Seminar Nasional Penginderaan Jauh ke-4 Tahun Jurusan Geografi, Universitas Negeri Malang 2. Pusat Pemanfaatan Penginderaan Jauh, LAPAN
|
|
- Yulia Widjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Seminar Nasional Penginderaan Jauh ke-4 Tahun 2017 Kajian Awal Pemanfaatan Data Radar Sentinel-1 untuk Pemetaan Lahan Baku di Kabupaten Indramayu Jawa Barat Preliminary Study of Sentinel-1 Radar Data Application for Paddy Field Mapping in Indramayu - West Java Mohammad Naufal Fathoni 1*), Galdita Aruba Chulafak 2, Dony Kushardono 2 1 Jurusan Geografi, Universitas Negeri Malang 2 Pusat Pemanfaatan Penginderaan Jauh, LAPAN *) barujatuh@gmail.com ABSTRAK Kebutuhan administrasi daerah terhadap informasi penutup lahan akan menunjang perencanaan di suatu wilayah. Penginderaan jauh merupakan media yang dapat memantau dinamika perubahan penggunaan lahan dengan cepat dan biaya yang relatif murah. Iklim tropis di Indonesia mengakibatkan pasokan penguapan air menjadi tinggi sehingga muncul gangguan cuaca seperti awan, hal tersebut merupakan hambatan bagi media penginderaan jauh sistem optis. Dilengkapi Syntetic Aperture Radar (SAR), Sentinel-1 memuat informasi yang lebih fleksibel dalam perolehan data karena tidak terhalang oleh gangguan awan dan cuaca sehingga dapat digunakan untuk memperoleh informasi kondisi lahan. Pada penelitian awal ini dikaji pemetaan lahan sawah menggunakan data radar Sentinel-1 dual polarisasi VV dan VH berbasis klasifikasi maximum likelihood dan neural network dengan informasi tekstur. Variabel tekstur yang digunakan adalah semua jenis tekstur dan kelompok tekstur contrast (Hommogenity, Dissimilarity, dan Contrast). Hasil studi diperoleh pada klasifikasi dengan neural network menunjukkan penggunaan semua kelompok tekstur memiliki nilai overall accuraccy 78%, sedang penggunaan kelompok tekstur contrast memiliki nilai overall accuracy 88%. Sebagai perbandingan, pada hasil klasifikasi menggunakan training data yang sama dengan metode neural network, metode maximum likelihood memiliki nilai overall accuracy yang lebih rendah yaitu 84%, tetapi dengan mempergunakan jumlah training data yang memadai pada metode maximum likelihood dapat menghasilkan akurasi yang sama dengan neural network. Kata kunci: Sentinel-1, SAR, lahan sawah, tekstur, maximum likelihood, neural network ABSTRACT - Landcover information is an essential aspect that supports regional spatial planning. Remote sensing is a proven instrument that observes landuse change in quick and inexpensive way. Tropical climate in Indonesia increases evaporation supply that cause cloud disturbance which is a remote sensing optical system barrier. Equipped with Syntetic Aperture Radar (SAR), Sentinel-1 has more flexible ways capture information because it contains less cloud and wether obstacle, thus easily gaining information on land conditions. In this preliminary study, we examined the mapping of paddy field using Sentinel-1 dual polarization radar data VV and VH based on maximum likelihood and neural network with texture information. Texture variables used were all texture types and contrast texture groups (Hommogenity, Dissimilarity, and Contrast). The result showed that using all texture information gave 78% overall accuracy, while using contrast-only texture group gave 88% overall accuracy. Additionally, using limited amount of sample, neural network were able to outperformed maximum likelihood in terms of overall accuracy. However, with sufficient amout of sample suitable for maximum likelihood, it was able to match the neural network in terms of overall accuracy. Keywords: Sentinel-1, SAR, paddy field, textur, maximum likelihood, neural network 1. PENDAHULUAN Perubahan penggunaan lahan secara global memiliki dampak di segi ekonomi, lingkungan, dan sosial dikarenakan lahan merupakan tempat dimana terjadi interaksi antara manusia dan lingkungannya. Salah satu dampak dari perubahan penggunaan lahan adalah bencana rawan pangan dimana kawasan pertanian berubah menjadi kawasan non-pertanian. Pengurangan luas sawah akibat dikonversi ke penggunaan non-pertanian menjadi kompleks perumahan, pertokoan, kawasan industri, dan sebagainya akan memperbesar masalah pangan (Irawan, 2011). Daerah Pantai Utara Jawa khususnya Kabupaten Karawang dan Indramayu Jawa Barat merupakan daerah yang memiliki karakteristik fisiologi datar dan merupakan salah satu daerah penghasil padi nasional. Indramayu sebagai lumbung padi nasional menghasilkan panen padi yang tinggi hingga ton per tahun dan konsumsi padi yang rendah (Safutra, 2017). 179
2 Kajian Awal Pemanfaatan Data Radar Sentinel-1 untuk Pemetaan Lahan Baku di Kabupaten Indramayu Jawa Barat (Fathoni dkk.) Pemantauan dan data-data tentang penutup lahan merupakan hal yang urgent dalam pengembangan wilayah terutama lahan baku sawah yang dapat difungsikan sebagai strategi perencanaan yang tepat di Kabupaten Indramayu Jawa Barat. Survey dan pemetaan penutup lahan konvensional selain memerlukan tenaga dan biaya yang besar juga akan memakan waktu yang lama dalam pengambilan dan pengolahan datanya. Penginderaan jauh merupakan pengantar pemetaan efektif dengan memanfaatkan teknologi seperti foto udara, citra satelit tanpa ada kontak langsung dengan obyek yang diamati. Sampurno dkk. (2016) menyatakan bahwa penginderaan jauh merupakan sarana yang efektif untuk memetakan tutupan lahan secara spasial dengan cepat, luas, serta mudah. Klasifikasi penutup lahan menggunakan citra satelit sudah banyak digunakan di Indonesia akan tetapi ketersediaan data citra satelit optis sering terganggu oleh tutupan awan mengingat Indeonesia beriklim tropis. Cheen (2007) dalam Emiyati dkk. (2016) menyatakan bahwa pemetaan penutup lahan menggunakan data satelit optis sangat bergantung dengan kondisi cuaca dan atmosfer. Data satelit sistem radar merupakan data yang dapat mengambil informasi spasial di bumi dan tidak dipengaruhi oleh keadaan cuaca karena Syntetic Aperture Radar (SAR) merupakan penginderaan jauh sistem aktif yang menggunakan gelombang mikro. Lillesand dan Kiefer (1979) menyatakan bahwa gelombang mikro lebih panjang dari gelombang cahaya yang digunakan satelit sistem optis pada umumnya. Semakin panjang gelombang maka kemampuan untuk menembus awan semakin besar (Susanto dkk., 2014). Pemanfaatan data SAR untuk ekstraksi lahan baku sawah yang ada di Kabupaten Indramayu Jawa Barat merupakan salah satu cara dalam melakukan arsip data dan informasi penutup lahan. Informasi lahan baku sawah penting dikaji untuk memonitoring perubahan penggunaan lahan sawah yang ada sebagai upaya perencanaan terkait ketahanan pangan secara global. Ekstraksi informasi lahan baku sawah perlu dikaji secara detil bagaimana perolehan dan pengolahan datanya agar informasi yang dihasilkan merupakan informasi yang dapat dipertanggungjawabkan. 2. METODE 180 Gambar 1. Diagram alur penelitian Penelitian ini dilakukan di daerah Pantai Utara Kabupaten Indramayu Jawa Barat tepatnya pada LS sampai LS dan BT sampai BT. Data yang digunakan dalam penelitian ini adalah data SAR Sentinel-1 temporal dengan polarisasi VH dan VV yang diakuisisi pada tanggal 17 Agustus 2016,
3 Seminar Nasional Penginderaan Jauh ke-4 Tahun September 2016, dan 04 Oktober Pengolahan terdiri dari proses pengumpulan data, pre-processing, ekstraksi informasi tekstur, klasifikasi, dan uji akurasi. Secara ringkas alur penelitian ini dapat dilihat pada Gambar 1. Produk Sentinel 1 yang digunakan adalah Sentinel-1A dengan format IW (Interferometric Wide Swath) dengan level data level 1 GRD. Ground Range Detected merupakan data yang telah terdeteksi dan termasuk data multi looking. Data ini telah diproyeksikan dengan jarak lapang dengan menggunakan model elipsoid bumi. Informasi fase pada produk ini hilang dan spekle yang dikurangi karena mengurangi resolusi geometrisnya (ESA, 2013). Sedangkan format IW merupakan akuisisi utama di atas tanah. Mode ini memiliki cakupan 250 km dengan resolusi spasial 5m x 20m (single look). Mode IW mengakuisisi 3 sub-petak dengan menggunakan TOPSAR (Terrain Observation with Progressive Scan SAR). Mode TOPSAR dimaksudkan untuk menggantikan mode ScanSAR konvensional dengan cakupan dan resolusi yang sama akan tetapi rasio noise menjadi kecil. Teknologi ini memiliki kelebihan yang dapat menghasilkan kualitas gambar yang homogen dengan noise yang dapat diminimalisir (Signal to-noise Ratio) hampir seragam (Emiyati, dkk., 2016). Secara detil format data IW dipaparkan dalam Tabel 1. Characteristic Swath width Tabel 1. Karakteristik format IW pada Sentinel 1 Value 250 km Incidence angle range Elevation beems 3 Azimuth steering angle ± 0.6 Azimuth and range looks Polarization options Maximum Noise Equivalent Sigma Zero (NESZ) Radiometric stability Radiomatric accuracy Phase error 5 Single Dual HH+HV, VV+VH Single HH, VV -22 db 0.5 db (3σ) 1 db (3σ) Pre-Processing data terdiri dari koreksi geometrik yang berupa reprojection menggunakan software Next ESA SAR Toolbox (NEST) dan kalibrasi nilai digital number (DN) menjadi nilai backscatter (hamburan balik) dalam bentuk sigmaθ yang digunakan untuk identifikasi kuantitatif menggunakan aplikasi Sentinel Aplication Platform (SNAP). Proses dilanjutkan dengan melakukan ekstraksi data tekstur. Tekstur adalah pola variasi intensitas gambar dan bisa menjadi alat yang berharga dalam meningkatkan akurasi klasifikasi tutupan lahan (SNAP, 2014). Tekstur diolah menggunakan algoritma Grey Level Co-occurrence Matrix (GLCM) dengan Window Size 7x7 dengan arah analisis dari semua arah. Kuantisasi yang digunakan adalah Probabilistic Quantizer dengan level kuantisasi 32. Adapun jenis tekstur menurut Haralick, dkk. (1973) yang digunakan adalah sebagai berikut: - Contrast = n p(i, j)... (1) - Dissimilarity = C log C..... (2) - Homogenity = ( ) (i, j) (3) - Angular Second Momen = (i μ) p(i, j)..... (4) - Energy =, P(i, j)... (5) - Maximum Probability = max C for all (i, j)..... (6) - Entropy = p(i, j) log p(i, j)...(7) - GLCM Mean = ip(i)... (8) 181
4 Kajian Awal Pemanfaatan Data Radar Sentinel-1 untuk Pemetaan Lahan Baku di Kabupaten Indramayu Jawa Barat (Fathoni dkk.) - GLCM Variance = (i μ) p(i, j)... (9) - GLCM Correlation = (, ) (, ).. (10) Ekstraksi informasi tekstur menggunakan klasifikasi supervised Neural Network dengan membandingkan penggunaan ekstraksi kelompok tekstur. Kelompok tekstur dibandingkan terlebih dahulu untuk mengetahui penggunaan tektur yang paling baik. Kelompok tekstur yang dibandingkan adalah semua jenis fitur tekstur dan Contrast Group Texture (Contrast, Dissimilarity, dan Homogenity). Hasil klasifikasi Contrast Group Texture kemudian dibandingkan dengan metode klasifikasi yang berbeda yaitu menggunakan algoritma klasifikasi Maximum Likelihood dan Neural Network. Uji akurasi hasil klasifikasi dihitung menggunakan Confusion Matrix menggunakan tes data yang diinterpretasikan dengan bantuan citra satelit sistem optis resolusi sangat tinggi. 3. HASIL DAN PEMBAHASAN Tanggal 17 Agustus 2016 Tanggal 09 September 2016 Tanggal 04 Oktober 2016 Composit RGB (R=17 Agsutus, G=09 September, B=04 Oktober 2017) Composit RGB True Colour menggunakan satelit optik 182 Gambar 2. Perbandingan interpretasi visual data SAR multitemporal dan single time Tampilan data SAR adalah kekasaran, tekstur, dan rona yang dihasilkan dari backscatter sehingga interpretasi secara visual akan sulit membedakan penutup lahan sawah dan bukan sawah. Teknik interpretasi yang dilakukan untuk mempermdah identifikasi adalah dengan komposit RGB data SAR secara temporal. Teknik ini dilakukan karena sawah memiliki fase pertumbuhan dimana tiap fasenya memiliki nilai backscatter yang berbeda. Li, dkk. (2004) menyatakan bahwa data SAR multitemporal paling cocok digunakan untuk
5 Seminar Nasional Penginderaan Jauh ke-4 Tahun 2017 memantau perubahan sistem perkembangan (sawah). Penggunaan data temporal akan mempermudah identifikasi secara visual terutama dalam pembuatan training data. Ilustrasi disampaikan pada Gambar 2. Warna biru pada data SAR komposit RGB multitemporal menandakan penutup lahan dengan jenis sawah. Pada lokasi yang sama data SAR tanggal 17 Agustus 2016 menunjukkan warna sawah gelap yang artinya nilai backscatter rendah karena sinyal yang dipantulkan tidak kembali pada sensor dikarenakan permukaan yang halus, rata, atau air. Fase tersebut merupakan fase dimana sawah masih diairi yang menandakan belum ada vegetasi yang besar. Pada tanggal 09 September 2016 pada lokasi yang sama mulai tampak bercak-bercak putih yang menandakan adanya nilai backscatter yang diterima sensor. Fase tersebut merupakan fase dimana sawah sudah mulai ditumbuhi oleh tanaman dan menimbulkan multiple bounce pada sinyal radar, akan tetapi warna hitam masih terlihat. Fase tumbuh terlihat pada tanggal 04 Oktober 2016 dimana rona pada citra terlihat cerah. Perbedaan nilai backscatter jika dikompositkan secara temporal menjadikan tampilan data SAR secara visual memberi corak warna yang berbeda menunjukan dinamika pertumbuhan tanaman. Penutup Lahan Tabel 2. Nilai backscatter pada penutup lahan data multitemporal Nilai Backscatter 17 Agustus September Oktober Badan Air, Laut/Tambak Lahan Terbangun Penutup lahan dengan jenis badan air/tambak pada 3 data multitemporal yang ada memiliki rona yang samasama gelap. Hal ini dikarenakan sinyal yang dipancarkan oleh satelit mengalami single bounce dan memantul ke arah yang berbeda sehingga sinyal tidak kembali ke sensor. Rona yang gelap menandakan bahwa nilai dari backscatter yang rendah. Berbeda dengan penutup lahan jenis lahan terbangun dimana memiliki rona yang cerah pada 3 data multitemporal. Rona cerah menandakan sinyal yang dipancarkan satelit mengalami double bounce sehingga sinyal fokus kembali ke satelit dan menjadikan nilai dari backscatter penutup lahan ini menjadi tinggi (Denisov, 2015). Pada komposit multitemporal data radar kedua obyek ini tidak jauh berbeda, tidak seperti penutup lahan jenis sawah yang berwarna biru pada komposit warna. Nilai Backscatter pada ketiga obyek di atas pada 3 tanggal berbeda secara detil di paparkan pada Tabel 2. ASM Contrast Correlation Dissimilarity Energy Entropy Homogenity MAX Mean Variance Gambar 3. Hasil ekstraksi tekstur GLCM Proses klasifikasi penutup lahan dibantu dengan ekstraksi tekstur menggunakan fitur Grey Level Cooccurrence Matrix (GLCM). SNAP (2014) menjelaskan bahwa ekstraksi tekstur akan meningkatkan akurasi klasifikasi tutupan lahan. Window size yang digunakan adalah 7x7 dimana merupakan ukuran yang analisis GLCM yang optimal untuk klasifikasi penutup lahan (Kushardono, 2012). Ekstraksi tekstur dilakukan menggunakan 10 parameter sehingga terlihat seperti Gambar 3. Klasifikasi yang digunakan adalah klasifikasi Neural Network untuk mengetahui kelompok tekstur yang paling baik sebagai bahan masukan ekstraksi informasi penutup lahan. Kushardono (1997) mengemukakan bahwa sistem klasifikasi back propagation neural network memiliki keakuratan hasil klasifikasi yang paling 183
6 Kajian Awal Pemanfaatan Data Radar Sentinel-1 untuk Pemetaan Lahan Baku di Kabupaten Indramayu Jawa Barat (Fathoni dkk.) besar dari pada sistem klasifikasi fuzzy neural network dan maximum likelihood. Hasil klasifikasi didapatkan bahwa penggunaan keseluruhan fitur tekstur menjadikan hasil klasifikasi memiliki nilai overall accuracy 78% yang lebih rendah dari pada menggunakan menggunakan kelompok tekstur contrast (Hommogenity, Dissimilarity, dan Contrast). Penggunaan kelompok tekstur contrast memiliki nilai akurasi 88%. secara spasial akan disajikan pada Gambar 4. (a) (b) Gambar 4. Perbandingan Hasil Klasifikasi. (a) Hasil Klasifikasi Neural Net Kelompok Tekstur Kontras, dan (b) Hasil Klasifikasi Neural Net Seluruh Kelompok Tekstur Hasil klasifikasi menggunakan neural network pada data SAR kelompok tekstur kontras menggambarkan nilai sawah (kuning) mendominasi penggunaan lahan sedangkan pada seluruh kelompok tekstur didominasi oleh penutup lahan berupa vegetasi kerapatan tinggi (merah muda). Klasifikasi menggunakan neural network ini menggunakan batas RMSE 0.1 dimana dalam pengolahan kelompok tekstur kontras dan seluruh kelompok tekstur memiliki jumlah iterasi pembelajaran yang berbeda. Kelompok tekstur kontras hanya membutuhkan iterasi sebanyak 367 kali pembelajaran sedangkan penggunaan seluruh kelompok tekstur membutuhkan iterasi sebanyak kali pembelajaran. Hal ini menandakan selain input masukan klasifikasi, kelompok tekstur kontras lebih mudah dipelajari neural network pada training data yang telah dibuat. Hasil klasifikasi menggunakan algoritma maximum likelihood menggunakan kelompok tekstur kontras memiliki nilai overall accuracy lebih rendah dari pada menggunakan neural network. Nilai yang didapatkan sebesar 84%. Training data yang digunakan untuk mengklasifikasi merupakan training data yang digunakan pada neural network dimana tidak membutuhkan terlalu banyak training sehingga jika digunakan dalam klasifikasi maximum likelihood kurang maksimal. Berkaitan dengan waktu pengolahan, ekstraksi data penutup lahan menggunakan algoritma maximum likelihood lebih cepat dari pada neural network karena adanya iterasi pembelajaran yang membutuhkan waktu. Klasifikasi menggunakan algoritma maximum likelihood dapat lebih dimaksimalkan menggunakan training data yang berbeda dan lebih luas dari pada training data neural network. Nilai akurasi yang didapatkan sebesar 89% dan lebih besar 2% dari hasil klasifikasi neural network. Hal ini dikarenakan pada klasifikasi neural network ikut terbacanya potongan citra efek pengambilan data sistem TOPSAR seperti garis lurus dan diterjemahkan sebagai badan air sehingga klasifikasi menjadi lebih rendah seperti pada Gambar 5. Adapun hasil klasifikasi menggunakan algoritma maximum likelihood akan disajikan pada Gambar 6. Efek TOPSAR 184 Gambar 5. Efek TOPSAR yang diterjemahkan sebagai badan air
7 Seminar Nasional Penginderaan Jauh ke-4 Tahun 2017 (a) Hasil klasifikasi maximum likelihood menggunakan training data sama seperti training data neural network (b) Hasil Klasifikasi maximum likelihood menggunakan training data berbeda dengan neural network 4. KESIMPULAN Gambar 6. Perbandingan hasil klasifikasi menggunakan algoritma maximum likelihood Pemanfaatan data SAR untuk ekstraksi penutup lahan sangat potensial digunakan di Indonesia yang memiliki iklim tropis karena perolehan data SAR dapat di segala kondisi cuaca. Informasi kekasaran yang ditampilkan pada data SAR akan menghambat interpretasi. Penggunaan data SAR temporal akan mempermudah interpretasi lahan sawah karena backscatter tiap tanggal berbeda sehubungan perubahan pertumbuhan tanamannya. Ekstraksi data tekstur digunakan untuk meningkatkan akurasi karena pengelompokan nilai back scatters. Penggunaan kelompok informasi tekstur yang tepat diperlukan untuk mendapatkan hasil klasifikasi yang maksimal. Hasil klasifikasi yang baik didapatkan menggunakan metode neural network dari kelompok tekstur kontras. Sedang pada klasifikasi menggunakan Maximum likelihood akan mendapatkan hasil yang maksimal jika training data yang digunakan mencukupi untuk proses pembelajarannya. 5. UCAPAN TERIMA KASIH Penelitian ini adalah merupakan hasil Praktik Kerja Lapangan Universitas Negeri Malang (UM) pada Pusat Pemanfaatan Penginderaan Jauh LAPAN, untuk itu diucapkan terima kasih kepada Syamsul Bachri, S.Si., M. Sc., Ph.D. dari UM dan Pimpinan LAPAN yang telah memberikan kesempatan dan dukungannya. 6. DAFTAR PUSTAKA Denisov, P. (2015). Radar Earth Remote Sensing Satellite Data: Generation, Processing Methods and Practical Applications In Social And Economic Spheres. Makalah disajikan dalam Workshop Practical Applications of The Earth Remote Sensing Technologies to Solve Social and Economic Challenges, Maret, Russian Space Systems. Emiyati, Manoppo, A. K.S., dan Hartuti, M. (2016). Pemanfaatan Data Radar Sentinel 1 untuk Pemetaan Lahan Tambak di Kabupaten Gresik Jawa Timur. Prosiding Sinas Inderaja 2016, Jakarta, Indonesia. ESA. (2013). Sentinel-1 User Handbook, diunduh 3 Agustus 2017 dari Haralick, R. M., Shanmugam, K., dan Dinstein, I. (1973). Textural Feature For Image Classification. IEEE Transactions on Systems, Man and Cybernetics, 3(6), Irawan, B. (2005). Konversi Lahan : Potensi Dampak, Pola Pemanfaatannya, dan Faktor Determinan. Forum Penelitian Agro Ekonomi, 23(1), Kushardono, D. (1997). Metode Fuzzy Neural Network untuk Klasifikasi Penutup Lahan dari Data Penginderaan Jauh serta Perbandingannya dengan Back Propagation Neural Network dan Maximum Likelihood. Majalah LAPAN, (80),
8 Kajian Awal Pemanfaatan Data Radar Sentinel-1 untuk Pemetaan Lahan Baku di Kabupaten Indramayu Jawa Barat (Fathoni dkk.) Kushardono, D. (2012). Klasifikasi Spasial Penutup Lahan dengan Data SAR Dual-Polarisasi Menggunakan Normalized Difference Polarization Index dan Fitur Keruangan dari Matrik Kookurensi. Jurnal Penginderaan Jauh dan Pengolahan Citra Digital, 9(1), Li, X., dan Yeh, A.G. (2004). Multitemporal SAR Images for Monitoring Cultivation Systems Using Case-Based Reasoning. Remote Sensing of Environment, 90(4), Lillesand, T.M. dan Kiefer, R.W. (1979). Penginderaan Jauh dan Interpretasi Citra (Sutanto, Ed). Yogyakarta: Gadjah Mada University Press. Safutra, I. (2017). Jadi Lumbung Padi Nasional, Petani Indramayu Masih Miskin, diunduh 1 Agustus 2017 dari Sampurno, Mulya, R dan Thoriq, A. (2016). Klasifikasi Tutupan Lahan Menggunakan Citra Landsat 8 Operational Land Imager (OLI) di Kabupaten Sumedang. Jurnal Teknotan, 10(2), SNAP (2014). SNAP User Guide, diunduh Juli 2017 dari Susanto, A., Trisakti, B., dan Arimurthy A. M. (2014). Perbandingan Klasifikasi Berbasis Obyek dan Klasifikasi Berbasis Piksel Pada Data Citra Satelit Synthetic Aperture Radar Untuk Pemetaan Lahan. Jurnal Penginderaan Jauh dan Pengolahan Citra Digital, 11(1),
Jurnal Penginderaan Jauh Vol. 9 No. 1 Juni 2012 : 12-24
KLASIFIKASI SPASIAL PENUTUP LAHAN DENGAN DATA SAR DUAL- POLARISASI MENGGUNAKAN NORMALIZED DIFFERENCE POLARIZATION INDEX DAN FITUR KERUANGAN DARI MATRIK KOOKURENSI (SPATIAL LAND COVER CLASSIFICATION USING
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN 5.1 Identifikasi Tutupan Lahan di Lapangan Berdasarkan hasil observasi lapangan yang telah dilakukan di Kabupaten Humbang Hasundutan, Kabupaten Tapanuli Utara, dan Kabupaten
Lebih terperinciGambar 11. Citra ALOS AVNIR-2 dengan Citra Komposit RGB 321
V. HASIL DAN PEMBAHASAN 5.1. Analisis Spektral Citra yang digunakan pada penelitian ini adalah Citra ALOS AVNIR-2 yang diakuisisi pada tanggal 30 Juni 2009 seperti yang tampak pada Gambar 11. Untuk dapat
Lebih terperinciI. PENDAHULUAN 1.1 Latar Belakang
1 I. PENDAHULUAN 1.1 Latar Belakang Posisi Indonesia berada di daerah tropis mengakibatkan hampir sepanjang tahun selalu diliputi awan. Kondisi ini mempengaruhi kemampuan citra optik untuk menghasilkan
Lebih terperinciBAB II TINJAUAN PUSTAKA
3 BAB II TINJAUAN PUSTAKA 2.1 Penginderaan Jauh Penginderaan jauh merupakan tehnik dan seni untuk memperoleh informasi tentang suatu objek, wilayah atau fenomena dengan menganalisa data yang diperoleh
Lebih terperinciPendahuluan. Metode Penelitian. Hasil Sementara. Rencana Selanjutnya
PENGUATAN KAPASITAS DAERAH DALAM PEMANFAATAN DATA SYNTHETIC APERTURE RADAR (SAR) UNTUK PENGURANGAN RESIKO DAN MITIGASI BENCANA Pendahuluan Metode Penelitian Hasil Sementara Rencana Selanjutnya LATAR BELAKANG
Lebih terperinciq Tujuan dari kegiatan ini diperolehnya peta penggunaan lahan yang up-to date Alat dan Bahan :
MAKSUD DAN TUJUAN q Maksud dari kegiatan ini adalah memperoleh informasi yang upto date dari citra satelit untuk mendapatkan peta penggunaan lahan sedetail mungkin sebagai salah satu paramater dalam analisis
Lebih terperinciPhased Array Type L-Band Synthetic Aperture Radar (PALSAR)
LAMPIRAN 51 Phased Array Type L-Band Synthetic Aperture Radar (PALSAR) Sensor PALSAR merupakan pengembangan dari sensor SAR yang dibawa oleh satelit pendahulunya, JERS-1. Sensor PALSAR adalah suatu sensor
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian ini. Proses persiapan data ini berpengaruh pada hasil akhir penelitian. Persiapan yang dilakukan meliputi
Lebih terperinciKOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN
KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN Rahayu *), Danang Surya Candra **) *) Universitas Jendral Soedirman
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Hasil sensus jumlah penduduk di Indonesia, dengan luas wilayah kurang lebih 1.904.569 km 2 menunjukkan adanya peningkatan jumlah penduduk, dari tahun 2010 jumlah penduduknya
Lebih terperinciBAB III METODOLOGI 3.1 Waktu dan Tempat 3.2 Alat dan Data 3.3 Tahapan Pelaksanaan
15 BAB III METODOLOGI 3.1 Waktu dan Tempat Penelitian ini dilaksanakan mulai bulan Juli sampai dengan April 2011 dengan daerah penelitian di Kabupaten Bogor, Kabupaten Sukabumi, dan Kabupaten Cianjur,
Lebih terperinciV. HASIL DAN PEMBAHASAN
27 V. HASIL DAN PEMBAHASAN 5.1. Penampilan Citra Dual Polarimetry PALSAR / ALOS Penampilan citra dual polarimetry : HH dan HV level 1. 5 PALSAR/ALOS masing-masing dapat dilihat pada ENVI 4. 5 dalam bentuk
Lebih terperinciBab 1 P e n d a h u l u a n
P e n d a h u l u a n 1.1 Latar Belakang Indonesia salah satu negara yang kaya dengan sumber daya alamnya. Bebagai jenis hutan, ladang, sawah, dan sungai tersebar hampir diseluruh pulau. Maka sudah selayaknya
Lebih terperinciSpektrum Gelombang. Penginderaan Elektromagnetik. Gelombang Mikro - Pasif. Pengantar Synthetic Aperture Radar
Spektrum Gelombang Pengantar Synthetic Aperture Radar Bambang H. Trisasongko Department of Soil Science and Land Resources, Bogor Agricultural University. Bogor 16680. Indonesia. Email: trisasongko@live.it
Lebih terperinciBAB 4 PENGUJIAN DAN ANALISIS SISTEM
BAB 4 PENGUJIAN DAN ANALISIS SISTEM Bab ini akan membahas mengenai proses pengujian dari sistem yang dirancang terhadap beberapa citra dijital replika kulit. Pengujian terhadap sistem ini dilakukan untuk
Lebih terperinciLampiran 1. Peta klasifikasi penutup lahan Kodya Bogor tahun 1997
LAMPIRAN Lampiran 1. Peta klasifikasi penutup lahan Kodya Bogor tahun 1997 17 Lampiran 2. Peta klasifikasi penutup lahan Kodya Bogor tahun 2006 18 Lampiran 3. Peta sebaran suhu permukaan Kodya Bogor tahun
Lebih terperinciBAB III METODA. Gambar 3.1 Intensitas total yang diterima sensor radar (dimodifikasi dari GlobeSAR, 2002)
BAB III METODA 3.1 Penginderaan Jauh Pertanian Pada penginderaan jauh pertanian, total intensitas yang diterima sensor radar (radar backscattering) merupakan energi elektromagnetik yang terpantul dari
Lebih terperinciPEMANFAATAN INTERFEROMETRIC SYNTHETIC APERTURE RADAR (InSAR) UNTUK PEMODELAN 3D (DSM, DEM, DAN DTM)
Majalah Sains dan Teknologi Dirgantara Vol. 4 No. 4 Desember 2009 : 154-159 PEMANFAATAN INTERFEROMETRIC SYNTHETIC APERTURE RADAR (InSAR) UNTUK PEMODELAN 3D (DSM, DEM, DAN DTM) Susanto *), Atriyon Julzarika
Lebih terperinciTINJAUAN PUSTAKA. Dalam Pasal 12 Undang-undang Kehutanan disebutkan bahwa. penyusunan rencana kehutanan. Pembentukan wilayah pengelolaan hutan
TINJAUAN PUSTAKA KPH (Kesatuan Pengelolaan Hutan) Dalam Pasal 12 Undang-undang Kehutanan disebutkan bahwa perencanaan kehutanan meliputi inventarisasi hutan, pengukuhan kawasan hutan, penatagunaan kawasan
Lebih terperinciBAB I PENDAHULUAN. and R.W. Kiefer., 1979). Penggunaan penginderaan jauh dalam mendeteksi luas
BAB I PENDAHULUAN Bab I menguraikan tentang latar belakang, rumusan masalah, tujuan penelitian, manfaat penelitian, batasan masalah serta sistematika penulisan yang menjadi dasar dari Perbandingan Penggunaan
Lebih terperinciBAB II IDENTIFIKASI DAERAH TERKENA BENCANA MENGGUNAKAN TEKNOLOGI PENGINDERAAN JAUH
BAB II IDENTIFIKASI DAERAH TERKENA BENCANA MENGGUNAKAN TEKNOLOGI PENGINDERAAN JAUH Teknologi penginderaan jauh merupakan teknologi yang memegang peranan yang sangat penting dalam manajemen bencana salah
Lebih terperinciBAB I PENDAHULUAN 1. Latar Belakang
BAB I PENDAHULUAN 1. Latar Belakang Indonesia memiliki kekayaan vegetasi yang beraneka ragam dan melimpah di seluruh wilayah Indonesia. Setiap saat perubahan lahan vegetasi seperti hutan, pertanian, perkebunan
Lebih terperinciDiterima 30 April 2014; Disetujui 23 Mei 2014 ABSTRACT
PERBANDINGAN KLASIFIKASI BERBASIS OBYEK DAN KLASIFIKASI BERBASIS PIKSEL PADA DATA CITRA SATELIT SYNTHETIC APERTURE RADAR UNTUK PEMETAAN LAHAN (COMPARISON OF OBJECT BASED AND PIXEL BASED CLASSIFICATION
Lebih terperinciBAB II TINJAUAN PUSTAKA
4 BAB II TINJAUAN PUSTAKA 2.1. Pemantauan Padi dengan SAR Polarisasi Tunggal Pada awal perkembangannya, sensor SAR hanya menyediakan satu pilihan polarisasi saja. Masalah daya di satelit, kapasitas pengiriman
Lebih terperinciIII. METODE PENELITIAN
14 III. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian ini dilakukan sejak bulan April 2009 sampai November 2009 di Laboratorium Penginderaan Jauh dan Interpretasi Citra, Departemen Ilmu
Lebih terperinciAninda Nurry M.F., Ira Mutiara Anjasmara Jurusan Teknik Geomatika FTSP-ITS, Kampus ITS Sukolilo, Surabaya,
KAJIAN PERUBAHAN TUTUPAN LAHAN DAERAH ALIRAN SUNGAI BRANTAS BAGIAN HILIR MENGGUNAKAN CITRA SATELIT MULTI TEMPORAL (STUDI KASUS: KALI PORONG, KABUPATEN SIDOARJO) Aninda Nurry M.F., Ira Mutiara Anjasmara
Lebih terperinciBAB IV HASIL DAN ANALISIS
BAB IV HASIL DAN ANALISIS 4.1 Hasil Segmentasi Dari beberapa kombinasi scale parameter yang digunakan untuk mendapatkan segmentasi terbaik, untuk mengklasifikasikan citra pada penelitian ini hanya mengambil
Lebih terperinciBAB II TEORI DASAR. Beberapa definisi tentang tutupan lahan antara lain:
BAB II TEORI DASAR 2.1 Tutupan Lahan Tutupan Lahan atau juga yang biasa disebut dengan Land Cover memiliki berbagai pengertian, bahkan banyak yang memiliki anggapan bahwa tutupan lahan ini sama dengan
Lebih terperinciII. TINJAUAN PUSTAKA. permukaan lahan (Burley, 1961 dalam Lo, 1995). Konstruksi tersebut seluruhnya
5 II. TINJAUAN PUSTAKA A. Penutupan Lahan dan Perubahannya Penutupan lahan menggambarkan konstruksi vegetasi dan buatan yang menutup permukaan lahan (Burley, 1961 dalam Lo, 1995). Konstruksi tersebut seluruhnya
Lebih terperinciMONITORING PERUBAHAN LANSEKAP DI SEGARA ANAKAN, CILACAP DENGAN MENGGUNAKAN CITRA OPTIK DAN RADAR a. Lilik Budi Prasetyo. Abstrak
MONITORING PERUBAHAN LANSEKAP DI SEGARA ANAKAN, CILACAP DENGAN MENGGUNAKAN CITRA OPTIK DAN RADAR a Lilik Budi Prasetyo Jurusan Konservasi Sumberdaya Hutan, Fakultas Kehutanan-IPB, PO.Box 168 Bogor, Email
Lebih terperinciLegenda: Sungai Jalan Blok sawah PT. Sang Hyang Seri Kabupaten Subang
17 III. METODOLOGI 3.1. Waktu dan Tempat Penelitian Penelitian ini dimulai pada bulan Oktober 2010 dan berakhir pada bulan Juni 2011. Wilayah penelitian berlokasi di Kabupaten Subang, Jawa Barat (Gambar
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Lokasi penelitian di DAS Citarum Hulu Jawa Barat dengan luasan sebesar + 230.802 ha. Penelitian dilaksanakan pada bulan Juni sampai dengan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilaksanakan pada bulan Juli 2011 sampai dengan Januari 2012 dengan daerah penelitian di Desa Sawohan, Kecamatan Buduran, Kabupaten
Lebih terperinciISTILAH DI NEGARA LAIN
Geografi PENGERTIAN Ilmu atau seni untuk memperoleh informasi tentang obyek, daerah atau gejala dengan jalan menganalisis data yang diperoleh dengan menggunakan alat tanpa kontak langsung terhadap obyek
Lebih terperinciMETODOLOGI. Gambar 4. Peta Lokasi Penelitian
22 METODOLOGI Tempat dan Waktu Penelitian Penelitian dilakukan di Kota Sukabumi, Jawa Barat pada 7 wilayah kecamatan dengan waktu penelitian pada bulan Juni sampai November 2009. Pada lokasi penelitian
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciPENGINDERAAN JAUH. --- anna s file
PENGINDERAAN JAUH copyright@2007 --- anna s file Pengertian Penginderaan Jauh Beberapa ahli berpendapat bahwa inderaja merupakan teknik yang dikembangkan untuk memperoleh data di permukaan bumi, jadi inderaja
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Indonesia merupakan negara agraris dimana sebagian besar penduduknya bekerja sebagai petani. Berdasarkan sensus penduduk tahun 2010, jumlah penduduk yang bermata pencaharian
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penginderaan jauh didefinisikan sebagai proses perolehan informasi tentang suatu obyek tanpa adanya kontak fisik secara langsung dengan obyek tersebut (Rees, 2001;
Lebih terperinciABSTRAK. Kata kunci : CBIR, GLCM, Histogram, Kuantisasi, Euclidean distance, Normalisasi. v Universitas Kristen Maranatha
ABSTRAK Content-Based Image Retrieval (CBIR) adalah proses untuk mendapatkan suatu citra berdasarkan konten-konten tertentu, konten yang dimaksud dapat berupa tekstur, warna, bentuk. CBIR pada dasarnya
Lebih terperinciPENDAHULUAN. Latar Belakang
Latar Belakang PENDAHULUAN Wilayah peri-urban yang berkonotasi sebagai wilayah yang berada di sekitar kota dapat diartikan juga sebagai wilayah Pra- Urban. Istilah ini mengandung makna bahwa wilayah peri-urban
Lebih terperinciGambar 6 Kenampakan pada citra Google Earth.
menggunakan data latih kedua band citra berbasis rona (tone, sehingga didapatkan pohon keputusan untuk citra berbasis rona. Pembentukan rule kedua menggunakan data latih citra berbasis rona ditambah dengan
Lebih terperinciHeru Noviar dan Bambang Trisakti Peneliti Bidang Sumber Daya Wilayah Darat, Pusfatja, Lapan
Pemanfaatan Kanal... (Heru Noviar dan Bambang Trisakti) PEMANFAATAN KANAL POLARISASI DAN KANAL TEKSTUR DATA PISAR-L2 UNTUK KLASIFIKASI PENUTUP LAHAN KAWASAN HUTAN DENGAN METODE KLASIFIKASI TERBIMBING (UTILIZATION
Lebih terperinciAnalisis Perubahan Lahan Tambak Di Kawasan Pesisir Kota Banda Aceh
Analisis Perubahan Lahan Tambak Di Kawasan Pesisir Kota Banda Aceh 1 Mira Mauliza Rahmi, * 2 Sugianto Sugianto dan 3 Faisal 1 Program Studi Magister Pengelolaan Sumberdaya Pesisir Terpadu Program Pascasarjana;
Lebih terperinciBAB III METODE PENELITIAN
11 BAB III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian ini dilaksanakan selama dua bulan yaitu bulan Juli-Agustus 2010 dengan pemilihan lokasi di Kota Denpasar. Pengolahan data dilakukan di Laboratorium
Lebih terperinciI PENDAHULUAN 1.1 Latar Belakang
1 I PENDAHULUAN 1.1 Latar Belakang Luas kawasan hutan Indonesia berdasarkan Surat Keputusan Menteri Kehutanan tentang penunjukan kawasan hutan dan perairan provinsi adalah 133.300.543,98 ha (Kementerian
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Penginderaan Jauh Penginderaan jauh merupakan ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah, atau fenomena melalui analisis data yang diperoleh dengan
Lebih terperinciPENGOLAHAN CITRA SATELIT ALOS PALSAR MENGGUNAKAN METODE POLARIMETRI UNTUK KLASIFIKASI LAHAN WILAYAH KOTA PADANG ABSTRACT
Eksakta Vol. 18 No. 1, April 2017 http://eksakta.ppj.unp.ac.id E-ISSN : 2549-7464 P-ISSN : 1411-3724 PENGOLAHAN CITRA SATELIT ALOS PALSAR MENGGUNAKAN METODE POLARIMETRI UNTUK KLASIFIKASI LAHAN WILAYAH
Lebih terperinciJURNAL GEOGRAFI Media Pengembangan Ilmu dan Profesi Kegeografian
JURNAL GEOGRAFI Media Pengembangan Ilmu dan Profesi Kegeografian http://journal.unnes.ac.id/sju/index.php/ujet ESTIMASI PRODUKTIVITAS PADI MENGGUNAKAN TEKNIK PENGINDERAAN JAUH DALAM MENDUKUNG PROGRAM SWASEMBADA
Lebih terperinciKOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN
KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN Rahayu *), Danang Surya Candra **) *) Universitas Jendral Soedirman
Lebih terperinciANALISIS PERUBAHAN SUHU PERMUKAAN TANAH DENGAN MENGGUNAKAN CITRA SATELIT TERRA DAN AQUA MODIS (STUDI KASUS : DAERAH KABUPATEN MALANG DAN SURABAYA)
ANALISIS PERUBAHAN SUHU PERMUKAAN TANAH DENGAN MENGGUNAKAN CITRA SATELIT TERRA DAN AQUA MODIS (STUDI KASUS : DAERAH KABUPATEN MALANG DAN SURABAYA) Oleh : Dawamul Arifin 3508 100 055 Jurusan Teknik Geomatika
Lebih terperinciI PENDAHULUAN 1.1 Latar Belakang
I PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan salah satu negara yang memiliki hutan tropis terbesar di dunia, dengan kondisi iklim basa yang peluang tutupan awannya sepanjang tahun cukup tinggi.
Lebih terperinciHASIL DAN PEMBAHASAN
HASIL DAN PEMBAHASAN Koreksi Geometrik Koreksi geometrik adalah suatu proses memproyeksikan data pada suatu bidang sehingga mempunyai proyeksi yang sama dengan proyeksi peta. Koreksi ini dilakukan untuk
Lebih terperinciSudaryanto dan Melania Swetika Rini*
PENENTUAN RUANG TERBUKA HIJAU (RTH) DENGAN INDEX VEGETASI NDVI BERBASIS CITRA ALOS AVNIR -2 DAN SISTEM INFORMASI GEOGRAFI DI KOTA YOGYAKARTA DAN SEKITARNYA Sudaryanto dan Melania Swetika Rini* Abstrak:
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN 5.. Variasi NDVI Citra AVNIR- Citra AVNIR- yang digunakan pada penelitian ini diakuisisi pada tanggal Desember 008 dan 0 Juni 009. Pada citra AVNIR- yang diakuisisi tanggal Desember
Lebih terperinciBAB II. TINJAUAN PUSTAKA
DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN... ii HALAMAN PERNYATAAN... iii INTISARI... iv ABSTRACT... v KATA PENGANTAR... vi DAFTAR ISI... viii DAFTAR TABEL... x DAFTAR GAMBAR... xi DAFTAR LAMPIRAN...
Lebih terperinciPENDAHULUAN 1.1. Latar belakang
1 I. PENDAHULUAN 1.1. Latar belakang Curah hujan merupakan salah satu parameter atmosfer yang sulit untuk diprediksi karena mempunyai keragaman tinggi baik secara ruang maupun waktu. Demikian halnya dengan
Lebih terperinciGambar 1. Peta Lokasi Penelitian
10 BAB III BAHAN DAN METODE 3.1. Waktu dan Tempat Penelitian Penelitian ini dimulai pada bulan Maret 2011 dan berakhir pada bulan Oktober 2011. Penelitian ini terdiri atas pengamatan di lapang dan analisis
Lebih terperinci1. BAB I PENDAHULUAN PENDAHULUAN
1. BAB I PENDAHULUAN PENDAHULUAN 1.1. Latar Belakang Peta menggambarkan data spasial (keruangan) yang merupakan data yang berkenaan dengan lokasi atau atribut dari suatu objek atau fenomena di permukaan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian tugas akhir ini. Proses ini sangat berpengaruh terhadap hasil akhir penellitan. Pada tahap ini dilakukan
Lebih terperinciPemanfaatan Citra Aster untuk Inventarisasi Sumberdaya Laut dan Pesisir Pulau Karimunjawa dan Kemujan, Kepulauan Karimunjawa
ISSN 0853-7291 Pemanfaatan Citra Aster untuk Inventarisasi Sumberdaya Laut dan Pesisir Pulau Karimunjawa dan Kemujan, Kepulauan Karimunjawa Petrus Soebardjo*, Baskoro Rochaddi, Sigit Purnomo Jurusan Ilmu
Lebih terperinciBAB III PELAKSANAAN PENELITIAN
BAB III PELAKSANAAN PENELITIAN Pada bab ini akan dijelaskan mengenai alat dan bahan yang digunakan dalam penelitian ini serta tahapan-tahapan yang dilakukan dalam mengklasifikasi tata guna lahan dari hasil
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM
BAB III ANALISIS DAN PERANCANGAN SISTEM Analisis dan perancangan sistem ini ditujukan untuk memberikan gambaran secara umum mengenai aplikasi yang akan dibuat. Hal ini berguna untuk menunjang pembuatan
Lebih terperinciIndeks Vegetasi Bentuk komputasi nilai-nilai indeks vegetasi matematis dapat dinyatakan sebagai berikut :
Indeks Vegetasi Bentuk komputasi nilai-nilai indeks vegetasi matematis dapat dinyatakan sebagai berikut : NDVI=(band4 band3)/(band4+band3).18 Nilai-nilai indeks vegetasi di deteksi oleh instrument pada
Lebih terperinciCitra Satelit IKONOS
Citra Satelit IKONOS Satelit IKONOS adalah satelit inderaja komersiil pertama yang dioperasikan dengan tingkat ketelitian 1 meter untuk model pankromatik dan 4 meter untuk model multispektral yang merupakan
Lebih terperinciGeo Image 5 (2) (2016) Geo Image.
Geo Image 5 (2) (2016) Geo Image http://journal.unnes.ac.id/sju/index.php/geoimage ESTIMASI PRODUKTIVITAS PADI MENGGUNAKAN TEKNIKPENGINDERAAN JAUH DALAM MENDUKUNG PROGRAM SWASEMBADA PANGAN Ahmad Yazidun
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Era Teknologi merupakan era dimana informasi serta data dapat didapatkan dan ditransfer secara lebih efektif. Perkembangan ilmu dan teknologi menyebabkan kemajuan
Lebih terperinciULANGAN HARIAN PENGINDERAAN JAUH
ULANGAN HARIAN PENGINDERAAN JAUH 01. Teknologi yang terkait dengan pengamatan permukaan bumi dalam jangkauan yang sangat luas untuk mendapatkan informasi tentang objek dipermukaan bumi tanpa bersentuhan
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penginderaan jauh yaitu berbagai teknik yang dikembangkan untuk perolehan dan analisis informasi tentang bumi. Informasi tersebut berbentuk radiasi elektromagnetik
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Tempat dan Waktu Penelitian dilakukan dari bulan Juli sampai September 2011 di Kabupaten Sidoarjo, Jawa Timur. Pengolahan data dilakukan di Laboratorium Analisis Lingkungan
Lebih terperinciTINJAUAN PUSTAKA. Secara geografis DAS Besitang terletak antara 03 o o LU. (perhitungan luas menggunakan perangkat GIS).
TINJAUAN PUSTAKA Daerah Aliran Sungai (DAS) Besitang Sekilas Tentang DAS Besitang Secara geografis DAS Besitang terletak antara 03 o 45 04 o 22 44 LU dan 97 o 51 99 o 17 56 BT. Kawasan DAS Besitang melintasi
Lebih terperinciBAB III METODE PENELITIAN
14 BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Kegiatan penelitian dilaksanakan pada bulan Mei sampai dengan September dengan mengambil lokasi penelitian di wilayah Kecamatan Cikalong, Tasikmalaya (Gambar
Lebih terperinciPERBEDAAN INTERPRETASI CITRA RADAR DENGAN CITRA FOTO UDARA
PERBEDAAN INTERPRETASI CITRA RADAR DENGAN CITRA FOTO UDARA I. Citra Foto Udara Kegiatan pengindraan jauh memberikan produk atau hasil berupa keluaran atau citra. Citra adalah gambaran suatu objek yang
Lebih terperinciAPLIKASI PENGINDERAAN JAUH DAN SISTEM INFORMASI GEOGRAFI UNTUK KESESUAIAN LAHAN PERMUKIMAN KOTA BEKASI. Dyah Wuri Khairina
APLIKASI PENGINDERAAN JAUH DAN SISTEM INFORMASI GEOGRAFI UNTUK KESESUAIAN LAHAN PERMUKIMAN KOTA BEKASI Dyah Wuri Khairina dyah.wuri.k@mail.ugm.ac.id Taufik Hery Purwanto taufikhery@mail.ugm.ac.id Abstract
Lebih terperinci11/25/2009. Sebuah gambar mengandung informasi dari obyek berupa: Posisi. Introduction to Remote Sensing Campbell, James B. Bab I
Introduction to Remote Sensing Campbell, James B. Bab I Sebuah gambar mengandung informasi dari obyek berupa: Posisi Ukuran Hubungan antar obyek Informasi spasial dari obyek Pengambilan data fisik dari
Lebih terperinciJurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi Sepuluh Nopember
Mahasiswa : Cherie Bhekti Pribadi (3509100060) Dosen Pembimbing : Dr. Ing. Ir. Teguh Hariyanto, MSc Udiana Wahyu D, ST. MT Jurusan Teknik Geomatika Fakultas Teknik Sipil dan Perencanaan Institut Teknologi
Lebih terperinciPERANAN CITRA SATELIT ALOS UNTUK BERBAGAI APLIKASI TEKNIK GEODESI DAN GEOMATIKA DI INDONESIA
PERANAN CITRA SATELIT ALOS UNTUK BERBAGAI APLIKASI TEKNIK GEODESI DAN GEOMATIKA DI INDONESIA Atriyon Julzarika Alumni Teknik Geodesi dan Geomatika, FT-Universitas Gadjah Mada, Angkatan 2003 Lembaga Penerbangan
Lebih terperinciII. TINJAUAN PUSTAKA 2.1 Lahan dan Penggunaan Lahan Pengertian Lahan
II. TINJAUAN PUSTAKA 2.1 Lahan dan Penggunaan Lahan 2.1.1 Pengertian Lahan Pengertian lahan tidak sama dengan tanah, tanah adalah benda alami yang heterogen dan dinamis, merupakan interaksi hasil kerja
Lebih terperinciKOMPONEN PENGINDERAAN JAUH. Sumber tenaga Atmosfer Interaksi antara tenaga dan objek Sensor Wahana Perolehan data Pengguna data
PENGINDERAAN JAUH KOMPONEN PENGINDERAAN JAUH Sumber tenaga Atmosfer Interaksi antara tenaga dan objek Sensor Wahana Perolehan data Pengguna data Lanjutan Sumber tenaga * Alamiah/sistem pasif : sinar matahari
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penginderaan Jauh Penginderaan jauh merupakan suatu teknik pengukuran atau perolehan informasi dari beberapa sifat obyek atau fenomena dengan menggunakan alat perekam yang secara
Lebih terperinciHALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK
HALAMAN SAMPUL SKRIPSI PENGENALAN POLA TELAPAK TANGAN DENGAN MENGGUNAKAN ALGORITMA BACK PROPAGATION NEURAL NETWORK Oleh: MOH SHOCHWIL WIDAT 2011-51-034 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK
Lebih terperinciEvaluasi Kesesuaian Tutupan Lahan Menggunakan Citra ALOS AVNIR-2 Tahun 2009 Dengan Peta RTRW Kabupaten Sidoarjo Tahun 2007
JURNAL TEKNIK POMITS Vol. x, No. x, (Oktober, 2013) ISSN: 2301-9271 Evaluasi Kesesuaian Tutupan Lahan Menggunakan Citra ALOS AVNIR-2 Tahun 2009 Dengan Peta RTRW Kabupaten Sidoarjo Tahun 2007 Latri Wartika
Lebih terperinci4. HASIL DAN PEMBAHASAN. Wilayah lokasi penelitian tumpahan minyak berada di sekitar anjungan
36 4. HASIL DAN PEMBAHASAN 4.1 Kondisi Lokasi Penelitian Wilayah lokasi penelitian tumpahan minyak berada di sekitar anjungan minyak Montara yang dipasang di Laut Timor. Laut Timor merupakan perairan yang
Lebih terperinciPEMANFAATAN TEKNOLOGI PENGINDERAAN JAUH UNTUK MONITORING DENSIFIKASI BANGUNAN DI DAERAH PERKOTAAN MAGELANG
PEMANFAATAN TEKNOLOGI PENGINDERAAN JAUH UNTUK MONITORING DENSIFIKASI BANGUNAN DI DAERAH PERKOTAAN MAGELANG Vembri Satya Nugraha vembrisatyanugraha@gmail.com Zuharnen zuharnen@ugm.ac.id Abstract This study
Lebih terperinciSISTEM INFORMASI GEOGRAFIS,
Integrasi GISdan Inderaja Penginderaan jauh (remote sensing) adalah ilmu dan ketrampilan untuk memperoleh informasi tentang obyek, daerah, atau fenomena melalui analisis data yang diperoleh dengan suatu
Lebih terperinciSumber bacaan 4/30/2012. Minggu 10: Klasifikasi Data Citra KOMBINASI WARNA
Minggu 10: Klasifikasi Data Citra Proses Sebelum Klasifikasi Koreksi Geometri Koreksi Radiometri Koreksi Topografi Penajaman Citra Minggu 9 Klasifikasi Pemilihan Kombinasi warna Teknik Klasifikasi Visual
Lebih terperinciPERBANDINGAN KLASIFIKASI TUTUPAN LAHAN DENGAN METODE OBJECT-BASED DAN PIXEL- BASED
PERBANDINGAN KLASIFIKASI TUTUPAN LAHAN DENGAN METODE OBJECT-BASED DAN PIXEL- BASED TUGAS AKHIR Karya Tulis sebagai salah satu syarat untuk memperoleh gelar Sarjana Oleh NANDHY RAMADHANNY HOESIN POETRI
Lebih terperinciREMOTE SENSING AND GIS DATA FOR URBAN PLANNING
REMOTE SENSING AND GIS DATA FOR URBAN PLANNING Jarot Mulyo Semedi disampaikan pada: Workshop Continuing Professional Development (CPD) Ahli Perencanaan Wilayah dan Kota Jakarta, 7 Oktober 2016 Isi Presentasi
Lebih terperinciIII. METODE PENELITIAN. Penelitian dilaksanakan di Taman Hutan Raya Wan Abdul Rachman (Tahura
III. METODE PENELITIAN A. Lokasi dan Waktu Penelitian Penelitian dilaksanakan di Taman Hutan Raya Wan Abdul Rachman (Tahura WAR). Berdasarkan administrasi pemerintahan Provinsi Lampung kawasan ini berada
Lebih terperinciBAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh)
BAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh) Remote Sensing didefinisikan sebagai ilmu untuk mendapatkan informasi mengenai obyek-obyek pada permukaan bumi dengan analisis data yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penginderaan jauh merupakan ilmu pengetahuan, teknologi, dan seni perolehan informasi objek di permukaan Bumi melalui hasil rekamannya (Sutanto,2013). Objek di permukaan
Lebih terperinciKARAKTERISKTIK BACKSCATTER CITRA ALOS PALSAR POLARISASI HH DAN HV TERHADAP PARAMETER BIOFISIK HUTAN DI SEBAGIAN TAMAN NASIONAL KERINCI SEBLAT
KARAKTERISKTIK BACKSCATTER CITRA ALOS PALSAR POLARISASI HH DAN HV TERHADAP PARAMETER BIOFISIK HUTAN DI SEBAGIAN TAMAN NASIONAL KERINCI SEBLAT Nirmawana Simarmata 1, Hartono 2, Sigit Heru Murti 3 1 Program
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1. 1.1 Latar Belakang Kajian mengenai metode non-parametrik Classification Tree Analysis (CTA) menggunakan teknik data mining untuk aplikasi penginderaan jauh masih belum banyak dilakukan,
Lebih terperinciKAJIAN CITRA RESOLUSI TINGGI WORLDVIEW-2
KAJIAN CITRA RESOLUSI TINGGI WORLDVIEW-2 SEBAGAI PENUNJANG DATA DASAR UNTUK RENCANA DETAIL TATA RUANG KOTA (RDTRK) Heri Setiawan, Yanto Budisusanto Program Studi Teknik Geomatika, FTSP, ITS-Sukolilo, Surabaya,
Lebih terperinciPrediksi Spasial Perkembangan Lahan Terbangun Melalui Pemanfaatan Citra Landsat Multitemporal di Kota Bogor
Prediksi Spasial Perkembangan Lahan Terbangun Melalui Pemanfaatan Citra Landsat Multitemporal di Kota Bogor Siti Zahrotunisa 1, Prama Wicaksono 2 1,2 Program Studi Kartografi dan Penginderaan Jauh, Departemen
Lebih terperinciBAB V HASIL DAN PEMBAHASAN
BAB V HASIL DAN PEMBAHASAN 5.1 Identifikasi Objek di Lapangan Pengamatan lapangan dilakukan di 3 (tiga) kabupaten, yaitu : Kabupaten Bogor, Kabupaten Sukabumi, dan Kabupaten Cianjur. Titik pengamatan sebanyak
Lebih terperinciBangunan Berdasarkan Citra Landsat 5 TM dan Sentinel 2A MSI (Kasus: Kota Salatiga) Anggito Venuary S
Interpretasi Hibrida Untuk Identifikasi Perubahan Lahan Terbangun dan Kepadatan Bangunan Berdasarkan Citra Landsat 5 TM dan Sentinel 2A MSI (Kasus: Kota Salatiga) Anggito Venuary S anggitovenuary@outlook.com
Lebih terperinciIII. METODOLOGI 3.1 Waktu Penelitian 3.2 Lokasi Penelitian
III. METODOLOGI 3.1 Waktu Penelitian Penelitian ini dilakukan dari bulan Februari sampai September 2011. Kegiatan penelitian ini meliputi tahap prapenelitian (persiapan, survei), Inventarisasi (pengumpulan
Lebih terperinci