Database dan Sistem Informasi Arkeologi
(Tuesday, 10 August 2004) - Contributed by Adhi Rachdian - Last Updated (Tuesday, 20 December 2005)
Naskah Lokakarya mengenai “Penyusunan Kebijakan Penelitian Arkeologi di
2004.Latar Belakang Sejalan dengan perkembangan Teknologi Informasi (TI) yang sedemikian pesat sejak
diperkenalkannya internet sehingga dapat melayani kebutuhan informasi dari bidang-bidang lain termasuk bidang
arkeologi dengan cepat, handal, luas dan relatif sangat murah. Perubahan paradigma baru dibidang arkeologi seperti
yang diulas oleh Noerhadi Magetsari; kontribusi hasil penelitian & pendidikan arkeologi (Rahje) maupun penemuanpenemuan
artifak baru yang dipamerkan di suatu museum di South Hampton hanya dapat kita ketahui dengan cepat
melalui internet. Biaya untuk mengetahui informasi itupun sangatlah rendah, berbeda jauh jika kita bandingkan dengan
informasi yang kita peroleh dari media lain atau bahkan dengan mengunjungi langsung ke tempat yang bersangkutan.
MeanYearsPeriodRadio381922 - 1960 Telephone251920 - 1945 Television131951 - 1964 Cable TV 101976 - 1986
WWW (Internet) 51993 - 1998
Illustration: Time to reach 50 millions users
Lebih dari sekedar itu; jurnal-jurnal arkeologi, proyek arkeologi yang sudah dilaksanakan ataupun yang sedang
membutuhkan dana, database bibliografi dan lain sebagainya dapat juga diperoleh maupun disediakan untuk memenuhi
kebutuhan informasi arkeologi. Sosialisasi mengenai keberadaan situs purbakala dan juga program-program pemerintah
dapat disediakan dengan cepat dan sangat luas hingga ke penjuru dunia hanya dalam waktu hitungan detik.
Dalam konsep Sistem Informasi (SI) dimana ada 4 komponen untuk menghasilkan suatu proses arus data/informasi,
yaitu:
- data/informasi
- media yang memperoses data/informasi
- sumber data/informasi
- penerima data/informasi.
Sehingga komponen yang pertama, data/informasi adalah segala sesuatu yang berkaitan dengan arkeologi seperti:
jurnal, gambar situs/artifak/bangunan/dll, proyek-proyek arkeologi, dan lain sebaginya. Komponen kedua diwakili oleh
internet (website). Sumber data/informasi itu sendiri adalah Pemerintah Republik Indonesia yang dalam hal ini adalah
Asisten Deputi Urusan Arkeologi Nasional, Deputi Bidang Sejarah dan Purbakala, Kementerian Kebudayaan dan
Pariwisata. Penerima data/informasi dapat dijabarkan sesuai keinginan yang pada dasarnya adalah pengguna internet
diseluruh dunia yang jumlahnya mencapai ratusan juta orang.
Penjabaran dan penentuan penerima data/informasi ini berkaitan erat dengan kebijakan pemerintah. Sumber dana
barupun dapat digali dengan mendefinisikan komponen ini. Sebagai gambaran, website Internet Archaeology telah
digunakan 27.000 pengguna dari 120 negara per awal Agustus 2002. Yang artinya kebutuhan informasi mengenai
arkeologi ini cukup besar. Tentu saja permintaan konten yang besar (komponen ke-4 dari SI) harus di imbangi dengan
tersedianya data/informasi yang juga banyak dan bervariasi. Kalau kita serius mengkaji dan meng-implementasikannya
ditunjang pengelolaan yang baik dari bidang ini sebetulnya bukanlah suatu isapan jempol, jika pada akhirnya
memperbesar lapangan pekerjaan di bidang arkeologi. Arkeolog-arkeolog yang banyak pada akhirnya sangat dibutuhkan
untuk menyuplai data/informasi yang diperlukan.
Tak dapat dipungkiri, sinergi antara TI dengan arkeologi tidak dapat dipisahkan lagi dimana pernyataan ini bukan hanya
kesimpulan dari kajian literatur tetapi merupakan kebutuhan. Kebutuhan inipun sangatlah tidak cukup jika hanya sampai
pada tahap lokakarya ataupun kajian ilmiah, harus sampai tahap implementasinya.
Website sebagai Media Informasi Arkeologi
Segala kebutuhan informasi dirasakan dapat diperoleh dengan mudah di dunia maya tersebut. Internet yang oleh orang
awam sangat identik dengan website merupakan media yang harus dimanfaatkan dengan sebaik-baiknya untuk
memperoleh data ataupun untuk menyediakan data.
Adapun website-website seperti:
- Western Australian Maritime Museum Bibliographical Search
http://dbase.mm.wa.gov.au/Bibliography/bibliography.php
- Arkeologi Wikipedia
http://ms.wikipedia.org/wiki/Arkeologi
- Indonesia Archaeology on the Net - Build an
- Archaeology Books and Articles - Research Archaeology at Questia Online Library
http://www.questia.com/Index.jsp?CRID=archaeology&OFFID=se1&KEY=archaeology
http://rachdian.com/old - == RACHDIAN CENTER - Blog of Adhi Rachdian - BelajarP Uonwteurke Bd ebryb aragci,h Bdeiarnb.acgoim dan Berbagi... == Generated: 17 March, 2009, 17:32
- About Internet Archaeology
http://intarch.ac.uk/news/index.html
- Search the Archaeology museum documentation project database
http://sccwww1.southampton.gov.uk/archaeology/search.asp
- Archaeology Bibliography Database
http://sccwww1.southampton.gov.uk/archaeology/search.asp
Adalah merupakan sedikit contoh website-website yang menyediakan informasi mengenai arkeologi.
Website arkeologi tersebut diantaranya ada yang menyediakan informasi secara gratis dan ada juga yang diharuskan
menjadi anggota dengan persyaratan-persyaratan tertentu dengan biaya tertentu. Sistem keanggotaanyapun berbedabeda.
Sistem pembiayaannyapun berbeda-beda mulai dari US$ 19.95/bulan, $44.95 setiap 4 bulan atapun
$119.95/tahun.
Konten yang disediakan dapat meliputi:
- Objek-objek arkeologi.
- Foto-foto arkeologi.
- Jurnal-jurnal.
- Proyek-proyek arkeologi.
- Literatur.
- Peta situs objek arkeologi maupun purbakala.
- Peraturan-peraturan pemerintah mengenai arkeologi dan sosialisasinya.
- Katalog.
- Dan lain-lain.
Jenis Data/Informasi yang akan ditampilkan dapat berupa:
- Teks
- Suara
- Video
- Gambar
- Maupun gabungan keseluruhan jenis data tersebut yang lebih dikenal dengan istilah multimedia.
Website ditampilkan dalam halaman web (html) dimana halaman ini dapat berupa halaman yang statis ataupun halaman
yang kontennya dinamis. Halaman konten yang dinamis ini disuport oleh suatu database.
Database
Dalam sistem penyimpanan konvensional, semua data, arsip atau informasi yang tertulis dalam lembaran kertas
dikumpulkan dalam suatu buku ataupun map. Map-map/buku-buku yang sejenis diklasifikasikan menurut kelompok
tertentu dan dimasukkan ke dalam laci tertentu dalam suatu lemari penyimpanan. Lemari-lemari ini berada dalam suatu
ruangan khusus yang merupakan ruangan penyimpanan data. Untuk skala yang lebih besar, ruangan-ruangan ini
berada dalam suatu gedung khusus penyimapanan data, seperti misalnya Gedung Arsip Nasional.
Di dunia IT, sistem penyimpanan data lebih dikenal dengan istilah Database System . Satuan terkecil dari data adalah
huruf (karakter). Karakter-karakter ini menempati field-field tertentu yang membentuk suatu tabel. Tabel-tabel ini
menempati suatu database tertentu. Sistem ini biasanya terdapat dalam suatu database server hanya saja Field, tabel
dan database ini semuanya adalah bentuk imajiner, tidak kasat mata dan hanya dapat disimbolkan. Informasi baru bisa
dihasilkan dari pengolahan dan manipulasi data-data yang diinginkan.
Sebagai komparasi, satu buah server dapat sebanding dengan satu buah gedung penyimpanan data atau bahkan lebih.
Data akan sangat optimal kalau sesuai dengan kapasitasnya di server. Bisa kita bayangkan mubazirnya sebuah gedung
arsip yang isinya kosong melompong dimana hanya 1-2 ruangan saja yang terisi data dan ruangan tersebutpun hanya
terdiri dari beberapa lemari yang juga hanya terisi oleh sedikit data. Oleh karena itu, kekayaan database sangat
bergatung dari hasil input yang dilakukan. Artinya, peran aktif insan arkeolog sangat menentukan dari isi databse itu
sendiri.
Informasi akhir dari database ini dapat ditampilkan di halaman website dimana sasaran penerima informasi dapat di
kategorikan dalam beberapa tipe sebagai contoh; Publik (semua pengguna internet), Anggota
(terdaftar), Staff, dll.
http://rachdian.com/old - == RACHDIAN CENTER - Blog of Adhi Rachdian - BelajarP Uonwteurke Bd ebryb aragci,h Bdeiarnb.acgoim dan Berbagi... == Generated: 17 March, 2009, 17:32
Multimedia dan GIS
Untuk melengkapi varian informasi yang ingin disajikan sangatlah tidak memadai kalau informasi yang ingin disajikan
tidak berupa multimedia. Ibarat sebuah museum yang hanya memamerkan tulisan-tulisan dean deskripsi obyek
arkeologi tanpa dilengkapi dengan gambar. Di museum yang modern, pengunjung dapat menikmati fasilitas ruangan
teater yang khusus memvisualisasikan imajinasi mengenai obyek tertentu.
Dibeberapa website arkeologi tertentu bahkan multimedia disajikan secara real time melalui teknologi streaming .
Konten yang lebih mutakhir seperti visualisasi dan menyajikan data spasial dan Smart Map dapat dilakukan dari hasil
intepretasi metode GIS (Geographic Information System / Sistem Informasi Geografis).
Jenis data yang dapat digunakan untuk aplikasi GIS ini adalah:
- Digitized & scanned map
- Databases
- GPS
- Remote Sensing
- Field Sampling of Attributes
Dengan menggunakan sistem GIS ini kebutuhan konten arkeologi mengenai proyek-proyek arkeologi dan peta situs
purbakala dapat terpenuhi.
Penutup
Akhir kata, semoga makalah ini dapat berkontribusi dan bermanfaat dalam menunjang kegiatan Lokakarya mengenai
“Penyusunan Kebijakan Penelitian Arkeologi di
Kebudayaan dan Pariwisata pada umumnya dan Deputi Bidang Sejarah dan Purbakala, pada khususnya.
Penulis & Editor Naskah:
- Wahyoe Prawoto
- Adhi Rachdian
http://rachdian.com/old - == RACHDIAN CENTER - Blog of Adhi Rachdian - BelajarP Uonwteurke Bd ebryb aragci,h Bdeiarnb.acgoim dan Berbagi... == Generated: 17 March, 2009, 17:32
ER Mapper
I. PENDAHULUAN
ER Mapper adalah salah satu software (perangkat lunak) yang digunakan untuk mengolah data citra atau satelit. Masih banyak perangkat lunak yang lain yang juga dapat digunakan untuk mengolah data citra, diantaranya adalah Idrisi, Erdas Imagine, PCI dan lain-lain. Masing-masing perangkat lunak mempunyai keunggulan dan kelebihannya sendiri. ER Mapper dapat dijalankan pada workstation dengan sistem operasi UNIX dan komputer PCs (Personal Computers) dengan sistem operasi Windows 95 ke atas dan Windows NT.
Pengolahan data citra merupakan suatu cara memanipulasi data citra atau mengolah suatu data citra menjadi suatu keluaran (output) yang sesuai dengan yang kita harapkan. Adapun cara pengolahan data citra itu sendiri melalui beberapa tahapan, sampai menjadi suatu keluaran yang diharapkan. Tujuan dari pengolahan citra adalah mempertajam data geografis dalam bentuk digital menjadi suatu tampilan yang lebih berarti bagi pengguna, dapat memberikan informasi kuantitatif suatu obyek, serta dapat memecahkan masalah.
Data digital disimpan dalam betuk barisan kotak kecil dua dimensi yang disebut pixels (picture elements). Masing-masing pixel mewakili suatu wilayah yang ada dipermukaan bumi. Struktur ini kadang juga disebut raster, sehingga data citra sering disebut juga data raster. Data raster tersusun oleh baris dan kolom dan setiap pixel pada data raster memiliki nilai digital (gambar 1).
Gambar 1. Struktur Data Raster
Data yang didapat dari satelit umumnya terdiri beberapa bands (layers) yang mencakup wilayah yang sama. Masing-masing bands mencatat pantulan obyek dari permukaan bumi pada panjang gelombang yang berbeda. Data ini disebut juga multispectral data. Di dalam pengolahan citra, juga dilakukan penggabungan kombinasi antara beberapa band untuk mengekstraksi informasi dari obyek-obyek yang spesifik seperti indeks vegetasi, parameter kualitas air, terumbu karang dan lain-lain.
- Aplikasi Pengolahan Data Citra
Pengolahan data citra adalah bagian penting untuk dapat menganalisa informasi kebumian melalui data satelit penginderaan jauh. Aplikasi-aplikasi yang dapat diterapkan melalui pengolahan data citra antara lain:
- pemantauan lingkungan
- manajemen dan perencanaan kota dan daerah urban
- manajemen sumber daya hutan
- eksplorasi mineral
- pertanian dan perkebunan
- manajemen sumber daya air
- manajemen sumber daya pesisir dan lautan
- oseanografi fisik
- eksplorasi dan produksi minyak dan gas bumi
- Pengolahan Data Citra
Pengolahan data citra dimulai pada tahun 1960-an untuk memproses citra dari satelit yang mengelilingi bumi. Pengolahan data citra dibuat dalam bentuk “disk to disk” dimana kita harus menuliskan spesifikasi file yang akan diolah, kemudian memilih tipe pemrosesan yang akan digunakan, kemudian menunggu komputer mengolah data tersebut serta menuliskan hasilnya ke dalam file baru (gambar 2). Jadi sampai final file terbentuk baru kita dapat melihat hasil yang diharapkan, tetapi bila hasilnya jauh dari yang kita harapkan, maka kita harus mengulangnya dari awal kembali. Sampai tahun 1980-an proses tersebut masih digunakan oleh beberapa produk pengolahan data citra.
Gambar 2. Proses Pengolahan Data Citra Secara Tradisional
ER Mapper mengembangkan metode pengolahan citra terbaru dengan pendekatan yang interaktif, dimana kita dapat langsung melihat hasil dari setiap perlakuan terhadap citra pada monitor komputer. ER Mapper memberikan kemudahan dalam pengolahan data sehingga kita dapat mengkombinasikan berbagai operasi pengolahan citra dan hasilnya dapat langsung terlihat tanpa menunggu komputer menuliskannya menjadi file yang baru (gambar 3). Cara pengolahan ini dalam ER Mapper disebut Algoritma.
Gambar 3. Pengolahan Citra Menggunakan ER Mapper
Algoritma adalah rangkain tahap demi tahap pemrosesan atau perintah dalam ER Mapper yang digunakan untuk melakukan transformasi data asli dari hard disk sampai proses atau instruksinya selesai. Dengan Algoritma, kita dapat melihat hasil yang kita kerjakan di monitor, menyimpannya ke dalam media penyimpan (hard disk, dll), memanggil ulang, atau mengubahnya, setiap saat. Oleh karena Algoritma hanya berisi rangkaian proses, maka file dari algoritma ukurannya sangat kecil, hanya beberapa kilobyte sampai beberapa megabyte, tergantung besarnya proses yang kita lakukan, sehingga sangat menghemat ruang hard disk. Dan oleh karena file algoritma berukuran kecil, maka proses penayangan citra menjadi relatif lebih cepat. Hal ini membuat waktu pengolahan menjadi lebih cepat. Konsep Algoritma ini adalah salah satu keunggulan ER Mapper. Selain itu, beberapa kekhususan lain yang dimiliki ER Mapper adalah :
1. Didukung dengan 130 format pengimpor data
2. Didukung dengan 250 format pencetakan data keluaran
3. Visualisasi tiga dimensi
4. Adanya fasilitas Dynamic Links
5. Penghubung dinamik (Dynamic Links) adalah fasilitas khusus ER Mapper yang membuat pengguna dapat langsung menampilkan data file eksternal pada citra tanpa perlu mengimportnya terlebih dahulu. Data-data yang dapat dihubungkan termasuk kedalam format file yang populer seperti ARC/INFO, Oracle, serta standar file format seperti DXF, DON dll.
Selain kelebihan-kelebihan di atas, ER Mapper memiliki keterbatasan, yaitu :
6. Terbatasnya format Pengeksport data
7. Data yang mampu ditanganinya adalah data 8 bit.
- Prosedur Pengolahan Data Citra
Prosedur pengolahan data citra diawali dengan mengimport data sampai dengan hasil akhir dalam bentuk cetakan (printing). Dari beberapa prosedur ini, tidak semua prosedur harus dijalankan untuk mendapatkan hasil yang sesuai dengan harapan. Untuk beberapa aplikasi dapat dihasilkan keluaran yang diharapkan tanpa melalui seluruh prosedur pengolahan citra.
0. Import Data
Langkah pertama dalam pengolahan citra adalah mengimport data satelit yang akan digunakan ke dalam format ER Mapper. Umumnya data disimpan dalam bentuk magnetic tape, CD-ROM atau media penyimpanan yang lain. Dua bentuk utama data yang diimport ke dalam ER Mapper adalah data raster dan vektor.
Data raster adalah tipe data yang menjadi bahan utama kegiatan pengolahan citra. Contoh data raster adalah citra satelit dan foto udara. Pada saat mengimport data raster, ER Mapper akan membuat dua files yaitu:
- File data binary yang berisikan data raster dalam format BIL, tanpa file extension.
- File header dalam format ASCII dengan extension .ers
Data vektor adalah data yang terseimpan dalam bentuk garis, titik dan poligon. Contoh data vektor adalah data yang dihasilkan dari hasil digitasi Sistem Informasi Geografis (SIG) seperti jalan, lokasi pengambilan sampel atau batas administrasi. ER Mapper juga akan membuat dua file hasil dari mengimport data vektor:
- File data dalam format ASCII berisikan data vektor
- File header dalam format ASCII dengan extension .erv
1. Menampilkan Citra
Setelah proses mengimpor data, selanjutnya adalah menampilkan citra tersebut. Hal ini dilakukan untuk mengetahui kualitas dari data yang digunakan. Apabila data/citra tersebut memiliki kualitas yang tidak sesuai dengan keinginan (berawan, data bergaris, dll) maka kita tidak perlu melanjutkan proses pengolahan, dan mencari data baru yang memiliki kualitas yang lebih baik.
Di dalam ER Mapper, cara menampilkan citra disebut Color Mode.
- Pseudocolor Displays, menampilkan citra dalam warna hitam dan putih, biasanya hanya terdiri dari satu layer/band saja.
- Red-Green-Blue (RGB), menampilkan citra melalui kombinasi tiga band, setiap band ditempatkan pada satu layer (Red/Green/Blue), cara ini disebut juga color composite. Contoh: False Color Composite RGB 453.
- Hue-Saturation-Intensity (HIS), menampilkan citra melalui kombinasi tiga band, setiap band ditempatkan pada satu layer (Hue/Saturation/Intensity), cara ini biasanya digunakan bila kita menggunakan dua macam data yang berbeda, misalkan data Radar dengan data Landsat-TM.
2. Rektifikasi Data/Geocoding
Data raster umumnya ditampilkan dalam bentuk “raw” data dan memiliki kesalahan geometrik. Untuk mendapatkan data yang akurat, data tersebut harus dikoreksi secara geometrik kedalam sistem koordinat bumi.
- Registrasi, koreksi geometrik antara citra yang belum terkoreksi dengan citra yang sudah terkoreksi.
- Rektifikasi, koreksi geometrik antara citra dengan peta
3. Mosaik Citra
Mosaik citra adalah proses menggabungkan/menempelkan dua atau lebih citra yang tumpang tindih (overlapping) sehingga menghasilkan citra yang representatif dan kontinyu. Dalam ER Mapper proses ini dapat dilakukan tanpa membuat suatu file yang besar, kecuali bila kita ingin menyimpannya menjadi file tersendiri.
4. Penajaman Citra
Proses penajaman citra dilakukan untuk mempermudah pengguna dalam menginterpretasikan obyek-obyek yang ada pada tampilan citra. Dengan proses Algoritma, ER Mapper mempermudah pengguna melakukan berbagai macam proses penajaman citra tanpa perlu membuat file-file baru yang hanya akan membuat penuh disk komputer. Jenis-jenis operasi penajaman citra meliputi:
- Penggabungan Data (Data fusion), menggabungkan citra dari sumber yang berbeda pada area yang sama untuk membantu di dalam interpretasi. Contoh data Landsat-TM dengan data SPOT.
- Colodraping, menempelkan satu jenis data citra di atas data yang lainya untuk membuat suatu kombinasi tampilan sehingga memudahkan untuk menganalisa dua atau lebih variabel. Contoh citra vegetasi dari satelit di colordraping di atas citra foto udara pada area yang sama.
- Penajaman kontras, memperbaiki tampilan citra dengan memaksimumkan kontras antara pencahayaan dan penggelapan atau menaikan dan merendahkan harga data suatu citra.
- Filtering, memperbaiki tampilan citra dengan mentransformasikan nilai-nilai digital citra, seperti mempertajam batas area yang mempeunyai nilai digital yang sama (enhance edge), menghaluskan citra dari noise (smooth noise), dll.
- Formula, membuat suatu operasi matematika dan memasukan nilai-nilai digital citra pada operasi matematika tersebut., misalnya Principal Component Analysis (PCA).
- Klasifikasi, menampilkan citra menjadi kelas-kelas tertentu secara statistik berdasarkan nilai digitalnya. Contoh membuat peta penutupan lahan dari citra satelit Landsat-TM.
5. Dynamic Links
Penghubung dinamik adalah fasilitas khusus ER Mapper yang membuat pengguna dapat langsung menampilkan data file eksternal pada citra tanpa perlu mengimportnya terlebih dahulu. Data-data yang dapat dihubungkan termasuk kedalam format file yang populer seperti ARC/INFO, Oracle, serta standar file format seperti DXF, DGN dll.
6. Komposisi Peta
Komposisi peta memungkinkan pengguna untuk mempresentasikan citra-citra secara profesional dan penuh arti. Kualitas kartografik peta pada ER Mapper dapat membuat grid, legenda, bar skala, panah arah utara, logo perusahaan, legenda klasifikasi.
7. Pencetakan
Pengguna dapat menghasilkan keluaran suatu citra dengan menggunakan peralatan pencetakan atau printer yang meliputi printer berwarna, film, printer hitam putih dan format grafik. Pilihan pencetakan membutuhkan suatu algoritma yang mendefinisikan semua data dan pengolahannya dengan catatan hanya algoritma yang telah disimpan yang dapat dicetak. Pastikan kita telah menyimpan algoritma kita sebelum mencetaknya.
III. PENGOLAHAN CITRA
- 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 :
Gambar 6. Menu Utama ER Mapper
- Atau dari dekstop komputer dapat dicari shortcut icon seperti gambar dibawah ini, lalu di-klik dua kali, sehingga juga akan muncul menu seperti diatas.
Gambar 7. Shortcut ER Mapper
- 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 :
Gambar 8. Menu Import
Gambar 9. Jendela Dialog Import dari ERDAS
- 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.
Gambar 10. Jendela Dialog Lokasi File yang akan di Import
- 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
- 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.
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 :
Gambar 11. Jendela Pengaturan Algoritm
- 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
Gambar 12. Jendela Pemilihan File
- 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
Gambar 13. Jendela Informasi Dataset
- 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:
Gambar 14. Jendela Dataset Header Editor
- Kemudian klik
akan muncul kotak baru
Gambar 15. Jendela Dataset Header Editor Raster
- Kemudian klik
akan muncul kotak baru
Gambar 16. Jendela Dataset Header Editor Sel
- 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
Gambar 17. Jendela Algoritm
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
Gambar 18. Pengaturan Komposit Warna
- 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
- 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 :
Gambar 19. Jendela Pemilihan Surface
- Tanda - menunjukkan jenis Default Surface yang dipilih
- Set Default Surface dengan mengklik Red Green Blue,
- Buat layer Red, Green, dan Blue, aktifkan ketiga layer ini
- Pilih kombinasi kanal yang dikehendaki, contoh berikut menampilkan kombinasi kanal 542 (B5:Band5 – Red Layer, B4:Band4 – Green Layer, B2:Band2 – Blue Layer)
Gambar 20. Pengaturan Kombinasi Kanal
Filter
- Filter
Filter spasial adalah suatu aplikasi umum yang diterapkan pada citra untuk penajaman guna memudahkan interprestasi visual. Filter spasial disebut juga sebagai operasi lokal dalam pengolahan citra, sebab filter spasial merubah harga setiap pixel dalam dataset sesuai dengan harga-harga pixel di sekitarnya.
Pemfilteran adalah suatu cara untuk mengekstraksi bagian data tertentu dari suatu himpunan data, dengan menghilangkan bagian-bagian data yang tidak diinginkan. Filter dalam pengolahan citra (secara khusus disebut filter digital) dirancang untuk ‘menyaring’ informasi spektral, sehingga menghasilkan citra baru yang mempunyai variasi nilai spektral yang berbeda dari citra asli.
Filter spasial dapat dibagi menjadi tiga kategori utama, yaitu :
- Low pass filter atau filter lolos rendah, adalah filter yang menekan frekuensi rendah meratakan keluaran noise pada citra atau menghilangkan spike pada citra. Filter lolos rendah terkadang disebut juga sebagai filter smoothing atau filter averaging.
- High pass filter atau filter lolos tinggi, adalah filter yang menekan frekuensi tinggi untuk menajamkan penampakan liner pada citra seperti jalan, patahan lingkungan air dan tanah. Filter lolos tinggi terkadang disebut juga sebagai filter sharpening karena secara umum digunakan untuk menajamkan citra secara detail tanpa mempengaruhi bagian dari frkuensi rendah citra.
- Edge detection filter, adalah filter yang menekan pinggir-pinggir disekeliling suatu obyek atau penampakkan dalam suatu citra untuk memudahkan dalam analisis. Filter edge detection biasanya membuat suatu citra dengan latar belakang abu-abu dan hitam, dan garis putih yang mengelilingi pinggir obyek atau penampakan dalam suatu citra.
Kita dapat memilih jenis-jenis filter yang ingin digunakan dari kumpulan filter yang ada di ER Mapper, sepertim filter untuk averaging, edge enhancement, laplacian, noise removal, sharpening, threshold, median, gradient. Kita juga dapat mendefinisikan dan memasukkan filter-filter khusus yang kita buat sendiri. Filter dapat digunakan untuk meningkatkan tampilan citra, menajamkam citra, meratakan dan menghilangkan noise atau bising.
Icon : 
digunakan untuk melakukan filter akan muncul kotak Filter
Gambar 30. Jendela dialog Filter
Dari kotak Filter pada gambar diatas klik 
untuk meload jenis filter yang akan digunakan, akan banyak pilihan jenis filter pada ER Mapper.
Gambar 31. Jendela Pilihan Filter
Pada direktori ER Mapper/Kernel banyak direktori dari filter yang dapat digunakan. Contoh diatas mengambil jenis filter/ file filter Sharpen11.ker pada direktori filters_high_pass.
- Untuk memberi filter pada layer lain klik
, 
, atau 
. - Untuk mendelete filter klik pada kotak filter kemudian klik
lalu pilih Delete this filter.
Gambar 32. Jendela Menghapus Filter
- Gunakan dan pilih filter-filter yang lainnya dengan cara yang sama seperti prosedur di atas dan perhatikan dan bandingkan kenampakan citra setelah dilakukan pemfilteran
- Menyimpan dan Membuka Algoritma
Bab ini mempelajari konsep dasar tentang pembuatan algorithm sederhana dari pemrosesan citra satelit. Disini anda juga belajar membuat dan memperbaiki sebuah algorithm. Tujuan dari semua pengolahan citra satelit adalah mempertajam informasi/data citra satelit agar lebih berguna dan membantu pengguna untuk mengekstrak jenis informasi yang diinginkannya. ER Mapper membuat prosedur pengolahan ini menjadi lebih mudah dan cepat dengan pengembangan teknik Algorihtm. Pemahaman/penguasaan algorithm sangat penting untuk menggunakan ER Mapper secara lebih efektif.
Algoritma adalah bangunan dasar dalam ER Mapper. Sebuah algorithm adalah dari serangkaian tahapan-tahapan perintah dalam suatu proses transformasi data. Algoritma menyimpan semua informasi yang diperlukan untuk menampilkan data sebagai suatu citra. Algoritma adalah suatu konsep yang revolusioner yang memisahkan data dari pengolahan data. Semua integrasi data, pilihan-pilihan pengolahan data lainnya terdapat dalam file-file algoritma. Semua ini dibuat dan di edit oleh ER Mapper, dimana ER Mapper mengandung berbagai jenis algoritma pengolahan data
Sebuah algorithm dapat menyimpan beberapa informasi pengolahan citra seperti :
- Nama data set citra satelit yang harus ditampilkan
- Area tertentu dari data set citra satelit yang akan diproses (zoom)
- Saluran-saluran/bands dari dataset citra satelit yang akan diproses
- Penajaman dan kekontrasan (transform)
- Penyaringan/filtering yang digunakan terhadap data set (filter)
- Rumusan dan kombinasi band atau citra untuk membuat citra olahan baru (formulae)
- Pewarnaan untuk mendisplay dataset (Pseudocolor, RGB atau HSI)
- Menampilkan beberapa data vector atau peta dioverlaikan dengan raster
- Menentukan ukuran tampilan citra untuk pembuatan layout peta dan pencetakan.
Dengan aplikasi beberapa rangkaian operasi dalam satu file, maka kerumitan yang terkait dengan pengolahan citra digital akan menjadi lebih sederhana sekaligus menghemat memory penyimpanan dalam harddisk (space).
10. Penyusunan Algorithm di ER Mapper
Ada 2 cara untuk menyusun sebuah algorithm di ER Mapper :
- Menggunakan Algorithm window untuk menambahkan layer yang diinginkan, menampilkan citra dan menspesifikasi langkah-langkah proses terhadap masing-masing layer.
- Meng-klik toolbar Algorithm.
11. Menggunakan Algorithm sebagai Templete.
Ketika anda telah menyimpan seluruh rangkaian proses dalam file algorithm. Untuk membukanya, cukup klik View - pilh Algorithm. Adapun komponen utama dari algorithm itu sendiri dapat digambarkan sebagai berikut:
| Data structure diagram | Menampilkan sebuah daftar dan layer dalam algorithm aktif menggunakan struktur pohon, klik surface atau layer. |
| Surface | Sebuah kumpulan dari data raster/vector yang dikombinasikan untuk membuat sebuah tampilan/view atau citra. Algorithm tunggal dapat mempunyai beberapa surface. |
| Layers | Komponen dari sebuah surface yang mengandung data yang digunakan untuk menyusun sebuah image. Tipe layers yang berbeda dapat berisi data raster atau vector dan pemrosesan dari masing-masing layers di tomboltrol terpisah dari yang lainnya. |
| View Mode | Rangkaian perintah untuk menampilkan data dalam dua dimensi (2D) normal dan page layout atau dalam tiga dimensi (3D). |
| Tab Pages | Menampilkan kategori atau pilihan untuk pengontrol tampilan citra dan tekhnik pemrosesan seperti layer, surface |
| Process Diagram | Digunakan untuk mengontrol operasi-operasi pemrosesan yang digunakan. |
12.
13. Process Diagram
| Tombol | Fungsi |
| | |
| Dataset | Digunakan untuk memanggil image |
| Bands Selection | Digunakan untuk memilih satu band atau lebuh citra |
| Formula | Digunakan untuk memasukkan, memanggil atau menyimpan sebuah formula |
| Filter | Digunakan untuk menambah atau menghapus filter |
| Transform | Digunakan untuk menyesuaikan kecerahan atau kekontrasan citra |
| Sunshade | Digunakan untuk menentukan iluminasi buatan dari citra untuk membuat afek bayangan relief |
14. Menyimpan algoritma
- Untuk menyimpan algoritma, dari menu bar pilih File, kemudian pilih Save As, tulis nama algoritma hasil, atau dengan mengklik
Save Algorithm untuk langsung mensave algoritma, atau klik 
Save Algorithm As bila ingin memberi nama baru bagi algoritma yang sudah ada. - Misalnya disimpan dengan nama rgb542.alg
- Untuk membuka algoritma, dari menu bar pilih File, kemudian pilih Open, pilih nama algoritma yang akan ditampilkan atau klik pada Tollbars.
- Pada kotak image akan muncul gambar dengan tulisan
diatasnya. Kalimat rgb542 menandakan file algoritma yang sedang dibuka adalah rgb542.alg. Sedangkan tanda lain telah dijelaskan sebelumnya.
15. Latihan
Latihan ini menunjukan pada anda bagaimana untuk memulai menampilkan citra, bagaimana untuk membangun, menyimpan, dan memanggil kembali algorithm pemrosesan citra. Ini juga menampilkan dalam bentuk 3 dimensi.
a. Pemangilan dan Penampilan Citra
Belajar untuk membuka sebuah citra dan algorithm, memanggil dataset citra dan menampilkannya di monitor.
Membuka sebuah citra dan algorithm
- Dari View, pilih Algorithm. Sebuah window kosong muncul. Memanggil sebuah citra raster dalam layer semu (Pseudocolor)
- Pada Algorithm window, klik tombol load data set. Kemudian akan muncul Raster Dataset window
- Pilih direktori tempat file citra akan ditampilkan
- Klik file yang akan ditampilkan, tekan OK
Memilih dan menampilkan band berbeda dari Citra Landsat TM
- Pada Algorithm window, klik Band Selection
- Klik band yang berlabel B2
- Lakukan pada band yang lainnya
b. Pemrosesan Citra
Belajar untuk membangun algorithm sederhana menggunakan formula
Memanggil formula Index Vegetasi
- Pada Algorithm window, klik bagian layer kemudian klik Edit Formula E=mc2. Default formula adalah INPUTI
- Klik menu Ratios dan pilih Landsat TM NDVI. Akan tampak formula NDVI menggantikan default formula.
- Klik Close untuk menutup formula
Mengatur Kekontrasan Citra
- Pada Algorithm window, klik bagian layer. Kemudian klik tombol Edit Transform Limits sebelah kanan tanda panah.
- Dari Limits menu, pilih Limits to Actual.
- Pada Transform dialog, klik tombol Create autoclip transform
- Klik close untuk mengakhiri transform
c. Pemberian Label dan Penyimpanan Algorithm
Belajar untuk menspesifikasi deskripsi label, judul dan perintah untuk sebuah algorithm dan menyimpan algorithm tersebut dalam sebuah file untuk digunakan suatu saat kemudian. Memasukkan deskripsi untuk pseudo layer
- Pada Algorithm window, klik pada pseudocolor
- Ubah teks pseudocolor menjadi NDVI
Memasukkan deskripsi untuk surface
- Pada algorithm window, klik [Ps]: Default surface
- Ubah teks menjadi surface 1
Memasukkan deskripsi pada Algorithm
- Pada Algorithm window,pilih baris Descriptioa. Disitu tertera No Description.
- Tulislah NDVI Melak dan akhiri dengan menekan enter bila telah selesai.
Meyimpan Langkah-langkah pemrosesan dalam file
- Pada File menu, pilih Save As….
- Pada Files of Type, pilih ER Mapper Algorithm (.alg)
- Pilih direktori tempat file akan disimpan.
- Klik OK
Menambahkan Keterangan pada Algorithm
- Klik tombol Comments…
- Tulislah keterangan yang ingin ditambahkan
- Klik OK
d. Pemanggilan Kembali dan Penampilan Algorithm
Belajar untuk memanggil kembali dan menampilkan algorithm yang sudah dibuat dan menampilkan teks file. Membuka window Citra Kedua
- Klik tombol New Image Window
Menampilkan Algorithm yang sudah dibuat sebelumnya
- Klik tombol Open
- Pilih direktori tempat file yang akan dibuka itu tersimpan
Menampilkan keterangan Algorithm
- Pada Open dialog, klik icon Comments
Analisis Citra
Berikut akan disampaikan dengan singkat pengantar pengolahan citra, yang terdiri dari pengenalan terminologi dasar bagi pengolahan citra serta konsep dari beberapa langkah yang paling umum dilalui dalam pengolahan citra. Setelah data dikumpulkan dan dikirimkan ke stasiun penerima, data tersebut harus diproses dan diubah ke dalam format yang bisa diinterpretasi oleh peneliti. Untuk itu data harus diproses, ditajamkan dan dimanipulasi. Teknik-teknik tersebut disebut pengolahan citra.
- Mengubah Data Menjadi Citra
Data citra satelit dikirim ke stasiun penerima dalam bentuk format digital mentah merupakan sekumpulan data numerik. Unit terkecil dari data digital adalah bit, yaitu angka biner, 0 atau 1. Kumpulan dari data sejumlah 8 bit data adalah sebuah unit data yang disebut byte, dengan nilai dari 0 – 255. Dalam hal citra digital nilai level energi dituliskan dalam satuan byte. Kumpulan byte ini dengan struktur tertentu bisa dibaca oleh software dan disebut citra digital 8-bit.
- Karakteristik Citra
- Pixel
Pixel (picture element) adalah sebuah titik yang merupakan elemen paling kecil pada citra satelit. Angka numerik (1 byte) dari pixel disebut digital number (DN). DN bisa ditampilkan dalam warna kelabu, berkisar antara putih dan hitam (gray scale), tergantung level energi yang terdeteksi. Pixel yang disusun dalam order yang benar akan membentuk sebuah citra. Kebanyakan citra satelit yang belum diproses disimpan dalam bentuk gray scale, yang merupakan skala warna dari hitam ke putih dengan derajat keabuan yang bervariasi. Untuk PJ, skala yang dipakai adalah 256 shade gray scale, dimana nilai 0 menggambarkan hitam, nilai 255 putih. Dua gambar di bawah ini menunjukkan derajat keabuan dan hubungan antara DN dan derajat keabuan yang menyusun sebuah citra.
Gambar 8. Hubungan DN dengan derajat keabuan
Untuk citra multispectral, masing masing pixel mempunyai beberapa DN, sesuai dengan jumlah band yang dimiliki. Sebagai contoh, untuk Landsat 7, masing-masing pixel mempunyai 7 DN dari 7 band yang dimiliki. Citra bisa ditampilkan untuk masing-masing band dalam bentuk hitam dan putih maupun kombinasi 3 band sekaligus, yang disebut color composites. Gambar di bawah ini menunjukkan composite dari beberapa band dari potongan Landat 7 dan pixel yang menyusunnya.
Gambar 9. composite warna
- Contrast
Contrast adalah perbedaan antara brightness relatif antara sebuah benda dengan sekelilingnya pada citra. Sebuah bentuk tertentu mudah terdeteksi apabila pada sebuah citra contrast antara bentuk tersebut dengan backgroundnya tinggi. Teknik pengolahan citra bisa dipakai untuk mempertajam contrast. Citra, sebagai dataset, bisa dimanipulasi menggunakan algorithm (persamaan matematis).
Manipulasi bisa merupakan pengkoreksian error, pemetaan kembali data terhadap suatu referensi geografi tertentu, ataupun mengekstrak informasi yang tidak langsung terlihat dari data. Data dari dua citra atau lebih pada lokasi yang sama bisa dikombinasikan secara matematis untuk membuat composite dari beberapa dataset. Produk data ini, disebut derived products, bisa dihasilkan dengan beberapa penghitungan matematis atas data numerik mentah (DN).
- Resolusi
Resolusi dari sebuah citra adalah karakteristik yang menunjukkan level kedetailan yang dimiliki oleh sebuah citra. Resolusi didefinisikan sebagai area dari permukaan bumi yang diwakili oleh sebuah pixel sebagai elemen terkecil dari sebuah citra. Pada citra satelit pemantau cuaca yang mempunyai resolusi 1 km, masing-masing pixel mewakili rata-rata nilai brightness dari sebuah area berukuran 1x1 km. Bentuk yang lebih kecil dari 1 km susah dikenali melalui image dengan resolusi 1 km. Landsat 7 menghasilkan citra dengan resolusi 30 meter, sehingga jauh lebih banyak detail yang bisa dilihat dibandingkan pada citra satelit dengan resolusi 1 km. Resolusi adalah hal penting yang perlu dipertimbangkan dalam rangka pemilihan citra yang akan digunakan terutama dalam hal aplikasi, waktu, biaya, ketersediaan citra dan fasilitas komputasi. Gambar berikut menunjukkan perbandingan dari 3 resolusi citra yang berbeda.
Gambar 10. Resolusi citra
Ada beberapa faktor yang mempengaruhi kualitas citra dalam hal hambatan-hambatan untuk melakukan interpretasi dan klasifikasi yang diperlukan. Beberapa faktor penting, terutama untuk aplikasi kehutanan tropis adalah:
- Tutupan awan. Terutama untuk sensor pasif, awan bisa menutupi bentuk-bentuk yang berada di bawah atau di dekatnya, sehingga interpretasi tidak dimungkinkan, Masalah ini sangat sering dijumpai di daerah tropis, dan mungkin diatasi dengan mengkombinasikan citra dari sensor pasif (misalnya Landsat) dengan citra dari sensor aktif (misalnya Radarsat) untuk keduanya saling melengkapi.
- Bayangan topografis. Metode pengkoreksian yang ada untuk menghilangkan pengaruh topografi pada radiometri belum terlalu maju perkembangannya.
- Pengaruh atmosferik. Pengaruh atmosferik, terutama ozon, uap air dan aerosol sangat mengganggu pada band nampak dan infrared. Penelitian akademis untuk mengatasi hal ini masih aktif dilakukan.
- Derajat kedetailan dari peta tutupan lahan yang ingin dihasilkan. Semakin detail peta yang ingin dihasilkan, semakin rendah akurasi dari klasifikasi. Hal ini salah satunya bisa diperbaiki dengan adanya resolusi spectral dan spasial dari citra komersial yang tersedia.
Setelah citra dipilih dan diperoleh, langkah-langkah pemrosesan tidak terlalu tergantung sistem sensor dan juga software pengolahan citra yang dipakai. Berikut ini akan kami sampaikan dengan singkat beberapa langkah yang umum dilakukan, akan tetapi detail dari teknik dan ketrampilan menggunakan hanya bisa diperoleh dengan praktek langsung dengan menggunakan sebuah citra dan software pengolahan citra tertentu. Langkah-langkah dalam pengolahan citra:
- Mengukur kualitas data dengan descriptive statistics atau dengan tampilan citra.
- Mengkoreksi kesalahan, baik radiometric (atmospheric atau sensor) maupun geometric.
- Menajamkan citra baik untuk analisa digital maupun visual.
- Melakukan survei lapangan.
- Mengambil sifat tertentu dari citra dengan proses klasifikasi dan pengukuran akurasi dari hasil klasifikasi.
- Memasukkan hasil olahan ke dalam SIG sebagai input data.
- Menginterpretasikan hasil.
Mengamati citra pada layar adalah proses yang paling efektif dalam mengidentifikasi masalah yang ada pada citra, misalnya tutupan awan, kabut, dan kesalahan sensor. Citra bisa ditampilkan oleh sebuah komputer, baik per satu band dalam hitam dan putih maupun dalam kombinasi tiga band, yang disebut komposit warna. Mata manusia hanya bisa membedakan 16 derajat keabuan dalam sebuah citra, tetapi bisa membedakan berjuta juta warna yang berbeda. Oleh karena itu, teknik perbaikan/enhancement citra yang paling sering digunakan adalah memberi warna tertentu kepada nilai DN tertentu (atau kisaran dari DN tertentu) sehingga meningkatkan kontras antara nilai DN tertentu dengan pixel di sekelilingnya pada suatu citra.
Gambar 11. Citra true color dari landsat 7
Sebuah citra true color adalah citra dimana warna yang diberikan kepada nilai-nilai DN mewakili kisaran spektral sebenarnya dari warna-warna yang digunakan pada citra. False color adalah teknik dimana warna-warna yang diberikan kepada DN tidak sama dengan kisaran spektral dari warna-warna yang dipilih. Teknik ini memungkinkan kita untuk memberi penekanan pada bentuk-bentuk tertentu yang ingin kita pelajari menggunakan skema pewarnaan tertentu. Pada contoh dari false color di bawah ini yang dibuat dengan komposit 432 dari citra Landsat 7, vegetasi muda, yang memantulkan near IR, terlihat merah terang. Kegiatan pertanian yang terkonsentrasi akan mudah dideteksi dengan adanya warna merah terang.
Gambar 12. Citra false color
Kalau kita buat plot antara DN dan derajat keabuan untuk setiap pixel, garis yang terbentuk menggambarkan bentuk hubungan antara keduanya. Hubungan linier (seperti contoh di bawah ini) menunjukkan bahwa DN dan juga keabuan tersebar merata dalam kisaran nilai 0-255 pada citra
Gambar 13. Digital Number (DN)
Permasalahan dengan hubungan linier seperti ini adalah bahwa nilai DN dari bentuk-bentuk yang ingin kita tonjolkan mungkin terkonsentrasi pada kisaran kecil, sehingga derajat keabuan yang diberikan kepada nilai DN di luar daerah yang ingin kita tonjolkan sebenarnya tidak terpakai. Untuk memperbaiki kontras dari bagian citra yang kita inginkan kita bisa memakai kurva perbaikan yang didefinisikan secara matematis. Kurva ini akan menyebarkan ulang nilai derajat keabuan yang paling sering dipakai sehingga menonjolkan kisaran DN tertentu.
Gambar 14. Kurva derajat keabuan
Pemakaian kurva untuk menonjolkan bentuk tertentu dan juga pemilihan 3 band dari sebuah citra multispektral untuk dikombinasikan dalam sebuah citra komposit memerlukan pengalaman dan ‘trial and error’, karena setiap aplikasi perlu menekankan bentuk yang berbeda dalam sebuah citra.
Sebelum sebuah citra bisa dianalisa, biasanya diperlukan beberapa langkah pemrosesan awal. Koreksi radiometric adalah salah satu dari langkah awal ini, dimana efek kesalahan sensor dan faktor lingkungan dihilangkan. Biasanya koreksi ini mengubah nilai DN yang terkena efek atmosferik. Data tambahan yang dikumpulkan pada waktu yang bersamaan dengan diambilnya citra bisa dipakai sebagai alat kalibrasi dalam melakukan koreksi radiometric. Selain itu koreksi geometric juga sangat penting dalam langkah awal pemrosesan. Metode ini mengkoreksi kesalahan yang disebabkan oleh geometri dari kelengkungan permukaan bumi dan pergerakan satelit. Koreksi geometric adalah proses dimana titik-titik pada citra diletakkan pada titik-titik yang sama pada peta atau citra lain yang sudah dikoreksi. Tujuan dari koreksi geometri adalah untuk meletakkan elemen citra pada posisi planimetric (x dan y) yang seharusnya.
Satu langkah pemrosesan penting yang paling sering dilakukan pada pengolahan citra adalah klasifikasi, dimana sekumpulan pixel dikelompokkan menjadi kelas-kelas berdasarkan karakteristik tertentu dari masing-masing kelas. Terutama untuk proses klasifikasi, survei lapangan sangat diperlukan. Pada umumnya hasil klasifikasi inilah yang akan menjadi input yang sangat berharga bagi SIG untuk diolah dan diinterpretasi bersama layer-layer data yang lain.
Koreksi Radiometrik
- Koreksi Radiometrik
Koreksi radiometri ditujukan untuk memperbaiki nilai piksel supaya sesuai dengan yang seharusnya yang biasanya mempertimbangkan faktor gangguan atmosfer sebagai sumber kesalahan utama. Efek atmosfer menyebabkan nilai pantulan obyek dipermukaan bumi yang terekam oleh sensor menjadi bukan merupakan nilai aslinya, tetapi menjadi lebih besar oleh karena adanya hamburan atau lebih kecil karena proses serapan. Metode-metode yang sering digunakan untuk menghilangkan efek atmosfer antara lain metode pergeseran histogram (histogram adjustment), metode regresi dan metode kalibrasi bayangan. (Projo Danoedoro, 1996).
Metode yang digunakan dalam pelatihan ini adalah metode penyesuaian histogram. Pemilihan metode ini dilandasi oleh alasan bahwa metode ini cukup sederhana, waktu yang digunakan untuk pemrosesan lebih singkat dan tidak memerlukan perhitungan matematis yang rumit. Asumsi dari metode ini adalah dalam proses koding digital oleh sensor, obyek yang memberikan respon spektral yang paling rendah seharusnya bernilai 0. Apabila nilai ini ternyata melebihi angka 0 maka nilai tersebut dihitung sebagai offset dan koreksi dilakukan dengan mengurangi seluruh nilai pada saluran tersebut dengan offset-nya.
Buka citra yang akan dikoreksi radiometri dan tampilkan (misal Band1). Kemudian pada Algorithm Window klik toolbar 
untuk melihat histogram citra yang sedang ditampilkan. Perhatikan histogram citra yang sedang ditampilkan, misal seperti gambar di bawah ini :
Gambar 33. Histogram Citra yang Sedang Ditampilkan
Perhatikan angka yang terlihat pada Actual Input Limits (angka 56 merupakan nilai piksel terendah dan angka 154 adalah nilai piksel tertinggi). Menurut metode Histogram Adjustment, nilai piksel terendah haruslah nol (0) dan bila tidak demikian berarti nilai tersebut adalah nilai bias yang dapat dijadikan dasar dalam melakukan koreksi radiometrik citra.
Setelah mengetahui nilai bias dari citra, tekan tombol Close. Kemudian pada Algorithm Window klik toolbar formula 
dan akan muncul kotak dialog Formula Editor sebagai berikut di bawah ini:
Gambar 34. Kotak Dialog Formula Editor
Kemudian isikan seperti gambar di atas dan tentukan Band yang digunakan untuk Input1-nya (dalam hal ini band 1). Setelah itu klik tombol 
. Berarti kita telah mengkoreksi citra untuk band 1. Untuk band-band yang lainnya lakukan prosedur yang sama seperti di atas, dan setelah semua band selesai dikoreksi, simpanlah menjadi dataset citra yang telah dikoreksi radiometrik.
- Koreksi Geometrik
Ketika akurasi area, arah dan pengukuran jarak dibutuhkan, citra mentah harus selalu diproses untuk menghilangkan kesalahan geometric dan merektifikasi citra kepada koordinat system bumi yang sebenarnya. Dengan citra satelit, sebagai contoh, kesalahan-kesalahan itu didahului oleh beberapa faktor seperti, putaran (roll), gerak anggukan (pitch) dan penyimpangan dari garis lurus (yaw) platform satelit dan kelengkungan bumi. Untuk mengoverlaikan atau memosaik citra dalam ERMapper, citra tersebut harus berada pada system koordinat yang sama. Koordinat umumnya adalah dapat berupa "raw" (belum terkoreksi), atau system proyeksi peta dunia yang sebenarnya.
Sebuah ground control point (GCP) adalah sebuah titik di permukaan bumi dimana antara koordinat citra diukur dalam baris dan kolom) dan proyeksi peta (diukur dalam derajat latitude longitude, meter atau feet) dapat diidentifikasi. Rektifikasi adalah proses menggunakan GCP untuk transformasi geometri citra sehingga masing-masing pixel terkait dengan sebuah posisi di sistem koordinat bumi sebenarnya (seperti latitude/longitude atau easting/northing). Proses ini kadang disebut dengan "warping" atau 'rubhersheeting" karena data citra direntangkan atau dirapatkan sesuai keperluan untuk menyesuaikan dengan grid peta bumi atau system koordinat.
Ortorektifikasi adalah bentuk lebih akurat dari rektifikasi karena mengambil penghitungan sensor (kamera) dan karakteristik platform (pesawat terbang). Ini khusus direkomendasikan untuk foto udara. Ortorektifikasi dicakup terpisah di dalam `Image orthorectification'.
Registrasi adalah penyesuaian sederhana dua citra sehingga mereka dapat dioverlai atau superimpose untuk perbandingan. Dalam kasus ini, citra tidak harus direktifikasi ke dalam proyeksi peta (mereka dapat berada dalam sistem koordinat `raw').
ERMapper Rectification utilities biasanya sering digunakan untuk melaksanakan empat jenis operasi yang berbeda.
- Image to map rectification menggunakan polynomial (titik kontrol) atau gcocoding linier untuk merektifikasi sebuah citra ke dalam sebuah datum dan proyeksi peta menggunakan GCP
- Image to image rectification menggunakan polynomial (titik kontrol) atau geocoding linier untuk merektifikasi satu citra ke citra yang lainnya menggunakan GCP
- Map to map transformation, mentranformasikan sebuah citra yang sudah direktifikasi dari satu datum/proyeksi peta ke datum/proyeksi peta lainnya.
- Image rotation, merotasikan sebuah citra kedalam beberapa derajat
5. Prosedur Koreksi Geometrik Dalam latihan ini, anda akan menggunakan Geocoding Wizard untuk melaksanakan rektitikasi citra. Prosedur untuk melakukan rektifikasi citra, adalah sebagai berikut:
Gambar 35. Menu Geocoding Wizard
- Dari menu Process pada menu utama ER Mapper pilih Geocoding Wizard, akan muncul tampilan berikut:
Gambar 36. Geocoding Wizard Step 1
- Untuk file input, pilih citra mentah yang sudah disiapkan, di D:\Remote Sensing\Melak.ers dan pilih geocoding tipenya Polynomial.
- Tahap selanjutnya klik pilihan Polynomial setup dan muncul tampilan berikut:
Gambar 37. Geocoding Wizard Step 2
- Pilih linear untuk polinomial order
- Kemudian pilih Step 3) GCP setup
- Pada kotak GCP Picking Method, aktifkan/cek Geocoded image, vector or algorithm, kemudian pilih file file citra yang sudah terkoreksi secara geometrik di D:\Remote Sensing\Melak_rec.ers.
- Tekan tombol change pada kotak Output Coordinate Space untuk mengeset parameter rectifikasi citra
Gambar 38. Geocoding Wizard Output Coordinate Space
- Klik tombol datum lihatlah pilihan datum yang tersedia dan pilih WGS84 kemudian klik OK
- Klik tombol projection untuk melihat proyeksi peta yang disediakan, pilihUTM pada kolom sebelah kiri dan kemudian pilih SUTM50 pada kolom sebelah kanan. Klik OK
- Klik tombol pilihan Coordinate System Type dan pilihlah Eastings/Nortings
- Tekan Tombol OK untuk mengakhiri setting koordinat.
- Pada Geocoding Wizard pilihlah Step4)GCP Edit
- ERMapper akan membuka beberapa tampilan citra dan kotak dialog, Anda dapat melihat tampilan screen monitor seperti dibawah ini
Kali pertama anda memulai meletakkan GCP, citra mentah anda (belum terkoreksi) tidak mempunyai titik kontrol di bumi. Anda akan memulainya dengan meletakkan 4 GCP menggunakan COORECTED dan UNCORRECTED window. Begitu anda meletakkan GCP pertama, anda dapat menggunakan CORECTED window untk meletakkan GCP sisanya dengan cepat.
- Pada menu utama, klik ikon View Algoritm for Image Window untuk membuka jendela algoritm
- Klik di dalam “Zoom window untuk GCP terkoreksi” untuk mengaktifkannya.
- Di dalam jendela algoritma, matika pilihan Smooting
- Carilah fitur referensi yang permanen di dalam citra terkoreksi seperti perpotongan jalan atau jembatan dengan ZoomBox Tool.
- Gunakan pointer untuk meletakkan GCP didalam citra terkoreksi. Anda akan melihat tanda + dan nomor GCP di dalam citra.
- Klik pada “Zoom window untuk GCP belum terkoreksi”
- Lakukan langkah yang sama seperti pada citra terkoreksi, cari fitur yang sama dengan yang ada pada citra terkoreksi.
- Setelah GCP 1 selesai, untuk menambah GCP 2 klik ikon Add New GCP
- Lakukan langkah yang sama untuk GCP 3 dan 4. Direkomendasikan untuk meletakkan GCP tersebar pada
Gambar 39. Geocoding Wizard Step 4
Begitu anda selesai meletakkan GCP 4 , lihatlah sekarang ER Mapper menampilkan nilai di dalam field “RMS” pada GCP Edit Dialog. Root Mean Square (RMS) adalah sebuah pengukuran ketepatan GCP dalam citra ini yang direpresentasikan dalam ukuran pixel citra. (Sebuah RMS bernilai 1 untuk landsat TM berarti kesalahan posisi sebesar 30 m). Anda dianggap telah menyelesaikan pekerjaan ini dengan teliti, jika RMS error kurang dari atau sama dengan1
- Pilih step 5)Rectify pada Geocoding Wizard
- Klik Ikon Select Output Filename di dalam kotak Output Info
- Pilih direktori tempat file hasil rektifikasi ini akan disimpan dan beri nama file output tersebut, misalnya Melak2000_rectify.ers.
- Klik tombol Save File andStrart Rectification untuk menyimpan file rectifikasi dan menjalankan rektifikasi dan menjalankan proses rektifikasi.
Gambar 40. Geocoding Wizard Step 5
- Klik OK dalam kotak pesan ERMapper Status ‘Rectification finished successfully’ yang memberitahu bahwa ERMapper telahn melakukan rektifikasi dengan sukses.
6. Mengevaluasi Hasil Registrasi
Belajar cara sederhana untuk mengevaluasi secara visual registrasi dua citra menggunakan teknik overlay. Dalam kasus ini, anda akan mengevaluasi registrasi citra mentah yang baru direktifikasi dan contoh citra hasil rektifikasi.
Panggil RGB algoritma yang ada
- Klik ikon Open Algoritm into Image Window
- Pilih direktori tempat file RGB tersimpan D:\Remote Sensing\Melak2000_rect
- Pada menu utama ERMapper, klik ikon View Algoritm for Image Window untuk membuka algoritma.
Panggil citra hasil rektifikasi dalam layer Green
- Dalam jendela algoritma , klik layer Blue
- Klik layer Green
- Klik ikon Load Dataset dalam diagram proses algoritma
- Pilih direktori tempat file hasil rektifikasi disimpan D:\Remote Sensing\Melak2000_rectify.ers
- Klik ikon OK this layer only untuk memanggil citra hasil rektifikasi ke dalam layer green. ( Layer Red masih tetap masih mempunyai citra melak2000_rect.ers sebagai referensi)
- Pilih B3 dari pilihan Band Selection di layer green
Menampilkan dua citra untuk evaluasi registrasi
- Klik ikon Refress Image With 99% clip pada toolbar
- Matikan pilihan Smooting pada jendela algoritma
- Klik ZoomBox Tool pada menu utama
- Drag ZoomBox pada daerah tertentu (yang mempunyai fitur tanah dan air)
Kesalahan pada registrasi nampak pada pixel warna merah atau hijau apabila keduanya tidak sama persis sama. Ini adalah cara yang asangat sederhana untuk mengevaluasi registrasi dua citra. Jika RMS error pada GCP anda kurang dari 1, anda seharusnya tidak melihat lebih dari 1 pixel pergeseran (kesalahan registrasi).
Bekerja Dengan Layer Data
- Bekerja Dengan Layer Data
Bab ini memperkenalkan anda konsep layer data dalam ER Mapper d an memberikan anda bagaimana cara menggunakannya. Anda akan belajar untuk memanggil data dalam layer, menghidupkan dan mematikan layer, menspesifikasi prioritas layer yang diproses serta menambah, memindah dan menghapus layer dari sebuah algorithm.
- Layer data
Didalam ER Mapper, anda membangun tampilan citra anda dengan pembuatan satu atau lebih layer data dalam window algoritma. Berbagai layer data dikombinasikan untuk membuat citra akhir pada tampilan screen atau output untuk peralatan cetak.
Untuk menampilkan alur diagram proses sebuah layer. Klik pada Layer tab dan pilih layer tersebut dari sisi kiri window algorithm. Masing-masing layer pada sebuah algorithm dapat memiliki pemrosesan yang berbeda dan menggunakan data set citra yang berbeda. Algoritma sederhana hanya memiliki satu layer saja (sebuah layer Pseudocolor), tetapi tipe algoritma lainnya dapat memiliki beberapa layer data. Sebagai contoh, sebuah tampilan citra dalam RGB mempunyai 3 layer data, satu untuk citra komponen warna merah, satu untuk hijau dan satu untuk biru. Layer juga dapat berisi jenis data lain dimana anda ingin mengoverlaykannya dengan citra, seperti vector GIS atau data tabular, dan anotasi atau komposisi peta.
Masing-masing layer dalam algoritma anda dapat dimanipulasi bebas dari yang lainnya menggunakan ikon-ikon alur proses terkait dengan layer tersebut. Fleksibilitas ini adalah satu dari fitur-fitur kunci dalam ER Mapper yang membuatnya mudah untuk membangun dan memperbaiki algoritma pemrosesan citra yang komplek.
Pada prinsipnya, anda buat sebuah algoritma dengan terlebih dulu menentukan satu atau lebih layer untuk tampilan data raster anda, seperti citra satelit atau foto udara digital. Kemudian anda dapat menambahkan layer untuk menampilkan data vektor (seperti jaringan jalan), data tabular (seperti lokasi pengambilan contoh), dan layer-layer untuk anotasi citra seperti teks, grid koordinat dan sebagainya.
- Menu Kontrol Layer
Jika anda meng-klik Layer tab, diagram process dari layer akan muncul. Masing-masing layer pada algoritma mempunyai rangkaian informasi dan control yang disediakan pada layer itu sendiri. Untuk mematikan layer, klik ikon Turn On/Off pada window algoritma atau klik kanan pada tombol mouse pada layer untuk menampilkan short-cut menu dan pilih Turn off.
- Mode Warna (Color Modes)
ER Mapper menggunakan sebuah konsep yang dikenal “Color Mode” yang menetapkan cara pada layer mana data raster ditampilkan. Untuk menentukan satu tipe tertentu dari tampilan citra, anda pilih tipe layer dan color mode yang cocok. Color mode terletak di surface tab pada window algoritma. Klik pada surface tab dan anda akan melihat Color Mode, Color Table dan Transparancy (%) dengan tombol slide.
- Pilihan Color Mode (pada surface tab) ER Mapper menyediakan tiga pilihan color mode dalam surface tab, dan masing-masing dirancang untuk menampilkan dan memanipulasi data raster citra dengan jalan yang berbeda. Setting Color Mode harus selalu terkait dengan tipe layer yang anda gunakan. Sebagai contoh , jika anda bekerja dengan layer pseudocolor, Color Mode anda harus diset ke pseudocolor. Ketiga Color Mode tersebut adalah :
| Color Mode | Fungsi |
| Pseudocolor | Dirancang untuk menampilkan layer raster data tunggal; warna citra dikontrol dengan setting LUT saat itu. |
| Red Green Blue | Dirancang untuk menampilkan raster data pada ruang warna merah, hijau, dan biru. Warna citra dibangun menggunakan layer-layer terpisah untuk warna merah, hijau, dan biru (atau warna guns) pada komputer display. |
| | Dirancang untuk menampilkan raster data dalam ruang warna hue, saturation dan intensity. Warna citra dibangun menggunakan layer-layer terpisah untuk hue (warna), saturation (warna-warna murni) dan intensity (warna-warna terang). |
- Tipe Layer Data
ER Mapper menyediakan beberapa tipe layer data, masing-masing dirancang untuk menampilkan data dengan format khusus (raster, vektor, tabel) atau menampilkan data raster citra dengan cara cara tertentu. Secara umum ada 2 tipe layer :
- Layer Raster menampilkan citra atau dataset pixel, dan tampilan citra tersebut sering merupakan hasil kombinasi dua atau lebih layer raster (sebagai contoh, red, green, dan blue)
- Layer Vektor menampilkan GIS, garis tabular (titik), dan data komposisi peta, dan selalu mencakup data raster yang terletak dibawahnya ketika overlaping.
- Jenis Layer Raster
Banyak jenis layer raster hanya cocok dengan seting color mode yang sudah pasti. Jika layer tidak sesuai dengan color mode yang sedang digunakan, ER Mapper akan secara otomatis melewati layer tersebut dalam window algoritma dan tidak akan digunakan selama proses berlangsung. Jenis-jenis layer raster dan color mode terkait yang sesuai tercantum pada tabel berikut :
| Layer Raster | Fungsi | Color mode yang sesuai |
| Pseudocolor | Menampilkan raster data, warna dikontrol dengan LUT aktif saat itu. | Pseudocolor |
| Red | Menampilkan raster data pada saluran merah | Red Green Blue |
| Green | Menampilkan raster data pada saluran hijau | Red Green Blue |
| Blue | Menampilkan raster data pada saluran biru | Red Green Blue |
| | Menampilkan raster data; mengontrol komponen warna (merah, kuning, hijau) | |
| Saturation | Menampilkan raster data; mengontrol komponen warna bening (pastel atau warna jernih) pada tampilan citra | |
| Intensity | Menampilkan raster data; mengontrol komponen kecerahan (cerah atau gelap) pada tampilan citra | semua |
| Height | Mengontrol elevasi 3D pada (atau nilai Z) pada tampilan citra dalam perspektif 3 dimensi | semua |
| Class Display | Menampilkan raster data yang dihasilkan dari proses klasifikasi (Supervised / unsurpervised) | semua |
| Classification | Menampilkan sebuah warna overlay tematik solid yang dihasilkan dari overlay raster data dengan raster data | semua |
Tips :
Anda dapat mengubah layer raster dari jenis satu ke jenis lainnya dengan cepat menggunakan Layer Type drop-down list dari Edit/Change Raster layer menu atau dari short-cut menu yang muncul setelah meng-klik tombol kanan mouse pada layer aktif yang tersorot.
- Jenis Layer Vektor
Layer vector digunakan untuk menampilkan anotasi peta dan data file lain dalam format vektor dari sumber yang berbeda. Semua layer vektor selalu ditampilkan diatas layer raster, berdasar posisi mereka diantara layer lainnya dalam window algoritma. Layer vektor tidak terpengaruh dengan setting color mode, karena color mode digunakan hanya untuk layer raster. Berikut ini adalah tipe-tipe dari layer vektor :
Jenis Layer Vektor Fungsi Annotation map / Map Composition Membuat anotasi warna (garis, lingkaran, teks, dll) dan komposisi objek (skala, arah kompas,dll). Juga digunakan untuk menampilkan file-file vektor dalam format ER Mapper dengan ekstensi “.erv” Region Overlay Menentukan polygon region (area study) untuk sebuah raster citra , atau menampilkan nama dan area studi yang sudah ada ARC/INFO overlay Menampilkan, mengedit dan menyimpan data vektor yang dalam format ARC/INFO Dynamic Links Menampilkan data vektor atau data table produk dari software lain atau format lain seperti DXF atau postscript
Catatan :
- Pemilihan dan Modifikasi Layer Data
Untuk memodifikasikan sebuah layer data, anda harus terlebih dahulu mengaktifkan data tersebut dengan mengklik layer tersebut. Sebuah kotak berbayangan kemudian muncul sekeliling layer yang menandakan layer telah terpilih. Anda harus terlebih dulu memilih sebuah layer sebelum anda dapat memanggil sebuah dataset citra baru kedalamnya atau memodifikasi alur proses-nya.
Penting untuk diperhatikan bahwa layer data akan menjadi tidak aktif apabila anda mengubah color mode dalam surface tab untuk sebuah pilihan bahwa hal ini tidak lagi valid untuk layer tersebut. Ketika sebuah layer menjadi tidak aktif, teksnya tidak aktif muncul atau “greyed out” pada window algoritma. Sebagai contoh apabila anda mengubah color mode surface menjadi Red Green Blue maka beberapa layer pseudocolor menjadi tidak aktif dan tidak akan diproses oleh ER Mapper (sama seperti halnya dimatikan dengan Turn Off).
- Latihan
Latihan-latihan ini memberikan anda praktek penggunaan dan manipulasi layer raster data dalam ER Mapper, Pemahaman bagaimana untuk bekerja dengan layer adalah tahapan penting dalam pemahaman bagaimana untuk membangun dan menggunakan algoritma.
Setelah menyelesaikan latihan-latihan ini, anda akan mengetahui bagaimana untuk melaksanakan beberapa tugas dalam ER Mapper.
Sebelum memulai latihan ini, pastikan semua window ER Mapper telah tertutup. Hanya menu utama ER Mapper yang terbuka dilayar monitor.
a. Menghidupkan dan Mematikan Layer
Belajar menghidupkan layer data agar dapat disertakan dalam pemrosesan dan juga mamatikan layer data untuk mengeluarkannya dari pemrosesan. Anda juga belajar bagaimana status layer dapat berubah jika anda mengubah color mode.
Membuka sebuah citra dan menampilkan sebuah mosaik algorithm
- Pada File menu, pilih Open…..
- Pilih direktori D:\Remote Sensing\Samarinda.ers
- Klik OK, akan muncul window citra Samarinda
Gambar 21. Window tampilan citra
Membuka Algorithm window untuk menampilkan layer data
- Dari View menu, pilih Algorithm…. maka Algorithm window akan muncul menampilkan layer data RGB.
- Jika diperlukan anda dapat memperbesar/memperkecil ukuran window sesuai keperluan.
Gambar 22. Window Algorithm
Mematikan Layer
- Dalam Algorithm window, periksa apakah bagian layer sudah terpilih/aktif. Pilihlah layer Red dari citra
- Klik kanan…. pilihlah Turn Off
- Lakukan juga pada layer Green dan layer Blue
Menghidupkan Layer
- Dalam Algorithm window, periksa apakah bagian layer sudah terpilih/aktif. Pilihlah layer Red dari citra
- Klik kanan….pilihlah Turn On
- Lakukan juga pada layer Green dan Layer Blue
Mengubah Color Mode dan Bagaimana Efeknya terhadap Layer
- Pada Algorithm window, dari surface tab, pilih Pseudocolor dari Color Mode. Maka semua layer Red Green Blue ditandai dengan tanda silang yang berarti tidak sesuai lagi dengan color mode sekarang (pseudocolor).
- Pada Surface Tab, pilihlah Red Green Blue pada Color Mode. Layer – layer tersebut akan aktif kembali.
b. Memanggil Data ke dalam Layer
Belajar untuk memanggil citra pada layer tertentu atau kumpulan layer dalam sebuah algoritma. Juga memahami penggunaan ikon-ikon OK, Apply, OK this layer only, dan Apply this layer only pada Raster Dataset file chooser dialog box.
Membuka sebuah RGB Algorithm
- Klik tombol Open
- Pilih direktori tempat file algorithm tersimpan
- Pilih file yang tipe filenya .alg
Memanggil sebuah citra baru untuk 3 layer
- Pastikan Layer tab terpilih, klik pada tombol Load Dataset.
- Pilih direktori tempat file algorithm tersimpan
- Bedakan fungsinya antara ikon OK this layer only, Apply this layer only, OK, dan Apply
Cropping Data Citra
- Cropping Data Citra
Data satu scene umumnya mencakup wilayah yang cukup luas, seperti path/row 117/60 mencakup wilayah dari Kota Samarinda di selatan sampai Kabupaten Kutai Timur di utara, kemudian dari Sebulu di barat sampai dengan di selat makassar di timur. Cakupan 1 scene citra landsat adalah 185 km x 185 km. Kadang-kadang tidak semua data yang tercakup dalam scene tersebut kita butuhkan.
Misalnya bila kita hanya membutuhkan informasi sekitar
Pengcropingan/pemotongan image dapat dilakukan sebelum koreksi geometrik atau sesudah koreksi geometrik. Buka citra BS980126.ers. Cropping dapat dilakukan menggunakan 
. Dimana dari data satu scene, kemudian dibuat kotak pembatas menggunakan pada daerah yang kita inginkan. Sebaiknya data tersebut data asli, yaitu data yang belum terpengaruh proses enhancement/penajaman apapun.
Kemudian duplicate pseudo layer menjadi 7, isikan masing-masing layer dengan band yang digunakan, misal layer pertama diisi B1:Band1. Kemudian ubah nama layer sesuai dengan nama band yang diisikannya dengan mengklik ganda pada Pseudo Layer.
Gambar 41. Jendela Pengaturan Band
- Lalu pada Menubars klik File kemudian pilih Save As ….akan muncul kotak
Gambar 42. Jendela dialog penyimpanan file
- Pada kotak Save As ketiklah nama file outputnya
- Pada kotak File of Type pilihlah tipe file ER Mapper Raster Dataset(.ers)
- Klik OK, akan muncul kotak dialog berikut
Gambar 43. Jendela dialog file output
- Kemudian klik OK. ERMapper akan memproses citra dan muncul ER Mapper status
- Klik OK untuk menutup ER Mapper status
- Menggunakan Formula
Selain penajaman citra, masih ada transformasi lain yang sering digunakan untuk menghasilkan informasi baru. Bagian ini menerangkan bagaimana proses penggunaan rumus dalam ER Mapper untuk kinerja operasi matematika pada satu atau lebih band dalam citra. Anda akan belajar bagaimana membuat dan mengedit formula, dan dilanjutkan dengan menggunakan formula standar dan beberapa fungsi dalam ER Mapper.
Transformasi ini dapat dikelompokkan menjadi dua , yaitu :
1. transformasi yang dapat mempertajam informasi tertentu, namun sekaligus menghilangkan atau menekan informasi yang lain; dan
2. transformasi yang ‘meringkas’ informasi dengan cara mengurangi dimensionalitas data. Berbeda halnya dengan berbagai algoritma penajaman, transformasi khusus ini lebih banyak beroperasi pada domain spektral. Ciri lainnya ialah bahwa dalam banyak kasus, transformasi ini melibatkan beberapa saluran spektral sekaligus.
Dasar utama pengembangan transformasi-transformasi ini adalah feature space. Pada feature space, dapat terlihat kecenderungan pengelompokkan nilai spektral, yang mengindikasikan adanya pengelompokkan obyek, terpisah satu sama lain, ataupun membentuk fenomena tertentu.
Formula biasa digunakan dalam pemrosesan citra untuk mengambil informasi yang terdapat pada dua atau lebih band (kanal) atau data. Proses formula bisa bervariasi, dari suatu pengurangan sederhana sampai dengan menggunakan pembatasan data yang rumit dalam “if-then-else” seperti pemodelan secara spasial atau penggunaan lainnya. Proses formula dalam pengolahan citra adalah suatu “operasi per titik” karena proses ini akan menerapkan fungsi matematik pada setiap pixel yang terdapat pada citra. Penggunaan formula dalam dunia pengolahan citra adalah dalam hal:
- Pengurangan dimensi dari data dengan banyak band (sebagai contoh, Principal Componen Analysis)
- Telaah informasi tematik dari data yang memiliki banyak band (sebagai contoh, indikasi vegetasi atau rasio kandungan oksidasi)
- Menggabingkan beberapa citra dengan karakteristik yang berbeda (fusi data)
- Pengolahan data yang sama dengan cara yang berbeda dan menggabungkannya untuk memisahkan fitur yang spesifik (seperti fitur tepi)
- Proses untuk mendapatkan kisaran data yang spesifik atau area geografi yang diinginkan dengan menggunakan tresholding, region (poligon) masking, dan fungsi-fungsi lainnya
- Melakukan koreksi terhadap efek atmosferik, sudut matahari, atau vignetting pada lensa satelit atau data airborne.
- Proses pembuatan formula
Umumnya transformasi data dalam ER Mapper dilakukan dengan mengunakan formula. Hal ini termasuk tresholding data, penggabungan data, image differencing dan rationing, Principal Components Analysis, Tasseled Cap transforms, derivatives, dan banyak lagi yang lainnya.
Karena formula adalah bagian dari proses pembuatan algoritma, maka anda dapat melihat hasilnya pada saat itu juga, dan memodifikasinya secara interaktif untuk mendapatkan hasilnya sesuai dengan yang diinginkan. Pada software lain, anda harus menyimpan hasil proses kedalam sebuah file pada disk, yang membuat percobaan menjadi rumit.
ER Mapper akan menyediakan sekumpulan operator dan fungsi
- Tampilan pada kotak dialog formula
Pada saat anda meng-klik pada ikon Formula atau pada ikon Edit Formula toolbars, ER Mapper akan membuka kotak dialog Formula Editor. Kotak dialog ini digunakan untuk membuat, mengedit, mengambil, dan menyimpan formula:
Tip: Untuk setiap algoritm, anda dapat membuka kotak dialog Formula Editor dengan dua cara:
- Mengklik ikon Formula pada diagram alur pada window Algoritm, atau
- mengklik ikon Edit Formula pada menu utama
- Konsep Relasi formula
Konsep utama dari relasi adalah fitur yang sangat penting yang membuat pemakaian formula di ER Mapper menjadi fleksibel dan interaktif. Pada saat anda mmanggil formula generik, anda bisa merujuk pada band, region, citra atau variabel tertentu. Selanjutnya anda membuka window Relations untuk memilih relasi antara nomor band, nama region dan lainnya, dengan spesifikasi generik pada formula. Relasi ini kemudian akan ditampilkan pada window Specific Formula.
Dibawah ini akan ditunjukkan empat tipe spesifikasi yang umum:
| Rujukan | Notasi pada formula generik | Fungsi |
| Spesifikasi input | INPUTn, In (atau dalam huruf kecil) | Merujuk pada suatu band pada citra |
| Spesifikasi region | REGIONn, Rn (atau dalam huruf kecil) | Merujuk pada suatu poligon region yang ditujukan pada citra raster |
| Spesifikasi dataset | DATASETn. Dn (atau dalam huruf kecil) | Merujuk pada suatu citra raster (atau suatu file dengan akhiran “.ers” |
| Spesifikasi variabel | VARIABLEn, atau text apapun yang tidak termasuk dalam perintsh ER Mapper (contohnya “density” atau “threshold”) | Menunjukkan suatu bilangan riil atau nilai yang akan digunakan sebagai variabel dalam rumus |
Formula yang dimasukkan akan ditunjukkan secara grafis dalam prosses diagram alur.
- Latihan
Memanggil algoritma Pseudocolor dengan formula yang sudah ada
- Klik View Algoritm for Image Window, sebuah citra dan kotak dialog algoritm akan muncul.
- Klik toolbar Open Algoritm kedalam Image Window
- Dari menu Directions, pilih path endingdengan text\examples
- Double klik pada direktori dengan nama “Aplication”
- Double klik pada direktori dengan nama “Mineral Exploration”
- Double klik pada algoritm dengan nama “Magnetic_Pseudocolor”. Algoritm akan menampilkan satu citra dari foto udara magnetic yang didapat dari Austalia. Data tersebut memperlihatkan kekuatan area magnetic pada area tersebut dari permukaan bumi. Penggunaan tabel Pseudocolor lookup, warna biru menerangkan pada kekuatan daerah dibawah dan warna kuning dan merah pada kekuatan daerah atas.
Memasukkan formula sederhana dan menguji sintaksnya
- Klik pada ikon edit formula dalam memproses diagram alur.Kotak dialog formula editor akan terbuka. Formula umum di dalam layar akan memuat text “i1”, dan I1 (input 1) ditujukan kepada citra yang mempunyai band 1 di dalam layar relations.
- Pada layar generik formula, edit text formula untuk membaca:
Input 1-input3
(Formula ini ditujukan untuk sebuah syntax error untuk mengetahui bagaimana mengujinya) - Klik pada ikon Aply changes untuk menguji formula.
- Sebuah topik peringatan error ER Mapper menandakan bahwa formula mempunyai kesalahan. (Dalam kasus ini anda coba untuk substract satu nomor input yang sudah keluar dari rantai, anda harus mempunyai satu “input 2” sebelum menggunakan sebuah “input 3”
Memperbaiki formula untuk mengurangi nilai
- Dalam window Generik formula, edit text formula menjadi
Input1-100
(nilai 100 merupakan pengurang dari masing-masing pixel dalam citra pada input1) - Klik tombol Apply changes untuk menguji formula. Setelah sintaks benar, ER Mapper menterjemahkan formila generik menjadi formula spesifik (ditampilkan pada window dibawah)
Membuang formula dan menguji sintaks
- Dalam window generik formula , edit formula untuk membuang semua teks (pilih teks yang ada dan tekan Backspace atau Delete pada keyboard di komputer anda).
- Klik tombol Apply Changes untuk menguji formula ER Mapper akan memperlihatkan satu pesan error mengenai sintaks formula Perlu diperhatikan: ER Mapper menganggap tidak adanya formula sebagai kesalahan sintaks. Sedikitnya, pada layar formula Generik harus ada teks “i1” atau “input1” untuk mengambil paling tidak satu input band untuk diproses.
- Pada window formula Generik, edit teks formula menjadi:
Input1 - Klik tombol Apply changes untuk menguji formula. ER Mapper akan menerima formula. Tip: Dibawah menu Formula Editor’s Edit, anda dapat memilih ikon Clear untuk menghapus semua teks dari window formula generik, atau memilih Default untuk mengembalikan formula kepada “INPUT1”
Membuat formula threshold
Membuat sebuah formula threshold sederhana
- Dalam windows formula generik, edit teks formula menjadi: If input1>100 then input1 else null Formula ini berarti ”jika nilai citra lebih besar dari 100, maka akan diproses, dan nilai lainnya akan menjadi nol’’. [setiap nilai pixel yang mempunyai nilai diluar nol tidak akan dimunculkan dalam hasil akhir].
- Klik tombol apply changes. Sintaks formula sudah benar dan ER Mapper menterjemahkan formula generik menjadi formula spesifik. Perhatikan bahwa band 1 pada citra digantikan oleh input 1 dalam window formula generik. ER mapper memproses algoritm sekarang yang melibatkan formula threshold anda. Area pada citra dengan nilai>100 maka ditampilkan dalam warna, sedangakan nilai 0/100 ditampilkan tanpa warna [hitam].
Memproses formula dan melihat pengaruhnya pada kisaran data
- Klik pada tombol Edit Transform Limits pada diagram alur proses. pada diagram alur proses. Kotak dialog Transform akan terbuka. Geser ke bagian yang terbuka pada layer. Perlu dicatat bahwa kisaran Actual Input Data antara 101 sampai 255. Hal ini sudah bisa diperhitungkan sebelumnya karena nilai 0-100 dijadikan null (tidak ada nilai) oleh formula dan tidak dipakai pada proses selanjutnya. Bentuk histogram juga menunjukkan pemotongan data pada level 100.
Mengganti nilai 100 dengan sebuah variabel
- Pada window formula Generik, edit teks formula untuk mengganti nilai 100 menjadi “variable1”.
Formula baru akan menjadi:
If input1>variable1 then input1 else null
Formula anda sekarang mempunyai sebuah variabel yang anda bisa atur nilainya pada window Relations. - Klik tombol Apply changes.
- Klik tombol Variables. Windows Relations akan menunjukkan nilai o pada “variable1”.
- Edit nilai pada kolom “variable1” menjadi120 kemudian tekan Enter. Sekarang hanya area dengan nilai data lebih besar dari 120 yang diproses.
- Ubah “variable1” menjadi 80, tekan Enter untuk menampilkan citra dengan threshold yang baru. Seperti yang anda lihat, dengan menggunakan rujukan kepada variabel dalam formula anda dapat mempercepat percobaan.
- Ketika selesai, tutup kotak dialog Transform, Formula Editor, dan Algoritm dengan mengklik ikon Close pada masing-masing layar.
Membuat dan menyimpan satu formula
Membuka sebuah algoritma greyscale tempelate dan memanggil sebuah citra satelit baru
- Pada menu utama, klik button Open
- Dari menu Direktories pilih tempat tempelate tersimpan C:\ER Mapper64\ example\ Miscellaneus\ tempelates\ common\
- Panggil algoritma “Single_Band_Greyscale.alg”. Sebuah citra satelit landsat dalam warna greyscale akan terlihat. (Anda bisa menggunakan algoritma ini sebagai sebuah tempelate untuk menunjukkan citra satelit lainnya dalam warna gresyscale)
- Klik pada ikon Viev Algoritm for Image Window untuk membuka window Algoritm
- Pada diagram alur proses pada window Algoritm, klik pada ikon Load dataset
- Pilih direktori tempat file tersimpan D:\Remote Sensing\
- Panggil citra satelit “Bontang.ers”. Band 1 memperlihatkan citra Bontang
Menulis sebuah formula Generik untuk menghitung rasio band
- Klik pada ikon Edit Formula dalam diagram alur proses. Kotak dialog Formula akan terbuka dan menunjukkan formula default “INPUT1”.
- Dalam window formula generik, edit teks formula menjadi: input1/input2
Formula ini membagi band citra untuk input1 dengan band citra input2. - Klik pada ikon Apply changes. Pada saat anda menulis sebuah formula baru dengan banyak input, ER Mapper secara otomatis akan memilihkan band 1 pada citra satelit sebagai input dan band 2 sebagai input 2 dan seterusnya.
Memilih band citra untuk membuat sebuah indeks vegetasi pada citra satelit
- Dalam window relations, pilih B4 darilist drop-down sebagai input1 dan pilih B3 sebagai input2 Sekarang dalam window akan terlihat “input1” sudah diisi dengan band 4, dan “input2” dengan band 3. Ketika menggunakan citra landsat, rasio B4/B3 adalah merupakan formula indeks vegetasi yang sederhana. Citra satelit yang muncul awalnya terlihat gelap sebab kisaran data yang dihitung menggunakan formula rasio band.
Menampilkan indeks vegetasi citra dan penyesuaian kontras
- Klik pada ikon Edit Transform Limit dalam digram alur proses
- Pada dialog Transform, pilih Limit to Actual dari menu Limits.
- Pada citra indeks vegetasi yang sudah dipertajam terlihat bahwa area yang ditutupi tanaman (nilai ratio lebih tinggi) berwarna abu-abu yang terang, dan daerah yang tidak mempunyai vegetasi berwarna gelap. Kombinasi band ini memakai sifat bahwa tanaman mempunyai reflectance tinggi untuk Landsat TM band 4 (near IR) dan reflectance rendah untuk band 3 (merah).
Menambahkan sebuah keterangan dan komentar pada formula
- Pada dialog Formula Editor, edit kolom teks “Description”.
Anda dapat memasukkan deskripsi formula sesuai keinginan anda
- Klik pada ikon Comments. Kotak dialog Formula Comment akan muncul
- Ketiklah comment anda pada kolom yang tersedia.
- Klik OK untuk menyimpan komentar anda dan menutup dialog.
Menyimpan formula
- Dari menu File (pada Formula Editor), pilih Save As…..
- Pilih direktori tempat formula akan disimpan
- Klik kursor yang ada dalam kolom Save As:field teks, dan tulis nama untuk file formula
- Klik OK
- Klik Close untuk menutup dialog Formula Editor.
Cropping Data Citra
- Cropping Data Citra
Data satu scene umumnya mencakup wilayah yang cukup luas, seperti path/row 117/60 mencakup wilayah dari Kota Samarinda di selatan sampai Kabupaten Kutai Timur di utara, kemudian dari Sebulu di barat sampai dengan di selat makassar di timur. Cakupan 1 scene citra landsat adalah 185 km x 185 km. Kadang-kadang tidak semua data yang tercakup dalam scene tersebut kita butuhkan.
Misalnya bila kita hanya membutuhkan informasi sekitar
Pengcropingan/pemotongan image dapat dilakukan sebelum koreksi geometrik atau sesudah koreksi geometrik. Buka citra BS980126.ers. Cropping dapat dilakukan menggunakan 
. Dimana dari data satu scene, kemudian dibuat kotak pembatas menggunakan pada daerah yang kita inginkan. Sebaiknya data tersebut data asli, yaitu data yang belum terpengaruh proses enhancement/penajaman apapun.
Kemudian duplicate pseudo layer menjadi 7, isikan masing-masing layer dengan band yang digunakan, misal layer pertama diisi B1:Band1. Kemudian ubah nama layer sesuai dengan nama band yang diisikannya dengan mengklik ganda pada Pseudo Layer.
Gambar 41. Jendela Pengaturan Band
- Lalu pada Menubars klik File kemudian pilih Save As ….akan muncul kotak
Gambar 42. Jendela dialog penyimpanan file
- Pada kotak Save As ketiklah nama file outputnya
- Pada kotak File of Type pilihlah tipe file ER Mapper Raster Dataset(.ers)
- Klik OK, akan muncul kotak dialog berikut
Gambar 43. Jendela dialog file output
- Kemudian klik OK. ERMapper akan memproses citra dan muncul ER Mapper status
- Klik OK untuk menutup ER Mapper status
- Menggunakan Formula
Selain penajaman citra, masih ada transformasi lain yang sering digunakan untuk menghasilkan informasi baru. Bagian ini menerangkan bagaimana proses penggunaan rumus dalam ER Mapper untuk kinerja operasi matematika pada satu atau lebih band dalam citra. Anda akan belajar bagaimana membuat dan mengedit formula, dan dilanjutkan dengan menggunakan formula standar dan beberapa fungsi dalam ER Mapper.
Transformasi ini dapat dikelompokkan menjadi dua , yaitu :
1. transformasi yang dapat mempertajam informasi tertentu, namun sekaligus menghilangkan atau menekan informasi yang lain; dan
2. transformasi yang ‘meringkas’ informasi dengan cara mengurangi dimensionalitas data. Berbeda halnya dengan berbagai algoritma penajaman, transformasi khusus ini lebih banyak beroperasi pada domain spektral. Ciri lainnya ialah bahwa dalam banyak kasus, transformasi ini melibatkan beberapa saluran spektral sekaligus.
Dasar utama pengembangan transformasi-transformasi ini adalah feature space. Pada feature space, dapat terlihat kecenderungan pengelompokkan nilai spektral, yang mengindikasikan adanya pengelompokkan obyek, terpisah satu sama lain, ataupun membentuk fenomena tertentu.
Formula biasa digunakan dalam pemrosesan citra untuk mengambil informasi yang terdapat pada dua atau lebih band (kanal) atau data. Proses formula bisa bervariasi, dari suatu pengurangan sederhana sampai dengan menggunakan pembatasan data yang rumit dalam “if-then-else” seperti pemodelan secara spasial atau penggunaan lainnya. Proses formula dalam pengolahan citra adalah suatu “operasi per titik” karena proses ini akan menerapkan fungsi matematik pada setiap pixel yang terdapat pada citra. Penggunaan formula dalam dunia pengolahan citra adalah dalam hal:
- Pengurangan dimensi dari data dengan banyak band (sebagai contoh, Principal Componen Analysis)
- Telaah informasi tematik dari data yang memiliki banyak band (sebagai contoh, indikasi vegetasi atau rasio kandungan oksidasi)
- Menggabingkan beberapa citra dengan karakteristik yang berbeda (fusi data)
- Pengolahan data yang sama dengan cara yang berbeda dan menggabungkannya untuk memisahkan fitur yang spesifik (seperti fitur tepi)
- Proses untuk mendapatkan kisaran data yang spesifik atau area geografi yang diinginkan dengan menggunakan tresholding, region (poligon) masking, dan fungsi-fungsi lainnya
- Melakukan koreksi terhadap efek atmosferik, sudut matahari, atau vignetting pada lensa satelit atau data airborne.
- Proses pembuatan formula
Umumnya transformasi data dalam ER Mapper dilakukan dengan mengunakan formula. Hal ini termasuk tresholding data, penggabungan data, image differencing dan rationing, Principal Components Analysis, Tasseled Cap transforms, derivatives, dan banyak lagi yang lainnya.
Karena formula adalah bagian dari proses pembuatan algoritma, maka anda dapat melihat hasilnya pada saat itu juga, dan memodifikasinya secara interaktif untuk mendapatkan hasilnya sesuai dengan yang diinginkan. Pada software lain, anda harus menyimpan hasil proses kedalam sebuah file pada disk, yang membuat percobaan menjadi rumit.
ER Mapper akan menyediakan sekumpulan operator dan fungsi
- Tampilan pada kotak dialog formula
Pada saat anda meng-klik pada ikon Formula atau pada ikon Edit Formula toolbars, ER Mapper akan membuka kotak dialog Formula Editor. Kotak dialog ini digunakan untuk membuat, mengedit, mengambil, dan menyimpan formula:
Tip: Untuk setiap algoritm, anda dapat membuka kotak dialog Formula Editor dengan dua cara:
- Mengklik ikon Formula pada diagram alur pada window Algoritm, atau
- mengklik ikon Edit Formula pada menu utama
- Konsep Relasi formula
Konsep utama dari relasi adalah fitur yang sangat penting yang membuat pemakaian formula di ER Mapper menjadi fleksibel dan interaktif. Pada saat anda mmanggil formula generik, anda bisa merujuk pada band, region, citra atau variabel tertentu. Selanjutnya anda membuka window Relations untuk memilih relasi antara nomor band, nama region dan lainnya, dengan spesifikasi generik pada formula. Relasi ini kemudian akan ditampilkan pada window Specific Formula.
Dibawah ini akan ditunjukkan empat tipe spesifikasi yang umum:
| Rujukan | Notasi pada formula generik | Fungsi |
| Spesifikasi input | INPUTn, In (atau dalam huruf kecil) | Merujuk pada suatu band pada citra |
| Spesifikasi region | REGIONn, Rn (atau dalam huruf kecil) | Merujuk pada suatu poligon region yang ditujukan pada citra raster |
| Spesifikasi dataset | DATASETn. Dn (atau dalam huruf kecil) | Merujuk pada suatu citra raster (atau suatu file dengan akhiran “.ers” |
| Spesifikasi variabel | VARIABLEn, atau text apapun yang tidak termasuk dalam perintsh ER Mapper (contohnya “density” atau “threshold”) | Menunjukkan suatu bilangan riil atau nilai yang akan digunakan sebagai variabel dalam rumus |
Formula yang dimasukkan akan ditunjukkan secara grafis dalam prosses diagram alur.
- Latihan
Memanggil algoritma Pseudocolor dengan formula yang sudah ada
- Klik View Algoritm for Image Window, sebuah citra dan kotak dialog algoritm akan muncul.
- Klik toolbar Open Algoritm kedalam Image Window
- Dari menu Directions, pilih path endingdengan text\examples
- Double klik pada direktori dengan nama “Aplication”
- Double klik pada direktori dengan nama “Mineral Exploration”
- Double klik pada algoritm dengan nama “Magnetic_Pseudocolor”. Algoritm akan menampilkan satu citra dari foto udara magnetic yang didapat dari Austalia. Data tersebut memperlihatkan kekuatan area magnetic pada area tersebut dari permukaan bumi. Penggunaan tabel Pseudocolor lookup, warna biru menerangkan pada kekuatan daerah dibawah dan warna kuning dan merah pada kekuatan daerah atas.
Memasukkan formula sederhana dan menguji sintaksnya
- Klik pada ikon edit formula dalam memproses diagram alur.Kotak dialog formula editor akan terbuka. Formula umum di dalam layar akan memuat text “i1”, dan I1 (input 1) ditujukan kepada citra yang mempunyai band 1 di dalam layar relations.
- Pada layar generik formula, edit text formula untuk membaca:
Input 1-input3
(Formula ini ditujukan untuk sebuah syntax error untuk mengetahui bagaimana mengujinya) - Klik pada ikon Aply changes untuk menguji formula.
- Sebuah topik peringatan error ER Mapper menandakan bahwa formula mempunyai kesalahan. (Dalam kasus ini anda coba untuk substract satu nomor input yang sudah keluar dari rantai, anda harus mempunyai satu “input 2” sebelum menggunakan sebuah “input 3”
Memperbaiki formula untuk mengurangi nilai
- Dalam window Generik formula, edit text formula menjadi
Input1-100
(nilai 100 merupakan pengurang dari masing-masing pixel dalam citra pada input1) - Klik tombol Apply changes untuk menguji formula.
Setelah sintaks benar, ER Mapper menterjemahkan formila generik menjadi formula spesifik (ditampilkan pada window dibawah)
Membuang formula dan menguji sintaks
- Dalam window generik formula , edit formula untuk membuang semua teks (pilih teks yang ada dan tekan Backspace atau Delete pada keyboard di komputer anda).
- Klik tombol Apply Changes untuk menguji formula
ER Mapper akan memperlihatkan satu pesan error mengenai sintaks formula Perlu diperhatikan: ER Mapper menganggap tidak adanya formula sebagai kesalahan sintaks. Sedikitnya, pada layar formula Generik harus ada teks “i1” atau “input1” untuk mengambil paling tidak satu input band untuk diproses.
- Pada window formula Generik, edit teks formula menjadi:
Input1 - Klik tombol Apply changes untuk menguji formula. ER Mapper akan menerima formula. Tip: Dibawah menu Formula Editor’s Edit, anda dapat memilih ikon Clear untuk menghapus semua teks dari window formula generik, atau memilih Default untuk mengembalikan formula kepada “INPUT1”
Membuat formula threshold
Membuat sebuah formula threshold sederhana
- Dalam windows formula generik, edit teks formula menjadi: If input1>100 then input1 else null Formula ini berarti ”jika nilai citra lebih besar dari 100, maka akan diproses, dan nilai lainnya akan menjadi nol’’. [setiap nilai pixel yang mempunyai nilai diluar nol tidak akan dimunculkan dalam hasil akhir].
- Klik tombol apply changes. Sintaks formula sudah benar dan ER Mapper menterjemahkan formula generik menjadi formula spesifik. Perhatikan bahwa band 1 pada citra digantikan oleh input 1 dalam window formula generik. ER mapper memproses algoritm sekarang yang melibatkan formula threshold anda. Area pada citra dengan nilai>100 maka ditampilkan dalam warna, sedangakan nilai 0/100 ditampilkan tanpa warna [hitam].
Memproses formula dan melihat pengaruhnya pada kisaran data
- Klik pada tombol Edit Transform Limits pada diagram alur proses. pada diagram alur proses. Kotak dialog Transform akan terbuka. Geser ke bagian yang terbuka pada layer. Perlu dicatat bahwa kisaran Actual Input Data antara 101 sampai 255. Hal ini sudah bisa diperhitungkan sebelumnya karena nilai 0-100 dijadikan null (tidak ada nilai) oleh formula dan tidak dipakai pada proses selanjutnya. Bentuk histogram juga menunjukkan pemotongan data pada level 100.
Mengganti nilai 100 dengan sebuah variabel
- Pada window formula Generik, edit teks formula untuk mengganti nilai 100 menjadi “variable1”.
Formula baru akan menjadi:
If input1>variable1 then input1 else null
Formula anda sekarang mempunyai sebuah variabel yang anda bisa atur nilainya pada window Relations. - Klik tombol Apply changes.
- Klik tombol Variables. Windows Relations akan menunjukkan nilai o pada “variable1”.
- Edit nilai pada kolom “variable1” menjadi120 kemudian tekan Enter. Sekarang hanya area dengan nilai data lebih besar dari 120 yang diproses.
- Ubah “variable1” menjadi 80, tekan Enter untuk menampilkan citra dengan threshold yang baru. Seperti yang anda lihat, dengan menggunakan rujukan kepada variabel dalam formula anda dapat mempercepat percobaan.
- Ketika selesai, tutup kotak dialog Transform, Formula Editor, dan Algoritm dengan mengklik ikon Close pada masing-masing layar.
Membuat dan menyimpan satu formula
Membuka sebuah algoritma greyscale tempelate dan memanggil sebuah citra satelit baru
- Pada menu utama, klik button Open
- Dari menu Direktories pilih tempat tempelate tersimpan C:\ER Mapper64\ example\ Miscellaneus\ tempelates\ common\
- Panggil algoritma “Single_Band_Greyscale.alg”. Sebuah citra satelit landsat dalam warna greyscale akan terlihat. (Anda bisa menggunakan algoritma ini sebagai sebuah tempelate untuk menunjukkan citra satelit lainnya dalam warna gresyscale)
- Klik pada ikon Viev Algoritm for Image Window untuk membuka window Algoritm
- Pada diagram alur proses pada window Algoritm, klik pada ikon Load dataset
- Pilih direktori tempat file tersimpan D:\Remote Sensing\
- Panggil citra satelit “Bontang.ers”. Band 1 memperlihatkan citra Bontang
Menulis sebuah formula Generik untuk menghitung rasio band
- Klik pada ikon Edit Formula dalam diagram alur proses. Kotak dialog Formula akan terbuka dan menunjukkan formula default “INPUT1”.
- Dalam window formula generik, edit teks formula menjadi: input1/input2
Formula ini membagi band citra untuk input1 dengan band citra input2. - Klik pada ikon Apply changes. Pada saat anda menulis sebuah formula baru dengan banyak input, ER Mapper secara otomatis akan memilihkan band 1 pada citra satelit sebagai input dan band 2 sebagai input 2 dan seterusnya.
Memilih band citra untuk membuat sebuah indeks vegetasi pada citra satelit
- Dalam window relations, pilih B4 darilist drop-down sebagai input1 dan pilih B3 sebagai input2 Sekarang dalam window akan terlihat “input1” sudah diisi dengan band 4, dan “input2” dengan band 3. Ketika menggunakan citra landsat, rasio B4/B3 adalah merupakan formula indeks vegetasi yang sederhana. Citra satelit yang muncul awalnya terlihat gelap sebab kisaran data yang dihitung menggunakan formula rasio band.
Menampilkan indeks vegetasi citra dan penyesuaian kontras
- Klik pada ikon Edit Transform Limit dalam digram alur proses
- Pada dialog Transform, pilih Limit to Actual dari menu Limits.
- Pada citra indeks vegetasi yang sudah dipertajam terlihat bahwa area yang ditutupi tanaman (nilai ratio lebih tinggi) berwarna abu-abu yang terang, dan daerah yang tidak mempunyai vegetasi berwarna gelap. Kombinasi band ini memakai sifat bahwa tanaman mempunyai reflectance tinggi untuk Landsat TM band 4 (near IR) dan reflectance rendah untuk band 3 (merah).
Menambahkan sebuah keterangan dan komentar pada formula
- Pada dialog Formula Editor, edit kolom teks “Description”.
Anda dapat memasukkan deskripsi formula sesuai keinginan anda
- Klik pada ikon Comments. Kotak dialog Formula Comment akan muncul
- Ketiklah comment anda pada kolom yang tersedia.
- Klik OK untuk menyimpan komentar anda dan menutup dialog.
Menyimpan formula
- Dari menu File (pada Formula Editor), pilih Save As…..
- Pilih direktori tempat formula akan disimpan
- Klik kursor yang ada dalam kolom Save As:field teks, dan tulis nama untuk file formula
- Klik OK
- Klik Close untuk menutup dialog Formula Editor.
II. DASAR INTERFACE PENGGUNA
Pada bagian ini akan sedikit dijelaskan mengenai beberapa komponen utama pada tampilan (interface) ER Mapper. Hampir semua operasi menggunakan tombol pada mouse, dan hanya sedikit sekali yang dilakukan dengan mengetik pada keyboard.
- Menggunakan Mouse
Pada saat menjalankan ER Mapper, gunakan tombol kiri mouse untuk menjalankan suatu operasi, seperti memilih items dari menus, merubah jendela citra, dan menggambar annotasi. Beberapa istilah yang umum pada saat menggunakan mouse:
- Point, menempatkan pointer mouse pada suatu item (pilihan pada tampilan ER Mapper).
- Click, menempatkan pointer pada suatu item dan menekan tombol kiri mouse sekali, Double-Click(klik ganda) berarti menekannya dua kali.
- Drag, tekan tombol kiri mouse dan menahannya, lalu membawa pointer mause ke lokasi yang baru. Symbol pointer mouse akan berubah tergantung dari apa yang ditunjukkan oleh pointer tersebut:
|
| memilih menu commands dan klik tombol; menunjukkan nilai digital atau koordinat pada citra. |
|
| menulis atau memilih text, atau merubah masukan angka. |
|
| memperbesar atau memperkecil tampilan citra atau |
|
| memilih jendela yang tidak aktif menjadi jendela aktif (current window) |
|
| menggeser citra pada jendela citra. |
|
| menggambar annotasi, membuat region, membuat obyek komposisi peta. |
- Menu Utama ER Mapper
Menu utama ER Mapper muncul langsung setelah kita membuka ER Mapper. Menu utama ini mempunyai dua komponen utama yaitu menu bar dan tombol toolbar (toolbar buttons) Gambar 4 di bawah ini :
Gambar 4. Menu Utama ER Mapper
- Menu bar, tempat pilihan perintah yang akan digunakan pada pengolahan citra, untuk memilih perintah pada menu bar, klik nama pada menu bar, kemudian pilih perintah yang akan dijalankan.
- Tombol toolbars, tempat menampilkan pilihan perintah urnum secara cepat, untuk menjalankannya hanya klik pada tombol perintah yang diinginkan..
- Tool tips, untuk mengetahui fungsi tombol tersebut, letakkan pointer di atas tombol yang ingin diketahui, kemudian akan muncul kalimat {tool tips) yang memberitahukan fungsi tombol tersebut
ER Mapper terdiri dari 8 menu utama yaitu File, Edit, View, Toolbars, Process, Utilities, Windows dan Help. Untuk mengetahui fungsi dari menu-menu utama tersebut, berikut akan kita bahas sekilas. Jendela utama ER MAPPER akan secara otomatis menampilkan menu bar yang berisikan seluruh fungsi dan perintah pada ER MAPPER.
4. Menu Edit
- Annotate Vector Layer : Menampilkan data vector
- Edit/Create Regions : Membuat dan melakukan editing pada data vector, perintah ini juga digunakan untuk membuat training area pada proses klasifikasi terbimbing (supervised classification)
- Edit ARC/INFO Coverage : Membuat dan melakukan editing pada data vektor yang berformat ARC/INFO Workspace.
- Edit Class Region Color and Name : Membuat dan melakukan perubahan nama atau warna pada kelas-kelas hasil proses klasifikasi. Hanya dapat digunakan pada data citra yang telah terklasifikasi.
5. Menu View
Anda dapat melakukan menampilkan beberapa item didalam menu view ini seperti hasil perhitungan statistic, tampilan citra normal atau 3D, alogaritma, nilai pixel, posisi koordinat lainya.
Beberapa perintah penting pada menu view adalah sebagai berikut:
- Algorithm : Membuka algorithm dialog box. Perintah dapat dipersingkat dengan menekan tombol.
- Quick Zoom : Memperbesar atau memperkecil tampilan citra. Perintah dapat dipersingkat dengan menekan tombol-tombol berikut
- Statistic : Menampilkan nilai –nilai statistic dari data citra
- Cell Value Profile : Menampilkan nilai piksel (Digital Number/DN) pada setiap band dalam data citra
- Cell Coordinat : Memberikan informasi mengenai letak geografis suatu obyek titik pada citra
6. Menu Toolbars
Menu Toolbars digunakan untuk menampilakan short-cut atau menu singkat yang ditampilkan dalm ikon-ikon untuk menjlankan perintah tertentu dalam kelompok bidang penggunaan tertentu seperti Forestry, Mineral, dan lain-lain yang tertera pada menu toolbars.
7. Menu Process
Menu Process berisi menu-menu pemrosesan didalam ER Mapper seperti klasifikasi, konversi data, rektifikasi, penghitungan nilai statistic dan laimnya.
Beberapa perintah penting pada menu process adalah sebagai berikut :
- Raster Cell to Vektor Polygons : Merubah data raster menjadi bentuk data vector
- Calculate Statistic : Menghitung nilai-nilai statistic data citra
- Classification : Menjalankan proses klasifikasi data citra satelit
- Rectification : Melakukan koreksi geometric
8. Menu Utilities
Didalam menu utilities anda dapat melakukan proses import data dari sumber/format lain dan eksport data dari ER Mapper kedalam format lainnya, managemen file dan lainnya.
Hal penting pada menu Utilities adalah :
- Import : Mengkonversi format data citra menjadi format ER Mapper
- Export : Mengkonversi data citra dari format ER Mapper menjadi data dalam format yang lain.
9. Menu Windows
Menu Windows digunakan untuk membuat windows baru dengan cara Klik menu Windows, pilih New Windows dan juga menampilkan nama-nama window lainya yang sedang dibuka dalam ER Mapper
10. Menu Help
Menu Help berisi informasi-informasi bantuan yang dibutuhkan user seperti tutorial, konsep ER Mapper dan lainnya.
- Kotak Dialog ER Mapper
Pada saat memilih suatu perintah atau menekan tombol pada toolbar, sering muncul kotak dialog yang mengharuskan kita untuk mengisi pada kotak kosong atau memilih file, atau memilih option yang disediakan ER Mapper dengan meng-klik Scrool bar (panah geser).
Ketika kita memilih untuk membuka atau menyimpan dataset, algoritma atau file lain, ER Mapper akan menampilkan kotak dialog pemilihan file. Jendela utama menampilkan daftar direktori atau file-file pada direktori aktif. Pada menu kotak dialog pemilihan file diatas, memiliki fungsi:
- History Menu, merubah direktory aktif, berisi daftar direktori yang telah dibuka, berurutan dari yang baru dibuka paling atas dan yang lama sebelah bawah.
- Special Menu, untuk merubah direktori awal (home direktori), atau untuk menandakan atau tidak direktori.
- View Menu, Mengurutkan isi direkori berdasarkan nama, tanggal dirubah atau tanggal dibuat.
- Volumes Menu, Untuk mengakses ke disk drive.
- Directories Menu, Untuk merubah direktori yang dibuat sistem manager komputer.
Geolinking
- Geolinking
Bagian ini akan membahas cara menggunakan kontrol geopositioning pada ER Mapper untuk menmpilkan citra-citra dengan cakupan geografik yang sama persis, dan menggunakan kontrol geopositioning untuk menghubungkan secara geografik dua atau lebih window citra. Geolinking merupakan sebuah teknik yang sangat berguna dalam membantu anda menganalisa area geografik yang sama dengan menggunakan berbagai citra yang berbeda atau berbagai teknik pemrosesan berbeda.
Pengertian Geopositioning adalah menyebutkan secara spesifik posisi dan cakupan dari sebuah image dalam ruang koordinat geografis. Hal ini bisa berguna untuk membuat peta yang mencakup suatu area tertentu, misalnya. Apabila sebuah image sudah diregistrasi kepada sebuah proyeksi peta, tampilannya bisa dikontrol dengan menggunakan pilihan geopositionong yang disediakan oleh ER Mapper. Jika sebuah image belum direktifikasi kepada sebuah proyeksi peta, maka cakupannya bisa dikontrol dengan menggunkan jumlah baris dan kolom dari pixel image.
Sedangkan geolinking adalah menghubungkan dua atau lebih window image dalam ruang koordinat geografik. Hal ini bisa sangat berguna untuk visualisasi dari area geografik yang sama dengan tipe image yang berbeda atau algorithm pemrosesan yang berbeda, dan banyak aplikasi lain. Apabila image sudah diregistrasi, maka image tersebut bisa dihubungkan secara geografik dengan window image lain. Beberapa macam geolinking yang tersedia dalam ER Mapper:
| Window | Link dari dua atau lebih window citra untuk memperlihatkan cakupan geografis yang sama. Zooming atau Panning dalam satu window akan menyebabkan operasi yang sama pada window lain yang terhubung. |
| Screen | Link window citra dengan sebuah citra “master” yang berfungsi sebagai sebuah lembaran peta virtual pada layar. Window yang terhubung akan memperlihatkan cakupan geografis dari citra-citra tersebut secara relatif terhadap window master |
| Overview Zoom | Link antara window citra dengan sebuah control window “master”. Membuat sebuah kotak zoom pada control window menyebabkan window-window menge-zoom ke area yang didefinisikan. |
| Overview Roam | Link antara window citra dengan sebuah kontrol window “mater”. citra pada window kepada satu “master” window kontrol. Menge-drag mouse pada control window mnyebabkan window untuk menge-pan (atau roam) sehingga posisi titik pusat sama dengan posisi mouse pada kontrol window. |
The Algorithm Geoposition Extents Dialog Box
Kotak dialog dari Algorithm Geoposition Extents memungkinkan untuk mengontrol dengan tepat cakupan geografik dan resolusi tampilan dari citra, dan secara geografis menghubungkan (geolink) dua atau lebih window image bersama-sama. ER Mapper menyediakan 5 fungsi berikut:
| Zoom | Memungkinkan untuk menggunakan button untuk menge-zoom atau menge-pan citra pada window dengan faktor yang sudah ditentukan sebelumnya, atau menge-zoom pada cakupan tertentu |
| Geolink | Memudahkan anda untuk mengeset geolink antara dua window atau lebih. Dan mengeset ukuran window dan resolusi tampilan dari window image yang manapun. |
| Extent | Memungkinkan anda untuk menampilkan dan menspesifikasikan cakupan dari tampilan geografik dari sebuah image dengan menggunakan Latitude/Longitude, Eastings/Nortings. Atau image nilai X (kolom) dan Y (absis) |
| Center | Memungkinkan anda untuk menampilkan dan menspesifikasikan titik pusat dari tampilan image dengan menggunakan Latitude/Longitude, Eastings/Nortings. Atau image nilai X (kolom) dan Y (absis) |
| Mouse Info | Menunjukkan quick help untuk menggunakan mouse dan keyboard untuk zoom dan pan |
- Klasifikasi
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 44. Menu Pilihan ISOCLASS Unsupervised Classification.
Gambar 45. 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 46. Jendela status proses
Gambar 47. Jendela informasi proses telah selesai
- Hasil klasifikasi ditampilkan dengan mengklik , kemudian ubah Pseudo Layer dengan mengklik kanan menjadi Class Display Layer.
Gambar 48. 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 49. 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, lalu klik Refress
Gambar 50. 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…
- Akan muncul kotak New Map Composition
- Kemudian klik OK.
- Kemudian akan muncul kotak Tools. Pada kotak Algorithm akan muncul Region Layer (Outline).
- 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.
- Ketikan nama kelasnya, misal: Air. Kemudian klik
- Setelah itu save region ke dalam file. Akan muncul
Klik OK
- Akan muncul massage yang menandakan polygon tersebut telah tersimpan dalam file.
- Lakukan proses yang sama untuk obyek-obyek yang lain.Setelah semua obyek terwakili melalui polygon training area, kemudian klik Close pada kotak Tools.
- Kemudian pada menubars pilih Process lalu pilih Calculate Statistics….
- Akan muncul kotak dialog baru
- 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.
- 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
Untuk menampilkan hasil klasifikasi, Klik new window
- Buka file hasil klasifikasi
Koreksi Radiometrik
- Koreksi Radiometrik
Koreksi radiometri ditujukan untuk memperbaiki nilai piksel supaya sesuai dengan yang seharusnya yang biasanya mempertimbangkan faktor gangguan atmosfer sebagai sumber kesalahan utama. Efek atmosfer menyebabkan nilai pantulan obyek dipermukaan bumi yang terekam oleh sensor menjadi bukan merupakan nilai aslinya, tetapi menjadi lebih besar oleh karena adanya hamburan atau lebih kecil karena proses serapan. Metode-metode yang sering digunakan untuk menghilangkan efek atmosfer antara lain metode pergeseran histogram (histogram adjustment), metode regresi dan metode kalibrasi bayangan. (Projo Danoedoro, 1996).
Metode yang digunakan dalam pelatihan ini adalah metode penyesuaian histogram. Pemilihan metode ini dilandasi oleh alasan bahwa metode ini cukup sederhana, waktu yang digunakan untuk pemrosesan lebih singkat dan tidak memerlukan perhitungan matematis yang rumit. Asumsi dari metode ini adalah dalam proses koding digital oleh sensor, obyek yang memberikan respon spektral yang paling rendah seharusnya bernilai 0. Apabila nilai ini ternyata melebihi angka 0 maka nilai tersebut dihitung sebagai offset dan koreksi dilakukan dengan mengurangi seluruh nilai pada saluran tersebut dengan offset-nya.
Buka citra yang akan dikoreksi radiometri dan tampilkan (misal Band1). Kemudian pada Algorithm Window klik toolbar untuk melihat histogram citra yang sedang ditampilkan. Perhatikan histogram citra yang sedang ditampilkan, misal seperti gambar di bawah ini :
Perhatikan angka yang terlihat pada Actual Input Limits (angka 56 merupakan nilai piksel terendah dan angka 154 adalah nilai piksel tertinggi). Menurut metode Histogram Adjustment, nilai piksel terendah haruslah nol (0) dan bila tidak demikian berarti nilai tersebut adalah nilai bias yang dapat dijadikan dasar dalam melakukan koreksi radiometrik citra.
Setelah mengetahui nilai bias dari citra, tekan tombol Close. Kemudian pada Algorithm Window klik toolbar formula 
dan akan muncul kotak dialog Formula Editor sebagai berikut di bawah ini:
Kemudian isikan seperti gambar di atas dan tentukan Band yang digunakan untuk Input1-nya (dalam hal ini band 1). Setelah itu klik tombol 
. Berarti kita telah mengkoreksi citra untuk band 1. Untuk band-band yang lainnya lakukan prosedur yang sama seperti di atas, dan setelah semua band selesai dikoreksi, simpanlah menjadi dataset citra yang telah dikoreksi radiometrik.
- Koreksi Geometrik
Ketika akurasi area, arah dan pengukuran jarak dibutuhkan, citra mentah harus selalu diproses untuk menghilangkan kesalahan geometric dan merektifikasi citra kepada koordinat system bumi yang sebenarnya. Dengan citra satelit, sebagai contoh, kesalahan-kesalahan itu didahului oleh beberapa faktor seperti, putaran (roll), gerak anggukan (pitch) dan penyimpangan dari garis lurus (yaw) platform satelit dan kelengkungan bumi. Untuk mengoverlaikan atau memosaik citra dalam ERMapper, citra tersebut harus berada pada system koordinat yang sama. Koordinat umumnya adalah dapat berupa "raw" (belum terkoreksi), atau system proyeksi peta dunia yang sebenarnya.
Sebuah ground control point (GCP) adalah sebuah titik di permukaan bumi dimana antara koordinat citra diukur dalam baris dan kolom) dan proyeksi peta (diukur dalam derajat latitude longitude, meter atau feet) dapat diidentifikasi. Rektifikasi adalah proses menggunakan GCP untuk transformasi geometri citra sehingga masing-masing pixel terkait dengan sebuah posisi di sistem koordinat bumi sebenarnya (seperti latitude/longitude atau easting/northing). Proses ini kadang disebut dengan "warping" atau 'rubhersheeting" karena data citra direntangkan atau dirapatkan sesuai keperluan untuk menyesuaikan dengan grid peta bumi atau system koordinat.
Ortorektifikasi adalah bentuk lebih akurat dari rektifikasi karena mengambil penghitungan sensor (kamera) dan karakteristik platform (pesawat terbang). Ini khusus direkomendasikan untuk foto udara. Ortorektifikasi dicakup terpisah di dalam `Image orthorectification'.
Registrasi adalah penyesuaian sederhana dua citra sehingga mereka dapat dioverlai atau superimpose untuk perbandingan. Dalam kasus ini, citra tidak harus direktifikasi ke dalam proyeksi peta (mereka dapat berada dalam sistem koordinat `raw').
ERMapper Rectification utilities biasanya sering digunakan untuk melaksanakan empat jenis operasi yang berbeda.
- Image to map rectification menggunakan polynomial (titik kontrol) atau gcocoding linier untuk merektifikasi sebuah citra ke dalam sebuah datum dan proyeksi peta menggunakan GCP
- Image to image rectification menggunakan polynomial (titik kontrol) atau geocoding linier untuk merektifikasi satu citra ke citra yang lainnya menggunakan GCP
- Map to map transformation, mentranformasikan sebuah citra yang sudah direktifikasi dari satu datum/proyeksi peta ke datum/proyeksi peta lainnya.
- Image rotation, merotasikan sebuah citra kedalam beberapa derajat
5. Prosedur Koreksi GeometrikDalam latihan ini, anda akan menggunakan Geocoding Wizard untuk melaksanakan rektitikasi citra. Prosedur untuk melakukan rektifikasi citra, adalah sebagai berikut:
- Dari menu Process pada menu utama ER Mapper pilih Geocoding Wizard, akan muncul tampilan berikut:
- Untuk file input, pilih citra mentah yang sudah disiapkan, di D:\Remote Sensing\Melak.ers dan pilih geocoding tipenya Polynomial.
- Tahap selanjutnya klik pilihan Polynomial setup dan muncul tampilan berikut:
- Pilih linear untuk polinomial order
- Kemudian pilih Step 3) GCP setup
- Pada kotak GCP Picking Method, aktifkan/cek Geocoded image, vector or algorithm, kemudian pilih file file citra yang sudah terkoreksi secara geometrik di D:\Remote Sensing\Melak_rec.ers.
- Tekan tombol change pada kotak Output Coordinate Space untuk mengeset parameter rectifikasi citra
- Klik tombol datum lihatlah pilihan datum yang tersedia dan pilih WGS84 kemudian klik OK
- Klik tombol projection untuk melihat proyeksi peta yang disediakan, pilihUTM pada kolom sebelah kiri dan kemudian pilih SUTM50 pada kolom sebelah kanan. Klik OK
- Klik tombol pilihan Coordinate System Type dan pilihlah Eastings/Nortings
- Tekan Tombol OK untuk mengakhiri setting koordinat.
- Pada Geocoding Wizard pilihlah Step4)GCP Edit
- ERMapper akan membuka beberapa tampilan citra dan kotak dialog, Anda dapat melihat tampilan screen monitor seperti dibawah ini
Kali pertama anda memulai meletakkan GCP, citra mentah anda (belum terkoreksi) tidak mempunyai titik kontrol di bumi. Anda akan memulainya dengan meletakkan 4 GCP menggunakan COORECTED dan UNCORRECTED window. Begitu anda meletakkan GCP pertama, anda dapat menggunakan CORECTED window untk meletakkan GCP sisanya dengan cepat.
- Pada menu utama, klik ikon View Algoritm for Image Window untuk membuka jendela algoritm
- Klik di dalam “Zoom window untuk GCP terkoreksi” untuk mengaktifkannya.
- Di dalam jendela algoritma, matika pilihan Smooting
- Carilah fitur referensi yang permanen di dalam citra terkoreksi seperti perpotongan jalan atau jembatan dengan ZoomBox Tool.
- Gunakan pointer untuk meletakkan GCP didalam citra terkoreksi. Anda akan melihat tanda + dan nomor GCP di dalam citra.
- Klik pada “Zoom window untuk GCP belum terkoreksi”
- Lakukan langkah yang sama seperti pada citra terkoreksi, cari fitur yang sama dengan yang ada pada citra terkoreksi.
- Setelah GCP 1 selesai, untuk menambah GCP 2 klik ikon Add New GCP
- Lakukan langkah yang sama untuk GCP 3 dan 4. Direkomendasikan untuk meletakkan GCP tersebar pada
Begitu anda selesai meletakkan GCP 4 , lihatlah sekarang ER Mapper menampilkan nilai di dalam field “RMS” pada GCP Edit Dialog. Root Mean Square (RMS) adalah sebuah pengukuran ketepatan GCP dalam citra ini yang direpresentasikan dalam ukuran pixel citra. (Sebuah RMS bernilai 1 untuk landsat TM berarti kesalahan posisi sebesar 30 m). Anda dianggap telah menyelesaikan pekerjaan ini dengan teliti, jika RMS error kurang dari atau sama dengan1
- Pilih step 5)Rectify pada Geocoding Wizard
- Klik Ikon Select Output Filename di dalam kotak Output Info
- Pilih direktori tempat file hasil rektifikasi ini akan disimpan dan beri nama file output tersebut, misalnya Melak2000_rectify.ers.
- Klik tombol Save File andStrart Rectification untuk menyimpan file rectifikasi dan menjalankan rektifikasi dan menjalankan proses rektifikasi.
- Klik OK dalam kotak pesan ERMapper Status ‘Rectification finished successfully’ yang memberitahu bahwa ERMapper telahn melakukan rektifikasi dengan sukses.
6. Mengevaluasi Hasil Registrasi
Belajar cara sederhana untuk mengevaluasi secara visual registrasi dua citra menggunakan teknik overlay. Dalam kasus ini, anda akan mengevaluasi registrasi citra mentah yang baru direktifikasi dan contoh citra hasil rektifikasi.
Panggil RGB algoritma yang ada
- Klik ikon Open Algoritm into Image Window
- Pilih direktori tempat file RGB tersimpan D:\Remote Sensing\Melak2000_rect
- Pada menu utama ERMapper, klik ikon View Algoritm for Image Window untuk membuka algoritma.
Panggil citra hasil rektifikasi dalam layer Green
- Dalam jendela algoritma , klik layer Blue
- Klik layer Green
- Klik ikon Load Dataset dalam diagram proses algoritma
- Pilih direktori tempat file hasil rektifikasi disimpan D:\Remote Sensing\Melak2000_rectify.ers
- Klik ikon OK this layer only untuk memanggil citra hasil rektifikasi ke dalam layer green. ( Layer Red masih tetap masih mempunyai citra melak2000_rect.ers sebagai referensi)
- Pilih B3 dari pilihan Band Selection di layer green
Menampilkan dua citra untuk evaluasi registrasi
- Klik ikon Refress Image With 99% clip pada toolbar
- Matikan pilihan Smooting pada jendela algoritma
- Klik ZoomBox Tool pada menu utama
- Drag ZoomBox pada daerah tertentu (yang mempunyai fitur tanah dan air)
Kesalahan pada registrasi nampak pada pixel warna merah atau hijau apabila keduanya tidak sama persis sama. Ini adalah cara yang asangat sederhana untuk mengevaluasi registrasi dua citra. Jika RMS error pada GCP anda kurang dari 1, anda seharusnya tidak melihat lebih dari 1 pixel pergeseran (kesalahan registrasi).
SUMBERDAYA LAHAN
1. Sumberdaya LAHAN dan PENGELOLAANNYA
Proses pembangunan nasional dan regional hingga saat ini, khususnya sektor pertanian, telah membuktikan bahwa berbagai kendala masih dihadapi, terutama di wilayah pertanian lahan kering-kritis yang kondisinya sangat beragam. Di seluruh Indonesia ada sekitar 51.4 juta hektar lahan kering, dimana sekitar 70% di antaranya dikelola dengan berbagai tipe usahatani lahan kering (Manuwoto, 1991). Salah satu masalah utama yang dihadapi adalah keadaan bio-fisik lahan kering yang sangat beragam dan sebagian sudah rusak atau mempunyai potensi sangat besar untuk menjadi rusak. Dalam kondisi seperti ini mutlak diperlukan kebijakan-kebijakan penajaman teknologi peman faatan sumberdaya lahan kering dan kebijakan kelembagaan penunjang operasional.
(i) Teknis dapat dilaksanakan sesuai dengan kondisi setempat,
(ii) Ekonomis menguntungkan,
(iii) Sosial tidak bertentangan dan bahkan mampu mendorong motivasi petani,
(iv) Aman lingkungan, dan
(v) Mendorong pertumbuhan wilayah secara berkelanjutan (Satari, dkk., 1991).
Menurut Sanders (1991), kunci untuk menyelesaikan konflik pengelolaan lahan dan problematik degradasi sumberdaya lahan terletak pada kebijakan dan kelembagaan yang didukung oleh pendanaan jangka panjang yang kontinyu. Kebijakan dalam konteks ini harus mampu mempromosikan sistem pertanian yang berkelanjutan, yaitu suatu sistem pertanian yang didukung oleh adanya insentif bagi produsen (pemilik lahan dan tenagakerja), kredit pedesaan, kebijakan pasar/harga yang kondusif, sistem transportasi, teknologi tepat guna yang site-spesific, serta program penelitian dan penyuluhan. Hal ini membawa konsekwensi yang sangat berat, yaitu tersedianya kebijakan-kebijakan lokal sesuai dengan kondisi setempat, yang sasarannya adalah sistem penggunaan lahan yang dicirikan oleh tingkat penutupan vegetatif yang lebih baik pada permukaan lahan. Tiga faktor penunjang yang dipersyaratkan bagi pengembangan kebijakan-kebijakan lokal ini adalah (1) tersedianya Data-base Management System tentang sumberdaya lahan, air, vegetasi, manusia, dan sumberdaya ekonomi lainnya, (2) mekanisme analisis kendala dan problematik, dan (3) mekanisme perencanaan yang didukung oleh brainware, software dan hardware yang dapat diakses oleh para perencana pembangunan di tingkat daerah. Untuk dapat mendorong dan mendukung berkembangnya kebijakan-kebijakan lokal tersebut, maka kebijakan nasional tentang penggunaan dan pengelolaan lahan harus diarahkan kepada (1) perbaikan penggunaan dan pengelolaan lahan, (2) menggalang partisipasi aktif dari para pengguna lahan (pemilik lahan, pemilik kapital, dan tenagakerja), dan (3) pengembangan kelembagaan penunjang, terutama lembaga-lembaga perencana dan pemantau di daerah.
Khusus dalam kaitannya dengan program konservasi tanah dan rehabilitasi lahan, Douglas (1991) mengikhtisarkan
(1) program ini harus merupakan bagian integral dari program pem bangunan pertanian yang lebih luas, dan harus dimulai dengan peningkatan produksi,
(2) program ini harus bersifat bottom-up yang dirancang dengan melibatkan kepentingan masyarakat petani,
(3) asistensi teknis melalui program jangka panjang,
(4) suatu aktivitas konservais dan pengelolaan lahan harus mampu menunjukkan benefit jangka pendek, dan
(5) degradasi lahan harus dapat dikendalikan sebelum melampaui batas ambangnya.
Berdasarkan pada kelima prinsip ini, maka beberapa implikasi kebijakan yang penting adalah
(1)
(2)
(3)
(4)
(5)
Integrasi antara kepentingan konservasi dengan kebu-tuhan petani merupakan kunci utama keberhasilan program konservasi tanah dan pengelolaan lahan pertanian. Collison (1982) mengemukakan empat sasaran prioritas yang harus diikuti dalam merancang program usahatani konservasi, yaitu (1) memenuhi obligasi-oblikasi sosial-budaya dari masyarakat, (2) menyediakan suplai pangan yang dapat diandalkan oleh petani, (3) menyediakan tambahan pendapatan untuk memenuhi kebutuhan dasar yang tidak dapat dihasilkan oleh sektor pertanian, (4) mampu menciptakan ekstra "cash resources". Khusus untuk sistem pertanian di dataran tinggi atau daerah pegunungan, Dimyati Nangju (1991) mengemukakan tiga faktor dominan yang sangat berpengaruh, yaitu:
(1) tekanan penduduk atas sumberdaya lahan,
(2) praktek pengelolaan kesuburan tanah, dan
(3) strategi dan kebijakan pembangunan yang dikhususkan bagi daerah pegunungan.
Dalam kaitannya dengan strategi pengembangan sistem pertanian di daerah lahan pegunungan, Jodha (1990) mengemukakan enam spsesifikasi penting, yaitu :
(1) aksesibilitas,
(2) fragilitas,
(3) marjinalitas,
(4) heterogenitas dan diversitas,
(5) suitabilitas ekologis, dan
(6) sejarah mekanisme adaptasi manusia.
2. Konsepsi Umum tentang Lahan
Istilah lahan digunakan berkenaan dengan permukaan bumi beserta segenap karakteristik-karakteristik yang ada padanya dan penting bagi perikehidupan manusia (Christian dan Stewart, 1968). Secara lebih rinci, istilah lahan atau land dapat didefinisikan sebagai suatu wilayah di permukaan bumi, mencakup semua komponen biosfer yang dapat dianggap tetap atau bersifat siklis yang berada di atas dan di bawah wilayah tersebut, termasuk atmosfer, tanah, batuan induk, relief, hidrologi, tumbuhan dan hewan, serta segala akibat yang ditimbulkan oleh aktivitas manusia di masa lalu dan sekarang; yang kesemuanya itu berpengaruh terhadap penggunaan lahan oleh manusia pada saat sekarang dan di masa mendatang (Brinkman dan Smyth, 1973; dan FAO, 1976). Lahan dapat dipandang sebagai suatu sistem yang tersusun atas (i) komponen struktural yang sering disebut karakteristik lahan, dan (ii) komponen fungsional yang sering disebut kualitas lahan. Kualitas lahan ini pada hakekatnya merupakan sekelompok unsur-unsur lahan (complex attributes) yang menentukan tingkat kemampuan dan kesesuaian lahan (FAO, 1976).
Lahan sebagai suatu "sistem" mempunyai komponen- komponen yang terorganisir secara spesifik dan perilakunya menuju kepada sasaran-sasaran tertentu. Komponen-komponen lahan ini dapat dipandang sebagai sumberdaya dalam hubung- annya dengan aktivitas manusia dalam memenuhi kebutuhan hidupnya. Sys (1985) mengemukakan enam kelompok besar sumberdaya lahan yang paling penting bagi pertanian, yaitu (i) iklim, (ii) relief dan formasi geologis, (iii) tanah, (iv) air, (v) vegetasi, dan (vi) anasir artifisial (buatan). Dalam konteks pendekatan sistem untuk memecahkan permasalahan-permasalahan lahan, setiap komponen lahan atau sumberdaya lahan tersebut di atas dapat dipandang sebagai suatu subsistem tersendiri yang merupakan bagian dari sistem lahan. Selanjutnya setiap subsistem ini tersusun atas banyak bagian-bagiannya atau karakteristik- karakteristiknya yang bersifat dinamis (Soemarno, 1990).
3. Sistem Sumberdaya Lahan
Sebagai suatu ekosistem alam, lahan pertanian mempu- nyai komponen-komponen biotik dan abiotik yang saling berinteraksi. Interaksi-interaksi yang berlang sung di dalam ekosistem ini menimbulkan beberapa proses kunci, seperti proses perkembangan tanah (tercermin dalam tingkat kesesuaian lahan), proses erosi dan lim pasan permukaan, proses produksi tanaman dan ternak, dan proses-proses sosial-ekonomi . Proses perkembangan tanah di alam terjadi secara terus menerus, dan dipengaruhi oleh banyak faktor yang saling berinteraksi satu sama lain . Beberapa faktor yang sangat penting adalah iklim, organisme, batuan induk, topografi, dan waktu. Interaksi faktor-faktor ini menentukan laju pelapukan batuan induk yang hasil-hasilnya akan menyusun salah satu dari komponen-komponen tanah. Sifat- sifat komponen tanah ini selanjutnya akan menentukan tipe tanah dan tingkat kesesuaiannya bagi tanaman (Buol, Hole, dan McCracken, 1980).
Sumberdaya lahan mencakup semua karakteristik dan proses-proses serta fenomena-fenomena lahan yang dapat digunakan untuk memenuhi kebutuhan hidup manusia. Salah satu tipe penggunaan lahan yang penting ialah penggunaan sumberdaya lahan dalam tipe-tipe pemanfaatan lahan (land utilization type) pertanian untuk mendapatkan hasil-hasil pertanian dan ternak (Hardjowigeno, 1985).
Upaya pemanfaatan lahan pertanian pada hakekatnya ditujukan untuk mendapatkan hasil-hasil dari komoditas pertanian. Aktivitas pengelolaan sumberdaya lahan dalam hal ini pada dasarnya merupakan upaya penyesuaian antara kondisi lahan yang ada dengan persyaratan bagi ko- moditas pertanian (Sitorus, 1985). Kondisi lahan ini menjadi kendala yang membatasi kemampuan dan kesesuaian sumberdaya lahan terhadap persyaratan penggunaan dan pemanfaatan lahan. Secara lebih operasional, konsepsi tentang kondisi lahan ini dapat dijabarkan dalam konsepsi kualitas lahan yang dapat dievaluasi secara lebih kuantitatif dan lebih obyektif (Soemarno, 1990; Janssen, 1991). Hubungan antara kondisi lahan dengan respon tanaman dalam upaya pengelolaan lahan akan menentukan tingkat produktivitas lahan (Wood dan Dent, 1983). Berbagai teknik telah dikembangkan untuk memperkirakan tingkat produktivitas lahan melalui proses evaluasi lahan. Hasil evaluasi ini penting dalam rangka perencanaan dan pengelolaan sumberdaya lahan (Sys, 1985; Soemarno, 1990).
Salah satu bentuk pengelolaan lahan yang terkenal adalah menggunakan lahan sebagai komponen sistem usahatani. Suatu sistem usahatani komoditas pada kenyataannya sangatlah kompleks (subsistem sumberdaya alam, dan subsistem sosial-ekonomi-budaya), bersifat dinamis, dan senantiasa berinteraksi dengan sistem-sistem lain. Pendekatan sistemik dipersyaratkan demi keberhasilan penelaahan usahatani komoditas dalam kerangka pewilayahannya (Dent dan Young, 1971; Shanner, et al., 1982). Melalui serangkaian analisis sistem dapat ditelaah struktur sistem dalam upaya mendapatkan struktur yang optimal, sehingga dengan mensimulasi input sistem diharapkan dapat diperoleh output yang diharapkan. Implikasi lebih lanjut ialah dimungkinkannya rekayasa agroteknologi arahan bagi setiap sistem usahatani komoditas di suatu wilayah pengembangan (Soemarno, 1988).
4. Evaluasi Kesesuaian Lahan
Kesesuaian lahan pada hakekatnya merupakan peng- gambaran tingkat kecocokan sebidang lahan untuk suatu penggunaan tertentu (Sitorus, 1985). Dalam bidang pertanian, kesesuaian lahan dikaitkan dengan penggunaannya untuk usaha pertanian. Brinkman dan Smyth (1973) telah menemukan beberapa kualitas lahan yang menentukan tingkat kesesuaian lahan bagi tanaman. Kualitas lahan ini adalah ketersediaan air tanah, ketersediaan unsur hara, daya menahan unsur hara, kemasaman, ketahanan terhadap erosi, sifat olah tanah, kondisi iklim, dan kondisi daerah perakaran tanaman. Konsepsi ini telah dikembangkan lebih lanjut oleh Soepraptohardjo dan Robinson (1975), yang telah mengemukakan beberapa faktor penting lainnya, yaitu kedalaman efektif tanah, tekstur tanah di daerah perakaran, pori air tersedia, batu-batu di permukaan tanah, kesuburan tanah, reaksi tanah, keracunan hara, kemiringan, erodibilitas tanah, dan keadaan agro klimat.
Suatu bagan umum untuk evaluasi lahan pertanian telah dikembangkan oleh FAO (1976). Menurut bagan ini istilah lahan mengandung makna lingkungan fisik yang mencakup iklim, relief, tanah, air, dan vegetasi. Proses evaluasi lahan pada hakekatnya melibatkan klasifikasi interpretatif, baik yang bersifat kualitatif maupun kuantitatif. Sistem evaluasi lahan dengan komputer (Land Evaluation Computer System, LECS) pada dasarnya merupakan penjabaran dari kerangka evaluasi lahan (Framework for Land Evaluation, FAO, 1976) . Penggunaan fasilitas komputer dalam analisis kesesuaian lahan sangat diperlukan karena:
(i) melibatkan banyak data yang meliputi berbagai unit lahan, berbagai taraf pengelolaan, jenis-jenis tanaman pertanian dan tanaman hutan;
(ii) penilaian dilakukan secara kuantitatif untuk menyatakan tingkat kesesuaian tanaman; dan
(iii) pemodelan diperlukan untuk lebih memahami interaksi yang rumit dalam sistem pertanian (Wood dan Dent, 1983).
5. Pengelolaan Sumberdaya Lahan
Lahan mempunyai peranan sangat penting bagi kehidupan manusia. Segala macam bentuk intervensi manusia secara siklis dan permanen untuk memenuhi kebutuhan hidupnya, baik yang bersifat materiil maupun spirituil yang berasal dari lahan tercakup dalam pengertian penggunaan lahan, atau land use (Sys, 1985). Dengan peranan ganda tersebut, maka dalam upaya pengelolaannya, sering terjadi benturan di antara sektor-sektor pembangunan yang memerlukan lahan. Fenomena seperti ini seringkali mengakibatkan penggunaan lahan kurang sesuai dengan kapabi litasnya. Dalam hubungannya dengan penggunaan lahan ini, ada tiga faktor yang mempengaruhi nilai lahan, yaitu (i) kualitas fisik lahan, (ii) lokasi lahan terhadap pasar hasil-hasil produksi dan pasar sarana produksinya, dan (iii) interaksi di antara keduanya. Nilai lahan semakin besar apabila kualitas biofisiknya semakin baik dan lokasinya semakin dekat dengan pasar (Norton, 1984).
Sehubungan dengan kualitas fisik lahan, keberhasilan suatu sistem pengelolaan lahan kering (seperti misalnya usahatani konservasi) juga dibatasi oleh persyaratan- persyaratan agroekologis (terutama kesesuaian tanah dan ketersediaan air). Persesuaian syarat agroekologis menjadi landasan pokok dalam pengembangan komoditas pertanian lahan kering. Penyimpangan dari persyaratan ini bukan hanya akan menimbulkan kerugian ekonomis, tetapi juga akan mengakibatkan biaya-sosial yang berupa kemero- sotan kualitas sumberdaya lahan (Brinkman dan Smyth, 1973). Di lokasi-lokasi tertentu, seperti lahan kering-kritis di bagian hulu DAS, biaya sosial tersebut dapat bersifat internal seperti kemunculan tanah-tanah kritis dan bersifat eksternal seperti sedimentasi di berbagai fasilitas perairan (Rauschkolb, 1971). Soekardi dan Eswaran (1991) mengemukakan beberapa ciri dan proses yang berlangsung dalam ekosistem pegunungan (highland areas) yang dapat menjadi kendala atau penunjang pengembangan sistem pertanian yang berkelanjutan. Tiga ciri ekosistem yang sangat penting adalah (1) iklim, (2) landform, dan (3) sumberdaya tanah. Sedangkan dua proses yang terkait dengan ciri-ciri tersebut adalah proses geomorfik dan proses-proses pedologis. Kondisi iklim dicirikan oleh ketinggian tempat lebih dari 800 m dpl, curah hujan tahunan lebih 2000 mm, temperatur rataan 15-29oC dengan rezim suhu tanah isothermik atau isohiperthermik. Pada kondisi seperti ini biasanya variasi rezim lengas tanah adalah Udik dan Ustik. Kondisi ekosistem pegunungan seperti ini mempunyai keunggulan komparatif bagi pengembangan berbagai jenis penggunaan lahan pertanian dengan banyak pilihan sistem pertanaman (cropping systems). Potensi seperti ini pada kenyataannya banyak mengundang investasi dari luar daerah untuk "menggarap" lahan secara lebih intensif. Pada akhirnya hal ini akan dapat mengakibatkan munculnya "kesenjangan" yang semakin besar antara intensitas penggunaan sumberdaya dengan karakteristik sumberdaya. Apabila kesenjangan ini melampaui daya dukung sumberdaya, maka laju degradasi akan dapat melampaui batas ambang toleransinya. Sedangkan strategi petani di daerah pegunungan untuk berjuang mempertahankan kehidupannya biasanya bertumpu pada tiga prinsip dasar yang spesifik, yaitu
(1) Untuk memenuhi kebutuhan dasarnya, petani mengelola sumberdaya lahannya dengan berbagai aktivitas produksi tanaman, ternak, hortikultura dan kehutanan;
(2) Petani menghindari resiko kegagalan dan bencana melalui pengembangan metode-metode indigenous dalam mengelola lahannya, dan
(3) Teknologi yang mudah, low input dan small scale lebih disenangi karena keterbatasan penguasaan pengetahuan, teknologi dan kapital (Dimyati Nangju, 1991).
Atas dasar hal-hal tersebut di atas maka evaluasi kesesuaian agroekologis lahan untuk penggunaan pertanian masih dipandang sebagai bottle neck dalam kerangka metodologi perencanaan sistem pengelolaan lahan. Beberapa metode dan prosedur evaluasi agroekologis dapat digunakan untuk kepentingan ini ( FAO, 1976; Wood dan Dent, 1983). Metode-metode ini masih bertumpu kepada aspek agroekologi, sedangkan aspek sosial-ekonomi-budaya masih belum dilibatkan secara langsung. Demikian juga sebaliknya, pendekatan agroekonomi untuk mengevaluasi usahatani lahan kering yang lazim digunakan hingga saat ini biasanya juga belum melibatkan secsara langsung aspek-aspek agroekologis. Selama ini penelitian-penelitian untuk memanipulasi lingkungan tumbuh pada lahan kering dilakukan dengan metode eksperimental di lapangan yang sangat tergantung pada musim, memerlukan waktu lama dan sumberdaya penunjang yang cukup banyak (P3HTA, 1987).
Dalam proses produksi pertanian, masukan-masukan yang berupa material, teknologi, menejemen dan unsur-unsur agro ekologi akan diproses untuk menghasilkan keluaran-keluaran yang berupa hasil-hasil tanaman dan ternak. Hasil-hasil sampingan dan limbah dari proses produksi tersebut dapat berupa hasil sedimen, hasil air, dan bahan-bahan kimia yang dapat menjadi pencemar lingkungan. Limbah ini biasanya diangkut ke luar dari sistem produksi dan menimbulkan biaya eksternal dan efek eksternalitas (Soemarno, 1990). Biasanya sistem produksi pertanian di daerah hulu sungai mempunyai efek eksternal yang cukup luas dan akan diderita oleh masyarakat di daerah bawah. Dalam suatu daerah aliran sungai yang mempunyai bangunan pengairan seperti bendungan, waduk dan jaringan irigasi, efek eksternalitas tersebut menjadi semakin serius, karena dapat mengancam kelestarian bangunan-bangunan tersebut.
Berbagai upaya telah dilakukan untuk mengendalikan efek eksternalitas tersebut, namun hasilnya masih belum memadai. Hal ini disebabkan oleh karena mekanisme pasar tidak dapat bekerja untuk mengalokasikan eksternalitas (Soemarno, 1990). Sehingga produsen pertanian di daerah hulu tidak mau menanggung biaya eksternal yang ditimbulkannya. Disamping itu, biaya untuk mengendalikan efek eksternalitas tersebut relatif sangat besar dibandingkan dengan biaya produksi dan penerimaan usahatani. Dalam kondisi seperti ini diperlukan campur tangan kebijakan pemerintah. Davies dan Kamien (1972) mengemukakan beberapa macam campur tangan pemerintah untuk mengendalikan efek eksternalitas, yaitu:
(i) larangan,
(ii) pengarahan,
(iii) kegiatan percontohan,
(iv) pajak atau subsidi,
(v) pengaturan (regulasi),
(vi) denda atau hukuman, dan
(vii) tindakan pengamanan.
Efek eksternalitas dalam batas-batas tertentu juga berhubungan dengan degradasi sumberdaya lahan yang pengaruhnya dapat terjadi terhadap proses produksi. Pada lahan pertanian di daerah hulu sungai efek eksternalitas tersebut biasanya berkaitan erat dengan intensitas pengusahaan lahan yang pada kenyataanya sangat beragam (Suwardjo dan Saefuddin, 1988).
Kondisi sumberdaya lahan kering yang sangat beragam dan kondisi iklim yang berfluktuasi menjadi faktor pembatas yang menentukan tingkat efektivitas implementasi teknologi pengelolaan yang ada (P3HTA, 1987, Ispandi, 1990; dan Sembiring, 1990). Khusus dalam hal konservasi tanah dan air, kendala yang dihadapi adalah erodibilitas tanah dan erosivitas hujan yang sangat tinggi, faktor lereng dan fisiografi (Suwardjo dan Saefudin, 1988). Dalam kondisi seperti ini maka tindakan konservasi tanah harus dibarengi dengan intensifikasi usahatani dan rehabilitasi lahan. Salah satu upaya intensifikasi usahatani lahan kering adalah dengan pemilihan kultivar, pengaturan pola tanam yang melibatkan tanaman semusim dan tanaman tahunan, serta ternak dibarengi dengan penanaman rumput/tanaman hijauan pakan (Anwarhan, Supriadi, dan Sugandi, 1991).
Hasil penelitian yang dilakukan oleh P3HTA tentang pola usahatani lahan kering pada musim tanam 1985/1986 memberi informasi bahwa polatanam introduksi : jagung + kacang tanah (atau kedelai) + ubikayu, diikuti jagung + kedelai (atau kacang hijau), dan diikuti kacang tunggak lebih efisien dalam memanfaatkan sumberdaya pertanian dan lebih produktif daripada pola tanam tradisional (P3HTA, 1987). Suatu peluang yang tampaknya cukup besar di lahan kering adalah usahatani tanaman pisang dan kelapa (Nuhardiyati, 1988; Djumali dan Sasa, 1988). Kedua jenis komoditas ini ternyata mampu mensuplai pendapatan dan kesempatan kerja bagi petani lahan kering, baik secara langsung maupun secara tidak langsung. Pemupukan urea, TSP dan KCl ternyata mampu meningkatkan produktivitas kedua tanman ini secara signifikan. Penelitian-penelitian ini sudah mulai melibatkan aspek konservasi tanah, laju erosi dan limpasan permukaan sudah mulai diamati dan diukur di lapangan, sehingga diperlukan dana yang cukup banyak dan harus mengikuti irama musiman (Thamrin, 1990; Soelaiman, 1990). Selain itu, penelitian-penelitian ini masih belum menganalisis hasil-hasil erosi dan limpasan permukaan secara terintegrasi dengan analisis ekonomis, belum dilakukan analisis kepekaan erosi dan limpasan permukaan terhadap variasi bentuk kegiatan konservasi tanah, serta belum memperhitungkan kemungkinan-kemungkinan dampak jangka panjangnya. Tampaknya kom- ponen teknologi sistem usahatani lahan kering yang cukup baik untuk menunjang program intensifi- kasi adalah ternak (Hardianto, 1990a; Hardianto, 1990 b; dan Lubis, 1990). Introduksi hijauan pakan ternak, baik yang berupa rumput maupun semak/perdu dan pepohonan, mampu memberikan manfaat ganda, yaitu mengurangi bahaya erosi dan limpasan permukaan, serta menghasilkan pakan hijauan. Khusus jenis rumput setaria ternyata mempunyai peluang yang cukup baik untuk dikembangkan di lakan kering, karena mempunyai nilai gizi yang cukup baik bagi ternak ruminansia serta mampu memainkan peran sebagai tanaman penguat teras yang baik. Usahatani domba ternyata mampu memberikan sumbagan pendapatan keluarga yang cukup besar (bisa mencapai 35% dari total pendapatan keluarga), dan faktor utama yang sangat berpengaruh adalah jumlah dan jenis (kualitas) pakan yang terkonsumsi ternak (Syam, 1988).
Dari hasil-hasil penelitian tersebut dapat disimpulkan bahwa upaya pengelolaan lahan kering - kritis dalam suatu sistem pertanian harus mempertimbangkan tingkat kemampuan dan kesesuaiannya serta harus diikuti oleh tindakan konservasi tanah dan air secara memadai . Beberapa peneliti telah mencoba mengembangkan pola tanam yang sesuai untuk lahan kering secara lokal (Toha, 1990; Hardianto, 1990c; dan Rachman, 1990). Tampaknya para peneliti ini menghadapi kesulitan dalam menyusun polatanam yang tepat karena keterbatasan informasi sumberdaya lahan yang bersifat lokal, demikian juga informasi tentang kesesuaiannya.
MEMBUAT DATA BASE DENGAN MENGGUNAKAN MICROSOFT ACCESS OLEH MOMON SODIK IMANUDIN MATA KULIAH SISTEM INFORMASI SUMBER DAYA LAHAN
Konsep Dasar Microsoft Access
Pendahuluan
1.1 Pengantar
Microsoft Access adalah sebuah sistem manajemen database atau (DBMS), dengan Microsoft Access anda dapat menyimpan berbagai macam informasi yang disebut data, mengatur dan mengelolanya sedemikian rupa agar data tersebut mudah dipergunakan kembali. Microsoft Acces dari generasi sebelumnya telah menyediakan antarmuka dalam bentuk grafis, untuk setiap langkah pembuatan maupun pengelolaan database sehingga sangat membantu dalam membangun suatu sistem manajemen database.
1.2 Tujuan Instruksional Umum
§ Peserta dapat memahami cara memanfaatkan Microsft Access
§ Peserta bisa membuat dan mendesain aplikasi sederhana dengan Microsoft Access
1.3 Tujuan Instruksional Khusus
§ Peserta mengenal Microsft Access.
§ Peserta mampu membuat dan memodifikasi tabel.
§ Peserta mampu mengolah dan mengatur tampilan pada tabel.
§ Peserta mampu menggunakan Query
§ Peserta mampu membuat, memodifikasi dan menggunakan Form
§ Peserta mampu memasukan data pada sebuah Form
§ Peserta mampu membuat report
Kegiatan Belajar (KB) 1
Memulai Microsoft Access
2.1. Mengaktifkan Microsoft Access
Mengaktifkan Microsoft Access dapat dilakukan dengan beberapa cara diantaranya :
1. Aktifkan Sistem operasi windows
2. Dari menu Start à Program à Microsoft Access
Gambar I.1
2.2. Komponen dasar Microsoft Access
Komponen-komponen pada jendela aplikasi Access adalah sebagai berikut:
A. Titlebar atau balok judul. Pada bagian ini tertulis “Microsoft Access”.
B. Menubar. Pada bagian ini terdapat menu-menu yang digunakan untuk mengaktifkan perangkat-perangkat yang dapat membantu pekerjaan anda dalam membuat sebuah dokumen.
C. Toolbar. Merupakan sebuah balok berisi tombol-tombol yang digunakan untuk mengaktifkan perangkat-perangkat dalam membantu pekerjaan atau dengan kata lain jalan pintas dari sebuah menu bar.
D. Jendela Kerja. Ruang kosong pada jendela aplikasi Access
E. Task Pane. Merupakan sebuah panel yang menyediakan berbagai fasilitas bantuan maupun informasi- informasi tertentu .
F. Statusbar. Merupakan balok yang berisi informasi seputar pekerjaan Anda
Gambar I.2
2.3. Konsep dasar database Access
Database merupakan media penyimpanan beragam informasi untuk diolah agar mudah dipergunakan. Ada yang mengartikan database sebagai container yang dapat menjadi wadah dari sekumpulan tabel yang menyimpan data dan objek yang mengikutinya seperti form, query, report dll. Begitu pula dengan Access yang menjadi sebuah container dari objek-objek yang meliputi tabel, form, query, report, macro, dan modul.
2.3.1 Tabel
Tabel adalah tempat dimana data itu sesungguhnya disimpan. Data tersebut disusun membentuk baris yang biasa disebut record dan kolom yang biasa disebut field.
2.3.2 Form
Form adalah “folmulir” yang memudahkan user untuk memasukan atau pun menampilkan data, bahkan untuk menganalisa data. Form bisa dibuat secara manual atau dengan wizard yang disediakan oleh Access.
2.3.3 Query
Query adalah sebuah proses pemilihan atau penyaringan data sehingga hanya data yang memenuhi kriteria yang akan ditampilakan atau dicetak.
2.3.4 Report
Report adalah pemaparan data dalam bentuk tercetak/tertulis.
2.3.5 Macro
Macro adalah kumpulan dari sebuah perintah atau lebih yang digunakan untuk mengotomatisasi tugas-tugas yang sering dilakukan
2.3.6 Modul
Modul adalah suatu unit pemrograman berbasis Visual Basic (VBA) yang membantu proses-proses yang mungkin ada dalam pengolahan database.
Kegiatan Belajar 2 (KB)
Membuat database baru
3.1 Pembuatan file database baru
Dari tampilan Gambar I.2 diatas Microsoft Access menyediakan pilihan dalam pembuatan database yaitu :
§ Blank Database, yaitu pembuatan file database baru
§ Blank data access page, membuat halaman data access baru
§ Project using existing data, membuat project baru berdasarkan data yang sudah ada
§ Project using new data, membuat project baru dengan data baru
§ From existing file, membuat file Access yang telah ada di disk
Gambar I.3
Untuk pertemuan kali ini kita pilih Blank Databaseà Ok, akan terlihat seperti Gambar.I.3, ketikan Filename dikotak File name, misalnya DataPegawaià Create
Gambar I.4
3.2 Pembuatan database baru dengan template
Bagian ini adalah untuk membuat database baru berdasarkan sebuah template atau wizard. Anda dapat mencari template yang tersedia di Office Online atau pada lokal komputer kita.
Gambar I.5
1. Pilihlah General Template untuk membuat database baru dengan template yang ada pada lokal komputer, maka akan terlihat seperti tampilan Gambar I.6
Gambar I.6
Gambar I.7
2. Pada tab Database dari Gambar I.7 pilihlah template yang akan dibuat, sesuai dengan keperluan kita.
§ Asset Tracking
§ Contact Management
§ Event Management
§ Expenses
§ Inventory Control
§ Ledger
§ Order Entry
§ Resource Scheduling
§ Service Call Management
§ Time and Billing
Dengan memiih salah satu template tersebut, object-object yang diperluakn juga otomatis telah tersedia sesuai dengan templatenya, kita tinggal menggunakannya atau memodifikasi saja.
3. Misalkan pilihlah Inventory Control dan save, maka akan muncul tampilan seperti berikut
Gambar I.8
Klik Next, Pilihlah fields-fields yang akan kita pergunakan
Gambar I.9
Klik Next, pilihlah style untuk tampilan yang akan dibuat.
Gambar I.10
Klik Next, Pilhlah bentuk tampilan report yang diinginkan.
Gambar I.11
Gambar I.12
Gambar I.13
Gambar I.14
Mengakhiri Microsoft Access
Untuk mengakhiri Microsoft Access yang sudah selesai dipergunakan, kita hanya tinggal klik menu File kemudian klik Exit seperti gambar I.15
Gambar I.15
Latihan
1. Buatlah sebuah database dengan nama LatAccess
Rangkuman
Microsoft Access adalah program aplikasi database yang menjadi satu kesatuan dalam sebuah extnsion .mdb, selain bisa membuat database baru yang kosong didalam Access juga sudah disediakan beberapa template database yang bisa kita pergunakan., sehingga bisa mempermudah dan memberikan gambaran sebelum kita membuat database Access. Access terdiri dari objek-objek yang meliputi tabel, form, query, report, macro, dan modul.
Tidak ada komentar:
Posting Komentar