bahan2 kuliah SISDAL...

TEKNIK KLASIFIKASI, ANALISIS CITRA SATELIT MENGGUNAKAN

ER-MAPPER

Disusun oleh

Momon Sodik Imanudin

Klasifikasi data 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 hutan 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 supervised dan unsupervised biasanya digunakan untuk mengklasifikasi keseluruhan suatu dataset menjadi kelas-kelas. Kelas-kelas dapat mengidentifikasi area hutan, perkebunan, mineral, urban. 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.

Unsupervised Classification (Klasifikasi Tidak 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.

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 kelas-kelas yang diinginkan. Kita perlu juga untuk memberi warna dan nama untuk masing-masing kelas.

Pada menubars pilih Process kemudian pilih Classification, kemudian pilih ISOCLASS Unsupervised Classification.

Gambar 1. Menu Pilihan ISOCLASS Unsupervised Classification.

Gambar 2. Jendela dialog Input dan Output klasifikasi Unsupervised

Klik pada Input Dataset, pilih file yang akan diklasifikasikan

Input Band pilih All

Klik pada Output Dataset, masukan nama file baru sebagai file hasil klasifikasi unsupervised.

Masukkan nilai Maximum iterations, nilai tertinggi yang bisa dimasukkan 9999, disini diberikan nilai 100.

Masukkan nilai Maximum number of classes, nilai tertinggi yang bisa dimasukkan adalah 255, disini diberikan 15.

Masukkan nilai Maximum standart deviations, disini diberikan 4.5.

Klik OK

Gambar 3. Jendela status proses

Gambar 4. Jendela informasi proses telah selesai

Hasil klasifikasi ditampilkan dengan mengklik , kemudian ubah Pseudo Layer dengan mengklik kanan menjadi Class Display Layer.

Gambar 5. Jendela Algoritm untuk mengatur Kelas Klasifikasi

Akan muncul image dengan warna greyscale (keabuan). Image atau gambar tersebut belum dapat memberikan informasi tentang kelas-kelas obyek yang ada, Kemudian pada menubars pilih Edit kemudian pilih Edit Class/Region Color and Name….

Akan muncul kotak Edit Class/Region Details, dimana jumlah kelas akan sama dengan Maximum number of classes yang kita berikan atau kurang dari nilai tersebut.

Kemudian ke 15 kelas ini harus kita gabung lagi menjadi jumlah kelas yang lebih kecil lagi yang sesuai dengan yang kita inginkan. Misalnya dari 15 kelas ini akan diperkecil menjadi 5 kelas (Air, Awan, semak belukar, Lahan Terbuka, hutan).

Pada kotak Edit Class/Region Details klik , kemudian akan muncul kotak Auto-generate colors

Gambar 6. Jendela Auto-generate colors

Kotak ini membantu kita untuk memberikan warna pada kelas-kelas yang ada, dengan memberikan warna yang menyerupai warna komposit warna, dalam contoh diatas diberikan warna RGB 542 (yang tampil 321 karena file ini diambil dari band 542 tetapi disimpan dengan format tiff sehingga band ditampilkan dalam layer 321 yang artinya sama dengan band 542) . Kemudian klik Full Saturation menjadi seperti contoh diatas. Klik lalu klik Close.

Klik Save, alu klik Refress

Gambar 7. Jendela pengeditan kelas

Warna image akan berubah dari greyscale menjadi warna yang menyerupai komposit warna RGB 542

Klik Load kembali pada file yang sama pada kotak Algorithm.

Ubah unlabelled name menjadi nama kelas yang kita inginkan, kemudian samakan warnanya, Misalnya kelas unlabelled 1 s/d 3 menjadi kelas Air, dan warnanya dirubah menjadi biru. Proses ini diulang-ulang sambil mensave dan me-refress hasilnya sehingga dapat terlihat perubahan warnanya pada kotak image.

Untuk melihat perubahan warnanya dapat juga dengan cara mensave image menjadi Algorithm. Dengan mengklik lalu simpan namanya. Klik OK

Supervised Classification (Klasifikasi Terbimbing)

Klasifikasi terbimbing adalah merupakan metode klasifikasi yang lebih memuaskan.Seperti yang telah didiskusikan di kelas, analyst 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 terbimbing apabila kita mempunyai pengetahuan yang cukup dari dataset dan pada posisi atau area mana suatu wilayah atau kelas-kelas tersebut berada dilapangan. Klasifikasi supervised memerlukan kelas-kelas yang menspesifikasikan wilayah-wilayah yang diinginkan. Kita dapat mendefinisikan suatu wilayah dengan menggambarkan suatu wilayah latihan dengan menggunakan sistem anotasi dan menyimpannya dalam dataset raster.

Untuk aktifitas ini, lakukan klasifikasi terbimbing menggunakan teknik parallelepiped, minimun distance to means dan maximum likelihood. Kembangkan scheme klasifikasi yang mempunyai minimal 7 kelas. Buatlah plot spektral untuk keseluruhan kelas. Ujilah plot spektral untuk mengontrol tingkat keterpisahan antar kelas. Kembangkan training area dan buatlah signature statistik untuk training area. Ujilah histogram training area. Pilihlah klasifikasi yang terbaik.

Untuk contoh kita bisa mendefinisikan wilayah-wilayah untuk kelas air, vegetasi, urban dengan menggambar wilayah latihannya, dengan menggambarkan poligon-poligon pada area dengan karakteristik-karakteristik spektral tertentu. Klasifikasi supervised kemudian akan mencari semua pixel dengan karakteristik-karakteristik spektral yang sama, sesuai dengan yang telah kita definisikan.

Buka file yang akan diklasifikasikan, D:\Remote Sensing\Samarinda.ers, buat komposit warnanya supaya memudahkan dalam membedakan objek yang akan dikelaskan. Komposit yang umum digunakan adalah RGB 542

Kemudian dari menubars pilih Edit kemudian pilih Edit/Create Regions…

Gambar 8. Menu Pilihan Edit/Create Region

Akan muncul kotak New Map Composition

Gambar 9. Jendela New Map Composition

Kemudian klik OK.

Kemudian akan muncul kotak Tools. Pada kotak Algorithm akan muncul Region Layer (Outline).

Gambar 10. Tools Region Layer

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 , kemudian 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 Air, maka buat polygon pada daerah air.

Kemudian klik akan muncul kotak Map Composition Attribute.

Gambar 11. Jendela Dialog Map Composition Attribute

Ketikan nama kelasnya, misal: Air. Kemudian klik

Setelah itu save region ke dalam file. Akan muncul

Gambar 12. Jendela Dialog status konfirmasi

Klik OK

Akan muncul massage yang menandakan polygon tersebut telah tersimpan dalam file.

Gambar 13. Jendela Pesan penyimpanan region

Lakukan proses yang sama untuk obyek-obyek yang lain.Setelah semua obyek terwakili melalui polygon training area, kemudian klik Close pada kotak Tools.

Kemudian pada menubars pilih Process lalu pilih Calculate Statistics….

Gambar 14. Menu proses Calculate Statistics

Gambar 15. Jendela Pemilihan Dataset

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.

ERMapper akan memproses Calculate Statistics. Klik OK

Pada menubars pilih Process kemudian pilih Classification, kemudian pilih Supervised Classification.

Gambar 16. Menu Pilihan Klasifikasi Superfised

Gambar 17. Menu Pemilihan dataset

Klik pada Input Dataset, pilih file yang telah di calculate statistics.

Input Band pilih All

Pada Output Dataset beri nama dengan menambahkan akhiran _class pada nama file input. Kemudian klik OK.

ERMapper akan memproses klasifikasi, jika sudah selesai akan ada jendela informasi yang menyatakan Supervised Classification finished successfully.

Klik OK

Gambar 18. Jendela Dialog selesai dengan sukses

Untuk menampilkan hasil klasifikasi, Klik new window

Buka file hasil klasifikasi

Gambar 19. Jendela Pengeditan kelas Klasifikasi

<< style=""> | Menghitung Luasan dari Setiap Kelas >>

MENGHITUNG LUASAN DARI SETIAP KELAS

Pertama-tama file yang berisikan kelas–kelas yang akan kita hitung luasannya kita Calculate Statistics terlebih dahulu.

Kemudian dari menubars pilih View kemudian Statistics, lalu pilih Area Summary Report

Gambar 20. Menu Pilihan Area Summary Repport

Gambar 21. Jendela dialog Area Summary Repport

Pilih file yang akan kita hitung luasannya, kemudian klik OK

Maka akan muncul luasan pada setiap kelas dalam satuan Hectare, Kilometer persegi, Acre dan Mil persegi. Seperti contoh berikut ini.

Gambar 22. Hasil perhitungan luas

Anotasi / Komposisi Peta

Komposisi peta memungkinkan kita untuk mempresentasikan citra-citra secara profesional dan penuh arti. Kualitas kartografik peta pada ER Mapper dapat membuat grid, bar skala, blok titel, panah arah utara, logo perusahaan, legenda, legenda klasifikasi.

Kita dapat menggunakan fasilitas anotasi dan komposisi peta ER Mapper untuk membuat peta citra yang berkualitas yang mengandung data raster, vektor dan tabular. Anotasi memungkinkan untuk menggambar secara langsung dilayar komputer dengan menggunakan fasilitas teks, garis, poligon, dan lain-lain.

Dari menu File, pilih Page Setup. Maka akan muncul kotak sebagai berikut:

Gambar 23. Pengaturan Halaman

Set Background Color dengan warna putih

Pilih Constrains: Auto Vary Borders, pilihan ini memungkinkan kita untuk membuat skala peta yang cukup dengan kertas.

Pilih Size kerta A4 – landscape, pilihan size beragam kita bebas memilih kertas yang akan digunakan.

Set Scale 1:160000, skala 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.

Klik Apply dan OK bila sudah sesuai dengan yang kita inginkan.

Dari dialog box Algorithm pilih Edit pilih Add Vector Layer dan pilih Annotation/Map Composition. Maka di Algorithm akan bertambah 1 layer yaitu Annotation Layer.

Gambar 24. Jendela Penambahan Layer Vektor

Klik Icon Annotation dengan Annotation Layer disorot dan akan muncul kotak New Map Composition, kemudian klik OK akan muncul Annotation Tools box seperti gambar berikut ini

Gambar 25. Menu Anotation Tools

Klik Map Rectangle untuk memulai komposisi peta, kemudian akan muncul kotak Map Object Select seperti diatas

Kemudian pilih Category: Grid, pilih gambar dengan huruf LL (Latitude Longitude/Lintang Bujur), EN (Easting Northing/UTM),

Drag gambar LL kedalam citra yang akan kita beri anotasi.

Gambar 26. Jendela Map Object select

Pada kotak Map Object Attributes, klik Fit Grid supaya grid masuk kedalam citra. Kemudian atur Grid Spacing X dan Y nya supaya tulisan posisi geografisnya terlihat.

Ubah Left Labels Orientation menjadi Vertical Up, sedangkan Top Labels Orientation menjadi Horizontal Right.

Kemudian pilih Category: Legend_Item, untuk memasukan legenda pilih Classification Legend atau gambar:

Gambar 27. Icon legenda klasifikasi

Pada kotak Map Object Attributes, Load data pada Classified Raster File, kemudian klik Fast Preview menjadi . Hapus Tulisan pada kolom Label: dan tekan Enter.

Gambar 28. Jendela Map Object Attributes

Kemudian masukkan panah utara dan scale bar, dengan mencari pada Category.

Untuk menuliskan judul serta keterangan-keterangan lain, klik , kemudian buat kotak pada peta dimana tulisan tersebut akan ditempatkan. Size tulisan dapat dirubah dengan merubah angkanya.

Untuk membawa tulisan atau gambar, klik , kemudian klik pada objek yang akan di pindahkan, klik dengan mouse kiri dan drag objek ketempat yang diinginkan.

Save Annotasi yang kita buat tadi dengan klik tanda disket pada Tools Box, pilih vector dan beri nama

Berikut contoh peta yang sudah jadi:

Gambar 29. Layout Peta yang Siap dicetak

Pencetakan / Printing

Open komposisi peta yang telah kita buat

Pada menubars pilih File kemudian pilih Print..

Gambar 30.Jendela dialog pencetakan

Gambar diatas adalah bila akan langsung di print dari ER Mapper, maka kemudian klik Print.

Apabila citra hasil anotasi peta akan di print ke Hardcopy, maka klik Hardcopy Control Files, kemudian klik pula Fit page to output device.

Kemudian klik Setup

Ubah $ERMTMP/ermhe.bmp pada Filter Program menjadi direktori dan nama file baru kita, misalnya hetobmp D:\Remote Sensing\peta.bmp. Tulisan hetobmp jangan dihilangkan.

Gambar 31. Jendela pengaturan print ke Hardcopy

Menampilkan Nilai Data Citra

7. Menampilkan Nilai Data Citra

Pada bagian ini akan ditunjukkan bagian ER Mapper yang bertujuan untuk mengenal nilai data dari citra dengan berbagai nilai dan lokasi koordinat. Bagian ini termasuk nilai sel, neighborhood, signatures, traverse extraction, dan scattergram. Kita juga akan belajar bagaimana mengukur jarak antara dua titik dalam citra.

1. Sekilas tentang tampilan nilai data

Mengetahui nilai data dari citra adalah salah satu dasar yang paling penting dalam menilai kualitas data dan bagian karakteristik dalam tahapan selanjutnya pada satu citra. Beberapa pilihan untuk mengetahui nilai data dan lokasi geografi dalam ER Mapper adalah:

Nilai Sell	Nilai data yang berasosiasi dengan nilai setiap pixel dalam citra, atau nilai data pada setiap band atau banyak band.
Neighborhoods	Satu koleksi nilai – nilai data yang ada disekitar pixel
Signatures	Nilai data dari sebuah pixel dalam semua band yang ditampilkan pada satu format garis.
Traverse extraction	Sebuah profile penjumlahan data nilai sepanjang satu garis atau polygon yang digambarkan pada satu citra.
Sattergrams	Sebuah nilai titik X – Y yang berhubungan antara nilai data dalam dua band satu citra.
Histograms	Sebuah plot yang menggambarkan kisaran nilaian data pada sumbu X dan frekuensi relatif pada sumbu Y.

2. Latihan

Latihan ini akan menunjukan anda beberapa variasi untuk melihat nilai data, koordinat, lokasi, dan jarak geografi antara dua poin satu citra.

Apa yang akan anda pelajari
Setelah menyelesaikan latihan – latihan ini, anda mengetahui bagaimana ER Mapper dalam keadaan tertutup. Hanya menu utama ER Mapper yang terbuka pada layer komputer.

1. Melihat nilai – nilai dan signatures
   Tujuan : Mempelajari untuk melihat nilai data dalam sebuah text format, format sekeliling, dan nama – nama (grafik garis) format.

Buka dan tunjukkan satu RGB algorithm

1. Dari menu File, pilih ikon Open
   Satu layer citra dan menu ikon Open akan muncul pada kotak dialog
2. Double klik pada direktori dengan nama D:/Remote Sensing untuk membuka.
3. Double klik pada file dengan nama “ Melak 2000_rec. ers ”.

Melihat nilai sel dalam citra untuk semua band

4. Dari ikon View, pilih Cell Values Profile

Gambar 26. Jendela Cell Value Profile

Setelah kotak Cell Values Profile muncul. Geser mouse ke dekat layer. Kotak dialog ini akan memunculkan tiga layer, dimana semuanya akan bisa dimatikan kapan saja.

5. Pada ketetapan awal, pilihan Values sudah dipilih. (jika ini sudah dirubah, aktifkan ikon Values dan matikan ikon Signatures dan Neighbors).
6. Pada pilihan menu utama, klik ikon Set Pointer mode Set Pointer mode mengajari kita menggunakan mouse pointer melihat nilai dari data. (Fungsi lain dari mouse ini adalah untuk penggunaan fungsi zoom dan pan)
7. Posisikan pointer didalam layer dan geserkan mouse pointer didalam citra (atau klik sembarang pixel). Cell Values Profile menunjukan nilai data dari tujuh band dalam citra landsat untuk lokasi pixel sekarang dalam citra. Nilai data sekarang adalah secara perlahan ujung bawah edge pada kotak dialog untuk membuat lebih besar dan terang).

Melihat neighborhood dari nilai sel

8. Dalam Cell Values Profile dialog, aktifkan Neighborhood option Window kedua sudah ditambahkan dalam Cell Values Profile, dengan satu drop – down menu untuk memilih sebuah band citra.
9. Letakkan kursor dalam layer, kemudian geser mouse dari satu sisi citra (atau cukup dengan mengklik pada sembarang pixel). Sebuah nilai 3X3 dari satu neighborhood yang ditunjukkan sesuai dengan apa yang kita geserkan dengan mouse. Pixel yang ditengah dalam tampilan 3X3 adalah pixel sesungguhnya, dan delapan pixel disekelilingnya adalah neighbors. Tampilan ini berguna untuk melihat variasi lokal atau tekstur dalam variasi diberbagai bagian dari citra.
10. Dari daftar band yang ada dibagian bawah, pilih B4:B4 dan pindahkan kembali dalam citra. Nilai data untuk band 4 dari citra Landsat ditujukan dalam tampilan 3X3 neighborhood.

Melihat sebuah signature dari cell untuk berbagai fetures

11. Dalam Cell Values Profile dialog, aktifkan menu signature Window kedua sudah ditambahkan pada Cell Values Profile dialog, dengan satu menu dropdown untuk memilih satu band citra.
12. Pastikan layar Signature diperbesar dengan memberikan ukuran pada kotak dialog, atau dengan mematikan Neighbors option.
13. Klik tanda tombol untuk warna hijau diatas window signature
14. Pilih satu titik pada citra dilayar dan dipindahkan secara perlahan dari satu sisi pada area hijau dicitra ( alam dan Vegetasi buatan ). Nilai data pada semua band dalam area hijau yang ditentukan pada satu format garis lurus (kadang disebut sebagai suatu signature ). Tanda titik dibawah menunjukan nomor band pada citra. Dalam kasus ini anda menggunakan landsat TM data, sehingga anda akan melihat nilai dari setiap band sebagai satu individu yang diukur dari suatu grafik.
15. Klik tombol untuk warna kuning diatas kolom signature.
16. Pilih satu titik pada citra di layer dan klik atau geser satu area yang terang pada citra (atap bangunan atau daerah terbuka) sebuah signature baru untuk area yang terang akan ditunjukan dalam warna kuning.
17. Klik kembali pada green color button untuk menghapus signature. Pada saat anda meng-klik color button yang kedua kalinya, signature yang sudah ada (garis berwarna) dalam citra akan hilang.
18. Pilih satu titik pada citra dilayar dan geser ke sebuah area hijau, area vegetasi kembali untuk melihat sebuah signature baru.

Melihat rata – rata signature untuk sebuah tampilan

19. Klik pada icon blue color.
20. Aktifkan option Average.
21. Arah cursor pada layer citra, dan geser melalui salah satu area laut yang berwarna gelap yang mengelilingi pulau dibagian bawah.
22. Signature baru yang ketiga terlihat berwarna biru. Perhatikan bahwa garis signature lebih tipis pada bagian ini.
23. Pada waktu mengunakan Average, Signature merupakan akumulasi rata-rata dari seluruh nilai data pada seluruh area yang dicoba tadi.
24. Anda dapat menambahkan signature rata-rata dengan melanjutkan langkah no 3. Hal ini memungkinkan anda untuk melihat gambaran rata – rata signature lainnya diluar tampilan yang ada (di banding dengan satu pixel pada satu waktu.
25. Klik pada ikon Close pada Cell Vales profile pada kotak dialog untuk menutup.
1. Mengukur Lokasi dan jarak

Tujuan : Belajar untuk mengukur tampilan lokasi geografi dalam satu citra, dan mengukur jarak antara dua titik pada satu citra.

Melihat koordinat geographi dalam citra

1. Dari menu View, pilih ikon Cell Coordinate…. Kotak dialog dari Cell Coordinate akan muncul. Geser di dalam citra pada layer. Tiga daerah diatas pada kotak dialog menunjukan lokasi pixel pada saat ini pada citra koordinat kolom (X) dan baris (Y), dan system koordinat Timur/Utara dan Latitude/Longitute.
2. Arah kursor pada citra di layer, dan geser pointer pada citra.
   Posisi citra dan lokasi geographi dari cell akan muncul, sesuai dengan apa yang kita inginkan.
   Catatan : Kolom Timur/Utara dan Latitude/Longitude nilainya hanya akan muncul jika citra sudah registrasi pada salah satu proyeksi peta.

Mengukur jarak beberapa titik dalam citra

Tiga kolom dibawah dari Cell Coordinate dialog menunjukan jarak antara titik – titik dimana kita pertama kali menggeser ikon mouse dan titik dimana kita letakkan. Jarak yang ditunjukkan adalah sebagai jarak dalam satuan imperial (kaki dan miles). Jarak dalam satuan metrik (meter dan kilometer), dan jarak antar dataset (nomor piksel dalam sumbu X dan Y).

3. Letakkan kursor pada layer dicitra dan klik sembarang titik dalam citra. Kolom jarak pada satuan imperial, metrik, dan dataset dibuat dengan nilai kosong .
4. Tampilkan dua tampilan citra dan geser mouse diantara keduanya. Jarak antara kedua titik ini seperti yang akan ditunjukkan sesuai dengan apa yang kita geserkan. Perhitungan jarak antara kedua citra ini disebut dengan mensuration.
5. Klik ikon Close pada kotak dialog Cell Coordinates untuk menutup.
2. Melihat profil traverse

Tujuan : Mengetahui cara melihat nilai data citra untuk semua band yang digambarkan sesuai profile garis atau polygon ( disebut traverse extraction).

Mengatur tampilan untuk membaca profile traverse

1. Buka Samarinda.ers
2. Dari menu toolbar View, pilih ikon Traverse
   Kotak dialog New map Composition dan Traverse akan terlihat.
3. Pada kotak dialog New Map, kemudian klik pada ikon Vector file. Sebuah kotak dialog peringatan dan annotation Tools akan muncul. Anda akan menggunakan vector annotation tools untuk menggambarkan garis traverse pada citra.
4. Klik Close jika ada peringatan ER Mapper untuk menutup. (pada saat anda menggunakan annotation tools pemakaian model Fixed page tidak disarakan, tapi karena hanya untuk latihan hal ini tidak apa – apa).

Menggambarkan sebuah garis traverse pada citra.

5. Pada kotak dialog Tools, klik Annotation : Poly Line
6. Dalam citra dilayar, untuk mendapatkan satu garis yang benar dengan cara meng-klik sekali titik start, kemudian klik kembali pada akhir titik , dilanjutkan dengan peng-klikan ganda untuk mengakhiri definisi satu garis. Sebuah profile garis akan muncul ER Mepper Traverse dialog. Garis ini menunjukan potongan atau perubahan dalam nilai pixel bawah pada garis traverse seperti yang kita gambarkan. Nilai mutlak dari citra pada band 1 ditunjukan sebagai garis profile hitam.

Gambar 27. Jendela Traverse

Melihat profile untuk tiga band dataset

7. Pada ER Mapper dialog, klik ikon Bands
   Kotak dialog Traverse Band Selection akan muncul.
8. Tekan Ctrl key pada computer anda, kemudian klik pada band 1, 2, dan 3 dalam list untuk memilih.
9. Klik OK pada Traverse band selection dialog.
   Profile untuk ketiga band akan muncul pada ER Mapper Traverse dialog, dengan sebuah keterangan pada pojok kanan atas yang mengindikasikan pada masing – masing band. Tipe ini akan menjelaskan hubungan antara nilai data dalam ketiga band. (dalam kasus ini, anda akan melihat nilai data untuk band yang sama dalam citra RGB (1,2,3/542), tapi anda juga dapat melihat profile untuk yang tidak digunakan pada citra yang di tampilkan.
3. Membaca Scattergram pada citra

Tujuan : Belajar untuk membaca hubungan antara nilai data citra dalam dua band sebagai dimensi plot yng disebut dengan Scattergram.

Suatu scattergram memberikan pengertian secara grafik pada anda untuk melihat korelasi antara nomor digital dalam dua band citra. Nilai dari satu band dilihat pada sumbu Y dan nilai lainnya pada sumbu X. Dua lokasi nomor digital pada masing-masing pixel dalam dua dimensi ruang pada grafik.

Membuka satu kotak dialog Scattergram

1. Dari menu view, pilih Scattergram…..
2. Klik menu cancel pada kotak dialog New Composition untuk menutupnya.

Gambar 28. Jendela Scattergram

Kotak Scattergram secara otomatis akan memunculkan citra dalam layer yang aktif. Mutlak, sebuah scattergram baru diplot pada band 1 di citra pada sumbu X dan band 2 pada sumbu Y, dan pengelompokan titik akan ditunjukkan dengan cara berbagai warna di dalam layar scattergrams. Warna – warna ini merupakan perwakilan dari akumulasi frekuensi (atau kerapatan) dari nilai kedua band tersebut. Area Scattergrams dengan kerapatan titik yang tinggi ditunjukkan pada daerah warna di bagian atas dari grafik warna (merah dan kuning) dan kerapatan titik yang rendah berada pada daerah bawah dari grafik warna(biru dan magenta). Secara tipikal, daerah kerapatan tinggi akan ditampilkan dengan perbandingan sebuah nomor besar dalam kedua band, seperti daerah luas pada air.

Merubah kombinsi band pada citra
Dalam scattergrams untuk band 1 dan 2, perlu dicatat bahwa titik-titik data biasanya berkelompok. Ini menandakan bahwa ada korelasi yang kuat antara data dan dua band tersebut (keduanya dapat dilihat pada band untuk daerah air), sehingga diharapkan akan dapat memberikan informasi tambahan.

3. Pada scattergrams doalog, klik ikon Setup…

Gambar 29. Kotak dialog Scattergrams Setup

Kotak dialog Scattergrams Setup akan terbuka untuk mengganti band pada citra, mendefinisikan region, dan fungsi lainnya. Pindahkan kursor sehingga tidak akan menutupi dialog Scattergrams atau layar citra.

4. Klik pada list drop-down untuk daerah sumbu Y, dan pilih B4. ER Mapper akan menggambar kembali scattergrams, pada saat ini nilai data dari band 4 ada pada sumbu Y.
5. Klik pada ikon Limit to Actual untuk mengatur sumbu X dan Y kepada data actual pada kisaran band 1 dan 4. Perbesar layar scattergrams agar memenuhi layar. Dapat dikatakan bahwa titik-titik yang ditunjukkan pada band 1 dan 4 mempunyai korelasi yang kuat, sehingga dapat menunjukkan informasi yang berbeda. (band 4 merekam reflektansi dekat daerah infrared).

Merubah batasan axis menjadi zoom in pada bagian scattergrams
Perhatikan titik-titik kecil, mengelompok dan padat di sudut kiri bawah dari scattergrams (ditunjukkan dengan warna cyan, hijau dan merah). Ini menidentifikasikan bahwa terdpat frekuensi yang tinggi pada titik dalam kedua band tersebut.

6. Letakkan titik mouse (tanpa ditekan) disekeliling area kelompok yang padat. Secara langsung diatas layar scattergrams, ER Mapper akan menunjukkan posisi pointer dalam scattergrams dan nilai data dalam kedua band tersebut. Nilai pertama adalah di sumbu X (band 1), dan nilai kedua di sumbu Y (band 4). Untuk lebih memfokuskan pada area didalam scattergrams, anda dapat menggunakan mouse untuk determinasi perkiraan limit data dari pengelompokan solid, dan selanjutnya mereset limit X dan Y kepada “zoom in”.
7. dalam dialog Setup Scattergrams, aktifkan pilihan Defer Display, ikon Display (yang semula berwarna abu-abu) sekarang sudah aktif. Ikn Defer Display memberi perintah pada ER Mapper menunda proses pembaharuan scattergrams sampai anda selesai melakukan perubahan yang diinginkan (dalam hal ini batas axis).
8. Edit nilai maksimum pada sumbu X menjadi 120, dan tekan Enter atau Return untuk pengecekan.
9. Edit nilai maksimum pada sumbu Y menjadi 30, dan ekan Enter atau Return
10. Klik ikon Display
11. ER Mapper akan menunjukkan kembali scattergrams pada “zoom in” pada kelompok solid, sehingga anda dapat lebih jelas melihat detailnya.
12. Pada dialog Setup Scattergrams, klik ikon Limits to Actual, selanjutnya klik Display kembali. Scattergrams zoom akan kembali menampilkan extents sebelumnya.
13. Matikan pilihan Defer Display
14. Pada dialog Scattergrams klik Close untuk menutupnya dan Setup Scattergrams.

---

---

Penajaman Citra

6. Penajaman Citra

Citra digital merupakan konfigurasi piksel yang bervariasi nilai spektralnya, dan membentuk suatu kenampakan kuasi-kontinu. Tiap kenampakan obyek berbeda satu sama lain karena adanya perbedaan interval nilai piksel yang merepresentasikannya, dan juga karena berbeda kesan pola spasial yang dihasilkannya. Dengan demikian, perubahan yang terjadi pada nilai piksel ataupun pada kesan pola spasial akan menghasilkan perubahan kenampakan citra tersebut. Inilah yang dijadikan prinsip dalam penajaman citra secara digital, bagaimana mengubah nilai piksel secara sistematis, sehingga menghasilkan efek kenampakan citra yang lebih ekspresif, sesuai dengan kebutuhan pengguna.

1. Menampilkan Citra dalam RGB

Layar monitor menghasilkan warna – warna dengan iluminasi phosphor merah, hijau, dan biru untuk setiap pixel. Ketika anda mengubah display transformasi RGB citra, ER Mapper mengontrol pemetaan antara nilai data citra dengan kecerahan dari phosphor merah, hijau, dan biru dalam display hardware.

2. Tombol Transform

Secara default, banyak layer raster data dalam ER Mapper mempunyai 2 tombol transform dalam algorithm. Pertama diaplikasikan sebelum formula (pre-formula) dan lainnya diaplikasikan setelah formula (post-formula). Anda juga dapat menyisipkan dan menambahkan transform tambahan dikeduanya untuk membuat penajaman kekontrasan yang komplek.

3. Transform Dialog Box

Ketika anda meng-klik satu tombol transform pada algorithm window, maka ER Mapper membuka transform dialog box yang menyediakan control interaktif untuk penajaman kontras dan modifikasi pemetaan / perentangan warna. Sebuah konsep dalam penggunaan transform dialog adalah menggerakkan garis transform, sebab garis ini mengontrol pemetaan nilai data untuk mendisplay kecerahan atau warna. Untuk memindahkan garis ini, caranya sederhana dengan meng-geser ke lokasi yang baru atau klik tombol otomatis yang tersedia disamping kanan histogram.

• Buka dataset yang anda punya. Pada Algorithm Windows pilih salah satu saluran (misal band 1).
• Citra akan tampil dengan tampilan agak gelap, untuk mempertajam kenampakan citra pada Algorithm Window klik Edit Transform Limits.
• Akan muncul dialog box seperti di bawah.

Gambar 23. Jendela Transformasi

• Untuk meningkatkan kontras citra, klik Create Autoclip Transform atau bisa juga dengan mengklik Histogram Equalize.
• Citra akan tampil dengan kontras yang lebih baik.

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 :

Gambar 24. Jendela Pengaturan Transformasi

• 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
• Anda dapat juga membuat kontras citra secara manual dengan mendrag garis lurus pada kotak histogram dengan mouse kiri, seperti contoh:

4. Latihan

a. Menampilkan Histogram Citra

Belajar untuk mendisplay histogram sebuah citra, memunculkan nilai data dan mendisplay grid koordinat diatas histogram

Memanggil dan Mendisplay sebuah citra dalam greyscale

• Klik tombol View Algorithm for Image Window untuk memunculkan Algorithm window
• Klik tombol Load Dataset
• Pilih direktori tempat file tersimpan…….OK
• Pada surface tab, dari color Table pilihlah greyscale.

Menampilkan Nilai Data Pada Histogram Window

• Letakkan mouse di sembarang lokasi dalam histogram. Nilai X dan Y pada titik tersebut akan muncul. X (kisaran data citra) berada di sebelah kiri atau Y (kecerahan monitor atau LUT) berada disebelah kanan.
• Tempatkan mouse pada kanan bawah histogram. Anda akan melihat nilai X yang tinggi dan nilai Y rendah karena anda berada dibagian bawah display atau kisaran nilai LUT
• Tempatkan kursor pada kiri atas histogram. Atas terlihat nilai X rendah dan nilai Y tinggi karena anda berada pada bagian atas display atau kisaran LUT.

Menghidupkan Koordinat Grid

• Aktifkan tombol Grid, maka akan tampil grid pada histogram dengan spasi yang teratur. Grid ini dapat membantu anda menentukan posisi X-Y data dengan cepat pada histogram
• Matikan Grid untuk menghilangkan grid dari tampilan

Menutup Transform Dialog Box

• Klik close untuk menutupnya

b. Menggunakan Transformasi Linier

Belajar untuk menggunakan transformasi linier sederhana untuk menampilkan tingkat kecerahan/kegelapan dari citra dan menaikkan atau menurunkan kekontrasan citra. Anda juga belajar untuk membuka transform dialog dari toolbar.

Membuka kembali transform dialog dari toolbar

• Klik tombol Edit Transform Limits pada menu utama ER Mepper

Menggunakan efek tingkat kecerahan linier pada citra

• Klik tombol Create Default Linier Transform
• Geser kursor vertical ke atas

Menggunakan perentangan kontras linier untuk meningkatkan kekontrasan citra

• Tempatkan kursor pada batas kanan bawah histogram. Catatlah bahwa nilai X ditampilkan pada kiri atas menunjukan sekitar 160-170. Meskipun batas atas dari nilai citra mendekati 255, disana terdapat sedikit sekali nilai antara 170 dan 255 (sebagaimana ditunjukkan dengan frekuensi pada histogram)
• Klik tombol Create Default Linier Transform

c. Menyoroti Suatu Feature

Belajar untuk menggunakan piecewise linier transform untuk membuat kekontrasan yang lebih kompleks yang difokuskan untuk mengekstraks objek tertentu dengan kisaran nilai tertentu pada citra.
Dalam kekontrasan untuk peyesuaian transform sederhana yang digunakan sebelumnya, piecewise linier transform membagi transform garis dalam beberapa bagian. Masing- masing bagian dari garis tersebut dapat mempunyai sebuah perbedaan slope (hubungan X – Y) yang mempersilakan anda memodifikasi pemetaan kisaran data berbeda dari bagian lainnya pada garis tersebut. Piecewise transform mempersilakan anda untuk membuat penajaman kekontrasan yang lebih kompleks.

Sesuaikan Transform untuk memaksimalkan kontras daerah perairan dan daratan Anda bekerja dengan citra Landsat TM, pada umumnya terdapat 2 puncak pada histogram citra yang memberikan informasi tentang feature tersebut.

• Puncak pertama yang terletak di sebalah kiri menunjukan feature air/perairan
• Puncak kedua yang terletak di sebelah kanan menunjukan feature darat/daratan.

d. Modifikasi Data dan Kisaran Display

Belajar untuk menggunakan pilihan menu Limits untuk menspesifikasikan kisaran yang pasti dari suatu nilai data dan mendislay nilai untuk memodifikasi kekontrasan citra dan pemetaan warna.

Menggunakan Limits to Actual untuk mengeset kisaran nilai X
Lihatlah teks “Actual Input Limit” pada transform dialog. Dan perhatikan nilai yang tertera. ER Mapper mencatat kisaran sebenarnya dari nilai data yang di temukan pada citra dan menampilkannya pada teks Actual Input Limits.

• Dari menu Limits, pilih Limits to Actual.
  Kisaran yang tampak pada sumbu Axis berubah disesuaikan dengan teks Actual Input Limits, ER Mapper menghitung ulang histogram dan menggunakan transform hanya untuk kisaran nilai sebenarnya dari citra.

Tips :
Limit to Actual merupakan pilihan yang umum digunakan karena mempersilakan anda bekerja dengan hanya kisaran nilai citra yang sebenarnya. Hal ini terutama berguna untuk citra yang tidak menggunakan kisaran nilai 8 bit (0-255). Limits to Actual adalah sangat sering pada tahapan pertama penyesuaian kontras, diikuti dengan penyesuaian lainnya seperti pilihan.

Set Input Limits to 99 % Kisaran Histogram

• Dari menu Limits, pilihlah Input to 99% Histogram.

Kisaran data pada Axis horizontal berubah mendekati histogram sendiri untuk mengisi kisaran X Input Limits to 99 % Histogram memotong 1 % semua nilai data dalam citra, mengambil 0,5 % dari nilai terendah dan 0,5 % dari nilai tertinggi. (Hasil dari pemotongan akan mengindikasikan hanya 1 % nilai data citra turun).

Citra tampak sedikit terang ketika hanya pada kisaran data dimana kebanyakan nilai terjadi dipetakan kedalam tingkat keabuan. (0,5% nilai data teratas dan terbawah dipetakan berturut – turut pada warna putih dan hitam).

e. Menggunakan Pilihan Transformasi Otomatis

Belajar menggunakan pilihan transform otomatis seperti autoclippng, histogram equalization, Gaussian equalization, level slicing dan lainnya.

Reset display citra pada greyscale dan default transform

• Ubah Y axis minimum kembali ke nilai 0, dan Y maksimum ke nilai 255
• Pada Algorithm window, ubah Lookup Table ke Greyscale.

Menggunakan Autoclip Transform pada data

• Pada transform dialog, klik tombol Create autoclip transform
• Double klik pada tombol create autoclip transform. Akan muncul presentase autoclip ada defaultnya 99 %
• Masukkan nilai 95, kemudian klik OK untuk menutup dialog.
• Double klik tombol create autoclip transform lagi, masukkan nilai 99 kemudian tekan OK

Menggunakan Histogram Equalize Transform pada data

• Pada transform dialog, klik tombol Histogram equalize
  ER Mapper membuat transform garis linier piecewise yang kompleks dan mengupdate citra. Histogram equalize (disebut juga stretching distribusi seragam) secara otomatis akan menyesuaikan garis transformasi ini sehingga nilai – nilai citra akan ditempatkan pada histogram yang mempunyai frekuensi besar, dengan demikian kontras terbesar akan terjadi pada kisaran yang mempunyai banyak nilai (puncak histogram). Histogram equalization akan selalu membuat kekontrasan yang kuat pada sebuah citra antara daerah gelap dan terang. Dalam beberapa kasus, dia juga dapat mensaturasi cerah dan gelap sehingga dapat mengaburkan yang detail.

Menggunakan Gaussian Equalize Transform pada data

• Pada transform dialog, klik tombol Gaussian equalize
  ER Mapper akan membuat transform garis linier piecewise dan sekaligus mengupdate citra. Gaussian equalization secara otomatis menyesuaikan transformasi garis sehingga tampilan nilai – nilai citra akan disesuaikan kedalam distribusi Gaussian. (Sebuah Gaussian, atau distribusi normal, dicirikan dengan histogram seperti bentuk bel. Perhatikan bahwa histogram output mempunyai bentuk hampir sama).

Menggunakan Level Slice Transform pada data

Level slicing (atau density slicing) membagi citra kedalam warna diskret dan menghilangkan warna transisi diantaranya. Citra hasil ini akan tampak terbagi dalam bagian – bagian dan masing – masing bagian ditampilkan dengan warna tertentu. Teknik ini akan berguna untuk melihat data pada interval diskret dan warna.

• Pada Transform dialog, klik tombol level slice transform
• Double klik pada tombol diatas, maka sebuah kotak dialog akan muncul dan mempersilakan anda untuk memasukkan jumlah step untuk garis transformasi.
• Masukkan angka 3, kemudian klik OK untuk menutup dialog Garis transformasi terbagi kedalam 3 step berdasarkan nilai reflektansinya (rendah, sedang, tinggi) dan langsung mengupdate citra.

Menggunakan Logarithmic dan Exponential Transform pada data

• Pada Transform dialog, klik tombol Create default logarithmic transform Garis transformasi berubah menjadi kurva halus dari pojok kiri atas histogram dan citra akan menjadi sangat terang
• Geser garis transformasi ke bawah, lihatlah garis tersebut masih berupa kurva halus dan kenampakan citra sekarang menjadi lebih gelap.
• Pada Transform dialog, klik tombol create default exponential transform
  Logarithmic transform berguna untuk masksud penajaman tertentu, seperti menampilkan data dengan kisaran perubahan yang besar, atau untuk mengurangi kenampakan gelap pada citra ketika anda berkonsentrasi pada variasi nilai kecerahan. Transform ini berguna untuk pengolahan data geofisika dengan sebuah kisaran dinamis yang kecil untuk meningkatkan kekontrasan pada tampilan citra.

f. Bekerja dengan Beberapa Transformasi

Belajar untuk menyisipkan, menambahkan dan menghapus transform dari alur proses dan menggunakan beberapa transformasi.

Membuka Algorithm window

• Klik tombol View Algorithm for Image Window pada toolbar

Menggunakan 99 % autoclip transform pada data

• Klik tombol Refresh Image with 99 % clip in Limits

Menyisipkan transform kedua

• Dari menu Edit pada Transform dialog, pilih Insert new transform
  Transform kedua (dan tombol) ditambahkan pada diagram alur proses pada algorithm window (ini disisipkan sebelum tranformyang pertama).

Menghapus transform baru dari alur proses

• Dari menu Edit pada transform dialog, pilih Delete this transform Transform sekarang (yang baru disisipkan) terhapus dari diagram alur proses

Menambahkan transform kedua

• Dari menu Edit, pilih Append new transform
  Transfor kedua (dan tombol) ditambahkan pada diagram alur proses (ditambahkan setelah transform pertama)

Menentukan Gaussian Equalization untuk transform baru

• Pada Transform dialog, klik tombol Gaussian Equalize
  ER Mapper membuat sebuah garis persamaan Gaussian (Gaussian equalization transform) dan mengupdate citra. Citra output adalah hasil citra yang menggunakan 2 transform (99 % autoclip diikuti Gaussian equalization). Ini adalah sebuah contoh penajaman citra menggunakan kombinasi karakteristik 2 transform yang berbeda.

Kembali kepada transform dan histogram awal

• Pada Transform dialog, klik tombol Move to previous transform in layer. Isi dari transform dialog berubah untuk menunjukkan transform sebelumnya dalam alur diagram proses ( yang menggunakan 99 % autoclip)
• Klik tombol Move to next transform in layer.

g. Menggunakan Perentangan Kontras Otomatis

Belajar untuk menggunakan tombol yang secara otomatis mempertajam kekontrasan citra. Ini memberitahu anda menampilkan berbagai kombinasi band citra secara cepat tanpa memerlukan mengeset actual limits setiap saat secara manual.

Membuka Algorithm RGB

• Pada menu utama ER Mapper, klik tombol Open Algorithm into Image Window pada toolbar
• Pilih direktori tempat file algorithm disimpan

Mengubah kombinasi Band ke RGB 321

• Dengan menggunakan Band Selection drop-down menu dalam Algorithm window, ubah citra pada saluran Red menjadi B3, Green menjadi B2 dan Blue menjadi B1.

Menggunakan Tombol Refresh Image untuk Mempertajam Kontras

• Pada menu utama klik tombol Refresh Image with 99% clip on limits
• Pilih B4 untuk layer red, B3 untuk Green, dan B2 untuk layer Blue
• Klik tombol Refresh Image with 99% clip on limits
• Kekontrasan citra RGb 432 terlihat dipertajam. Vegetasi ditampilkan dalam warna merah dan areal urban ditampilkan dengan warna cyan dan abu – abu.
• Pilih B5 untuk layer Red, B4 untuk layer green, dan B2 untuk layer Blue.
• Klik tombol Refresh Image with 99% clip on limits

Kekontrasan citra RGB 542 terlihat dipertajam. Vegetasi ditampilkan dalam warna hijau dan areal urban ditampilkan dengan warna magenta.

Menampilkan Citra dan Band yang berbeda

• Dalam diagram alur proses, klik tombol Load Dataset
• Pilih direktori tempat file citra disimpan
• Dalam diagram alur proses, klik tombol post-formula Edit Transform Limits untuk layer Red. Histogram dan transform dari citra sebelumnya masih ditampilkan.

Klik tombol Refresh Image with 99% clip on limits dan lihat Transform dialog berubah secara otomatis.

Penginderaan Jauh
(Remote Sensing)

1. Pengantar pengindraan Jauh

1. Konsep dasar

Bab ini akan membahas konsep dasar Penginderaan Jauh (PJ) yang akan memberi anda bekal yang cukup untuk memulai memakai data Landsat dan mengeksplorasi lebih lanjut bidang PJ. Topik utama yang akan disajikan adalah:

1. Pengantar PJ
2. Teknologi PJ
3. Radiasi elektromagnetik
4. Sensor
5. Pengantar pengolahan citra

Bagi anda yang berminat untuk memperdalam lebih jauh pengetahuan di bidang ini, kami anjurkan untuk mencari berbagai pustaka yang tersedia, baik dari buku maupun bahan on-line yang memberikan bahasan yang lebih dalam dan luas mengenai PJ. Bekerja hands-on dengan software pengolahan citra tertentu mutlak diperlukan.

2. Definisi PJ

PJ adalah “Pengambilan atau pengukuran data / informasi mengenai sifat dari sebuah fenomena, obyek atau benda dengan menggunakan sebuah alat perekam tanpa berhubungan langsung dengan bahan study.“

3. Komponen dasar

Empat komponen dasar dari sistem PJ adalah target, sumber energi, alur transmisi, dan sensor. Komponen dalam sistem ini berkerja bersama untuk mengukur dan mencatat informasi mengenai target tanpa menyentuh obyek tersebut. Sumber energi yang menyinari atau memancarkan energi elektromagnetik pada target mutlak diperlukan. Energi berinteraksi dengan target dan sekaligus berfungsi sebagai media untuk meneruskan informasi dari target kepada sensor. Sensor adalah sebuah alat yang mengumpulkan dan mencatat radiasi elektromagnetik. Setelah dicatat, data akan dikirimkan ke stasiun penerima dan diproses menjadi format yang siap pakai, diantaranya berupa citra. Citra ini kemudian diinterpretasi untuk menyarikan informasi mengenai target. Proses interpretasi biasanya berupa gabungan antara visual dan automatic dengan bantuan computer dan perangkat lunak pengolah citra.

4. Beberapa contoh teknologi PJ

Contoh sistem PJ yang paling dikenal adalah satelit pemantauan cuaca bumi. Dalam hal ini, target adalah permukaan bumi, yang melepaskan energi dalam bentuk radiasi infrared (atau energi panas). Energi merambat melalui atmosfir dan ruang angkasa untuk mencapai sensor, yang berada pada platform satelit. Beberapa level energi kemudian dicatat, dikirimkan ke stasiun penerima di bumi, dan diubah menjadi citra yang menunjukkan perbedaan suhu pada permukaan bumi. Dengan cara yang sama, sensor cuaca yang berada pada satelit mengukur energi cahaya yang nampak dari matahari ketika dipantulkan oleh permukaan bumi, dikirimkan melalui ruang angkasa kepada sensor, dicatat dan dikirim ke bumi untuk pemrosesan. Bentuk lain PJ yang banyak dikenal pada skala yang jauh lebih kecil adalah teknologi citra untuk kedokteran seperti Magnetic Resonance Imaging (MRI), sonogram, dan X-Ray Imaging. Semua teknologi ini menggunakan beberapa bentuk energi untuk menghasilkan citra dari bagian dalam tubuh manusia. Berbagai macam bentuk energi yang dihasilkan dari sebuah mesin ditembakkan kepada target.

Sensor kemudian mengukur bagaimana energi ini diserap, dipantulkan atau dikirimkan ke arah lain oleh target, dan hasilnya akan dikumpulkan dalam bentuk sebuah citra. Teknologi ini sangat membantu dalam hal memeriksa sistem internal dalam tubuh manusia tanpa melakukan pembedahan.

Lebih jauh lagi, PJ memungkinkan kita untuk mempelajari hal-hal di luar planet bumi. Berbagai bentuk astronomi adalah contoh dari PJ, karena target yang diteliti berada dalam jarak yang sangat jauh dari bumi sehingga kontak fisik tidak dimungkinkan. Astronomer menggunakan teleskop and alat sensor lain. Informasi dicatat dan digunakan untuk mengambil kesimpulan mengenai ruang angkasa dan alam semesta. PJ untuk lingkungan hidup adalah penelitian mengenai interaksi antara sistem alam di bumi menggunakan teknologi PJ. Beberapa keuntungan menggunakan teknik PJ dalam hal ini adalah:

• Lebih luasnya ruang lingkup yang bisa dipelajari.
• Lebih seringnya sesuatu fenomena bisa diamati.
• Dimungkinkannya penelitian di tempat-tempat yang susah atau berbahaya untuk dijangkau manusia, seperti daerah kutub, kebakaran hutan, aktivitas gunung berapi.

2. Teknologi PJ

Sebuah platform PJ dirancang sesuai dengan beberapa tujuan khusus. Tipe sensor dan kemampuannya, platform, penerima data, pengiriman dan pemrosesan harus dipilih dan dirancang sesuai dengan tujuan tersebut dan beberapa faktor lain seperti biaya, waktu dsb.

1. Resolusi sensor

Rancangan dan penempatan sebuah sensor terutama ditentukan oleh karakteristik khusus dari target yang ingin dipelajari dan informasi yang diinginkan dari target tersebut. Setiap aplikasi PJ mempunyai kebutuhan khusus mengenai luas cakupan area, frekuensi pengukuran dan tipe energi yang akan dideteksi. Oleh karena itu, sebuah sensor harus mampu memberikan resolusi spasial, spectral dan temporal yang sesuai dengan kebutuhan aplikasi.

Resolusi spasial menunjukkan level dari detail yang ditangkap oleh sensor. Semakin detail sebuah study semakin tinggi resolusi spasial yang diperlukan. Sebagai ilustrasi, pemetaan penggunaan lahan memerlukan resolusi spasial lebih tinggi daripada sistem pengamatan cuaca berskala besar.

Resolusi spektral menunjukkan lebar kisaran dari masing-masing band spektral yang diukur oleh sensor. Untuk mendeteksi kerusakan tanaman dibutuhkan sensor dengan kisaran band yang sempit pada bagian merah.

Resolusi temporal menunjukkan interval waktu antar pengukuran. Untuk memonitor perkembangan badai, diperlukan pengukuran setiap beberapa menit. Produksi tanaman membutuhkan pengukuran setiap musim, sedangkan pemetaan geologi hanya membutuhkan sekali pengukuran.

2. Platform

Ground-Based Platforms: sensor diletakkan di atas permukaan bumi dan tidak berpindah-pindah. Sensornya biasanya sudah baku seperti pengukur suhu, angin, pH air, intensitas gempa dll. Biasanya sensor ini diletakkan di atas bangunan tinggi seperti menara.

Aerial platforms: biasanya diletakkan pada sayap pesawat terbang, meskipun platform airborne lain seperti balon udara, helikopter dan roket juga bisa digunakan. Digunakan untuk mengumpulkan citra yang sangat detail dari permukaan bumi dan hanya ditargetkan ke lokasi tertentu. Dimulai sejak awal 1900-an.

Satellite Platforms: sejak awal 1960 an sensor mulai diletakkan pada satelit yang diposisikan pada orbit bumi dan teknologinya berkembang pesat sampai sekarang. Banyak studi yang dulunya tidak mungkin menjadi mungkin.

3. Komunikasi dan pengumpulan data

Pengiriman data yang dikumpulkan dari sebuah sistem RS kepada pemakai kadang-kadang harus dilakukan dengan sangat cepat. Oleh karena itu, pengiriman, penerimaan, pemrosesan dan penyebaran data dari sebuah sensor satelit harus dirancang dengan teliti untuk memenuhi kebutuhan pemakai.

Pada ground-based platforms, pengiriman menggunakan sistem komunikasi ground-based seperti radio, transmisi microwave atau computer network. Bisa juga data disimpan pada platform untuk kemudian diambil secara manual. Pada aerial Platforms, data biasanya disimpan on board dan diambil setelah pesawat mendarat. Dalam hal satellite Platforms, data dikirim ke bumi yaitu kepada sebuah stasiun penerima. Berbagai cara transmisi yang dilakukan:

• langsung kepada stasiun penerima yang ada dalam jangkauan,
• disimpan on board dan dikirimkan pada saat stasiun penerima ada dalam jangkauan,
• terus menerus, yaitu pengiriman ke stasiun penerima melalui komunikasi satelit berantai pada orbit bumi, atau
• kombinasi dari cara-cara tersebut. Data diterima oleh stasiun penerima dalam bentuk format digital mentah. Kemudian data tersebut akan diproses untuk pengkoreksian sistematik, geometrik dan atmosferik dan dikonversi menjadi format standard. Data kemudian disimpan dalam tape, disk atau CD. Data biasanya disimpan di stasiun penerima dan pemproses, sedangkan perpustakaan lengkap dari data biasanya dikelola oleh pemerintah ataupun perusahaan komersial yang berkepentingan.

III. PENGOLAHAN CITRA

1. Mengaktifkan Program ER Mapper
• Dari Windows 95 atau Windows 98 atau Windows lainnya non aktifkan/tutup semua program yang lain (bila ada) dan non aktifkan program screen saver (bila ada).
• Dari menu Start pilih Programs kemudian pilih ER Mapper – ER Mapper maka akan muncul gambar sebagai berikut :
• Atau dari dekstop komputer dapat dicari shortcut icon seperti gambar dibawah ini, lalu di-klik dua kali, sehingga juga akan muncul menu seperti diatas.

2. Import dan Konversi Format Data

Langkah pertama dalam pengolahan citra adalah melakukan konversi data sehingga data tersebut dapat dibaca dan dikenali oleh software yang digunakan. Konversi data adalah pengubahan satu format data ke format lain, ini dapat dilakukan dengan cara melakukan proses import maupun eksport data. Data yang di import maupun di eksport ada 2 jenis yaitu data raster dan data vektor. Sedangkan penyimpanan data-data penginderaan jauh tersebut bisa disimpan dalam tape magnetik, CD ROM, disket, zip drive, atau media penyimpan lainnya,

Data raster adalah salah satu jenis data masukan untuk pengolahan data. Data raster meliputi data citra satelit, foto udara, digital terrain model (DTM), data seismik dan data geofisika. Pada saat kita mengimpor sebuah file data raster citra (dengan menggunakan program pengimpor ER Mapper), ER Mapper mengkonversikan data tersebut dan membuatnya menjadi dua buah file yaitu :

1. File data binari yang mengandung data raster dalam format BIL (Binary Interleaved by Line).

2. Kepala file (header) data ASCII dengan ekstensi *.ers

Catatan : Header merupakan file yang sangat penting karena menyimpan semua informasi data yang kita import, seperti : format data asli, datum, jumlah band , dsb. Header ini dapat di buka dengan program wordpad.

Data vektor adalah salah satu jenis data masukan yang disimpan dalam bentuk garis, titik, dan poligon. Misal data yang dihasilkan oleh software ARC/INFO. Data vektor yang di import tersebut kemudian disimpan menjadi 2 file yaitu :

3. File data ASCII yang mengandung data vektor

4. Kepala file (header) data ASCII dengan ekstensi *.erv

Sebelum kita melakukan proses import ataupun eksport data, ada beberapa hal yang harus diketahui dengan data yang kita dapatkan agar proses ini dapat dikerjakan. Informasi yang harus diketahui tersebut adalah:

e. Data dalam format software apa dan dengan ekstension apa. Contoh data yang kita peroleh dari Bank Data LAPAN dengan format ERDAS 7.5 dengan ekstension *.lan. Atau data dengan format ERDAS Imagine 8.2 dengan ekstension *.img. Maka dengan informasi ini saja kita sudah dapat melakukan proses konversi data sepanjang software yang kita pakai memiliki fasilitas konversi dari format tersebut.

f. Format Data, apakan data kita dalam format BIL, BSQ, atau BIP, kemudian dalam binary atau ASCI, panjang kolom dan barisnya, jumlah band, jenis file apakah single file multi band atau multi file single band serta jumlah headerya. Data-data tersebut biasanya sangat kita perlukan dalam. melakukan proses konversi guna memilih jenis konversi yang kita butuhkan dan parameter-parameter yang harus dimasukkan selama proses konversi. ERMapper 6.4 memiliki fasilitas konversi yang relatif lengkap dalam mengimpor data akan tetapi sangat terbatas untuk mengekspor data ke format software lainnya.

Langkah Kerja :

• Dari menu bar pilihan Utilities yang akan menampilkan berbagai jenis data yang dapat diimpor dengan ER Mapper.
• Untuk mengkonversi dari format ERDAS LAN, pilih Import Image formats kemudian pilih ERDAS 7.5 HEAD74
• Klik Import, akan keluar tampilan sebagai berikut :
• Klik Import File/Device Name untuk memilih file yang akan diimpor, dengan mengklik akan muncul kotak dialog baru yaitu kotak Input File Selection. Kemudian pilih direktori yang berisikan file yang akan diimport sebagai contoh D:\Remote Sensing\TM980126G.lan, gambar menunjukkan direktori sehingga harus di klik dua kali untuk membukanya, sedangkan gambar menunjukkan suatu file, sehingga file TM980126G.lan akan terlihat seperti TM980126G.lAN pada kotak dialog tersebut.
• File yang akan diimpor juga dapat langsung diambil dari CD-ROM, sehingga tidak perlu file tersebut dicopy terlebih dahulu ke hard disk tetapi input file langsung dari direktori CD-ROM.
• Klik Output Dataset Name untuk menempatkan dataset hasil impor, dengan mengklik akan muncul kotak dialog baru yaitu kotak Output Dataset Selection yang mirip dengan kotak dialog Input File Selection. Kemudian pilih direktori yang akan disikan nama file baru (mencari direktori dapat menggunakan tanda panah) sebagai contoh D:\Remote Sensing\, kemudian ketikan nama file baru misalnya BS980126.ers, (catatan: penulisan extension .ers setelah nama file dapat tidak ditulis karena ER Mapper akan otomatis memberi tambahan .ers setelah nama file).
• Pilih Geodetic Datum dan Map Projection jika data yang diimport sudah sesuai dengan posisi di bumi. Jika data yang diimport adalah data asli maka set Geodetic Projection dengan RAW dan Map Projection dengan RAW.
• Klik OK
2. Menampilkan Citra

Setelah mengimpor data citra maka tahapan-tahapan berikutnya adalah menampilkan citra di layar komputer untuk mengevaluasi kualitas dan geografi daerah citra. Jika datanya berkualitas jelek atau daerah yang diinginkan tidak tercakup kita mungkin memutuskan untuk tidak meneruskan pengolahan data tersebut dan mencoba menampilkan data citra lainnya yang lebih baik.

Ada beberapa cara yang bisa dipakai untuk melihat tampilan citra, yaitu pseudocolor, red green blue (RGB), hue saturation intensity (HIS), dimana semuanya dinamakan sebagai tampilan komposisi warna. Dalam ER Mapper pemilihan warna untuk tampilan data raster dinamakan denga ‘color mode’.

Pada latihan ini, ke-3 cara dalam menampilkan citra akan di coba semua, dan dibandingkan kenampakan yang ada pada masing-masing citra yang dihasilkan. Mode pseudocolor adalah teknik tampilan citra tunggal, sedangkan mode RGB adalah teknik komposit. Penyusunan citra komposit dimaksudkan untuk memperoleh gambaran visual yang lebih baik seperti halnya melihat foto udara inframerah, sehingga pengamatan obyek, pemilihan sampel, dan aspek estetika citra dapat diperbaiki. Dalam pembuatan citra komposit ini, saluran masukan (input) bisa diganti-ganti sesuai dengan kebutuhan analisis. Citra komposit yang demikian disebut citra komposit tak standart. Sedangkan citra komposit standart adalah citra yang dibentuk dari perpaduan saluran dengan rujukan foto udara inframerah dekat.

Langkah Kerja :

• 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 :

• 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 Savedberarti tampilan window yang kita buka belum disimpan dalam file algoritma (.alg).

• Dari menu Algorithm pada gambar diatas klik dibawah kata No Dataset untuk meload Data yang akan ditampilkan.
• Akan keluar tampilan baru, kotak Raster Dataset

• Kemudian pilih Data yang akan ditampilkan berarti kita memilih file yang di highlight 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:

Kemudian klik akan muncul kotak baru

• Kemudian klik akan muncul kotak baru

• Isikan nilai 30 pada pilihan Xdimension dan Ydimension seperti contoh diatas, 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 akan muncul

• Tanda • menunjukkan jenis layer yang dipilih.
• Untuk menampilkan kombinasi kanal 542 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

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

4. Menyusun dan Menampilkan Citra Komposit Warna
• Buka Algorithm Window, dan isikan datasetnya.
• Dalam menu yang ada di dalam Algorithm Window, klik tab Surface dan gantilah Color Mode-nya menjadi Red Green Blue.
• Klik Duplicate dua kali untuk membuat dua baris yang sama dengan baris dataset yang pertama. Sekarang terdapat tiga buah baris dari dataset yang sama dalam kontrol baris Pseudocolor.
• Pada baris pertama ganti Pseudo dengan mngklik kanan baris yang dimaksud dan pilih Red, kemudian pilih band/saluran yang diinginkan pada Select a Band, misal band 4.
• Pada baris kedua lakukan hal yang sama seperti point 4 dan ganti Pseudo dengan Green, pilih band yang diinginkan, misal band 3.
• Pada baris yang ketiga ganti Pseudo dengan Blue dan pilih band yang diinginkan, misal band 2.
• Pada window citra akan muncul citra RGB dengan tampilan yang agak gelap.
• Untuk memberikan kontras yang lebih baik, klik tombol . Cara lain untuk membuat citra komposit adalah melalui Toolbar Forestry dan klik icon Create RGB Algorithm.
• Isikan dataset citra yang akan dibuat RGB-nya, lalu klik OK.
• Citra komposit akan terbentuk biasanya dengan kombinasi band 321, untuk mengubahnya buka Algorithm Window, dan ubah kombinasinya.

Set jenis Default Surface yang akan digunakan untuk menampilkan data yang telah diload, beberapa pilihan Surface yang disediakan adalah Pseudocolor, Red Green Blue, Hue Saturation Intensity. Untuk mengetahui jenis layer dapat dengan mengklik kanan pada kalimat Default Surface seperti gambar dibawah :

• Tanda - menunjukkan jenis Default Surface yang dipilih
• Set Default Surface dengan mengklik Red Green Blue,
• Buat layer Red, Green, dan Blue, aktifkan ketiga layer in

i

• Pilih kombinasi kanal yang dikehendaki, contoh berikut menampilkan kombinasi kanal 542 (B5:Band5 – Red Layer, B4:Band4 – Green Layer, B2:Band2 – Blue Layer)

---