laporan indraja lika-yosua.2

Upload: eshanu

Post on 07-Mar-2016

228 views

Category:

Documents


0 download

DESCRIPTION

laporan praktikum

TRANSCRIPT

LAPORANPRAKTIKUM PENGINDERAAN JAUH

Praktikum ke:6 (enam)

Judul Praktikum :File Dataset

Hari/Tanggal:Selasa, 10 November 2015

Tempat Praktikum:Laboratorium Survei Tanah Dan EvaluasiLahan

Kelas:TeknikGeologi

Kelompok:2

Disusun oleh :

1. Lika Rizsyafany(F1D214016)2. Yosua ronald(F1D214025)

PROGRAM STUDI TEKNIK GEOLOGIJURUSAN TEKNIK KEBUMIANFAKULTAS SAIN DAN TEKNOLOGIUNIVERSITAS JAMBISEMESTER GANJIL 2015/2016LEMBAR PENGESAHAN

1. Lika RizsyafanyF1D214016

2. Yosua ronaldF1D214025

Dosen/AsistenPraktikum

(DEDY ANTONY, SP. M.Si)Nip. 19780920 200501 1 002

1. PRINSIP TEORIER Mapper adalah salah satu software/perangkat lunak pengolahan data citra atau satelit (Geographic Image Processing Product) dari sekian macam image processing yang ada, seperti IDRISI, ERDAS, PCI dll.ER Mapper dapat dijalankan pada workstation dengan sistem Operasi UNIX atau PC dengan sistem operasi Windows NT atau Windows 95 ke atas.Melalui ER Mapper kita dapat menampilkan, mengolah data raster, menampilkan dan mengedit data vektor.ER Mapper didesain khusus untuk pengolahan data masalah-masalah kebumian, penerapan ER Mapper juga meliputiindustri-industri yang bergerak di bidang kebumian.Salah satu bentuk format penyimpanan dari ERMapper adalah data set, merupakan format penyimpananERMapperdalambentuk.ers (ERMapper Raster Dataset). Sedangkan bentuk yang lain yang telah kita pelajari sebelumnya adalah .alg (ERMapper Algorithm). Ketika memperoleh data citra satelit dari sumber manapun, yang pertamakali harus dilakukan adalah melakukan tehnik stack layer. Tehnik ini bertujuan untuk menggabungkan file layer-layer yang terpisah dan terdiri dari beberapa band tergantung dari jenis citra satelit yang diperoleh. Misalnya untuk citra Landsat memiliki 6 band multispektral , 1 band pankromatik , dan 2 band thermal. Atau data SPOT yang mempunyai 3 band multispektral dan 1 band pankromatik.

Untuk menggabungkan file-file tiap band yang terpisah tersebut maka harus dilakukan stack layer. Setelah dilakukan stack layer, dataset dapat disimpan menjadi file baru dalam bentuk multilayer maupun RGB. Dataset bisa meliputi data citra satelit, foto udara, DTM, data seismic, dan geofisika. Pada saat kita mengimpor sebuah file data raster (dengan utility Import ER Mapper), ER Mapper mengkonversi menjadi 2 buah file :1.File Data Binary yang mengandung data raster dalam format BIL (Band Interleaved by Line ).2.File kepala ASCII dengan*.ers ekstension.

Geometrik merupakan posisi geografis yang berhubungan dengan distribusi keruangan (spatial distribution). Geometrik memuat informasi data yang mengacu bumi (geo-referenced data), baik posisi (system koordinat lintang dan bujur) maupun informasi yang terkandung di dalamnya.Kesalahan geometrik citra berdasarkan sumbernya kesalahan geometric pada cita penginderaan jauh dapat dikelompokkan menjadi dua tipe kesalahan, yaitu kesalahan internal (internal distorsion), dan kesalahan eksternal (external distorsion). Kesalahan geometrik menurut sifatnya dapat dibedakan menjadi dua jenis yaitu kesalahan sistematik dan kesalahan random. Kesalahan sistematik merupakan kesalahan yang dapat diperkirakan sebelumnya, dan besar kesalahannya pada umumnya konstan, oleh karena itu dapat dibuat perangkat lunak koreksi geometrik secara sitematik. Kesalahan geometri yang bersifat random (acak) tidak dapat diperkirakan terjadinya, maka koreksinya harus ada data referensi tambahan yang diketahui. Koreksi geometrik yang biasa dilakukan adalah koreksi geometrik sistemik dan koreksi geometrik presisi.Kesalahan geometrik internal disebabkan oleh konfigurasi sensornya, akibat pembelokan arah penyinaran menyebabkan distorsi panoramic (look angle), yang terjadi saat cermin scan melakukan penyiaman (scanning). Besarnya sudut pengamatan (field of view) satelit pada proses penyiaman akan mengakibatkan perubahan luas cakupan objek. Distorsi panoramic sangat besar pengaruhnya pada sensor satelit resolusi rendah seperti rendah NOAA-AVHRR dan MODIS, namun citra resolusi tinggi seperti Landsat, SPOT, IKONOS, Quickbird, dan ALOS bebas dari distorsi panoramic, karena orbitnya yang tinggi dengan medan pandang kecil hampir tidak terjadi pergeseran letak oleh relief pada data satelit tersebut. Distorsi yang disebabkan perubahan atau pembelokan arah penyiaman bersifat sistematik, dapat dikoreksi secara sistematik. Kesalahan geometric menyebabkan perubahan bentuk citra. Koreksi geometric dilakukan sesuai dengan jenis atau penyebab kesalahannya, yaitu kesalahan sistematik dan kesalahan random, dengan sifat distorsi geometric pada citra. Koreksi geometrik mempunyai tiga tujuan, yaitu:1. Melakukan rektifikasi (pembetulan) atau restorasi (pemulihan) citra agar koordinat citra sesuai dengan koordinat geografis.2. Meregistrasi (mencocokan) posisi citra dengan citra lain yang sudah terkoreksi (image to image rectification) atau mentransformasikan system koordinat citra multispectral dan multi temporal.3. Meregistrasi citra ke peta atau transformasi system koordinat citra ke koordinat peta (image to map rectification), sehingga menghasilkan citra dengan system proyeksi tertentu.

Koreksi geometrik yang biasa dilakukan adalah koreksi geometrik sistematik dan koreksi geometric presisi. Masing-masing sebagai berikut.1. Koreksi geometrik sistematik melakukan koreksi geomertri dengan menggunakan informasi karakteristik sensor yaitu orientasi internal (internal orientation) berisi informasi panjang focus system optiknya dan koordinat titik utama (primary point) dalam bidang citra (image space) sedangkan distorsi lensa dan difraksi atmosfer dianggap kecil pada sensor inderaja satelit, serta orientasi eksternal (external orientation) berisi koordinat titik utama pada bidang bumi (ground space) serta tiga sudut relative antara bidang citra dan bidang bumi.2. Koreksi geometrik presisi pada dasarnya adalah meningkatkan ketelitian geometric dengan menggunakan titik kendali / control tanah (Ground Control Point biasa disingkat GCP). GCP dimaksud adalah titik yang diketahui koordinatnya secara tepat dan dapat terlihat pada citra inderaja satelit seperti perempatan jalan dan lain-lain.

Koreksi geometrik citra dapat dilakukan dalam empat tahap yang mencakup sebagai berikut:1. Memilih metode setelah mengetahui karakteristik kesalahan geometrik dan tersedianya data referensi. Pemilihan metode tergantung pada jenis data (resolusi spasial), dan jenis kesalahan geometric (skew, yaw, roll, pitch) data.2. Penentuan parameter yang tidak diketahui didefinisikan dari persamaan matematika antara system koordinat citra dan system koordinat geografis, untuk menentukan menggunakan parameter kalibarasi data atau titik control tanah.3. Cek akurasi dengan verifikasi atau validasi sesuai dengan criteria, metode, dan data citra, maka perlu dicari solusinya agar diperoleh tingkat ketelitian yang lebih baik. Solusinya dapat dilakukan dengan menggunakan metode lain, atau bila data referensi yang digunakan tidak akurat atau perlu diganti.4. Interpolasi dan resampling untuk mendapatkan citra geocoded presisi (akurat). Beberapa pilihan Geocoding Type yang sudah tersedia pada perangkat lunak, seperti Tryangulation, Polynomial, Orthorectify using ground control poinr, Orthorectify using exterior orientation, Map to map projection, Point registration, Rotation. Kegunaan setiap tipe geocoding adalah (a) Tryangulation untuk koreksi geometric data yang mengalami banyak pergeseran skew dan yawa, atau data yang tidak sama ukuran pixelnya pada satu set data. (b) Polynomial untuk koreksi geometrik data citra yang mengalami pergeseran linear, ukuran pixel sama dalam satu set data resolusi spasial tinggi dan rendah. (c) Orthorectify untuk mengoreksi citra secara geometris, berdasarkan ketinggian geografisnya. Koreksi geometrik jika tidak menggunakan Orthorectify, maka puncak gunung akan bergeser letaknya dari posisi sebenarnya, walaupun sudah dikoreksi secara geometerik. (d) Rotation untuk koreksi geometrik citra karena terjadi pergeseran citra yang terputar, baik searah jarum jam maupun sebaliknya.

2. TUJUAN PRAKTIKUM1. Mahasiswamemahami format penyimpanan data citrapadaERMapper2. Mahasiswamampumelakukanmenyimpan file dataset citradalam format .ers3. Mahasiswabisamembedakanantaratehnikpenyimpanan stack layer, multilayer dan RGB

3. BAHAN DAN ALAT1. Seperangkatkomputer yang terinstal software ERMapper2. Citra satelit3. Alattulis

4. PROSEDUR KERJA4.1. Stack Layer Untuk melakukan stack layer, tahapannya adalah sebagai berikut: 1. Dari folder penyimpanan data pengindraan jauh, pastikan data citra sudah diekstrak. Karena biasanya ketika didapatkan biasanya dalam bentuk kompresi (zip, gz, tar, dan lain-lain) 2. Setelah data diekstrak, pastikan semuia data komplit. Pastikan tiap-tiap file band yang membentuk dataset citra lengkap. Biasanya data yang sudah terekstrak berformat TIF. 3. Bukalah citra yang telah diekstrak menggunakan ERMapper dari menu File Open sehingga muncul kotak dialog Open Dataset. Arahkan pada direktori tempat penyimpanan citra, pastikan files of type dikotak dialog tersebut pada posisi GeoTIFF/TIFF. Misalnya untuk citra yang dibuka adalah ................(Band 1 pada citra Landsat). Setelah itu akan muncul jendela citra dengan data band 1 dari citra Landsat. 4. Pada jendela citra tersebut, klik kanan dan pilih menu PopUp >Algorithm. 5. Pada kotak dialog akan tersusun Pseudo Layer dalam color mode Pseudocolor dengan hanya memiliki satu susunan data. 6. Sorot pada tulisan Pseudo Layer dan Klik Duplicate hingga jumlah band ke 7. Sehingga pada Algorithm-nya terdapat 7 Pseudo Layer. (note: dibuat 7 duplicate karena citra Landsat punya 7 band) Setelah itu dobel klik pada tiap-tiap Pseudo Layer dan rename nama Pseudo Layer menjadi angka 1 sampai 7. 7. Setelah itu klik Load Dataset pada tiap-tiap layer band 1 hingga band 7 sehingga akan muncul kotak dialog Raster Dataset. Pada kotak dialog tersebut pilih nama file yang menunjukkan band yang mewakilinya (untuk band 1 nama file-nya adalah........., band 2 maka nama file-nya ...................., dan seterusnya). Pada pemilihan nama file, pastikan memilih OK this layer only pada kotak dialog Raster Dataset. 8. Setelah semua file band terwakili oleh tiap-tiap layer dalam algorithm maka proses selanjutnya adalah menyimpan dataset tersebut dalam format ERS secara multi layer. 9. Dari menu PopUp jendela citra pilih File > Save As. Pada kotak dialog Save As, pilih Files of Type: ERMapper Raster Dataset (.ers). Arahkan pada direktori 10. penyimpanan dan tentukan nama file-nya kemudian OK. Nama file dibuat dengan format: Landsat_No. Kelompok_Program Studi 11. Pada kotak dialog Save As ERMapper Dataset, tentukan Output type: Multilayer dan Null Value: 0. Biarkan pilihan lainnya secara default. Kemudian klik OK untuk melanjutkan pemrosesan. 12. Setelah pemrosesan selesai, buka citra yang sudah dilakukan stack layer dari menu File > Open. Pastikan pada kotak dialog Open, pilihan file of type adalah ERMapper Raster Dataset. 13. Ciri-ciri citra yang telah berhasil di-stack layer adalah ketika kita membuka 14. algorithm-nya, pada bagian chooser-nya terdapat lebih dari 2 band yang 15. membentuk dataset tersebut (biasanya citra satelit memiliki band multispektral lebih dari 2 agar dapat dilihat secara realistis oleh warna dasarnya yakni Red Green Blue / RGB). 16. Selain itu masih terdapat 2 cara dalam menyimpan file baru dalam bentuk .ers, yaitu dalam bentuk multilayer dan dalam bentuk RGB terhadap data yang sudah dilakukan stack layer 4.2. Menyimpan file dalam bentuk multilayer 1. Bukalah citra dari menu File > Open. Arahkan didirektori yang terdapat data citra. 2. Untuk latihan ini gunakan citra yang telah dilakukan stack layer pada poin 4.1. 3. Bukalah algorithm pada menu View > Algorithm 4. Gantilah masing-masing Red, Green dan Blue layer-nya dengan Pseudo layer, dengan cara klik kanan pada mouse lalu pilih Pseudo kemudian gantilah text dengan cara double klik pada pseudo layer tersebut dengan text band1, band2, band3, yang masing-masing menunjukkan Band 1, Band 2 dan Band 3. 5. Dikarenakan citra Landsat TM memiliki 7 band multispektral maka kemudian buat 6. duplikat dengan ikon ...... pada Algorithm untuk Band 4, Band 5 dan Band 7 (Band 6 tidak digunakan karena merupakan band untuk sensor thermal) selanjutnya ganti teks band-nya dengan band1, band2, dan seterusnya. 7. Ingat untuk selalu memastikan layer band1 adalah betul-betul Band 1 pada citra. 8. Periksa pada bagian chooser pada algorithm pilih band1 pada layer Band 1, dan seterusnya hingga band 7 untuk layer band 7. 9. Dari menu utama pilih File > Save As, ketikkan nama dataset. Buat nama dengan format: Nama Prog. Studi_Nkelompok_Multilayer.ers. Kemudian disimpan 10. sebagai ERMapper Raster Dataset (ers) kedirektori yang diinginkan. Pilih output 11. type sebagai multilayer, aktifkan delete output transform lalu OK. 12. Buka file tersebut dengan menu File > Open dan diarahkan ke direktori dimana disimpan. Periksalah keberhasilan file yang telah disimpan sebagai multilayer. 13. Buka algorithm lalu pada bagian chooser akan terdapat sejumlah band sebanyak 6 buah sesuai yang telah kita simpan sebagai multilayer.

4.3. Menyimpan file dalam bentuk RGB Menyimpan file dalam bentuk RGB lebih mudah daripada multilayer, karena tanpa harus merubah konfigurasi layer dalam algorithm. 1. Bukalah file raster dengan File > Open atau klik ikon ..... Pilih Data citra yang telah disimpan sebagai multilayer sebelumnya. 2. Buka algorithm dari menu View > Algorithm atau klik ikon ... 3. Klik tab surface pada algorithm, kemudian gantilah color mode : Red Green Blue. Dan pilih kombinasi band yang ingin disimpan pada Tab layer. 4. tahap ini gunakan kombinasi band 321, pada Landsat ini merupakan kombinasi warna semu/palsu. 5. Simpan sebagai ERMapper Raster Dataset dengan cara klik kanan pada jendela citra File > Save As. Ketikkan nama file dengan format: Nama Prog. Studi_No kelompok_RGB.ers. Pilih output type sebagai RGB, non aktifkan 6. delete output transform lalu klik OK. 7. Cek keberhasilan penyimpanan dalam bentuk RGB, dengan membuka file yang telah disimpan tadi. Jika pada Algorithm-nya hanya terdapat 3 layer Red Green dan Blue, maka penyimpanan berhasil.

GAMBARPEMBAHASAN

Hasil citra pada BAND 1 setelah dibuka di ERMapper (1 Band, Pseudocolor).

Hasil citra setelah dimasukkan kesebelas BAND dari data citra (Band 1 11).

5. HASIL PENGAMATAN

.

Hasil citra setelah kesebelas BAND digabungkan (RGB 321).

6. PEMBAHASANPada praktikum pengindraan jauh mengenai file dataset ini praktikan melakukan kegiatan seperti penajaman citra, dimana pada praktikum kali ini diharapakan praktikan akan mampu mengetahui format-format penyimpanan pada ERMapper seperti format ers, tiff dan lain-lain.Selain itu juga praktikan melakukan penyimpanan file dengan berberapa formatsehingga sedikit banyak praktikan mengetahui cara penyimpanan pada file citra dengan menggunkan format yang berbeda-beda, sehingga praktikan mengetahui pula teknik-teknik untuk melakukan penyimpanan tersebut dengan format yang berbeda-beda. Namun pada praktikum ini praktikan juga harus memiliki file data citra yang akan hendak diuji cobakan dengan syarat data citra telah dilakukan pengekstrakan agar mudah dilakukan pengeditan.

Pada praktikum penginderaan jauh yang ke 6 ini kami melakukan praktikum dengan judul file dataset, kami praktikum kali ini kami melakukan percobaan untuk menggabungkan sebuah gambar BAND yang terdapat pada gambar citra satelit yang dimana telah di etraks, dimana langkahnya membuka file data yang telah di etraks, setelah itu kami para praktikan mencoba untuk mengubah sebuah data citra dengan membuka ER Mapper yang telah di ekstrak dimana hasilnya warna pada BAND yang pertama yang hitam tetapi memiliki warna yang sedikit cerah dan setelah ini kami pun menggabungkan 11 data BAND yang berbeda dari gambar BAND 1-11, dimana hasilnya warnanya sedikit lebih cerah dari pada warna yang hasil penggabungan sebelumnya. Warna yang dimana dihasilkan pada sebuah penggabungan sebuah sebelas BAND ini lebih terang yang dimana kami melihat sebuah objek dengan sedikit jelas. Namun untuk penggabungan yang dilakukan pada percobaan yang ketiga yang dimana dengan cara menggabungkan kesebalas band dengan RGB 321 menghasilkan warna yang tidak begitu jelas sehingga objek sulit untuk diidentifikasikan. karena warna yang dihasilkan lebih gelap daripada penggabungan pada percobaan yang pertama

7. KESIMPULANa) Salah satu bentuk format penyimpanan dari ERMapper adalah data set, merupakan format penyimpananERMapperdalambentuk .ers (ERMapper Raster Dataset).b) Untukmembuat format data menjadiersdengancaraDari menu PopUp jendela citra pilih File > Save As. Pada kotak dialog Save As, pilih Files of Type: ERMapper Raster Dataset (.ers).

8. DAFTAR BACAANPurwadhi Sri Hardiyanti, Sanjoto Tjaturahono. 2009. Pengantar Interpretasi CitraPenginderaan Jauh. Semarang. Pusat Data Penginderaan Jauh LAPAN danJurusan Geografi UNS.Danoedoro Projo. 1996. Pengolahan Citra Digital. Yogyakarta. Fakultas GeografiUniversitas Gadjah Mada.

V. HASILKLASIFIKASI UNSUPERVISED DAN KLASIFIKASI SUPERVISEDReproyeksi

Klasifikasi citraKlasifikasi unsupervised

Klasifikasi tidak terbimbing merupakan metode klasifikasi yang dilakukan secara otomatis oleh komputer. Pada klasifikasi ini dilakukan berdasarkan jarak spektral antar pixel . kelas yang dihasilkan adalah kelas spektral. Pada praktikum ini praktikan menggunakan citra Landsat TM year 1985 dan membuat pembagian kelas sebanyak 10 kelas. Setelah citra di proses didapatkan hasil nomer maksimum kelas adalah 255. Anggota minimum yang ada pada kelas adalah 0,01%.jenis metode unsupervised ini digunakan bila suatu kualitas citra sangat tinggi dengan distorsi atmosferik dan tutupan awan yang rendah, namun dalam studi ini banyak kasus, terlepas dari kondisi citra yang bersangkutan, metode ini banyak juga digunakan untuk memberikan suatu gambaran kasar dan informasi awal.

Klasifikasi supervised

Pada klasifikasi terbimbing praktikan melakukan klasifikasi dengan analisis citra secara langsung dengan berpedoman pada tujuh unsur interpretasi. Sehingga pada klasifikasi ini kelas yang didapati akan tergantuk pada identifikasi yang dilakukan praktikan. Pada citra landsat TM year 1985 praktikan mngklasifikasikan 8 kelas,dimana pada klasifikasi terbimbing ini mensyaratkan kemampuan seorang pengguna dalam penguasanan suatu informasi suatu lahan terhadap areal kajian, dan dimana intervensi pengguna dimulai sejak penuntun training area hingga tahap pengklasterannya.