Laporan Mini Project

1Rina, Dhany, Dinal

I. PENDAHULUAN

I.1 Latar Belakang

Dalam setiap kegiatan yang berkatan dengan permukaan bumi, akan selalu

membutuhkan data permukaan bumi sebagai data referensi. Salah satu jenis data permukaan

bumi adalah data yang berkaitan dengan spasial dan atribut suatu wilayah. Salah satu cara

untuk mendapatkan data spasial dan data atribut suatu wilayah adalah dengan metode

penginderaan jauh.

Metode penginderaan jauh adalah suatu metode untuk mendapatkan data spasial dan

data atribut tanpa menyentuh langsung data spasial dan data atribut tersebut. Keuntungan dari

metode penginderaan jauh ini adalah waktu pengumpulan data yang relatif singkat dibanding

dengan metode terestris untuk cakupan area yang sama. Adapun wahana yang digunakan

dalam sistem penginderaan jauh adalah wahana udara ( pesawat) dan wahana luar angkasa

(satelit).

Hasil dari penginderaan jauh wahana satelit adalah citra. Saat ini citra kebanyakan

telah terkoreksi secara radiometrik dan geometrik. Akan tetapi dapat juga memesan citra

mentah, citra mentah adalah citra yang belum terkoreksi secara radiometrik dan geometrik.

Citra jenis ini dapat dih=gunakan setelah dilakukan beberapa tahapan pengolahan citra.

Citra yang terkoreksi secara radiomtrik dan geometrik selanjtnya dapat dimanfaatkan

pada berbagai bidang. Tulisan ini membahas tentang langkah-langkah pengolahan suatu citra

mentah agar dapat dimanfaatkan pada bidang perkebunan. Negara Indonesia dikenal sebagai

Negara penghasil sawit terbesar dunia (beberapa tahun yang lalu kedua setelah Malaysia)

sehingga aplikasi seperti ini diharapkan dapat dimanfaatkan untuk memanfaatkan bidang yang

satu ini dengan maksimal. Aplikasi citra digital untuk perkebunan ini digunakan untuk

menentukan kelas tanaman berdasar umur tanaman.

I.2 Maksud dan Tujuan

Maksud dan tujuan pembuatan mini project ini adalah untuk mengetahui umur

tanaman perkebunan dilihat dari tahun tanamnya. Hal ini merupakan salah satu aplikasi

penggunaan NDVI. Selain itu mini project ini bertujuan untuk melatih mahasiswa tentang

cara – cara mengolah citra dengan baik menggunakan beberapa software. Baik itu dari koreksi

radiometrik sampai pada pembuatan peta sederhana.

2Rina, Dhany, Dinal

I.3 Dasar Teori

Landasan teori sangat dibutuhkan sebagai dasar untuk merencanakan langkah-langkah

kegiatan yang akan dilakukan. Dibawah ini akan dibahas mengenai landasan teori yang terkait

dan menjadi dasar dalam pelaksanaan mini project ini.

I.3.1 Data Citra Landsat 5

Landsat 5 adalah satelit remote sensing yang dioperasikan oleh USGS (United States

Geological Survei), diluncurkan pada tanggal 1 maret 1984 berorbit polar pada ketinggian

orbit 705 Km, dengan membawa sensor TM (Thematic Mapper) yang dapat menghasilkan

citra multispektral dan pankhromatik yang masing masing memiliki resolusi spasial 30 m dan

120 m. Misi Landsat 5 adalah untuk menyajikan data inderaja berkualitas tinggi(pada saat itu)

dan tepat waktu dari kanal tampak (visible) dan infra merah yang meliput seluruh daratan dan

kawasan di sekitar pantai di permukaan bumi dan secara berkesinambungan memperbaharui

data base yang ada.

Spesifikasi produk

Tanggal Peluncuran 1 Maret 1984

Resolusi Spasial 30 meter

Orbit 705 +/- 5 km (di equator) sun-synchronous

Grounding Track Repeat Cycle 16 hari (233 orbit)

Karakteristik Band – band pada Sensor TM (Thematik Mapper)

NamaBand Spectral Range Karakteristik

Band 1 0,45 – 0.52 μm Untuk penetrasi tubuh air, membedakan antara tanah

dengan vegetasi, tumbuhan berdaun lebar dan konifer

Band 2 0,52 – 0.69 μm Untuk mengukur puncak pantulan hijau saluran tampak

bagi vegetasi guna penilaiain ketahanan penilaian

ketahanan

Band 3 0,63 – 0,69 μm Merupakan saluran absorbsi yang penting untuk membedakan

vegetasi

Band 4 0,76 – 0,90 μm Untuk membedakan kandungan biomassa dan untuk

deliniasi tubuh air

Band 5 1,55 – 1,75 μm Menunjukkan kandungan kelembaban vegetasi dan

kelembaban tanah, juga bermanfaat untuk membedakan

3Rina, Dhany, Dinal

salju dan awan

Band 6 10,40 – 12,50

μm

Untuk analisis penekanan vegetasi, diskriminasi

kelembaban tanah dan pemetaan termal

Band 7 2,08 – 2,35 μm Untuk membedakan tipe batuan dan untuk pemetaan

hidrotermal

I.3.2 ER Mapper 6.4

ER Mapper adalah salah satu software (perangkat lunak) yang digunakan untuk

mengolah data citra atau satelit. Masing-masing perangkat lunak mempunyai keunggulan dan

kelebihannya sendiri. ER Mapper dapat dijalankan pada workstation dengan sistem operasi

UNIX dan komputer PCs (Personal Computers) dengan sistem operasi Windows 95 ke atas

dan Windows NT. ER Mapper mengembangkan metode pengolahan citra terbaru dengan

pendekatan yang interaktif, dimana kita dapat langsung melihat hasil dari setiap perlakuan

terhadap citra pada monitor komputer.

Dalam ER Mapper dikenal tiga bentuk format data yaitu:

1. Format Raster Dataset dan Header File (.ers)

2. Format Vector Dataset dan Header File (.erv)

3. Format Algorithms File (.alg)

Untuk menampilkan format dataset lainnya maka kita harus melakukan proses import data.

ER Mapper memberikan kemudahan dalam pengolahan data sehingga kita dapat

mengkombinasikan berbagai operasi pengolahan citra dan hasilnya dapat langsung terlihat

tanpa menunggu komputer menuliskannya menjadi file yang baru (cara pengolahan ini dalam

ER Mapper disebut Algoritma).

Dengan Algoritma, kita dapat melihat hasil yang kita kerjakan di monitor,

menyimpannya ke dalam media penyimpan (hard disk, dll), memanggil ulang, atau

mengubahnya, setiap saat. Oleh karena Algoritma hanya berisi rangkaian proses, maka file

dari algoritma ukurannya sangat kecil, hanya beberapa kilobyte sampai beberapa megabyte,

tergantung besarnya proses yang kita lakukan, sehingga sangat menghemat ruang hard disk.

Dan oleh karena file algoritma berukuran kecil, maka proses penayangan citra menjadi relatif

lebih cepat. Hal ini membuat waktu pengolahan menjadi lebih cepat. Konsep Algoritma ini

adalah salah satu keunggulan ER Mapper. Selain itu, beberapa kekhususan lain yang dimiliki

ER Mapper adalah :

1. Didukung dengan 130 format pengimpor data

2. Didukung dengan 250 format pencetakan data keluaran

4Rina, Dhany, Dinal

3. Visualisasi tiga dimensi

4. Adanya fasilitas Dynamic Links

5. Penghubung dinamik (Dynamic Links) adalah fasilitas khusus ER Mapper yang

membuat pengguna dapat langsung menampilkan data file eksternal pada citra tanpa

perlu mengimportnya terlebih dahulu. Data-data yang dapat dihubungkan termasuk

kedalam format file yang populer seperti ARC/INFO, Oracle, serta standar file format

seperti DXF, DON dll.

Selain kelebihan-kelebihan di atas, ER Mapper memiliki keterbatasan, yaitu :

1. Terbatasnya format Pengeksport data

2. Data yang mampu ditanganinya adalah data 8 bit.

I.3.3 ENVI Versi 4.3

ENVI adalah singkatan dari Environment for Visualizing Images. ENVI merupakan

perangkat lunak yang sesuai untuk pengolahan citra digital. Perangkat lunak ini dapat

berfungsi untuk memvisualisasikan, menganailsis, dan mempresentasikan semua tipe citra

digital. Adapun tools yang ditawarkan meliputi peralatan olah citra, spektral tools, geometric

correction, analisis terrain, analisis radar, kemampuan raster dan vector yang sesuai dengan

perangkat GIS.

Beberapa Fungsi ENVI diantaranya:

x,y,z profiling

Image transects

Linear and non-linear histogramming and contrast stretching

Color tables

Density slicing

Classification color mapping

Quick filter preview

ROI definition and processing

Vector creation and display

I.3.4 ArcView Versi 3.3

ArcView merupakan salah satu perangkat lunak (software) desktop Sistem Informasi

Geografis (SIG) dan pemetaan yang dikembangkan oleh ESRI. ArcView memiliki

kemampuan – kemampuan untuk melakukan visualisasi, meng-explore, menjawab query

5Rina, Dhany, Dinal

(baik basisdata spasial maupun non-spasial), menganalisis data secara geografis, dan

sebagainya.

Secara umum kemampuan ArcView dapat dilihat melalui uraian berikut :

Pertukaran data, membaca dan menuliskan data dari dan ke dalam format perangkat

lunak SIG lainnya.

Melalukan analisis statistik dan operasi-operasi matematis.

Menampilkan informasi (basisdata) spasial maupun atribut.

Menghubungkan informasi spasial dengan atribut-atributnya yang terdapat (disimpan)

dalam basisdata atribut.

Melakukan fungsi-fungsi dasar SIG seperti analisis sederhana spasial.

Membuat peta tematik.

Meng-customize aplikasi dengan menggunakan bahasa skrip atau bahasa

pemrograman sederhana.

Melakukan fungsi-fungsi SIG khusus lainnya (dengan menggunakan extension yang

ditujukan untuk mendukung penggunaan perangkat lunak SIG ArcView).

ArcView mengorganisasikan project beserta tools yang tersedia kedalam bentuk

sistem windows, menu, button, dan icon. Setiap tipe dokumen (view, table, chart, layout, dan

script) ArcView memiliki tampilan yang berbeda.

Tampilan pada Project.

Project merupakan window yang paling awal muncul untuk bekerja dengan ArcView.

Menu-menu yang terdapat pada window menyediakan fasilitas-fasilitas untuk mengatur

project yang akan dibuat.

6Rina, Dhany, Dinal

I.3.5 Koreksi Radiometrik

Koreksi radiometrik ditujukan untuk memperbaiki nilai piksel supaya sesuai dengan

obyek yang seharusnya. Biasanya mempertimbangkan faktor gangguan atmosfer sebagai

sumber kesalahan utama. Efek atmosfer menyebabkan nilai pantulan obyek dipermukaan

bumi yang terekam oleh sensor menjadi bukan merupakan nilai aslinya, tetapi menjadi lebih

besar oleh karena adanya hamburan atau lebih kecil karena proses serapan. Metode-metode

yang sering digunakan untuk menghilangkan efek atmosfer antara lain metode pergeseran

histogram (histogram adjustment), metode regresi dan metode kalibrasi bayangan. (Projo

Danoedoro, 1996).

Metode yang digunakan dalam project ini adalah metode penyesuaian histogram.

Asumsi dari metode ini adalah dalam proses koding digital oleh sensor, obyek yang

memberikan respon spektral yang paling rendah seharusnya bernilai 0. Apabila nilai ini

ternyata melebihi angka 0 maka nilai tersebut dihitung sebagai offset dan koreksi dilakukan

dengan mengurangi seluruh nilai pada saluran tersebut dengan offset-nya.

I.3.6 Koreksi Geometrik

Ketika akurasi area, arah dan pengukuran jarak dibutuhkan, citra mentah harus selalu

diproses untuk menghilangkan kesalahan geometrik dan merektifikasi citra kepada koordinat

sistem bumi yang sebenarnya. Salah satu cara untuk mengoreksi distorsi geometrik ini adalah

7Rina, Dhany, Dinal

dengan menggunakan titik – titik kontrol tanah (GCP). GCP adalah suatu titik pada

permukaan bumi yang sudah diketahui koordinatnya.

Koreksi geometrik ini terdiri dari koreksi geometrik citra ke citra (image to image

rektification) dan koreksi geometrik citra ke peta (image to map rectification). Pada project

kali ini koreksi geometrik yang dilakukan adalah Image to Map dengan dasar peta RBI dan

Data GCP yang telah disediakan.

I.3.7 Cropping

Data satu scene umumnya mencakup wilayah yang cukup luas. Cakupan 1 scene citra

landsat adalah 185 km x 185 km. Kadang-kadang tidak semua data yang tercakup dalam

scene tersebut kita butuhkan. maka kita sebaiknya memotong scene tersebut sesuai dengan

daerah pengamatan kita. Hal ini untuk memperkecil besar file yang kita gunakan serta

mempercepat proses-proses dalam ER Mapper bila dibandingkan dengan mengolah data satu

scene penuh.

I.3.8 NDVI

NDVI (Normalized Difference Vegetation Index) yang merupakan salah satu macam

indeks vegetasi adalah suatu penajaman spectral yang berfungsi untuk membedakan vegetasi

dan non vegetasi dengan rumus NDVI = (NIR & ndash; RED)/ (NIR + RED), dimana NIR

adalah band Near Infra Red (band 4 pada Landsat TM) dan RED adalah band RED (sinar

merah yaitu band 3 pada Landsat TM). Hasilnya adalah penutupan lahan berupa vegetasi yang

tampak lebih cerah dan non vegetasi yang terlihat gelap dengan sebaran nilai –1 hingga +1

(range band 3 dan band 4)

I.3.9 DENSITY SLICING

Density Slicing atau dikenal juga dengan level slicing adalah salah satu teknik

enhancement untuk mendistribusikan digital number (DN) pada sumbu x (axis) dari histogram

citra yang dibagi dalam beberapa interval analisis (Lisseland and Kiefer, 2000). Sebagai

konsekuensinya, jika ada enam interval spectral citra yang dibangun maka citra yang

dihasilkan akan mempunyai enam graylevel.

8Rina, Dhany, Dinal

II PELAKSANAAN

II.1 Persiapan

Pada tahap persiapan dilakukan studi pustaka mengenai bagaimana cara mengolah

citra, serta menyiapkan perangkat keras dan perangkat lunak komputer yang akan digunakan

dalam poject ini.

II.2 Alat dan Bahan

1. Citra Landsat 5 TM Tahun 1997, daerah Lampung Selatan format raster (.ers)

2. Seperangkat komputer/ laptop

3. Software ER Mapper 6.4

4. Software ENVI 4.3

5. Software Arc View 3.3

6. Microsoft Office Word 2007

II.3 Pelaksanaan

Tahapan-tahapan yang akan dilakukan dalam mini project ini dapat dilihat pada

diagram alir pelaksanaan berikut ini :

Koreksi Radiometrik

Koreksi Geometrik

Cropping Image

Proses NDVI

GCP Coordinates(x,y dan X,Y)

Koordinat BatasCroppping Image

Pendefinisian Klas umur tanaman berdasar Index Vegetasi

Original Image

Stretching Image

9Rina, Dhany, Dinal

Untuk menghitung statistik citra sampai dengan koreksi geometrik dalam project ini

menggunakan ER Mapper. Langkah langkah yang dilakukan yaitu sebagai berikut:

II.3.1 Menghitung Statistik Citra

Penghitungan statistik dilakukan untuk mengetahui data statistik citra yang akan

diolah terutama untuk mengetahui nilai minimum citra aslinya. Data tersebut nantinya akan

digunakan untuk koreksi radiometrik sebagai langkah awal pada mini project kali ini.

1. Klik Process dan pilih Calculate Statisics

2. Pilih citra yang akan dihitung statistiknya dengan klik , setelah muncul datasetnya

klik OK

3. Tunggu proses calculate statistics selesai sampai muncul widow di bawah ini

Density Slicing

Classified Image

Pembuatan Peta

10Rina, Dhany, Dinal

4. Untuk mengetahui hasil statistik citra tersebut klik View Statistics Show

Statistik, sehingga muncul window Statistic Report, lalu klik Display

II.3.2 Koreksi Radiometrik

Koreksi radiometrik ditujukan untuk memperbaiki nilai piksel supaya sesuai dengan

obyek yang seharusnya.

Langkah – langkah koreksi radiometrik adalah sebagai berikut:

1. Klik new file

2. Klik edit algorithm atau klik kanan pada window yang muncul lalu pilih algorithm.

Berikut ini adalah window Algorithm

3. Klik Load Dataset , lalu pilih file citra yang akan dikoreksi radiometrik sehingga

muncul citra tersebut.

4. Perbanyak pseudo layer sesuai dengan jumlah band masing – masing citra dengan cara

menekan tombol duplicate , sesuaikan tiap layer dengan masing - masing band

kemudian direname.


5. Pada tiap layer klik Edit Formula , sehingga muncul window Formula Editor. Pada

input, edit dengan cara mengurangi input sesuai dengan nilai minimum yang

tercantum pada display statistik kemudian klik Apply changes dan lakukan untuk

semua band. Sebagai contoh pada gambar berikut, untuk band 1 dikurangi 73 (sesuai

nilai minimum statistiknya)

6. Setelah semua band diedit formula, klik close pada window Formula Editor dan

Algorithm. Simpan hasil koreksi radiometrik dengan klik File Save As pada menu

utama ER Mapper sehingga muncul tampilan sebagai berikut

Pada window Save As ER Mapper Dataset kosongkan baris Null Value kemudian klik

OK


7. Untuk mengecek hasil koreksi radiometrik lakukan calculate statistics kembali untuk

citra yang sudah dikoreksi (langkah – langkahnya sama dengan point A)

Jika pada Display Statistics tersebut nilai minimum statistik tiap band lebih dari 0

(nol), maka untuk membuat nilai minimum statistik tersebut menjadi nol perlu dilakukan

proses koreksi radiometrik.

II.3.3 Koreksi Geometrik

Koreksi geometrik ini bertujuan untuk mengoreksi distorsi geometrik yang

ditimbulkan oleh gangguan atmosfer karena area cakupan citra yang luas. Langkah – langkah

untuk melakukan koreksi geometrik pada ER Mapper adalah sebagai berikut:

1. Dari menu Process pada menu utama ER Mapper pilih Geocoding Wizard, pada menu

Start, masukkan file citra yang akan dikoreksi geometrik dan Geocoding Type-nya

pilih Polynomial

2. Pada menu Polynomial Setup pilih Linear

3. Pada menu GCP Setup, klik change dan sesuaikan dengan referensi yang telah

ditentukan (dapat dilihat pada gambar di bawah ini)


4. Pada GCP Edit akan uncul dua tampilan uncorrected GCP, yang berfungsi untuk

menempatkan titik – titik GCP, pada window GCP Edit masukkan koordinat yang

telah ditentukan.

5. Klik Off pada semua baris titik sampai berubah menjadi On sehingga muncul RMS

untuk tiap – tiap titik. Modifikasi RMS dengan menepatkan masing – masing titik

pada posisi yang benar sehingga RMS tersebuti mencapai ≤ 0,5. Berikut ini adalah

hasil RMS untuk semua titik:


6. Setelah RMSnya memenuhi syarat klik Rectify, klik Select Output Filename di dalam

kotak Output Info kemudian Save File and Start Rectification

Langkah-langkah Cropping citra sampai dengan density slicing dilakukan menggunakan

ENVI.

II.3.4 Cropping

Pengcropingan/ pemotongan image dapat dilakukan sebelum koreksi geometrik atau

sesudah koreksi geometrik. Namun pada project ini cropping citra dilakukan sesudah koreksi

geometric. Langkah – langkahnya adalah sebagai berikut:

1. Buka citra yang akan dicrop lalu pada jendela utama File Save File As Envi

Meta.

2. Lalu Muncul jendela New File Builder Isi nama file yang hasil crop Import File.

Lalu Muncul Create New File , pilih File yang akan dicrop.

3. Klik tombol Spasial Subset, pada Jendela Select Spatial Subset klik tombol Map


4. Lalu pada jendela Spatial Subset by Map Coordinate Isi nilai cropping peta. OK

KOORDINAT KIRI ATAS KANAN BAWAH

X (m) 530986,33 536386,33

Y (m) 9420031,24 9414001,24

II.3.5 Proses NDVI

Langkah-langkah NDVI di ENVI sebagai berikut:

1. Pada jendela menu utama pilih Transform NDVI

2. Pada jendela NDVI Calculation Parameters, isi Output File Name. OK


Hasil nilai NDVI pada jendela density slice sebelum perentangan nilai spektral.

II.3.6 Perentangan Nilai Spektral (Stretching Image)

Perentangan nilai spectral (stretch image) dilakukan karena nilai spektral citra yang

berkisar antara (-1 s/d +1). Hal ini menyebabkan nilai spectral citra tidak penuh (0 s/d 255).

Adapun langkah-langkahnya di ENVI adalah sebagai berikut:

1. Pada jendela menu utama Basic Tools Stretch Data.

2. Pada jendela Data Stretch Input File, pilih file yang akan direntangkan nilai

spektralnya. OK

3. Pada Jendela Data Stretching, Isi Output Data Range dan Output Filename. OK


II.3.7 Density Slicing

Langkah-langkah Density slicing di ENVI adalah :

1. Pada jendela Stretch (NDVI(c… . Klik Overlay Density Slice. Atur nilai spektral

sesuai jenis kelas dan warnanya, dengan cara:

2. klik nilai spektral Edit Range, Isi Range Min dan Range Max dan klik OK. Lakukan setiap langkah ini pada seluruh kelas spektral.


II.3.8 Pembuatan Peta

Tahapan pembuatan peta dilakukan menggunakan software arcview 3.3. Citra perlu

dijadikan peta agar dapat dijadikan reerensi spasial dan atribut.

Adapun tahapan di arcview 3.3.

Import file dari data ENVI .

1. Buka arcview 3.3 dengan cara Start All Programs ESRI ArcView GIS 3.3

ArcView GIS 3.3.

2. Pada Jendela menu utama Arc View GIS 3.3 klik File New Project New.

3. Pada jendela utama klik ikon Add Theme.

4. Pilih file (densityku.bil), Drives (f:) , Data Source Types: (Image Data source) . OK


Maka hasilnya seperti di bawah ini.

Membuat Tampilan Peta

Untuk membuat tampilan peta, pada menu utama klik View LayOut pada Template

Manager pilih LandScape OK. Maka Hasilnya seperti dibawah ini


Tombol yang digunakan untuk mengedit layout peta

: Fungsi menggeser/memindahkan objek.

: Fungsi membuat teks.

: Fungsi membuat skala, arah utara dll.

: Fungsi membuat persegi untuk legenda.

: Fungsi membuat gratikul dan grid.

: Fungsi merupakan tempat bertanya jika bingung.

Pada Menu utama pilih File Extensions, beri tanda check pada Graticules and Measured

Grids OK. Seperti di bawah ini.

Lalu atur Sesuai dengan keinginan menggunakan tombol-tombol di atas.s


III. HASIL DAN PEMBAHASAN

Pada bab ini menyajikan hasil langkah demi langkah pembuatan mini project beserta

sedikit pembahasannya.

III.1 Data Statistik Citra Landsat 5 TM

a. Hasil dari calculate statistics citra yang belum dikoreksi radiometrik:

b. Hasil dari calculate statistics untuk citra yang sudah di koreksi.

Dengan menampilkan dua statistik citra yaitu sebelum koreksi radiometrik dan

sesudah koreksi radiometrik pada daerah yang sama, kita dapat dengan jelas melihat

perbedaannya. Hal ini terlihat jelas pada baris nilai minimum dan maksimum pada masing –

masing citra. Citra yang belum dikoreksi memiliki nilai minimum yang beragam sedangkan

citra sesudah dikoreksi mempunyai nilai minimum = 0 (nol). Perubahan nilai minimum ini

mempengaruhi nilai statistik yang lain, seperti nilai maksimun, mean, median, dan standar

deviasi.


III.2 Hasil Koreksi Geometrik

Sebelum koreksi geometrik Sesudah koreksi geometrik

Dengan melihat gambar di atas secara langsung kita dapat melihat perbandingan

antara kedua citra tersebut. Selain orientasi yang berubah, citra hasil koreksi radiometrik

mempunyai koordinat pada setiap titiknya. Berikut adalah hasil RMS untuk masing – masing

titik. Semua titik mempunyai nilai RMS ≤ 0.5 yang merupakan standar ketelitian koordinat

titik. Semakin kecil RMS yang dihasilkan, semakin teliti pula koordinat yang dihasilkan dari

koreksi geometrik.

III.3 Hasil Cropping Citra


Gambar di samping merupakan hasil

cropping citra pada software ENVI 4.3.

Mengapa kami tidak menggunakan ER

Mapper untuk melakukan cropping? Karena

ENVI memberikan kemudahan dalam

pemotongan citra. Berikut ini adalah

koordinat yang ditentukan untuk batas

cropping citra.

KOORDINAT KIRI ATAS KANAN BAWAH

X (m) 530986,33 536386,33

Y (m) 9420031,24 9414001,24

III.4 Hasil NDVI

Seperti yang telah disebutkan dalam teori

bahwa hasil dari NDVI berupa penutupan lahan

berupa vegetasi yang tampak lebih cerah dan non

vegetasi yang terlihat gelap dengan sebaran nilai –1

hingga +1 (range band 3 dan band 4). Pada citra di

atas terlihat bahwa daerah perkebunan tampak lebih

cerah dibanding sungai ataupun jalan.

III.5 Hasil Perentangan Nilai Spektal Citra

setelah dilakukan perentangan citra yang

dihasilkan dapat dilihat pada gambar di samping. Citra

tersebut yang tadinya hanya memiliki range -1 s/d +1,

setelah direntangkan atau stretching nilainya menjadi 0

s/d 255.


III.6 Hasil density Slice.

Hasil dari density slicing dapat dilihat pada gambar di atas dengan karakteristik warna

seperti di bawah ini. Dari gambar tersebut seperti pada tujuan dibuatnya mini project ini, kita

dapat membedakan umur tanaman perkebunan dilihat dari tahun tanamnya.

Nilai Spektral Jenis Kelas Warna

0 -173 Diluar tanaman (air, jalan, awan, dsb) Pink

173 – 215 Tahun tanam 1992-1996 Hijau

215 – 224 Tahun tanam 1973-1979 Kuning

224 – 227 Tahun tanam 1981-1982 Merah


III.6 Hasil Layout Peta

Hasil utama dari project ini adalah berupa “peta klasifikasi tanaman berdasarkan umur

tanaman” yang dapat kita lihat pada gambar di atas. Layout peta tersebut dibuat menggunakan

software ArcView 3.3.


IV KESIMPULAN DAN SARAN

IV.1 Kesimpulan

Setelah dilakukan pengolahan citra landsat 5 ini praktikan dapat mengetahui tahapan-

tahapan untuk mengolah citra ini agar dapat dimanfaatkan lebih lanjut. Adapun tahapan

pengolahannya adalah melakukan koreksi radiometrik, koreksi geometrik, cropping,

perhitungan NDVI, perentangan nilai spektral citra (stretching image), penentuan klas

spektral pada proses density slicing, lalu tahapan desain citra menjadi peta.

Tahapan koreksi geometrik dan koreksi radiometrik dilakukan dengan menggunakan

perangkat lunak ER Mapper 6.4. Tahapan cropping, perhitungan NDVI, Stretching, density

slicing dilakukan dengan menggunakan perangkat lunak ENVI 4.3. dan desain citra menjadi

peta dilakukan dengan menggunakan perangkat lunak ArcView GIS 3.3. Penggunaan tiga

jenis perangkat lunak yang berbeda dikarenakan kemudahan dan fasilitas yang disediakan

oleh perangkat lunak itu untuk mendukung proses yang dikerjakan lebih memadai.

IV.2 Saran

Pengalaman praktikan untuk mengerjakan dengan tim sendiri tidak dapat dilakukan

langsung mendapatkan citra yang sesuai dengan keinginan. Sehingga diperlukan adanya

kesabaran dan kemauan untuk mencoba perangkat lunak yang lain. Sebenarnya tahapan

pengolahan citra ini sepenuhnya dapat dilakukan dengan menggunakan perangkat lunak

ENVI, akan tetapi perangkat lunak yang digunakan selama praktikum menggunakan ER

Mapper sehingga untuk mengerjakan mini project ini dilakukan kolaborasi penggunaan

perangkat lunak.

Ada sedikit kemudahan ketika beralih dari suatu perangkat lunak ke perangkat lunak

yang lain untuk mengolah citra jika pada perangkat lunak sebelumnya telah dikuasai dengan

cukup baik dan penguasaan materi yang cukup. Oleh karena itu pengolahan citra yang baik

adalah jika didasari oleh penguasaan materi yang baik dan penguasaan aplikasi perangkat

lunak yang baik pula.


DAFTAR PUSTAKA

Djurdjani dan Christine Nugroho Kartini, 2004, RPKPS dan Bahan Ajar, Jurusan Teknik

Geodesi Fakultas Teknik Universitas Gadjahmada, Yogyakarta.

Lillesand, Thomas M. and Ralph W. Kiefer, 2000, Remote Sensing and Image Interpretation,

John Willey & Sons, Inc, University of Wisconsin – Madison , USA

Anonim, ER Mapper Tutorial

http://rimbawan.org/peh

http://www.gistutorial.net/rsgis-software/ermapper.html

http://www.geocities.com/yaslinus

[email protected]

mailto:[email protected]

http://www.geocities.com/yaslinus

http://www.gistutorial.net/rsgis-software/ermapper.html

http://rimbawan.org/peh


Lampiran



Laporan Mini Project

Documents