, dengan cara yang sama pada klasifikasi tidak
terbimbing, klik recalculate statistic pada menu puldown VIEW, edit
pewarnaan dan nama kelas nya pada EDIT --> ”Edit Class/ Region
Colour and Name”
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar

33
Contoh hasil dari klasifikasi adalah sebagai berikut
Gambar 55. Contoh hasil klasifikasi terbimbing
Warna hijau mewakili kondisi umum hutan, kuning untuk perkebunan,
merah untuk tanah terbuka, putih untuk awan, dan hitam untuk
bayangan awan.
2.5.3. Perhitungan akurasi (Accuracy assesement)
Seperti halnya dengan beberapa analisa spasial lainnya, sebelum hasil
klasifikasi dapat benar-benar digunakan perhitungan tingkat akurasi
merupakan prasyarat mutlak yang harus dilakukan setelah kegiatan
klasifikasi.
Akurasi merupakan perbandingan antara data hasil klasifikasi dengan
kondisi lapangan. Dengan kata lain, dalam prosesnya, pengguna harus
melakukan pengecekan dan pengambilan beberapa sampel dilapangan
sebagai pembanding.
Perhitungan akurasi dapat dilakukan dengan berbagai metode, salah satu
metodenya adalah confusion matrix. Pada prinsipnya, confusion matrix
menyusun data hasil klasifikasi dan hasil pengamatan di lapangan dalam
sebuah tabel perbandingan persentase.
Sebagai contoh:
Berikut telah diambil 100 titik sampel di lapangan yang kemudian akan
dicocokan dengan data hasil klasifikasi pada titik/posisi yang sama. Titik
yang memiliki kesamaan antara kondisi lapangan dan hasil klasifikasi
diakumulasikan pada kolom kuning berdasarkan masing-masing pola
penutupan lahannya.
34
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
Gambar 56. Contoh perhitungan akurasi dengan metode confusion
matrix.
Maka perhitungan akurasinya adalah sebagai berikut
Akurasi keseluruhan (Overall Accuracy):
= jumlah diagonal utama (warna kuning)/jumlah titik
= 63/100
= 63%
Akurasi produser (Produser’s Accuracy):
Hutan = 28/30 = 93%
Badan air = 15/30 = 50%
Perkebunan = 20/40 = 50%
Akurasi Pengguna (User’s Accuracy):
Hutan = 28/57 = 49%
Badan air = 15/21 = 71%
Perkebunan = 20/22 = 91%
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
35
3. PENGENALAN CITRA ALOS
3.1. Karakteristik Umum
Advance Land Observing Satellite (ALOS) diluncurkan di Jepang pada tahun
2006. Satelit ini memiliki tiga sensor yaitu: Panchromatic Remote-sensing
Instrument for Stereo Mapping (PRISM), the Advanced Visible and Near Infrared
Radiometer type 2 (AVNIR-2), dan Phased Array type L-band Synthetic Aperture
Radar (PALSAR). Satelit ini merupakan bagian dari Japanese Earth Observing
Program yang diluncurkan setelah Japanese Earth Resource Satellite-1
(JERS-1) dan Advance Earth Observing Satellite (ADEOS). Spesifikasi umum
mengenai citra ALOS disajikan pada Tabel 1.
Tabel 1. Spesifikasi umum mengenai citra ALOS (sumber: JAXA)
3.2. Sensor
Tiga instrumen rpenginderaan jauh yang dimiliki ALOS merupakan
kelebihan yang dimilikiya: PRISM digunakan untuk pemetaan ketinggian
(digital elevation mapping), the AVNIR-2 digunakan untuk observasi lahan
pada tingkat akurasi tinggi dan PALSAR digunakan untuk observasi lahan
multi waktu dalam berbagai jenis kondisi cuaca.
36
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
Gambar 57. Posisi sensor pada satelit ALOS
3.2.1. PRISM
PRISM merupakan panchromatic radiometer yang memiliki resolusi spasial
2,5 m pada posisi nadirnya. Data ini akan diekstraksi menjadi Digital
Surface Model (DSM) dengan tingkat akurasi yang cukup tinggi. Sensor ini
memiliki tiga sistem teleskop optik yaitu dibagian nadir, dibagian depan,
dan belakang. Pada bagian nadir teleskop mampu merekam dengan lebar
70 m, sementara bagian belakang dan depannya masing-masing merekam
hingga 35 km. Spesifikasi umum sensor PRISM disajikan pada Tabel 2.
Tabel 2. Spesifikasi umum sensor PRISM (sumber: Jaxa japan)
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
37
3.2.2.AVNIR-2
The Advanced Visible and Near Infrared Radiometer type 2 (AVNIR-2) merupakan
radiometer near-infrared dan sinar tampak yang digunakan untuk observasi
lahan dan pesisir. AVNIR-2 memiliki resolusi spasial hingga 10 m pada
nadirnya. Sensor ini merekam dari panjang gelombang 0,42 hingga 0,89
mikrometer yang terbagi menjadi 4 band. Spesifikasi umum sensor AVNIR-2
disajikan dalam Tabel 3.
Tabel 3. Spesifikasi umum sensor AVNIR-2 (sumber: jaxa japan)
3.2.3. PALSAR
Phased Array type L-band Synthetic Aperture Radar (PALSAR) merupakan sensor
microwave aktif yang menggunakan frekuensi L-band guna mendapatkan
perekaman yang multi waktu dan bebas awan. PALSAR memiliki beberapa
mode yang dibedakan berdasarkan polarisasinya, yaitu Single Polarisasi,
Dual Polarisasi, ScanSAR, dan Polarimetrik. Masing-masing memiliki selang
resolusi spasial serta lebar perekaman yang berbeda-beda. PALSAR yang
memiliki areal perekaman yagn luas dikebal sebagai ScaSAR.
Terkait dengan ketersedian data, sensor jenis PALSAR sejak tahun 2008 ini
mulai di-launched menjadi data open source untuk resolusi spasial 50m
dan 500m pada beberapa kawasan, termasuk Indonesia. Dalam tulisan ini,
selanjutnya akan dibahas panduan praktis khusus bagi pra pengolahan
data ALOS PALSAR tipe open source data untuk kepentingan identifkasi
penutupan lahan.
38
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
Tabel 4. Spesifikasi umum sensor PALSAR (sumber: Jaxa)
3.3. Pra Pengolahan ALOS PALSAR
3.3.1. Spesifikasi perangkat yang diperlukan
Pengguna dalam hal ini perlu menyediakan perangkat keras Personal
Computer dengan spesifikasi minimal yang dianjurkan meliputi: processor
setingkat pentium 4, RAM 1GB, dengan kapasitas HD yang dapat digunakan
setidaknya 20 GB.
Perangkat lunak yang digunakan dapat beragam sesuai preferensi;
ENVI, MapReady, bahkan tool dalam ArcGIS dapat digunakan dalam pra
pengolahan PALSAR ini.
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
39
3.3.2. Format Data ALOS PALSAR
Format data dalam ALOS PALSAR open source data berupa RAW dan PNG,
pemilihan format dapat disesuaikan dengan preferensi.
3.3.3. Teknik Import Data ALOS PALSAR
Langkah pertama yang dilakukan adalah proses importing data dari
data RAW atau PNG menjadi format data berdasarkan platform yang kita
perlukan. Bila pengguna bekerja dengan menggunakan ER Mapper, maka
format data yang digunakan adalah *.ers, bila menggunakan ERDAS maka
*.img, dan seterusnya.
Proses importing data pada panduan ini dilakukan dengan menggunakan
software ENVI, untuk kemudian dianalisis dengan menggunakan perangkat
lunak ER Mapper. Proses import dengan menggunakan perangkat lunak
ENVI dilakukan dengan langkah sebagai berikut:
•
Aktifkan perangkat lunak ENVI
Gambar 58. Mengaktifkan perangkat lunak ENVI.
•
Selanjutnya akan muncul menu utama seperti berikut
Gambar 59. Menu utama pada perangkat lunak ENVI.
40
•
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
Pada menu pull down -->pilih FILE --> Open External File --> Generic
Formats --> PNG
Gambar 60. Membuka file pada perangkat lunak ENVI.
•
Selanjutnya buka file citra ALOS PALSAR, salah satu bentuk file yang
digunakan untuk format free data source adalah PNG. Selanjutnya
akan muncul jendela band composition seperti dibawah ini.
Gambar 61. Membuka file citra ALOS PALSAR.
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
•
41
Untuk option klik RGB Colour, untuk selanjutnya klik Load RGB untuk
menampilkan image.
Gambar 62. Menampilkan citra.
Proses importing dapat juga dilakukan dalam software ArcGIS. Data dalam
format PNG pertama-tama dibuka dalam ArcGIS untuk selanjutnya di Save
As sebagai file geo-tiff. Jenis tiff dipilih karena ER Mapper dalam hal ini dapat
membuka langsung format tiff tanpa harus melakukan proses importing
terlebih dahulu. Namun dalam hal kecepatan, proses konversi format data
dalam ArcGIS memakan waktu lebih banyak bila dibandingkan dengan
proses konversi yang dilakukan dengan menggunakan ENVI.
Berikut adalah tahapan proses importing data dengan menggunakan
preangkat lunak ArcGIS:
•
Aktifkan software ArcGIS, selanjutnya buka data ALOS PALSAR dengan
menggunakan fungsi Add Data pada menu pulldown File.
Gambar 63. Membuka data ALOS PALSAR dalam perangkat lunak
ArcGIS.
42
•
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
Selanjutnya akan muncul tampilan data ALOS PALSAR seperti
dibawah ini.
Gambar 64. Tampilan data ALOS PALSAR dalam perangkat lunak
ArcGIS.
•
Diatas data ALOS PALSAR yang sedang aktif klik kanan mouse, untuk
selanjutnya pilih DATA --> Export Data
Gambar 65. Eksport data ALOS PALSAR dalam perangkat lunak
ArcGIS.
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
•
43
Pilih lokasi penyimpanan output data serta format datanya (tiff ),
kemudian klik Save.
Gambar 66. Menyimpan data ALOS PALSAR dalam perangkat lunak
ArcGIS.
Untuk selanjutnya data ALOS dapat dibuka dalam software ER Mapper, dan
dilakukan pengolahan lebih lanjut.
44
PANDUAN APLIKASI Penginderaan Jauh Tingkat Dasar
Fly UP