Oleh : Abd. Malik, S.T., M.Si. Jurusan Geografi Universitas Negeri Makassar 2008

Transkripsi

1 i Oleh : Abd. Malik, S.T., M.Si. Jurusan Geografi Universitas Negeri Makassar 2008

2 ii DAFTAR ISI I. PENDAHULUAN Penginderaan Jauh Pengolahan Citra Digital Multispektral Software ER Mapper Versi Menginstal ER Mapper Versi II. MEMULAI ER MAPPER VERSI Mengaktifkan Program ER Mapper Loading Data Citra Menampilkan Data Citra Mosaik Citra 21 III. KOREKSI GEOMETRIK/REKTIFIKASI CITRA Menentukan Metode Geocoding Menentukan Titik Kontrol (Ground Control Point = GCP) Proses Rektifikasi 33 IV. KUALITAS CITRA Pembuatan Citra Komposit (RGB = Red-Green-Blue) Pemotongan Citra (Cropping) Penajaman Kontras Citra (Transformation) Penajaman Citra Filtering Transformasi Khusus (NDVI = Normalized Difference Vegetation Index) 50 V. KLASIFIKASI MULTISPEKTRAL CITRA Klasifikasi Unsupervised (Tak Terbimbing) Klasifikasi Supervised (Terbimbing) 63

3 iii VI. UJI LAPANGAN DAN KETELITIAN Uji Lapangan Uji Ketelitian 70 VII. RE KLASIFIKASI DAN LUASAN LAHAN Re-Klasifikasi Menghitung Luasan Lahan Hasil Klasifikasi 72 VIII. ANNOTASI DAN PENCETAKAN Annotasi Pencetakan 78 DAFTAR PUSTAKA

4 KATA PENGANTAR Puji dan Syukur kami panjatkan kehadirat Allah SWT karena berkat rahmat dan hidayah-nya, penulisan buku panduan Pengolahan Citra Digital Dengan ER Mapper Versi 7.0 ini dapat diselesaikan. Kehadiran buku panduan ini akan sangat membantu dalam memberikan pengetahuan, pemahaman dan keterampilan yang mendalam tentang pengolahan citra digital khusususnya bagi mahasiswa yang memprogram mata kuliah Penginderaan Jauh Dasar, Interpretasi Foto Udara, Penginderaan Jauh Terapan, dan Sistem Informasi Geografi (SIG) Jurusan Geografi FMIPA-UNM. Secara keseluruhan buku panduan ini terdiri atas 8 (delapan) pokok bahasan yang membahas secara ringkas, padat, namun mudah dipahami tentang teknik pengolahan citra digital, selain itu yang menarik karena contoh citra digital yang diolah dalam buku panduan ini, langkah-langkah kerjanya dikerjakan secara penuh dari awal hingga akhir yakni sampai pada annotasi dan pencetakan, sehingga bagi para pengguna buku panduan ini akan sangat mudah memahami dan terampil dalam melakukan pengolahan citra digital. Penulis menyadari buku panduan ini masih jauh dari kesempurnaan, karena itu saran dan kritikan dari berbagai pihak yang bersifat membangun guna penyempurnaannya ke depan senantiasa kami tunggu. Terima Kasih. Makassar, 08 Oktober 2008 Penulis

5 1 I. PENDAHULUAN 1.1. Penginderaan Jauh Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang obyek, daerah atau fenomena melalui analisis data yang diperoleh dengan alat tanpa kontak langsung dengan obyek, daerah atau fenomena yang dikaji (Lillesand dan Kiefer, 1997) Menurut Curran (1985), penginderaan jauh adalah suatu pengukuran atau perolehan data pada obyek di permukaan bumi dari satelit atau instrumen lain dari atas atau jauh dari obyek yang diindera dengan menggunakan sensor radiasi elektromagnetik untuk merekam gambaran lingkungan yang dapat diinterpretasikan sehingga menghasilkan informasi yang berguna. Obyek yang diamati adalah obyek yang berada di permukaan bumi. Informasi tentang obyek, daerah atau fenomena yang diteliti didapatkan dari analisis data yang dikumpulkan oleh sensor dari jarak jauh. Sensor ini memperoleh data tentang kenampakan di muka bumi melalui energi elektromagnetik yang dipancarkan dan dipantulkan. Lindgren (1985) dalam Sutanto (1992), menyatakan bahwa penginderaan jauh adalah berbagai teknik yang dikembangkan untuk perolehan dan analsis informasi tentang bumi. Informasi tersebut khusus berbentuk radiasi elektromagnetik yang dipantulkan atau dipancarkan dari permukaan bumi. A = Sumber energi (matahari atau pemancar radar di satelit) B = Perjalanan energy (gel. Elektromagnetik) melalui atmosfer dari sumber energy ke obyek dan kembali ke sensor di satelit C = Interaksi energy dengan obyek bisa berbentuk pantulan, emisi, atau hamburan. D = Sensor yang berada di satelit menangkap energy yang dipantulkan, diemisikan atau dihamburkan oleh obyek C E = Data yang diterima sensor (D) disatelit dikirim ke stasiun bumi, lalu di olah. F = Proses pengolahan, interpretasi dan analisa data untuk menghasilkan informasi G = Pemanfaatan dari informasi tersebut.

6 2 Menurut Curran (1985), bahwa sebuah sistem penginderaan jauh yang menggunakan radiasi elektromagnetik pada umumnya mempunyai empat komponen yaitu : 1. Sumber radiasi elektromagnetik dapat merupakan sumber alami, seperti matahari atau panas emisi bumi dan dapat juga merupakan sumber artifisial seperti gelombang mikro. 2. Interaksi dengan bumi yakni jumlah dan karakteristik dari radiasi yang diemisikan atau dipantulkan dari permukaan bumi tergantung dari karakteristik obyek permukaan bumi. 3. Interaksi dengan permukaan atmosfer yakni energi elektromagnetik yang melalui atmosfer akan mengalami gangguan dan hamburan. 4. Sensor yakni interaksi radiasi elektromagnetik dengan permukaan bumi dan atmosfer akan direkam oleh sensor. Lillesand dan Kiefer (1997), menyatakan bahwa prinsip dasar dalam penginderaaan dengan energi gelombang elektromagnetik untuk sumber daya alam ada 2 yaitu pengumpulan dan analisis data. Elemen proses pengumpulan data meliputi sumber energi, perjalanan energi melalui atmosfir, interaksi antara energi dengan kenampakan di muka bumi, sensor wahana satelit atau pesawat terbang dan hasil pembentukan data dalam bentuk piktoral dan atau numerik. Proses analisis data meliputi pengujian data dengan menggunakan alat interpretasi dan alat pengamatan analisis data piktoral dan atau komputer untuk menganalisis data sensor numerik. Keunggulan yang ditawarkan oleh teknik ini jika dibandingkan dengan metode konvesional survei lapangan antara lain : Memberikan gambaran yang sinoptik (Synoptik Value) : sebuah citra Landsat misalnya, dapat memberikan informasi detail mengenai ciri dan pola suatu lahan atau obyek di muka bumi seluas 185 x 185 km, dimana hal ini tidak dapat diberikan oleh teknik lain. Citra juga dapat memberikan gambaran pendahuluan suatu areal sehingga merupakan saringan dalam memilih daerah yang akan diteliti secara lebih rinci. Hal ini akan menghemat waktu dan biaya karena dapat

7 3 mengurangi penelusuran data besar yang diperlukan sebelum suatu penelitian yang meliputi suatu areal dilakukan. Peliputannya bersifat global (Worldwide Coverage) : daratan dan perairan dangkal di bumi dapat dipantau. Peliputan yang berulang (Repetitive Coverage) : informasi peliputan global tersebut dapat diperoleh setiap 16 hari, sehingga dapat digunakan pula sebagai alat monitoring. Keseragaman waktu (Uniformity Over Time) : satelit melewati suatu titik di permukaan bumi hampir selalu tepat pada waktu lokal yang sama. Hal ini menyebabkan kita dapat melakukan pemantauan suatu target dengan iluminasi cahaya yang relatif sama. Analisis berbagai panjang gelombang (Multispectral Analisys) : data yang diperoleh serentak dalam beberapa panjang gelombang melalui sistem optik yang sama. Hal ini menyebabkan kita dapat membuat tumpang tindih (Overlay) beberapa saluran/band sehingga membentuk suatu citra komposit (Lillesand dan Kiefer, 1997). Lebih lanjut dijelaskan oleh Lillesand dan Kiefer (1997), bahwa secara konsepsual, semua rancangan untuk keberhasilan penginderaan jauh paling tidak harus memenuhi : 1. Perumusan yang jelas masalah yang dihadapi. 2. Evaluasi potensi untuk menyesuaikan permasalahan dengan teknik penginderaan jauh. 3. Identifikasi prosedur perolehan data penginderaan jauh yang sesuai dengan tujuan. 4. Penentuan prosedur interpretasi data yang akan diterapkan dan pemilihan data rujukan. 5. Identifikasi kriteria yang digunakan untuk menilai kualitas informasi yang dikumpulkan.

8 Pengolahan Citra Digital Multispektral Dalam melakukan pengolahan citra digital multispektral, meliputi beberapa tahapan sebagai berikut : 1. Koreksi Geometrik (Geometric Correction); bertujuan untuk mengoreksi data citra terhadap sistem koordinat bumi, supaya informasi data citra telah sesuai dengan keberadaanya di bumi. Ada dua istilah koreksi geometrik: Registrasi; proses koreksi geometrik dari citra belum terkoreksi dengan citra yang sudah terkoreksi. Rektifikasi; proses koreksi geometrik antara citra belum terkoreksi dengan peta. 2. Koreksi Radiometrik (Radiometric Correction); bertujuan untuk memperbaiki kualitas visual citra dan sekaligus memperbaiki nilai-nilai piksel yang tidak sesuai dengan pantulan dan pancaran spektral obyek yang sebenarnya. 3. Penajaman Citra (Image Enhancement); bertujuan untuk memperjelas kenampakan citra dengan memanipulasi nilai spektral pada citra sehingga memudahkan dalam melakukakan interpretasi. Teknik penajaman ini terbagi atas dua : Penajaman Titik (spectral enhancement); mengubah nilai kecerahan tiap piksel pada citra secara terpisah untuk menonjolkan kecerahan obyek tertentu. Metodenya melalui perentangan nilai spectral secara linear (linear stretching). Penajaman Lokal (spatial enhancement); pengubahan nilai poksel yang berkaitan dengan nilai piksel sekelilingnya untuk mengubah tekstur citra secara keseluruhan. Metodenya melalui penyaringan nilai citra terhadap nilai sekelilingnya (filtering). 4. Pemotongan Citra (Image Cropping); bertujuan untuk mendapatkan batasan wilayah/kawasan yang hendak dikaji. Pemotongan dilakukan karena umumnya data satu scene citra mencakup wilayah yang luas, misalnya path/row 114/64 mencakup wilayah Sulawesi Selatan yang sebagian besar daerah bagian Selatan. Kadang tidak semua data yang tercakup dalam scene tersebut kita dibutuhkan. Selain itu dengan pemotongan citra bertujuan untuk memperkecil

9 5 besar file (kapasitas file) yang kita gunakan dan mempercepat proses-proses pengolahan citra. 5. Komposit Citra (Image Composit); merupakan modifikasi saluran/kanal/band citra untuk menonjolkan beberapa aspek. Pemilihan band didasarkan atas kebutuhan pengolahan data. Misalnya untuk memperlihatkan penutup lahan kawasan pesisir dan laut, maka disarankan menggunakan komposit citra 321, maksudnya band 3 diberi warna merah, band 2 diberi warna hijau, dan band 1 diberi warna biru, yang biasa disebut dengan Red, Green, Blue (RGB). No X Citra Y Citra X Peta (mu) Y Peta (mt) Keterangan , , Jembatan menuju Sumpangminangae , , Ujung sabang , , Jembatan Labilibili , , Ujung Timur Pulau Kamerang , , Jembatan Labalakang , , Jembatan Rubae , , Simpang Empat Benrange , , Jembatan dari Ibukota Pinrang ke Paleteang 9 930,05 769, Jembatan pada Sungai Bitoeng menuju Pekkabata ,77 784, Simpang Tiga menuju Paria ,77 528, Jembatan pada Sungai Data

10 6 Hasil Cropping dan Composite RGB 321 Citra Landsat TM 5. Klasifikasi (Classification) Klasifikasi Terbimbing (Supervised Classification) adalah klasifikasi nilai pixel didasarkan pada contoh daerah yang diketahui jenis objek dan nilai spektralnya. Klasifikasi terselia digunakan data penginderaan jauh multispektral yang berbasis numerik, maka pengenalan polanya merupakan proses otomatik dengan bantuan komputer dengan tahapan sebagai berikut :

11 7 Tahap training sample : analisis menyusun kunci interpretasi dan mengembangkan secara numerik spektral untuk setiap kenampakan. Dengan memeriksa batas daerah (training areas). Tahap klasifikasi : setiap pixel pada serangkaian data citra dibandingakan setiap kategori pada kunci interpretasi numerik, yaitu menentukan nilai pixel yang tak dikenal dan paling mirip dengan kategori yang sama. Tahap keluaran : hasil matrik didelineasi sehingga terbentuk peta penutup lahan, dan dibuat tabel matrik luas berbagai jenis tutupan lahan pada citra. Perbandingan tiap pixel citra dengan kategori pada kunci interpretasi dikerjakan secara numerik dengan menggunakan berbagai strategi klasifikasi (dapat dipilih salah satu dari jarak minimum rata-rata kelas, parallelepiped, kemiripan maksimum). Setiap pixel kemudian diberi nama sehingga diperoleh matrik multidemensi untuk menentukan jenis kategori penutup lahan yang diinterpretasi. Klasifikasi Tak Terbimibing (Unsupervised Classification) adalah klasifikasi tanpa daerah contoh yang diketahui jenis objek dan nilai spektralnya. Klasifikasi tak teracu menggunakan algoritma untuk mengkaji atau menganalisis sejumlah besar pixel yang tidak dikenal dan membaginya dalam sejumlah kelas berdasarkan pengelompokan nilai digital citra. Citra setelah Proses klasifikasi Citra sebelum Proses klasifikasi

12 8 6. Orientasi Medan (Ground Truth) dan Uji Ketelitian Orientasi Medan (Ground Truth); dilakukan guna menyakinkan kebenaran hasil interpretasi dan membetulkannya jika terjadi kekeliruan atau kesalahan dalam menginterpretasi. Selain itu dalam orientasi medan ini dilakukan penambahan data yang diperlukan dan yang tidak disadap dari citra. Uji Ketelitian; dilakukan untuk menguji kebenaran hasil interpretasi citra digital atau peta tentatif dengan kondisi sebenarnya di lapangan 7. Interpretasi ulang/akhir (Re-Interpretation); dilakukan setelah orientasi medan. 8. Annotasi dan Pencetakan; Annotasi dilakukan untuk membuat lay out atau tampilan citra yang akan dicetak/print agar sesuai dengan kaidah-kaidah kartografi. Pencetakan dapat dilakukan dengan dua cara, yakni secara langsung mencetak di kertas maupun dalam bentuk file Software ER Mapper Versi 7.0 ER Mapper Versi 7.0 merupakan salah satu software atau perangkat lunak dalam pengolahan data citra satelit yang termasuk banyak digunakan saat ini, walaupun masih banyak software-software yang lain seperti Ilwis, ERDAS, maupun Idrisi For Windows. ER Mapper Versi 7.0 merupakan penyempurnaan dari versi

13 9 sebelumnya yakni, versi 6.4., walaupun saat ini sebenarnya telah ada muncul untuk versi 7.1. Untuk mengoperasikan software ini tentunya harus didukung oleh komputer baik itu komputer dengan spesifikasi berikut : - Sistem Operasi (Operating System atau OS): Windows NT, Windows 2000, Windows XP, Windows Vista - Perangkat Keras (Hardware): Standard PC/Laptop minimal Pentium 4, Memory 256MB, Free Space Hard Disk 607 MB, VGA Card 4MB. ER Mapper yang merupakan salah perangkat lunak utama dalam pengolahan data seperti : - Data Satellite images (Landsat, SPOT, Ikonos, Quicbird, dan lain-lain) - Data Foto Udara hasil scan - Data Seismic 3D - Data Geofisika seperti data airborne magnetics - Data raster lainnya yang berbasis imagery - Data Vector Selain itu ER Mapper juga mendukung untuk data ARC/INFO, DXF,.Shp, dan dan pembuatan DEM (Digital Elevation Model). Beberapa aplikasi kajian/bidang yang dapat dilakukan dengan ER Mapper, antara lain : - Kehutanan ; Pemetaan Hutan dan Perubahannya, Deteksi Kebakaran Hutan, Penempatan Akses Jalan dan Produksi Peta-peta - Pengguna SIG ; Integrasi Data Raster dan Vektor - Penggunaan Lahan; Klasfikasi Penggunaan Lahan dari Data Satelit dan Deteksi Perubahan Penggunaan Lahan Setiap Saat - Perhubungan (Jalan); Deteksi jalan-jalan baru dan perubahannya, Menemukan/penempatan area sebagai jalanan, dan Menghasilkan peta-peta yang menunjukkan perubahan jalan - Eksporasi Mineral; Interpretasi aplikasi-aplikasi Geologi dan Peta-peta Kawasan Eksplorasi

14 10 - Minyak dan Gas; Mengetahui struktur seismic horizon dalam 2D dan 3D, Peta Dasar untuk daerah yang mengandung minyak atau gas, Penajaman dan Pengolahan data perekaman satelit SAR. - Telekomunikasi; Pemetaan lokasi untuk Transimisi Selular - Sumberdaya Air; Pemetaan perubahan vegetasi didaerah tangkapan air, Memetakan daerah aliran permukaan, dan Pengukuran daerah tangkapan air yang berpotensi tercemar 1.4. Menginstal ER Mapper Versi 7.0 berikut : Untuk menginstal software ER Mapper 7.0 dilakukan dengan cara sebagai 1. Klik file ERMInstall.exe untuk install 2. Setelah terinstall, kopi file license.dat yang terdapat di direktori ER.MAPPER.V7.0-RiSE\RiSE ke C:\flexlm (buat direktori/foldernya jika belum ada) 3. Jalankan program tersebut dengan mengklik icon ER Er Mapper 7.0.lnk pada desktop Anda. Tampilan layar pertama (license screen) klik: Floating Point License. Selanjutnya computer Anda akan melakukan configuration system dengan program yang telah terinstal tersebut. 4. Jalankan kembali program ER Mapper versi 7.0. (Sumber : Earth Resource Mapping Ltd)

15 11 II. MEMULAI ER MAPPER 2.1. Mengaktifkan Program ER Mapper 7.0 Dari desktop computer klik 2x shortcut icon : atau dari menu Start pilih All Program kemudian Pilih Earth Resource Mapping lalu Klik ER Mapper 7.0 sehingga muncul window main menu sebagai berikut : ER Mapper 7.0.lnk Er Mapper 7.0 Buka window baru Buka algoritma Hand tool/ paning Refresh image Menu Bar Tools Bar Copy window Save/ Save As Edit Algoritma Zoom tool Stop Processing 2.2. Loading Data Citra Untuk melakukan loading data dalam pengolahan citra, yang pertama dilakukan yakni mengimport data satelit yang digunakan ke dalam format Er Mapper. Umumnya data citra disimpan dalam media magnetic tape, CD ROM atau media penyimpan lainnya. Jenis data yang bisa diload ke dalam Er Mapper yakni data raster dan data vektor

16 12 Data raster adalah tipe data yang menjadi bahan utama kegiatan pengolahan citra. Data raster adalah citra digital yang dibentuk dari elemen-elemen gambar (pixel = picture element) dan dinyatakan dalam tingkat keabuan. Contoh data raster adalah citra satelit dan foto udara. Secara defenitif citra penginderaan jauh adalah gambaran suatu obyek dari pantulan atau pancaran radiasi elektromagenetik obyek, yang direkam dengan cara optic, elektro-optik, optic-mekanik, atau elektronik. Citra penginderaan jauh merupakan gambaran dari wujud aslinya atau paling tidak berupa gambaran planimetriknya, sehingga citra merupakan keluaran suatu system perekaman data dapat bersifat optic, analog, dan digital. Pada saat membuaka data raster, Er Mapper akan membuat dua file : (1) File data binary yang berisikan data raster dalam format BIL, tanpa file extension; dan (2) File header dalam format ASCII dengan extension.ers. Data vektor adalah data yang tersimpan dalam bentuk titik, garis, dan polygon (area). Contoh data vector adalah data yang dihasilkan dari hasil digitasi Sistem Informasi Geografis (SIG) seperti lokasi pengambilan sampel, jalan atau penggunaan lahan. Er Mapper juga akan membuat dua file hasil dari mengimport data vector : (1) File data dalam format ASCII berisikan data vector; dan (2) File header dalam format ASCII dengan extension.erv. Er Mapper memiliki banyak fasilitas import yang dapat digunakan untuk mengimport antara lain data raster dan vector dalam berbagai format. Untuk melalukan import data dapat dilakukan sebagai berikut :

17 13 Dari menu bar pilih Utilities yang akan menampilkan berbagai jenis data yang dapat diimport dengan Er Mapper. Untuk mengimport data Landsat TM, pilih Import Satellite Imagery kemudian klik Landsat TM BSQ/BIL CCT (Common LTWG CCT Format), lalu klik Import.

18 14 Klik Import File/Device Name untuk memilih file yang akan diimport dengan mengklik akan muncul kotak dialog yakni Input File Selection, lalu pilih direktori dimana file yang akan diimport. Klik Output Dataset Name memberikan nama baru file hasil import dan menempatkan file tersebut didirektori yang diinginkan dengan mengklik Er Mapper 7.0 memiliki kemampuan membuka langsung data dalam berbagai format extension sebagai berikut :.ers,.alg,.hdr,.bmp,.doq,.ecw,.fst,.tif,.tiff,.l1g,.l1r,.met,.hdf,.jpg, tanpa harus melakukan proses import Menampilkan Data Citra Dari menubar pilih File / New untuk membuat tampilan kosong atau klik. Dari menubar pilih View / Algorithm, atau dari toolbar klik untuk menampilkan isi dari algorithm dari Window atau Tampilan yang dibuat sebelumnya. Akan muncul tampilan kotak Algorithm dan kotak window baru sebagai berikut :

19 15 Pada kotak window image ada tulisan Pada kotak tersebut belum ada image karena belum ada file image yang dimasukkan. Tanda *** menunjukkan window/kotak tersebut sedang aktif atau sedang dipilih, angka 1 menunjukkan bahwa kotak window tersebut adalah kotak pertama yang dibuka, angka ini akan bertambah sebanyak jumlah kotak window yang dibuka sehingga bila kita membuka kotak ke 15 maka akan muncul angka 15 pada tampilan tersebut. Tulisan Algorithm Not Yet Saved berarti tampilan window yang kita buka belum disimpan dalam file algoritma (.alg). Dari menu Algorithm klik dibawah kata No Dataset untuk meload Data yang akan ditampilkan. Akan keluar tampilan baru, kotak Raster Dataset

20 16 Kemudian pilih data citra yang akan ditampilkan, misalnya L _050897_B ers yang terdapat dalam folder D:\Praktek PJT\114064_1997, lalu klik OK

21 17 berarti kita memilih file yang di highli ght dan kotak Raster Dataset akan menutup berarti kita memilih file yang di highlight dan kotak Raster Dataset tidak akan menutup. Kalimat this layer only yang mengikuti kata OK dan Apply menunjukkan bahwa perintah tersebut hanya berpengaruh pada layer yang dipilih saja tetapi tidak untuk semua layer. adalah perintah untuk memperlihatkan informasi dari file dataset yang akan kita pilih, akan tampil kotak seperti berikut : Bila data tersebut adalah data asli, maka cell size x dan y akan bernilai 1 meters. Nilai ini harus kita ubah terlebih dahulu sesuai dengan resolusi spasial Landsat-TM yaitu 30 meters, yaitu dengan mengklik. Kemudian akan tampil:

22 18 Kemudian klik akan muncul kotak baru Kemudian klik akan muncul kotak baru Isikan nilai 30 pada pilihan Xdimension dan Ydimension seperti contoh diatas,

23 19 lalu klik OK. Klik Yes bila ada pertanyaan Save changes before closing editor? Nilai cell size x dan y akan berubah menjadi 30 meters, kemudian klik Cancel. Setelah data file kita pilih, kemudian kita menentukan layer apa yang akan menampilkan data tersebut. Bila sudah terpilih, maka nama file akan terlihat pada kotak Algorithm Menunjukkan layer pada file terpilih yang aktif dan akan ditampilkan pada layer tersebut (contoh diatas menunjukan band 1 sebagai layer terpilih). Dengan mengklik tombol panah kebawah disamping tulisan B1:Band1 maka akan tampak seluruh layer yang ada pada file tersebut (dalam hal ini adalah 7 band dari Landsat-TM) seperti contoh diatas. Set jenis layer yang akan digunakan untuk menampilkan data yang telah diload, beberapa pilihan layer yang disediakan adalah Pseudo, Red, Green, Blue, Intensity, Height, dll. Untuk mengetahui jenis layer dapat dengan mengklik kanan pada kalimat Pseudo Layer dan akan muncul :

24 20 Tanda menunjukkan jenis layer yang dipilih. Untuk menampilkan kombinasi kanal 453 misalnya, maka buat 3 layer yaitu Red, Green, dan Blue Untuk menampilkan hasil klasifikasi, maka buat layer Class Display Untuk menampilkan Pseudo Color, maka buat layer Pseudo Dari toolbar Klik Refresh untuk menampilkan citra 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

25 Mosaik Citra Mosaik citra adalah proses menggabungkan/menempelkan dua atau lebih citra yang tumpang tindih (overlapping) sehingga menghasilkan citra yang representatif dan kontinyu. Dalam Er Mapper proses ini dapat dilakukan tanpa membuat file yang besar (disimpan dalam bentuk Virtual) kecuali bila diinginkan menyimpan file tersendiri (disimpan dalam bentuk Dataset). Adapun langkah-langkah dalam melakukan mosaik citra sebagai berikut : Dari menubar pilih File-New untuk membuat tampilan kosong atau klik atau klik lalu arahkan folder ke file D:\Praktek PJT\ _1997\ L _050897_B _makassar.ers (Default Surface 1) atau disingkat DS 1 lalu klik untuk menampilkan window algorithm, kemudian dari window algorithm klik sebanyak 5x, klik kiri pada untuk mengganti nama layer menjadi Band 1 sampai Band 7. Klik 1x di kemudian klik pilih file di kotak dialog Raster Dataset, yakni L _050897_B _maros.ers (Default Surface 2) atau disingkat juga DS 2, tampilan proses ini sebagai berikut : Default Surface 1 Default Surface 2

26 22 Citra masih ditampilkan dalam mode pseudo color, untuk dapat melihat citra dalam warna true color, kita buat dengan kombinasi band RGB 453. Sebelum itu, jika pada perbatasan scene ada bagian citra yang tidak tampak, lakukan edit Null Cell Value pada kedua citra. Caranya dimulai menempatkan cursor pada DS yang ke 1. Klik untuk membuka kotak dialog Raster Dataset. Selanjutnya klik info, klik Edit (a) pada window Dataset Information, klik Raster Info (b) pada window Dataset Header Editor, lalu ganti Null Cell Value : None dengan 0 (nol) pada window Dataset Header Editor (c) : Raster Information, Klik OK pada window Dataset Header Editor : Raster Information, klik Apply (d) pada window Dataset Header Editor, klik Yes pada window Er Mapper Status, klik OK pada window Dataset Header Editor, klik Close pada window Dataset Information. a d b c Pada View Window akan tampak kedua citra yang telah tersambung, tetapi belum tahu apakah di perbatasan kedua citra tersebut sudah representatif dan kontinyu, seperti gambar berikut :

27 23 Selanjutnya hasil mosaik citra tersebut di buat dalam bentuk color composite true color, misalnya RGB 453, dengan langkah sebagai berikut : Delete dengan icon pada window layer-layer selain band 4,5, dan 3 pada DS 1 dan DS 2 sehingga yang tersisa hanya band 4,5 dan 3. Ganti dengan surface Red Green Blue. Ganti juga pada masing-masing DS dengan layer Red, Green dan Blue sesuai urutan band 4, 5, dan 3 (tidak boleh tertukar urutannya).

28 24 Setelah citra telah termosaik dan tidak ada pergeseran, proses selanjutnya menyimpan 2 dataset citra tersebut kedalam satu dataset. Dimulai dengan membuka kembali semua band pada DS 1 dan DS 2 kedalam mode pseudo layer. Sehingga pada window algorithm tersusun urut seperti gambar di bawah sebelah kiri. Pada view window, kondisi citra harus kedalam keadaan Zoom to All Datasets. Lakukan drag layer-layer pada DS 2 ke DS 1. Dari menubar pilih File-Save as untuk menyimpan algoritma-nya misalnya D:\ PraktekPJT\ _1997\ L _050897_B alg untuk menyimpan hasilnya, dapat dilakukan dalam dua bentuk: 1. Disimpan dalam bentuk Virtual. Dari menubar pilih File-Save as akan muncul window baru yakni Save as. Pada Files of Types, pilih ER Mapper Virtual Dataset (.ers) isikan nama file baru di bawah kata Save as, misal D:\PraktekPJT\ _1997\L _050897_B _Mosaik_Virt.ers lalu Klik OK. 2. Disimpan dalam bentuk Dataset. Dari menubar pilih File-Save as akan. Pada Files of Types, pilih ER Mapper Raster Dataset (.ers) isikan nama file baru di bawah kata Save as, misal D:\PraktekPJT\ _1997\L _ _ B _ Mosaik.ers lalu Klik OK. Klik Apply Pada window save as ER Mapper Raster Dataset klik Default, output type : Multy Layer, klik output dataset type pilih Unsigned8bitinteger, kemudian pixel heignt dan Pixel width masing masing 30. Maintain aspect ratio d an Delete Output Transform di ceklist Klik OK, tunggu sampai window ER mapper status mencapai 100% dan dan muncul pesan complete.

29 25 III. KOREKSI GEOMETRIK/REKTIFIKASI CITRA Koreksi geometrik citra terhadap koordinat bumi dilakukan agar semua informasi data citra sesuai keberadaanya di bumi. Dalam proses ini terdapat dua istilah yakni registerasi dan rektifikasi. Regiterasi adalah proses mendaftarkan/menempatkan titik-titik referensi peta atau titik-titik referensi bumi terhadap citra yang belum terkoreksi. Rektifikasi adalah proses koreksi/perbaikan geometric citra yang belum terkoreksi yang sudah memiliki titik-titik referensi Menentukan Metode Geocoding Dalam melakukan koreksi geometrik, perlu ditentukan terlebih dahulu metode yang akan digunakan untuk melakukan koreksi. Metode yang akan digunakan tergantung pada jenis data (resolusi spasial) dan jenis kesalahan geometris (skew, yaw, roll, dan pitch). 1. Triangulation, metode ini biasanya digunakan untuk data citra yang mengalami banyak pergesaran/distorsi skew dan yaw, dan untuk data yang tidak sama ukuran pixelnya pada satu data set. 2. Polynomial, metode ini biasanya digunakan untuk data citra yang mengalami pergeseran linear, ukuran pixel sama dalam satu set, dan untuk data resolusi spasial tinggi maupun rendah. 3. Orthorectify, metode ini biasanya digunakan untuk mengkoreksi data citra secara geometris, juga mengkoreksi citra berdasarkan ketinggian geografisnya. Jika tidak menggunakan metode ini, maka puncak gunung akan bergeser letaknya dari posisi sebenarnya, walaupun sudah dikoreksi secara geometris. 4. Rotation, metode ini biasanya digunakan untuk mengkoreksi data citra karena terjadi pergeseran yang terlihat berputar, baik searah jarum jam maupun berlawanan jarum jam. 5. Map to Map Reprojection, metode ini digunakan untuk mengkoreksi data citra dengan transformasi geografi, tetapi tidak memperbaiki distorsi geometrik.

30 26 6. Known Point Registration, metode ini mengatur/memberikan titik registerasi dan informasi koordinat pada data citra, tetapi tidak melakukan koreksi. Untuk lebih jelasnya, dapat dilihat pada tabel berikut tentang beberapa data citra dan metode koreksi yang digunakannya: Image Orthorectify Polynomial Triangulation Satelit Optikal (Landsat, x SPOT) Satelit Radar Foto Udara x x x Airborne Optical Scanner x x Sumber : Earth Resource Mapping Ltd Menentukan Titik Kontrol (Ground Control Point = GCP) Dalam penentuan titik control dalam proses koreksi geometric dilakukan langkah-langkah sebagai berikut : Dari menu bar klik Proses, lalu pilih Geocoding Wizard Pada window Geocoding Wizard pilih 1)Start, lalu kilik untuk membuka data citra yang akan dikoreksi, misalnya : L _050807_B ers Pilih Polynomial pada Geocoding Type, lalu klik langkah kedua 2)Polynomial Setup dan pilih linear pada Polynomial Order

31 27

32 28 Klik langkah 3)GCP Setup, lalu ceklist pada Geocoded image, vectors or algorithm. Klik untuk membuka file referensi yang menjadi acuan untuk mengoreksi data citra (misalnya Peta Rupa Bumi Digital Sulawesi Selatan yang sudah geocoded) dalam format file.ers Pada kotak dialog Output Coordinate Space klik Change untuk menentukan To geodetic datum : (misalnya = WGS84), To geodetic projection: (misalnya = SUTM50) dan To coordinate type: (misalnya : Eastings/Northings). Selanjutnya klik 4) GCP Edit, akan muncul 4 window view, yakni : (a) UNCORRECTED GCP ZOOM; (b) CORRECTED GCP ZOOM; (c) UNCORRECTED GCP (OVERVIEW ROAM geolink); dan (d) CORRECTED GCP (OVERVIEW ROAM geolink). Selain itu akan tampil pula bersamaan Window Geocoding Wizard Step-4 of 5, yang mana siap untuk memulai pengambilan titik control.

33 29 Untuk memudahkan pengambilan titik-titik control Close saja dua window view yakni UNCORRECTED GCP (OVERVIEW ROAM geolink) dan CORRECTED GCP (OVERVIEW ROAM geolink) tersebut, sehingga yang tersisa hanya window view UNCORRECTED GCP ZOOM dan CORRECTED GCP ZOOM serta Window Geocoding Wizard-Step 4 of 5, lalu lakulan geolink terhadap kedua window view UNCORRECTED GCP ZOOM dan CORRECTED GCP ZOOM tersebut dengan mengklik kanan pada citra dan peta lalu pilih Quick Zoom dan pilih Set Geolink to Window.

34 30 Gunakan icon dari menu bar untuk menunjuk titik-titik referensi pada citra dan peta. Gunakan juga icon-icon zooming dan panning dari menu bar untuk memperbesar, memperkecil dan menggeser citra dan peta. Klik dengan icon pada window view UNCORRECTED GCP ZOOM untuk mengambil titik X dan Y, lalu klik pada window view CORRECTED GCP ZOOM untuk mengambil koordinat Eastings dan Northings. Lalu klik Edit hingga berubah menjadi No pada window Geocoding Wizard- Step 4 of 5 agar titik yang telah dipilih terkunci (tidak akan mengalami pergeseran) Klik icon pada window Geocoding Wizard-Step 4 of 5 untuk menambah titik referensi baru lalu (lakukan langkah-langkah tersebut untuk titik-titik yang lain)

35 31 Dalam pengambilan titik GCP tersebut, minimal sebanyak 4 titik dan maksimal tidak terbatas, dengan pertimbangan pada saat memilih titik GCP, sebaiknya memilih terlebih dahulu pada setiap sudut jendela citra, tetapi bila tidak bisa (misalnya data daerah pesisir/lautan atau ada awan), maka dicari titik terdekat dengan sudut tersebut. Hal tersebut untuk menjaga supaya titik GCP menyebar pada citra sehingga perhitungan statistic rektifikasi tidak bertumpuk pada salah satu sudut saja. Pemillihan obyek yang akan dijadikan GCP sebaiknya obyek yang tidak berubah dalam rentang waktu perbedaan data citra tersebut, misalnya perpotongan jalan, tetapi bila tidak memungkinkan maka dapat dipilih daerah aliran sungai, perpotongan sungai dan lainnya selama obyek tersebut tidak berubah bentuknya dan berpindah tempat. Setelah 4 titik GCP diambil, kita bisa melihat nilai RMS (Root Mean Square), nilai tersebut menunjukkan sebarapa besar kesalahan titik yang kita ambil terhadap sebenarnya dipeta, nilai RMS sebaiknya tidak lebih dari 1. (Sumber: Earth Resource Mapping Ltd).

36 32

37 33 Jika telah mengambil minimal 4 titik GCP, save untuk menyimpan file GCP ke dalam file header citra. Klik juga icon untuk menyimpan file GCP ke dalam file tersendiri yang berextensi gcp (.gcp). Untuk melihat ke arah mana salahnya pergeseran titik referensi, aktifkan Grid dan Errors pada window Proses Rektifikasi Dalam koreksi geometrik, proses rektifikasi (Rectify) merupakan langkah terakhir Klik untuk menyimpan file hasil koreksi di D:\Praktek PJT\114064_1997\L _050897_B _rec.ers. Untuk Cell Attributes: Cell size X : 30 dan Cell size Y : 30, Null cell value : 0, Resampling : Nearest Neighbor. Lalu klik untuk memulai rektifikasi.

38 34 Tunggu sampai rektifikasi file mencapai 100%. lalu klik OK jika rektifikasi berakhir sukses

39 35 IV. KUALITAS CITRA 4.1. Pembuatan Citra Komposit (RGB = Red-Green-Blue) Pembuatan Citra Komposit merupakan modifikasi saluran/kanal/band citra untuk menonjolkan beberapa aspek. Pemilihan band didasarkan atas kebutuhan pengolahan data. Misalnya untuk memperlihatkan penutup lahan kawasan muara Sungai Tallo Makassar maka disarankan menggunakan komposit citra 453, maksudnya band 4 diberi warna merah, band 5 diberi warna hijau, dan band 3 diberi warna biru, yang biasa disebut dengan Red, Green, Blue (RGB). Cara untuk membuat komposit citra sebagai berikut : Dari tool bar klik lalu klik untuk memilih file citra yang akan dikompositkan, misalnya L _050897_B _rec.ers yang terdapat pada folder : D:\Praktek PJT\114064_1997\, lalu klik OK.

40 36 Klik icon 2 kali, lalu klik kanan pada dan pilih Red Green Blue, lalu ubah dengan menklik kanan menjadi Red untuk yang pertama 1, Green kedua dan Blue ketiga, bersamaan itu pula ubah band-nya untuk Red: Band 4; Green: Band 5; dan Blue: Band 3, sehingga nampak citra dengan komposit RGB 453, seperti gambar berikut : Simpan file citra hasil komposit tersebut dengan memilih File-Save as dengan menyimpannya pada folder : D:\Praktek PJT\114064_1997\, dengan memilih Er Mapper Raster Dataset pada Files of Type untuk menempatkan dataset hasil save as. Isikan nama file baru dengan nama L _050897_B _B453.ers lalu klik OK. Pada window Save as Er Mapper Raster Dataset klik Default, Output Type : Multi Layer, Data Type : Unsigned8bitInteger, lalu pixel height dan pixel width masing-masing 30. Maintain aspect ration di ceklist ( ) Klik OK dan tunggu sampai window Er Mapper Status mencapai 100% dan pesan yang menyatakan complete.

41 Pemotongan Citra (Cropping) Pemotongan citra dilakukan guna memperkecil daerah yang dikaji dan ukuran (size) data, dimana diketahui ukuran satu scene citra Landsat adalah 185 x 185 km dan untuk satu band size-nya ± kb dan untuk data yang telah di mosaik yang disimpan dalam dataset size-nya bisa mencapai kb. Langkah-langkah dalam melakukan pemotongan citra (cropping) ada beberapa cara : 1. Dengan memasukkan koordinat geografis (lintang/bujur) atau Universal Transverse Mercator (UTM) Dari toolbar klik lalu klik pilih citra yang akan dipotong, misalnya D:\Praktek PJT\114064_1997\L _050897_B _rec.ers, lalu tampil-kan semua band pada file tersebut, jangan lupa ganti dengan nama-nama band-nya, seperti berikut : Dari menu bar View-Geoposition atau klik, lalu pilih Extens akan muncul kotak dialog seperti berikut :

42 38 Masukan nilai koordinatnya, bisa dalam bentuk Latitude/Longitude atau Easting/Northing, kemudian klik Apply Dari menubar pilih File-Save as Dataset 2. Memotong sesuai bentuk yang diinginkan, seperti batas admnistrasi kabupaten/kota : Jika data berasal dari data GIS (seperti ArcView) yang memiliki extension.shp, seperti Makassar.shp, lakukan konversi ke.erv (vector Er Mapper), dengan langkah sebagai berikut : Dari menu bar klik pilih Utilities, lalu pilih Import Vector and GIS Formats ESRI Shape File Import Muncul window Import Shape File, pada baris Input-File Name: arahkan ke folder D:\Praktek PJT\Batas Administrasi\makassar.shp Pada baris Output File Name: arahkan ke folder D:\Praktek PJT\Batas Administrasi\makassar.erv Ganti Map projection dengan SUTM50 dan Geodetic datum : WGS84, dan seterusnya seperti pada gambar. Warna garis bisa dipilih sesuai selera yang penting terlihat jelas di citra.

43 39 Pada window algorithm, klik Edit - Add Vector Layer - Annottion/Map Composition, untuk mengeluarkn layer khusus vektor. Setelah dibuka dengan mengklik icon untuk memunculkan window tools lalu pada window tools klik akan muncul vector polygon kota Makassar di

44 40 atas citra dengan mengarahkan pada folder D:\Praktek PJT\Batas Administrasi\makassar.erv lalu klik Ok. Klik untuk memunculkan vektor polygon

45 41 Vektor batas administrasi Kota Makassar Setelah itu beri nama region vector polygon dengn cara klik pada window tools, jangan lupa garis vector tersebut harus dalam keadaan terselect, seperti gambar berikut, lalu ketikkan kata Makassar pawa window yang tersedia, lalu klik Apply.

46 42 Save file vector tersebut dengan dan save as ke dalam Raster Region dengan Pindahkan dot selection pada vektor file ke Raster Region. Pada baris Save to File, filenya harus sama dengan yang dibuka di window algorithm, yakni L _050997_B _rec.ers, seperti gambar berikut : (Hingga langkah ini, file citra siap di cropping, dengan memberikan formula untuk memotong citra tersebut). Selanjutnya untuk memberikan formula klik pada algorithm. Pada window formula editor klik Standart isikan pada INPUT : B1: Band1; Region1: makassar Lakukan hal yang sama untuk yang lainnya hingga INPUT1:B7: Band7; Region1: Makassar, seperti gambar berikut :

47 43 INPUT1: B1: Band 1 INPUT1: B2: Band 2 INPUT1: B3: Band 3 INPUT1: B4: Band 4 INPUT1: B5: Band 5 INPUT1: B6: Band 6 INPUT1: B7: Band 7 REGION1: makassar

48 44 Sehingga dihasilkan citra hasil cropping sebagai berikut : Untuk mengganti background color citra yang berwarna hitam menjadi putih, lalu dari menu bar klik File-Page Setup, lalu ubah Set Color menjadi White, lalu klik OK, sehingga dihasilkan gambar berikut :

49 45 Untuk menyimpan citra hasil cropping tersebut dalam File Dataset, dari menu bar klik File-Save As, dan simpan dalam folder : D:\ Praktek PJT\114064_1997\ dengan nama L _050897_B _rec_makassar.ers Catatan : Jika menggunakan citra Landsat 7 ETM, yang memiliki tambahan band 8, lakukan hal yang sama untuk band 8 tersebut, mulai dari overlay annotation layer makassar.erv dengan citra band 8, lalu simpan dalam raster region pada file band 8, kemudian beri formula. File misalnya disimpan dengan nama L _050802_B8_rec_makassar.ers Pada saat di Save As..., layer vector bisa di cut, agar tidak terbawa dalam dataset baru.

50 Penajaman Kontras Citra (Transformation) Penajaman Citra Transformasi adalah teknik peningkatan kontras warna dan cahaya dari suatu citra sehingga memudahkan untuk interpretasi dan analisis citra. 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. Untuk mengkontraskan data dengan menghilangkan 1 % informasi klik Untuk mengkontraskan data secara manual klik akan keluar tampilan sebagai berikut : Kesembilan icon disebelah 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 diatas icon. Untuk mengganti layer yang akan diubah kontrasnya klik,, atau

51 47 Anda dapat juga membuat kontras citra secara manual dengan mendrag garis lurus pada kotak histogram dengan mouse kiri, seperti contoh: Drag to transform Untuk menyimpan hasil transformasi maka tampilan citra perlu disimpan, bisa sebagai algoritma ataupun sebagai raster dataset dengan mengklik File-Save As dan simpan di folder D:\ Praktek PJT\114064_1997\ dengan nama L _050897_B _rec_trans.alg Filtering Filter spasial adalah suatu aplikasi umum yang diterapkan pada citra untuk penajaman guna memuddahkan interprestasi visual. Filter spasial disebut juga sebagai operasi lokal dalam pengolahan citra, sebab filter spasial merubah harga setiap pixel dalam dataset sesuai dengan harga-harga pixel di sekitarnya. Filter spasial dapat dibagi menjadi tiga kategori utama, yaitu : 1. Low pass filter atau filter lolos rendah, adalah filter yang menekan frekuensi rendah meratakan keluaran noise pada citra atau menghilangkan spike pada citra. Filter lolos rendah terkadang disebut juga sebagai filter smoothing atau filter averaging.

52 48 2. High pass filter atau filter lolos tinggi, adalah filter yang menekan frekuensi tinggi untuk mmenajamkan penampakan liner pada citra seperti jalan, patahan lingkungan air dan tanah. Filter lolos tinggi terkadang disebut juga sebagai filter sharpening karena secara umum digunakan untuk menajamkan citra secara detail tanpa mempengaruhi bagian dari frkuensi rendah citra. 3. Edge detection filter, adalah filter yang menekan pinggir-pinggir disekeliling suatu obyek atau penampakkan dalam suatu citra untuk memudahkan dalam analisis. Filter edge detection biasanya membuat suatu citra dengan latar belakang abu-abu dan hitam, dan garis putih yang mengelilingi pinggir obyek atau penampakan dalam suatu citra. Kita dapat memilih jenis-jenis filter yang ingin digunakan dari kumpulan filter yang ada di ER Mapper, sepertim filter untuk averaging, edge enhancement, laplacian, noise removal, sharpening, threshold, median, 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. Untuk melakukan filtering, terlebih dahulu buka file raster dataset L _050897_B _B453.ers pada folder D:\ Praktek PJT\114064_1997\ lalu klik akan muncul window filter. Dari window filter klik untuk meload jenis filter yang akan digunakan, akan banyak pilihan jenis filter pada ER Mapper.

53 49 Pada direktori ER Mapper/Kernel banyak direktori dari filter yang dapat digunakan. Misalnya mengambil jenis filter/ file filter Sharpen11x11.ker pada direktori filters_high_pass, lalu klik OK Untuk memberi filter pada layer lain klik,, atau. Kemudian klik Untuk mendelete filter klik pada kotak filter kemudian klik lalu pilih Delete this filter.

54 50 Kemudian klik, lalu save hasil filtering pada dengan mengklik File-Save As dan simpan di folder D:\ Praktek PJT\114064_1997\ dengan nama L _050897_B _B453_filter.alg Transformasi Khusus (NDVI = Normalized Difference Vegetation Index) NDVI adalah kombinasi antara teknik penisbahan dan teknik pengurangan saluran. Dengan formula sebagai berikut : Untuk memulai pembuatan algoritma NDV terlebih dahulu anda harus membuka file citra yang akan di proses yakni L _050897_B _B453.ers dengan mengklik, setelah terbuka citra dilanjutkan dengan mengklik icon Edit Formula hingga akan muncul kotak dialog seperti dibawah ini :

55 51 Selanjutnya klik File - Open seperti pada gambar berikut : Anda akan langsung masuk pada direktori formula algoritma yang telah di patentkan, kemudian pilih algolitrma yang anda kan buat seperti dibawah ini, misalnya menggunakan citra Landsat TM, lalu klik OK, seperti gambar berikut :

56 52 Kemudian muncul window seperti di bawah ini : Lalu klik, selanjutnya simpan file hasil transformasi NDVI dengan mengklik File-Save As dan simpan di folder D:\ Praktek PJT\114064_1997\ dengan nama L _050897_B _B453_NDVI.alg

57 53 V. KLASIFIKASI MULTISPEKTRAL Klasifikasi multispektral adalah suatu proses dimana semua pixel dari suatu citra yang mempunyai penampakan spektral yang sama akan diidentifikasikan. Sebagai contoh suatu citra Landsat TM dengan tujuh buah informasi band dapat diklasifikasi untuk mengidentifikasi lingkupan kawasan atau lahan di pesisir atau tata guna lahan. Kita mempunyai sejumlah pilihan untuk membuat suatu klasifikasi, kita dapat memilih jenis keluaran yang diinginkan dan juga pengolahan data yang diinginkan. Dalam proses klasifikasi kita akan membuat suatu data set klasifikasi atau suatu algoritma dari tiap-tiap baris yang mempresentasikan suatu kelas. Klasifikasi unsupervised (tak terbimbing) dan supervised (terbimbing) biasanya digunakan untuk mengklasifikasi keseluruhan suatu dataset menjadi kelaskelas. Kelas-kelas dapat mengidentifikasi misalnya area air (laut, sungai, maupun danau), vegetasi (hutan dan tanaman, tanaman hijau lainnya), tambak, permukiman, lahan kosong, dan lain-lain. Suatu dataset klasifikasi biasanya diperlihatkan dengan menggunakan suatu tampilan baris klasifikasi dalam algoritma. Tampilan baris klasifikasi dapat menampilkan banyak kelas, dengan warna yang berbeda-beda untuk masing-masing kelas Klasfikasi Unsupervised (Tak Terbimbing) Kita menggunakan klasifikasi unsupervised ketika kita mempunyai sedikit informasi tentang dataset kita. Klasifikasi data unsupervised memulai mengklarifikasi dari kelas-kelas atau wilayah-wilayah yang kita spesifikasikan atau dari jumlah nominal kelas. Klasifikasi unsupervised secara sendiri akan mengatagorikan semua pixel menjadi kelas-kelas dengan menampakan spektral atau karateristik spektral yang sama. Hasil klasifikasi dipengaruhi oleh parameter-parameter yang kita tentukan dalam kotak dialog klasifikasi unsupervised. Klasifikasi unsupervised akan menghitung secara statistik untuk membagi dataset menjadi kelas-kelas sesuai dengan jumlah kelas yang kita inginkan.

58 54 Biasanya hasil-hasil klasifikasi unsupervised harus diinterpretasi dengan menggunakan data yang sebenarnya di lapangan untuk menentukan kelas-kelas yang mempresentasikan area atau wilayah sebenarnya di lapangan. Dari informasi ini mungkin kita bisa memutuskan untuk mengkombinasikan atau menghapus kelaskelas yang diinginkan. Kita perlu juga untuk memberi warna dan nama untuk masingmasing kelas. Adapun proses dalam klasifikasi unsupervised sebagai berikut : Pilih Process pada menu bar, lalu pilih Classification dan pilih ISOCLASS Unsupervised Classification sehingga muncul window Unsupervised Classification berikut :

59 55 Klik pada Input Dataset untuk file yang akan diklasifikasi, misalnya D:\Praktek PJT\114064_1997\L _050897_B _makassar_ rec.ers Masukkan band yang akan digunakan dengan mengklik pada Band to Use. Karena band RGB yang digunakan 453, maka masukkan 3-5 Klik pada Output Dataset untuk memasukkan nama file yang baru hasil dari klasifikasi, misalnya D:\Praktek PJT\114064_1997\ L _ _B _ makassar_ rec_unclass.ers. Masukkan nilai Maximum iterations, nilai tertinggi yang bisa dimasukkan 9999, disini diberikan nilai 15. Masukkan nilai Maximum number of classes, nilai tertinggi yang bisa dimasukkan adalah 255, disini diberikan 30. Masukkan nilai Maximum standard deviation, disini diberikan 2. Lalu Klik OK, sehingga munculnya pesan Unsupervised Classification complete successfully sebagai berikut : Close semua window yang ada kecuali window ER Mapper.

60 56 Untuk menampilkan hasil klasifikasi tersebut, klik lalu ubah Pseudo layer dengan mengklik kanan menjadi Class Display Layer, lalu klik pada window Algorithm tersebut untuk menampilkan citra hasil klasifikasi dalam bentuk grayscale (keabuan) yang belum dapat memberikan informasi kelas-kelas tentang obyek yang ada seperti gambar berikut : Untuk menampilkan klas-klas obyek tersebut, lakukan pengeditan kelas, dengan mengklik Edit pada menu bar lalu pilih Edit Class/Region Color and Name sehingga muncul window Edit Class/Region Details, yang akan menampilkan jumlah kelas yang sama dengan nilai Maximum number of classes yang kita berikan, yang mana pada contoh ini jumlahnya sebanyak 30, lalu klik untuk memasukkan nama file datasetnya seperti gambar berikut :

61 57 Pada window Edit Class/Region Details klik Auto-gen colors sehingga muncul untuk menampilkan secara otomatis kelas yang sama berdasarkan warna komposit warna yang diberikan dalam hal ini RGB 453, lalu berikan tanda centang pada kotak kecil Full Saturation lalu klik seperti gambar berikut:

62 58 Sehingga warna klasnya pada window Edit Class/Region Details akan berubah dari grey scale menjadi warna yang menyerupai komposit warna RGB 453 seperti gambar berikut: Save perubahan warna tersebut lalu klik akan berubah sesuai komposit warna RGB 453 pada menu bar sehingga citra juga

63 59 Lakukan perubahan pada unlabelled name pada window Edit Class/Region Details menjadi nama kelas yang kita inginkan, kemudian samakan warnanya, Untuk contohnya : kelas unlabelled 1 s/d 3 menjadi kelas air (laut dan sungai), dan warnanya diubah menjadi hitam. Langkah ini diulang-ulang untuk yang lainnya sambil mensave dan mengklik pada menu bar sehingga dapat terlihat perubahan warnanya pada citra tersebut. Setelah itu catat kelas perubahannya, untuk contoh ini : - Kelas Air (Laut dan Sungai) diwakili oleh kelas unlabelled Kelas Tambak diwakili oleh kelas unlabelled Kelas Permukiman diwakili oleh kelas unlabelled 7-8, 17, dan 27 - Kelas Vegetasi darat diwakili oleh kelas unlabelled 9-16, 18-20, dan Kelas Lahan Kosong diwakili oleh kelas unlabelled Selanjutnya gabungkan kelas-kelas tersebut menjadi lebih kecil sesuai dengan yang kita inginkan, yakni dari 30 kelas menjadi misalnya 5 kelas seperti di atas dengan menggunakan Edit Formula dengan mengklik pada menu bar sehingga muncul window Formula Editor, lalu buat logika proses dengan menggunakan kalimat if Input then else guna merubah 30 kelas menjadi 5 kelas lalu klik seperti contoh di bawah ini:

64 60 Kemudian dari window Formula Editor klik File lalu pilih Save. Untuk contoh ini di save pada C:\ERMapper70\Formula\Vegetation dengan nama makassar.frm Selanjutnya klik File dan Save as file hasil klasifikasi yakni L _ _B _ makassar_ rec_unclass.ers yang ada di D:\Praktek PJT\114064_1997\ menjadi nama baru untuk klasifikasi 5 kelas. Untuk contoh ini save dengan nama L _ _B _ makassar_ rec_unclass1.ers. Buka program WordPad dengan mengklik Start lalu pilih All Programs, lalu pilih Accessories, lalu pilih WordPad. Lalu tampilkan file L _ _B _ makassar_ rec_unclass1.ers dengan mengklik File lalu pilih Open. Jangan lupa Files of type adalah All Documents (*.*) Kemudian Klik Open, lalu sorot Region Info Begin dari Class Number = 6 sampai dengan Region Info End dari Class Number = 30, lalu klik atau tekan tombol Delete di keyboard untuk menghapusnya, lalu klik untuk mensave. (Hal ini dilakukan karena walaupun kelasnya sudah menjadi 5 kelas, namun dokumen yang ada pada file.ers-nya masih 30 kelas).

65 61

66 62 Untuk menampilkan hasil klasifikasi 5 kelas tersebut, klik lalu ubah Pseudo layer dengan mengklik kanan menjadi Class Display Layer, lalu klik pada window Algorithm tersebut untuk menampilkan citra hasil klasifikasi tersebut, untuk contoh ini L _ _B _ makassar_ rec_unclass1.ers, lalu Klik Edit pada menu bar lalu pilih Edit Class/Region Color and Name sehingga muncul window Edit Class/Region Details, yang akan menampilkan 5 kelas. Untuk memudahkan mengenali obyek pada 5 kelas tersebut, Lakukan perubahan warna sesuai dengan keinginan Anda dengan mengklik. Untuk contoh ini : 1. Kelas air (Laut dan Sungai) : hitam 2. Kelas tambak : abu-abu (128,128,128) 3. Kelas permukiman : orange (255,128,0) 4. Kelas vegetasi darat : hijau 5. Kelas lahan kosong : kuning Lalu Save dan Cancel untuk menutup window tersebut

67 Klasfikasi Supervised (Terbimbing) Klasifikasi Supervised adalah merupakan metode klasifikasi yang lebih memuaskan, Untuk analisis harus menggunakan data lapangan untuk memutuskan/mengontrol tipe penutupan lahan yang benar untuk areal citra. Klasifikasi ini dilakukan dengan menggambar training area untuk masing-masing tipe penutupan lahan yang harus dipisahkan pada klasifikasi dan menggunakan karakteristik spektral masing-masing area untuk mengklasifikasi citra. Kita menggunakan klasifikasi supervised apabila kita mempunyai pengetahuan yang cukup dari dataset dan pada posisi atau area mana suatu wilayah atau kelaskelas tersebut berada di lapangan. Klasifikasi supervised memerlukan kelas-kelas yang menspesifikasikan wilayah-wilayah yang diinginkan. Klasifikasi supervised kemudian akan mencari semua pixel dengan karakteristik-karakteristik spektral yang sama, sesuai dengan yang telah kita definisikan. Kita dapat mendefinisikan suatu wilayah dengan menggambarkan suatu wilayah latihan dengan menggunakan sistem anotasi dan menyimpannya dalam dataset raster. Adapun proses dalam klasifikasi Supervised sebagai berikut : Klik pada menu bar untuk menampilkan window Algorithm, lalu klik untuk menampilkan citra yang akan diklasifikasi, misalnya D:\Praktek PJT\ _1997\ L _050897_B _makassar_ rec.ers. Buat komposit warnanya supaya memudahkan dalam membedakan obyeknya yang akan dikelaskan. Untuk contoh ini kita menggunakan RGB 453. Kemudian dari menubars pilih Edit kemudian pilih Edit/Create Regions

68 64 Akan muncul kotak New Map Composition Lalu klik OK. Kemudian akan muncul kotak Tools. Pada kotak Algorithm akan muncul Region Layer (Outline).

69 65 Dari kotak Tools ini kemudian kita membuat polygon training area yang mewakili obyek-obyek yang akan kita kelaskan. Klik untuk memulai pengambilan polygon training area. Kursor akan berubah menjadi, lalu kita membuat polygon dengan mengklik kiri untuk memulai polygon dan seterusnya lalu diakhiri dengan mengklik kiri dua kali, maka polygon akan menutup. Misalnya kelas pertama adalah Sungai, maka buat polygon pada daerah Sungai Kemudian klik akan muncul kotak Map Composition Attribute.

70 66 Ketikan nama kelasnya, misalnya: Sungai. Lalu klik Kemudian save region ke dalam file, hingga akan muncul massage yang menandakan polygon tersebut telah tersimpan dalam file. Lakukan proses yang sama untuk obyek-obyek yang lain.setelah semua obyek terwakili melalui polygon training area, kemudian klik pada kotak Tools. Kemudian pada menubars pilih Process lalu pilih Calculate Statistics. Klik pada Dataset, kemudian pilih file yang tadi telah kita training area. Isikan nilai 1 pada Subsampling interval, kemudian pada kotak di samping Force Recalculate stats klik sehingga seperti contoh diatas. Kemudian klik OK.

71 67 Pada menubars pilih Process kemudian pilih Classification, kemudian pilih Supervised Classification. Klik pada Input Dataset, pilih file yang telah di calculate statistics. Input Band pilih Band 3-5 Output Dataset biasanya sudah memberi nama secara otomatis dengan menambahakan akhiran _class pada nama file input. Kemudian klik OK. Untuk menampilkan hasil klasifikasi tersebut, klik lalu ubah Pseudo layer dengan mengklik kanan menjadi Class Display Layer, lalu klik pada window Algorithm tersebut untuk menampilkan citra hasil klasifikasi tersebut, yakni L _050897_B _makassar_ rec_class.ers Lalu Klik Refresh Untuk menampilkan hasil klasifikasi 7 kelas tersebut, klik lalu ubah Pseudo layer dengan mengklik kanan menjadi Class Display Layer, lalu klik pada window Algorithm tersebut untuk menampilkan citra hasil klasifikasi tersebut, untuk contoh ini L _050897_B _makassar_ rec_class.ers, lalu Klik Edit pada menu bar lalu pilih Edit Class/Region Color

72 68 and Name sehingga muncul window Edit Class/Region Details, yang akan menampilkan 7 kelas tersebut. Untuk memudahkan mengenali obyek pada 5 kelas tersebut, Lakukan perubahan warna sesuai dengan keinginan Anda dengan mengklik. Untuk contoh ini : 1. Kelas tanah terbuka : kuning 2. Kelas Permukiman : orange (255,128,0) 3. Kelas vegetasi darat : hijau 4. Kelas tambak : abu-abu (128,128,128) 5. Kelas mangrove : merah 6. Kelas Sungai : coklat (128,64,0) 7. Kelas Laut : biru muda (0,128,255) Lalu Save dan Cancel untuk menutup window tersebut

73 69 VI. UJI LAPANGAN DAN KETELITIAN 6.1. Uji Lapangan Uji Lapangan adalah penilaian kondisi riil dilapangan yang didasarkan dari kenampakan tutupan lahan yang dinterpretasi dari kenampakan di lapangan. Dalam uji lapangan, ada beberapa hal yang perlu dikerjakan antara lain : 1. Pencocokan, yakni mencocokkan antara kenampakan di citra hasil klasifikasi dengan kondisi dilapangan 2. Mengukur, pada kegiatan cek lapangan skala detil kadang diperlukan suatu pengukuran, misalnya pengukuran kerapatan mangrove. Hingga bias dibandingkan antara kerapatan dari citra dengan kondisi lapangan 3. Sampling, yakni mengambil contoh sampel dari lapangan, pengambilan sampel dilakukan jika ada obyek tidak bias diidentifikasi dari lapangan, misalnya jenis tanah. Dalam uji lapangan kita menggunakan data hasil klasifikasi atau peta tentative, tabel uji lapangan dan Global Positioning System (GPS). Lakukan pencatatan posisi sampling Anda, lalu sesuaikan system proyeksi GPS yang akan Anda gunakan, misalnya data citra anda menggunakan Proyeksi UTM, dan Datum WGS 84, maka GPS yang akan digunakan disetup pada sistem yang sama. Cari posisi sampling anda, yang pencarian dengan menggunakan GPS, yang mana ototmatis harus didasari atas kenampakan visual citra, kemudian catat hasilnya dalam tabel. Contoh tabel uji lapangan yang dapat digunakan sebagai berikut : Tabel 1. Contoh Tabel Uji Lapangan NO. X POSISI Y PENUTUP LAHAN KETERANGAN Sumber : Faizal dan Hanafia, 2003

74 Uji Ketelitian Uji ketelitian adalah menguji kebenaran hasil interpretasi citra digital atau peta tentatif dengan kondisi sebenarnya di lapangan. Uji keteltian dilaksanakan dengan metode Short yang dimodifikasi oleh Sutanto (1986). Dari hasil uji ditentukan apa layak atau tidak hasil interpretasi citra satelit diterima. Ketelitian interpretasi dapat diterima tergantung berapa persen hasil keteltian yang kita dapatkan, misalnya untuk penutup lahan minimal 85 %, dan untuk geologi minimal 60 %. Artinya jika dalam uji ketelitian hasilnya kurang dari 85% untuk tutupan lahan, maka hasil interpretasi tersebut perlu diklasifikasi kembali (Re-interpretasi). Untuk melakukan uji ketelitian, gunakan data hasil pengamatan lapangan dengan hasil pengolahan citra yang di input kedalam tabulasi perhitungan keteltian seperti di bawah ini, lalu hitung besarnya kesalahan pengolahan citra digital dan hitung pula besarnya kebenaran pengolahan citra digital dengan begitu akan didapatkan berapa besar tingkat keteltiannya dan apa yang harus di klasifikasi ulang. Tabel 2. Contoh Tabel Uji Ketelitian NO. UJI LAP. HASIL PENGUJIAN LAPANGAN TOTAL INTERPRETASI TOTAL SALAH Air Tmb Pkm Veg LK JUMLAH JUMLAH INTERPRETASI 1 Air (Laut/ Sungai) 2 Tambak (Tmb) 3 Permukiman (Pkm) 4 Vegetasi Darat (Veg) 5 Lahan Kosong (LK) Total Lapangan % Benar % Salah Sumber : Deels dan Antrop dalam Faizal 2001

75 71 VII. RE KLASIFIKASI DAN LUASAN LAHAN 7.1. Re-Klasifikasi Re-klasifikasi merupakan proses pengklasifikasian ulang terhadap data citra satelit yang telah diklasifikasi dan ditinjau kebenarannya di lapangan sebelumnya, yang mana tingkat ketelitiannya kurang atau tidak mencapai target, misalnya untuk tutupan lahan kurang dari 85% kebenarannya. Dengan melakukan re-klasifikasi diharapkan data yang dihasilkan nantinya valid dan dapat dipertanggungjawabkan. Dalam melakukan re-klasifikasi, dilakukan langkah-langkah sebagai berikut : Dari menu bar menu bar lalu pilih Edit Class/Region Color and Name sehingga muncul window Edit Class/Region Details, yang akan menampilkan 7 kelas tersebut hasil klasifikasi sebelumnya.

76 72 Ganti nama penggunaan lahan sesuai hasil pengamatan Anda. Kemudian klik lalu untuk menutup kotak. Untuk menampilkan hasil klasifikasi tersebut, klik lalu ubah Pseudo layer dengan mengklik kanan menjadi Class Display Layer, lalu klik pada window Algorithm tersebut untuk menampilkan citra hasil re-klasifikasi tersebut, lalu klik Refresh 7.2. Menghitung Luasan Lahan Hasil Klasifikasi Lakukan proses Calculate Statistic terlebih dahulu terhadap file hasil klasifikasi. Kemudian dari menu bar pilih View lalu Statistics, lalu pilih Area Summary Report. Pilih file yang akan Anda hitung luasannya pada Input Dataset, kemudian klik OK, Maka akan muncul luasan pada setiap kelas dalam satuan Hectare, Kilometer persegi, Acre dan Mil persegi

77 73 VIII. ANNOTASI DAN PENCETAKAN 8.1. Annotasi Dari menu bar pilih File lalu Page Setup, maka akan muncul window sebagai berikut :

78 74 Set Background Color dengan warna putih Ubah Constrains menjadi Auto Vary Borders guna memungkinkan Anda untuk membuat skala peta yang cukup dengan kertas. Pilih Size kertas ( misalnya A4 landscape). Pilihan size ini beragam dan Anda bebas untuk memilih jenis kertas yang akan digunakan. Set Scale (disini tergantung skala kebutuhan), namun skala ini tidak bisa lebih kecil dari default/nilai aslinya, tetapi dapat lebih besar dari nilai aslinya. Posisikan image (warna biru/kotak dalam) sesuai dengan posisi kertas (warna merah/kotak luar), dengan mengatur Borders kita dapat menempatkan image dimana saja. Lalu Klik Apply dan OK. Selanjutnya klik untuk membuka window Algorithm dan klik Edit lalu pilih Add Vector Layer dan pilih Annotation/Map Composition. Maka di Algorithm akan bertambah 1 layer yakni Annotation Layer. Klik Icon Annotation dengan Annotation Layer disorot dan akan muncul kotak New Map Composition, kemudian klik OK akan muncul Annotation Tools box.

79 75 Kemudian Klik Map Rectangle untuk memulai komposisi peta, kemudian akan muncul window Map Object Select dan Map Object Attributes. Pilih Category: Grid pada Map Object Select Kursor akan berubah menjadi, buat kotak pada window citra yang akan kita buat attributnya (setiap attibut harus dibuatkan seperti ini). Misalnya untuk attribute gridnya, maka buat kotak pada citranya atau diluar citra. Lalu pada window Map Object Select tadi, pilih gambar dengan huruf LL (Latitude Longitude/Lintang Bujur) atau EN (Easting Northing/UTM). Misalnya pilihan Anda LL, maka Drag gambar LL ke dalam window Map Object Attributes. Drag

80 76 Lalu pada kotak Map Object Attributes, klik Fit Grid supaya grid masuk kedalam citra, lalu ubah Grid Style menjadi Full Grid dan atur Grid Spacing X dan Y nya untuk ukuran gridnya. Kemudian Ubah juga Left Labels Orientation menjadi Vertical Up dan Top Labels Orientation menjadi Horizontal Right untuk tulisan posisi geografisnya. Selanjutnya untuk membuat attibut lain, misalnya Legend_Item, terlebih dahulu buat kembali kotak pada window citra sebagai tempat attibut tersebut seperti sebelumnya, lalu ubah Category-nya pada window Map Object Select menjadi Legend_Item, lalu pilih Classification Legend dan drag kembali ke Window Map Attributes.

81 Drag 77

82 78 Pada window Map Object Attributes, Load data pada Classified Raster File, dengan mengklik, lalu klik menjadi. Hapus tulisan pada kolom Label: dan tekan Enter. Jika pada citra, ada kelas yang berwarna hitam, maka pada Reject Black Classes pilih No. Kemudian masukkan North_Arrow (panah utara) dan Scale_Bar, dengan mencari pada Category. Untuk menuliskan judul serta keterangan lain, klik, lalu buat kotak pada peta dimana tulisan tersebut akan ditempatkan. Size tulisan dapat dirubah dengan merubah angkanya. Untuk membawa tulisan atau gambar, klik, lalu klik pada objek yang akan di pindahkan, klik dengan mouse kiri dan drag objek ketempat yang diinginkan. Save Annotasi yang Anda buat dengan mengklik lalu ketik nama filenya dan untuk Files of Type : Vector Map (.erv). Jangan lupa untuk men-save juga dalam tipe file.alg dengan mengklik pada menu bar File lalu pilih Save as dan simpan dengan nama dan folder yang diinginkan. Hal ini akan memudahkan Anda untuk sewaktu-waktu melakukan pencetakan tanpa harus masuk pada pengaturan annotasi Pencetakan Dalam melakukan pencetakan, Anda dapat mencetak langsung pada kertas (PC Printing) dan mencetak dalam bentuk file.bmp (Hardcopy Control Files). Selain itu, untuk pencetakan Anda dapat langsung melakukannya setelah melakukan annotasi dan bisa juga ketika sewaktu-waktu dibutuhkan, dengan langkah-langkah sebagai berikut : Dari menu bar pilih File, lalu pilih Print sehingga muncul window Print. Jika Anda ingin langsung mencetak klik Print. (jika dalam pencetakan menjadi 2 halaman, Anda dapat merubah menjadi 1 halaman dengan memberi tanda centang pada, tetapi Image Size-nya akan berubah).

83 79 Untuk pencetakan dalam bentuk file.bmp beri tanda centang pada otomatis akan muncul Output Name. lalu klik pada Hardcopy Control Files sehingga secara

84 80 Lalu klik Setup sehingga muncul window Hardcopy Setup Ubah Orientation menjadi Landscape. Ubah $ERMTMP/ermhe.bmp pada Filter Program menjadi direktori dan nama file baru Anda tetapi jangan menghilangkan tulisan hetobmp, misalnya: hetobmp D:\PraktekPJT\114064_1997\Peta_Citra_ Mks.bmp Lalu klik OK sehingga window Hardcopy Setup tertutup dengan sendirinya Kemudian klik Print pada window Print untuk memulai pencetakan Jika pencetakan berhasil akan muncul window Print Status dan pesan Hardcopy finished successfully, lalu klik OK dan Close untuk menutupnya.