LAPORAN RESMIPRAKTIKUM MK INDRAJA DAN SIG

MODUL :Image Enhanchement, Atmospheric Correction

Image Blocking : Darat dan LautPengukuran Panjang Garis Pantai dan Luasan Kawasan Habitat Pesisir

Disusun Oleh :Kelompok 16

Reinaldi Abiyoga 26010112130079Rinuji Robin Madilaw 26010112130080Mia Arista Sari 26010112140081Eritrina Ardining Tyas 26010112110084Renny Diah Permatasari 26010112140085Erika Kurniawati S 26010112130086

PROGRAM MANAJEMEN SUMBERDAYA PERAIRAN (msp)FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS DIPONEGOROSEMARANG

2014

I. JudulPengenalan Image Processing dasar : image enhanchement, atmospheric correction

II. Tinjauan Pustaka1. Jenis-Jenis Satelit

a. Landsat Program Landsat merupakan satelit tertua dalam program observasi bumi. Landsat dimulai tahun 1972 dengan satelit Landsat-1 yang membawa sensor MSS multispektral. Setelah tahun 1982, Thematic Mapper TM ditempatkan pada sensor MSS. MSS dan TM. Satelit Landsat (Satelit Bumi) ini merupakan milik Amerika Serikat. Beberapa genersi satelit Landsat yang dibuat Amerika namun sekarang sudah tidak beroperasi lagi. Landsat 5, diluncurkan pada 1 Maret 1984, membawa sensor TM (Thematic Mapper), yang mempunyai resolusi spasial 30 x 30 m pada band 1, 2, 3, 4, 5 dan 7. Sensor Thematic Mapper mengamati obyek-obyek di permukaan bumi dalam 7 band spektral, yaitu band 1, 2 dan 3 adalah sinar tampak (visible), band 4, 5 dan 7 adalah infra merah dekat, infra merah menengah, dan band 6 adalah infra merah termal yang mempunyai resolusi spasial 120 x 120 m. Luas liputan satuan citra adalah 185 x 185 km pada permukaan bumi. Landsat 5 mempunyai kemampuan untuk meliput daerah yang sama pada permukaan bumi pada setiap 16 hari, pada ketinggian orbit 705 km.Citra satelit Landsat-7 ETM adalah satelit bumi dengan membawa intrumen ETM (Enchnced Thamatic Mapper) yang menyajikan delapan sailorman multispektral scanning radiometer. Diluncurkan pada bulan April 1999 dengan membawa ETM+scanner. Saat ini, hanya Landsat-5 dan 7 sudah tidak beroperasi lagi. Terdapat banyak aplikasi dari data Landsat TM-7 ini, manfaatnya adalah untuk pemetaan penutupan lahan, pemetaan penggunaan lahan, pemetaan geologi, pemetaan suhu permukaan laut dan lain-lain. Untuk pemetaan penutupan dan penggunaan lahan dapat memilih data Landsat TM karena terdapat band infra merah menengah. Landsat TM adalah satu-satunya satelit non-meteorologi yang mempunyai band inframerah termal. Data thermal diperlukan untuk studi proses-proses energi pada permukaan bumi seperti variabilitas suhu tanaman dalam areal yang diirigasi (Suwargana, 2013).

b. NOAA (National Oceanic and Atmospheric Administration)Satelit berorbit sinkron matahari milik NOAA, Amerika Serikat yang misi utamanya

adalah pemantauan cuaca. Satelit NOAA dikembangkan dari seri satelit TIROS (Television and Infrared Observation ). Satelit TIROS kemudian digantikanmenjadi TOS (TIROS Operational System) yang kemudian menjadi seri ESSA (Environmental Science Service Administration). ESSA kemudian dikembangkan menjadi seri ITOS (Improved TIROS Operational System) disusul seri NOAA. Seri satelit NOAA terdiri dari generasi I (TIROS-N/NOAA 1-5), generasi II (Advanced TIROS-N/ATN/NOAA 6-14) dan generasi III (NOAA K, L, M). Pengindera yang diusung satelit ini pada umumnya adalah AVHRR (pengembangan dari VHRR) dan TOVS (TIROS Operational Vertical Sounder). Setiap satelit biasanya juga masih mendapatkan tambahan perangkat pengindera lain sesuai

dengan misi. Karekteristik satelit citra NOAAH : Dimensi : Tinggi : 165 in (4,19m),Diameter : 74 in (1,88m),Solar array area : 180,6 ft² (16,8m²) Berat : 4920 lbs (2231,7 kg) Orbit : Ketinggian: 870 km , Kemiringan: 98,856˚ Waktu Matahari Lokal : 13:40 Rata-rata Ketinggian: 870 Km Gambar citra satelit NOOA Kegunaan citra NOAA : Membuat Peta Suhu Permukaan Laut (Sea Surface Temperature maps/SST Maps) , Monitoring iklim ,Studi El Nino ,Deteksi arus laut untuk memandu kapal- kapal pada dasar laut dengan ikan berlimpah (Jensen, 2000).

c. SPOT SPOT singkatan dari Systeme Pour I.Observation de la Terre. SPOT-1 diluncurkan

pada tahun 1986. SPOT dimiliki oleh konsorsium yang terdiri dari Pemerintah Prancis, Swedia dan Belgia. SPOT pertama kali beroperasi dengan pushbroom sensor CCD dengan kemampuan off-track viewing di ruang angkasa. Saat itu, resolusi spasial 10 meter untuk pankromatik dan 20 meter daerah tampak (visible). Pada Maret 1998 sebuah kemajuan signifikan SPOT-4 diluncurkan: sensor HRVIR mempunyai 4 di samping 3 band dan instumen VEGETATION ditambahkan. VEGETATION didesain untuk hampir tiap hari dan akurat untuk memonitor bumi secara global (Suwargana, 2013).

d. ASTER Menurut Rangga (2010), Citra Satelit Aster ASTER (Advanced Spaceborne Thermal

Emission and Reflection Radiometer) adalah instrumen / sensor yang dipasang pada satelit Terra, yang diluncurkan pada Desember 1999, dimana ini merupakan bagian dari NASA’s Earth Observing System (EOS) bekerja sama dengan Jepang dalam memecahkan persoalan yang menyangkut SDA dan lingkungan. Proyek ini didukung sepenuhnya oleh para ilmuwan Jepang dan Amerika Serikat dari beragam keilmuan diantaranya : geologi, meteorologi, pertanian, kehutanan, studi lingkungan, gunung berapi, dan lain – lain. Adapun karakteristik sekilas mengenai citra ASTER adalah sebagai berikut : – Observasi pada 3 VNIR, 6 SWIR, 5 TIR bands atau bekerja dengan 14 bands atau dapat merekam data citra permukaan bumi dari panjang gelombang daerah visible (sinar tampak) ke daerah thermal infrared. Sehingga dapat disimpulkan bahwa citra ASTER mampu merekam data citra di permukaan bumi dari panjang gelombang daerah visible ( sinar tampak ) ke daerah infrared thermal. – Stereoskopik data dapat diperoleh dengan single orbit. – Resolusi spasial citra ASTER adalah 15m untuk VNIR, 30m untuk SWIR, dan 90 m untuk TIR. – Sensor optik dengan resolusi geometric dan radiometric yang tinggi pada semua frekuensi channel. Dengan melihat karakteristik di atas, penggunaan citra ASTER dapat memenuhi kebutuhan para pengguna / user data dalam bidang lingkungan dan sumberdaya alam (SDA). Pemanfaatan citra ASTER adalah untuk memonitoring permukaan bumi, baik dalam bidang pertanian, pertambangan, meteorologi, dan lain sebagainya yang erat kaitannya dengan monitoring sumber daya alam ( SDA).

e. Ikonos Menurut Suwargana (2013), Ikonos adalah satelit komersial beresolusi tinggi

pertama yang ditempatkan di ruang angkasa. Ikonos dimiliki oleh Space Imaging, sebuah perusahaan Observasi Bumi Amerika Serikat. Satelit komersial beresolusi tinggi lainnya yang diketahui: Orbview-3 (OrbImage), Quickbird (EarthWatch) dan EROS-A1(West Indian Space).Ikonos diluncurkan pada bulan September tahun 1999 dan pengumpulan data secara regular dilakukan sejak Maret 2000. Ikonos dimiliki dan dioperasikan oleh Space Imaging. Di samping mempunyai kemampuanmerekam citra multispetral pada resolusi 4 meter, Ikonos dapat juga merekam obyek-obyek sekecil satu meter pada hitam dan putih. Dengan kombinasi sifatsifat multispektral pada citra 4-meter dengan detaildetail data pada 1 meter, citra Ikonos diproses untuk menghasilkan 1-meter produk-produk berwarna. Sensor pada satelit didasarkan pada prinsip pushbroom dan dapat secara simultan mengambil citra pankromatik dan multispektral. Ikonos mengrimkan resolusi spasial tertinggi sejauh yang dicapai oleh sebuah satelit sipil. Bagian dari resolusi spasial yang tinggi juga mempunyai resolusi radiometrik tinggi menggunakan 11-bit (Space Imaging, 2004).

Menurut Suwargana (2013), resolusi spasial merupakan ukuran terkecil obyek di lapangan yang dapat direkam pada data digital maupun pada citra. Pada data digital resolusi dilapangan dinyatakan dengan pixel. Semakin kecil ukuran terkecil yang dapat direkam oleh suatu sistem sensor, berarti sensor itu semakin baik karena dapat menyajikan data dan informasi yang semakin rinci. Resolusi spasial yang baik dikatakan resolusi tinggi atau halus, sedang yang kurang baik berupa resolusi kasar atau rendah. Dalam menentukan range resolusi, ada tiga tingkat ukuran resolusi yang perlu diketahui, yaitu:a. Resolusi spasial tinggi, berkisar : 0.6-4 m.b. Resolusi spasial menengah, berkisar : 4-30 mc. Resolusi spasial rendah, berkisar : 30 - > 1000 m

Menurut Suwargana (2013), beberapa contoh satelit bumi yang mempunyai resolusi spasial adalah: a. Landsat : 15 meter pada mode pankromatik dan 30 meter pada mode multispektral, b. Spot : 10 meter pada mode pankromatik dan 20 meter pada mode multispektral, c. Ikonos : 1 meter pada modepankromatik dan 4 meter pada mode multispektral. Resolusi temporal resolusi temporal ialah frekuensi perekaman ulang kembali ke daerah yang sama pada rentang waktu tertentu. Rentang waktu perulangan ke asal daerah yang sama satuannya dinyakan dalam jam atau hari, contoh resolusi temporal ini: a. Resolusi temporal tinggi berkisar antara : <24 jam - 3 hari. b. Resolusi temporal sedang berkisar antara : 4-16 hari c. Resolusi temporal rendah berkisar antara:> 16 hari. Bebarapa contoh satelit bumi yang mempunyai resolusi temporal: a. Landsat generasi 1 : 18 hari b. Landsat generasi 2 : 16 hari c. SPOT : 26 hari atau 6-7 kali/bulan karena sensor dapat ditengokkan arah perekamannya d. Ikonos: antara 1,5 sampai 3 hari.

2. Koreksi RadiometriMenurut Swain dan Davies (1996), resolusi radiometrik adalah kemampuan sensor

dalam mencatat respons spektral objek atau kemampuan sensor untuk mendeteksi perbedaan pantulan terkecil. Sedangkan Mapper tahun 1998 menjelaskan koreksi radiometric merupakan teknik perbaikan citra satelit untuk menghilangkan effek atmosfer yang mengakibatkan kenampakan bumi tidak terlalu tajam.Koreksi radiometri dapat digunakan untuk identifikasi lahan pertanian. Prosesnya meliputi koreksi – koreksi efek yang berhubungan dengan sensor untuk meningkatkan kekontrasan setiap pixel dari citra, sehingga setiap objek yang terekam mudah diinterprestasikan untuk menghasilkan data sesuai dengan keadaan lapangan.

III. TujuanUntuk melakukan praktek : Image Processing dasar-image enhanchement, atmospheric correction, geometric correction

IV. MetodeMetode Image Processing DasarPenggabungan Band

a) Membuka aplikasi ER Mapper

b) Pada windows algoritm, kolom description isi dengan nama kelompok → klik pseudo layer → duplikat menjadi 6 → ganti nama pseudo layer menjadi Band 1 sampai Band 7 tanpa mengikutkan Band 6.

c) Memilih band 1 → load dataset → buka citra yang akan diolah (namafile_B10) → OK this layer only. Melakukan hal serupa untuk band 2 sampai band 7Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

d) Save file dengan type ER Mapper Raster Dataset (.ers) → OK

e) Tutup semua window kecuali window utama ER Mapper → panggil / load kembali citra yang bandnya telah digabungkan pada langkah di atas

Metode Image Enhanchementa) Membuka aplikasi ER Mapper → Edit Algorithm → Load dataset → buka file citra

yang bandnya telah digabungkan

b) Memilih icon 99% contrast enhanchement → klik RGB Algorithm → Refresh

c) Memilih view → cell value profile untuk melihat nilai pixel pada citra → klik pointer → klik salah satu pixel pada citra, akan terlihat nilai pixel pada window cell value profile

d) Memilih view → cell coordinates untuk mengetahui koordinat dari pixel tersebut → klik pointer → klik salah satu pixel pada citra, akan terlihat koordinat pada window cell coordinates.

Metode Atmospheric Correction atau Koreksi Radiometri1. Metode Penyesuaian Histogram menggunakan icon Formula Editor

a) Membuka aplikasi ER Mapperb) Memilih Edit Algorithm → load dataset → buka citra yang diolah.

c) Pada windows Algoritm, klik pseudo layer → duplikat menjadi 6 → ganti nama pseudo layer menjadi Band 1 sampai Band 7 tanpa mengikutkan Band 6.

d) Memilih Band 1 → klik Edit Transform Limit → muncul windows Transform dan akan terlihat nilai atmospheric biasnya pada nilai actual input limit → catat nilainya yaitu 68.Band 1

e) Mengulangi langkah seperti Band 1 pada Band 2 sampai Band 7 → catat yaitu 21.Band 2

Band 3, yaitu 15

Band 4, yaitu 4

Band 5, yaitu 2

Band 7

f) Pada windows algorithm pilih Band 1 → klik icon Formula Editor → muncul windows Formula Editor dan masukan rumus INPUT-68 (INPUT1-nilai atmospheric biasnya) → Apply Changes. Mengulangi langkah seperti Band 1 pada Band 2 sampai Band 7 → apply changesBand 1 Band 2

Band 3 Band 4

Band 5 Band 7

g) Memilih Band 1 lagi pada windows algoritm →pada windows transform pilih edit → delete this transform → lakukan pada band 2 sampai band 7.Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

h) Menyimpan file dengan pilih windows utama → file → save as dengan nama baru → pilih ER Mapper Raster Dataset (.ers) → OK.

i) Setelah selesai proses simpan file, menutup windows kecuali windows utama ER Mapper. Kembali memanggil citra yang telah disimpan → load dataset → pilih citra yang tadi telah disimpan → pilih pseudo layer → pilih Band 1 → Edit Transform Limit → muncul windows transform → terlihat nilai atmospheric biasnya adalah 1. Lakukan untuk band 2 sampai band 7.

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

V. Hasil dan Pembahasan1. HasilImage Processing Dasar

Image Enhanchement

Atmospheric Correction atau Koreksi Radiometri

Tabel Band sebelum dan sesudah koreksi radiometri

Band Nilai biasSebelum Koreksi Sesudah Koreksi

1 68 255 1 1872 21 223 1 1993 15 254 1 2404 4 220 1 2055 2 255 1 2537 1 247 1 249

Band 1 Band 2

Band 2

Band 3

Band 4

Band 3 Band 4

Band 5 Band 7

2. PembahasanCitra Landsat mempunyai beberapa Band dengan karakteristik yang berbeda-beda.

Band dalam citra landsat ini terdiri dari Band 1, 2, 3, 4, 5, 6, dan 7, namun pengolahan data pada praktikum SIG tahun 2014 ini tidak mengikuti Band 6. Hal tersebut dikarenakan Band 6 mempunyai resolusi 10.40-12.50 mm dengan inframerah thermal ini memiliki informasi tentang studi kandungan air tanah, serta dapat membedakan kelembaban tanah dan fenomena-fenomena thermal.

Koreksi geometrik dilakukan dengan tujuan untuk membetulkan kesalahan geometris suatu obyek pada citra, sehingga tidak terjadi pergeseran obyek pada saat dilakukan tumpang-susun. Koreksi geometrik pada penelitian ini mengacu pada peta Topografi skala 1 : 50.000 buatan Jantop tahun 1972 dengan metode Image to Image Registration, dimana pada tahap pertama salah satu citra Landsat (Liputan Tahun 1989) dikoreksi terhadap peta Topografi. Citra Landsat yang lainnya yaitu liputan Tahun 2002 dan 2006 dikoreksi terhadap citra Landsat Tahun 1989 yang sudah dikoreksi. Hasil koreksi geometrik dari citra Landsat Tahun 1989 terhadap peta Topografi menunjukkan tidak terjadi banyak perubahan bentuk antara sebelum dan sesudah dilakukan koreksi, dengan total RMS Error sebesar 1,376788. Berdasarkan Manual ArcViewGIS, RMS Error yang akurat mempunyai nilai kurang dari satu (<1). RMS Error yang cukup besar ini terjadi karena perbedaan posisi obyek pada peta dengan obyek pada citra Landsat, sebagaimana dapat dilihat pada rincian GCP berikut. Koreksi geometrik antara citra Landsat dengan citra Landsat hasilnya lebih akurat daripada koreksi geometrik antara citra Landsat dengan peta Topografi ( Hendarto, 2009 ).

Beberapa komposisi kombinasi 3 Band (RGB) yang digunakan dalam mendeteksi jenis tutupan lahan yang ada pada citra satelit serta penggunaanya untuk pendeteksian tutupan lahan tertentu. Diantaranya adalah R = 4; G = 3; B = 2 (4-3-2) untuk mengetahui vegetasi lahan. R = 7; G = 3; B = 1 (7-3-1) untuk mengetahui letak pemukiman. R = 3; G = 2; B = 1 (3-2-1) untuk mengetahui letak lahan terbuka. R = 4; G = 5; B = 7 (4-5-7) untuk mengetahui sebaran air. R = 1; G = 3; B = 5 (1-3-5) untuk mengetahui sebaran awan.

Nilai piksel terendah haruslah 0 (nol). Munculnya nilai 1 atau 0 ini ketika citra yang diolah sudah dikoreksi menggunakan koreksi geometrik. Awalnya nilai sebelum dikoreksi besra – besar bisa mencapai 68 to 255 namun setelah dikoreksi bisa mengecil menjadi 1 to 187. Nilai 1 itu merupakan nilai minimum setelah terkoreksi dimana sebelumnya juga telah dimasukan input data menggunakan rumus Input-(nilai minimum sebelum dikoreksi). Maka kebanyakan hasil setelah dikoreksi adalah 1 atau 0 (nol).

Praktikum kali ini menggunakan metode penyesuaian histogram untuk koreksi radiometri. Metode penyesuaian histogram ini termasuk metode yang mudah untuk dilakukan dan cukup sederhana. Waktu pelaksanaannya pun cukup singkat dan tidak perlu menggunakan perhitungan yang sangat sistematis. Selain menggunakan metode tersebut jita juga dapat menggunakan metode lain yaitu metode Pergeseran Histogram ( histogram adjustment), metode Regresi, dan metode Kalibrasi Bayangan.

Namun selain menggunakan metode tersebut ada cara lain yang dapat digunakan. Seperti menurut Hakim et al. (2012), terdapat beberapa metode yang umum digunakan dalam koreksi geometri sistematik. Pada prinsipnya semua metode koreksi tersebut menggunakan data ancillary untuk mengoreksi citra tetapi dengan pendekatan yang berbeda. Metode pertama yang umum digunakan adalah metode distortion-based yaitu suatu metode yang memodlekan setiap distorsi geometri sistematik dalam sebuah matriks. Metode kedua adalah metode point-based yaitu suatu metode yang memetakan koordinat piksel pada bidang citra menjadi koordinat titik di permukaan bumi menggunakan persamaan aljabar dan vektor tiga dimensi.

ReferensiHendarto. 2009. Kajian Perubahan Penutupan Lahan Tahun 1989-2006 pada Kawasan Hutan

Mangrove Muara Kubu berdasarkan Citra Landsat. Tesis Program Pasca sarjana Universitas Gajah Mada. Yogyakarta.

Hakim, Patria rachman et al..2012.Model Koreksi Geometri Sistematika Data Imager Pushbroom Menggunakan Metode Proyeksi Kolinear (Pushbroom Imager Data Systematic Geometric Correction Model Using Collinear Projection Method).Jurnal Teknologi Dirgantara.10 (2). Hal 121-132

Suwargana, Nana. 2013. Resolusi Spasial, Temporal dan Spektral pada Citra Satelit Landsat, Spot dan Ikonos. Jurnal Ilmiah WIDYA. 1(2). Hal 167-174

JR, Bhian Rangga.2010. Pemanfaatan citra Penginderaan Jauh. FKIP UNS: Semarang.

Swain dan Davies. 1996. Dalam Interpretasi Citra Satelit Spot 5 Untuk Pemetaan Penggunaan Lahan Kecamatan Semarang Barat Kota Semarang. Universitas Negeri Semarang.

I. Judul Pengenalan Image Processing dasar : image spectral identification – nilai pembeda darat dan laut, algoritma blocking darat dan laut.

II. Tinjauan Pustaka Garis pantai merupakan batas antara daratan dan tubuh air. Definisi garis pantai yang

ideal yakni merupakan batas fisik pertemuan darat dan air (Dolan et al., 1991). Informasi ekstraksi garis pantai yang akurat serta monitoring perubahannya merupakan hal penting dalam memahami dan menguraikan proses-proses yang berlangsung di kawasan pantai. Informasi perubahan garis pantai sangat penting dalam berbagai kajian pesisir seperti

misalnya; rencana pengelolaan kawasan pesisir, pewilayahan bahaya, studi erosi-akresi, serta analisis dan pemodelan morfodinamik pantai (Chand dan Acharya, 2010).

Integrasi teknik penginderaan jauh seperti penggunaan data Landsat TM dan ETM+ dengan sistim informasi geografis (SIG) terbukti menyediakan pendekatan yang sangat bermanfaat bagi studi-studi perubahan garis pantai dewasa ini. Metode ini menyediakan keunggulan dalam waktu pengerjaan serta ketersediaan data yang bisa diperoleh secara repititive untuk cakupan yang luas (Kasim, 2011).

Guariglia et al., (2006) menerangkan bahwa garis pantai ( coastline ) didefinsikan sebagai batas antara permukaan darat dan permukaan air. Sebagai sebuah kawasan peralihan darat dan laut, pantai merupakan sebuah lingkungan yang unik dimana udara, air, dan bebatuan satu sama lainnya saling berhubungan. Fitur garis pantai berkaitan dengan berbagai proses dinamika alami yang sangat penting dalam pengelolaan kawasan pesisir. Monitoring kawasan pantai sangat penting bagi perlindungan lingkungan serta pembangunan negara. Bagi kepentingan monitoring kawasan pantai, ekstraksi garis pantai pada berbagai waktu berbeda merupakan pekerjaan mendasar (Alesheikh et al., 2007).

Di lain pihak untuk pendokumentasian dan pemetaan perubahan lokasi suatu garis pantai maka dikenal beberapa proksi yang digunakan sebagai terminologi untuk menunjukkan fitur bagi batas darat-air. Beberapa proksi dalam memetakan perubahan sebuah garis pantai misalnya; garis vegetasi (vegetation line), garis basah atau kering( wet-dry line ) , garis air pasang (High Water line, HWL) dan rata-rata tinggi air pasang ( Mean High Water, MHW ) (Morton and Miler, 2005 ; Harriset al. 2006 ; Fletcher et al. 2010).

Beberapa metode penajaman citra adalah mencakup; spatial filtering , komposit RGB, rationing, klasifikasi, density slicing , metode BILKO (yaitu sebuah program khusus yang dikembangkan oleh UNESCO untuk menentukan batas darat-laut berdasarkan band infra merah), serta metode algoritma AGSO ( Australian Geological Surveys Organization) yang dikembangkan untuk memetakan citra perairan dangkal. Semua metode pendekatan penajaman citra tersebut berguna dalam membuat batas yang jelas darat dan laut sehingga memudahkan dalam digitasi (Hanifa et al. 2007).

Saat ini terdapat dua metode yang berkembang di lingkungan SIG terkait pengekstrasian informasi perubahan posisi suatu garis pantai, yaitu: metode single-transect (ST-Method) dan alternatifnya yaitu metode Eigenbeaches (EX and EXT Method) yang lahir melengkapi kekurangan metode single transect (Vitousek et al. 2009).

III. Tujuan Untuk melakukan praktek : image spectral identification – nilai pembeda darat dan laut, algoritma blocking darat dan laut.

IV. MetodeImage spectral identification

a) Membuka aplikasi ER Mapper → Edit Algorithm → Load dataset → buka file citra. Memilih view → cell value profile untuk melihat nilai pixel pada citra → klik pointer → klik salah satu pixel pada citra daerah darat dan laut → setelah itu pilih Edit Transform Limit → muncul windows transform

b) Algorithma blooking darat dengan klik formula editor → masukkan rumus if INPUT1 < 15 then i1 else null (if INPUT < nilai pembatas then i1 else null).

c) Algorithma blooking laut dengan klik formula editor → masukkan rumus if INPUT1 > 15 then i1 else null (if INPUT > nilai pembatas then i1 else null).

V. Hasil dan PembahasanHasil

PembahasanLangkah pertama dalam melakukan praktikum image spectral identification – nilai

pembeda darat dan laut, algoritma blocking darat dan laut yaitu dengan membuka aplikasi ER Mapper kemudian Edit Algoritma lalu data load dan membuka file citra. Memilih view kemudian cell value profile untuk melihat nilai pixel pada citra klik pointer dan klik salah satu pixel pada citra daerah darat dan laut setelah itu pilih Edit Transform Limit muncul windows transform. Membuka data satelit Rembang lalu Algorithma dan membuka band 5 mengklik Trnasform dan Linies Transform(garis linier). Algorithma blooking darat dengan mengeklik formula editor dan memasukkan rumus if INPUT1 < 15 then i1 else null (if INPUT1 < nilai pembatas then i1 else null). Sedangkan algorithma blooking laut dengan mengeklik formula editor kemudian memasukkan rumus if INPUT1 > 15 then i1 else null (if INPUT1 > nilai pembatas then i1 else null.

Band 5 dimanfaatkan untuk membedakan darat dan laut serta menganalisa garis pantai dan perubahan garis pantai. Manfaat algoritma blooking darat dan laut dapat mempermudah perwilayahan antara darat dan laut, pemetaan pada batas darat dan laut.

Menurut Winarso et al (2001), untuk pendekatan pengekstraksian garis pantai dengan metode single band biasa memanfaatkan Band-4, 5, dan 7. Untuk keperluan ini, Band-4(0.75 mm – 0.90 mm) dapat digunakan untuk mengumpulkan informasi batas garis pantai yang diliputi vegetasi, sementara Band-5 (1.55 mm –1.75 mm) dan 7 (2.08 mm – 2.35 mm) masing-masing dapat digunakan memperoleh informasi garis pantai yang ditutupi oleh tanah dan bebatuan. Pendekatan lain adalah menggunakan metode band ratio (rationing) antara Band-4 dengan Band-2 (b4/b2) serta Band-5 dengan Band-2(b5/b2).

ReferensiDolan R, Fenster MS, Holme SJ. 1991. Temporal analysis of shoreline recession and accretion.

J Coast Res, 7(3): 723-744.

Kasim F. 2011. Penilaian kerentanan pantai menggunakan metodeintegrasi CVI MCA dan SIG, studi kasus: garis pantai pesisir Utara Indramayu. [Thesis] Jurusan Ilmu Kelautan. Sekolah Pascasarjana IPB. Bogor

Chan P and Acharya P. 2010. Shoreline change and sea level rise along coast of Bhitarkanika wildlife sanctuary, Orissa: An analytical approach of remote sensing and statistical techniques. Int J Geom & Geos, 1(3): 436-455

Alesheikh AA, Ghorbanali A, Nouri N. 2007. Int J Environ Sci Tech. 4 (1): 61-66.

Guariglia A, Arcangela B, Angela L, Rocco S, Maria LT, Angelo Z,Antonio C. 2006. Annals of Geophys 49(1):295–3 04

Morton RA and Miller T L. 2005..USGS Report:2005-1401

Hanifa NR, Djunarsjah E, Wikantika K. 2007. TS9 Marine Cadastre and Coastal ZoneManagement. 3rd FIG Regional Conference, October 3-7, 2004.Jakarta, Indonesia

Vitousek S, Barbee MM, Fletcher CH, Richmond BM, Genz AS. 2009. Coastal Hazard AnalysisReport. NPS Geologic Resources Division

Winarso GJ, and Budhiman S, 2001. Paper presented at the 22nd AsianConference on Remote Sensing, 5 - 9 November 2001, Singapore.Centre for Remote Imaging, Sensing and Processing (CRISP),National University of Singapore; Singapore Institute of Surveyorsand Valuers (SISV); Asian Association on Remote Sensing (AARS)

I. JudulPengenalan data satelit (pixel) dapat untuk mengukur panjang garis pantai dan luasan suatu kawasan tambak, dll.

II. Tinjauan PustakaPenginderaan jauh dapat diartikan sebagai teknologi untuk mengidentifikasi suatu

obyek di permukaan bumi tanpa melalui kontak langsung dengan obyek tersebut. Saat ini teknologi penginderaan jauh berbasis satelit menjadi sangat populer dan digunakan untuk berbagai tujuan kegiatan, salah satunya untuk mengidentifikasi potensi sumber daya wilayah

pesisir dan lautan. Hal ini disebabkan teknologi ini memiliki beberapa kelebihan, seperti: harganya yang relatif murah dan mudah didapat, adanya resolusi temporal (perulangan) sehingga dapat digunakan untuk keperluan monitoring, cakupannya yang luas dan mampu menjangkau daerah yang terpencil, bentuk datanya digital sehingga dapat digunakan untuk berbagai keperluan dan ditampilkan sesuai keinginan. Data set citra Landsat-TM (daerah kajian) tersusun oleh kanal- kanal (Band) 1, 2, 3,4, 5 ,dan 7 dengan resolusi spasial 30 m. Pengolahan digital untuk setiap data set meliputi seleksi fusi multispektral, penajaman, dan pemfilteran. Gabungan (komposit) band dilakukan untuk mendapatkan ketajaman objek dan menghasilkan warna komposit yang optimum. Fusi multispektral digunakan untuk memperoleh informasi citra yang optimal. Proses ini diawali dengan memilih 3 (tiga) band yang digunakan untuk membuat citra warna komposit dengan memasukkan setiap band ke dalam filter merah, hijau, dan biru (RGB). Pemfilteran adalah proses modifikasi nilai piksel berupa pengurangan atau penambahan nilai spektral untuk menghasilkan citra yang lebih tajam (Suwargana, 2008).

Proses kombosit citra dilakukan untuk mempermudah dalam menginterpretasikan obyek-obyek yang ada pada tampilan citra. Selain dengan komposit citra, penajaman citra digital menggunakan RGB. Dengan menggunakan penajaman citra metode RGB ini dimaksudkan untuk lebih menghemat dalam penyimpanan data dan lebih meringankan kerja dari komputer. Dari hasil penajaman ini, terlihat kenampakan obyek menjadi lebih kontras dan lebih mudah dibedakan dengan obyek yang lain (Hani’ah, et. al., 2014).

Penajaman citra digunakan untuk mempermudah interpretasi objek pada tampilan citra. Penajaman citra meliputi penajaman kontras (contrast enhancement) yaitu memperbaiki tampilan citra dengan memaksimumkan kontras antara pencahayaan dan penggelapan. Filtering yaitu memperbaiki tampilan citra dengan mentranformasi nilai-nilai digital citra seperti mempertajam batas area yang mempunyai nilai digital yang sama (edge enhancement). Setelah citra terkoreksi multi temporal, tahap selanjutnya adalah proses on screen digitation (digitasi pada layar monitor). Digitasi dimaksudkan untuk mengubah format data raster ke format data vektor. Objek yang didigitasi adalah garis pantai. Seluruh proses digitasi menggunakan fasilitas image analisis pada perangkat lunak yang dapat menampilkan data raster dan vektor sekaligus (Yulius, et. al.,2013).

III. TujuanUntuk mengenalkan bahwa teknologi inderaja dan SIG untuk mengukur panjang garis pantai, luasan kawasan tambak, dll.

IV. MetodePengukuran panjang dan luasan suatu wilayah

a) Membuka aplikasi ER Mapper → Edit Algorithm → Load dataset → buka file citra yang bandnya telah digabungkan

b) Memilih icon 99% contrast enhanchement → klik RGB Algorithm → Refresh

c) Mengubah komposisi band dari 3-2-1 menjadi 5-4-2 untuk mengetahui sebaran vegetasi mangrove (ditunjukkan dengan warna hijau) → Refresh

d) Untuk mengetahui luas hutan mangrove, pilih edit, annote vector layer → pilih poligon → lakukan digitasi pada bagian daerah yang akan dihitung luasnya → jika ingin diberi warna, klik 2 kali pada daerah yang akan diberi warna → pilih warna

e) Memilih icon edit object extent ER Mapper akan menampilkan window map composition extent yang menunjukkan informasi mengenai keliling, luas area yang telah dilakukan digitasi.

V. Hasil dan PembahasanHasil

PembahasanBerdasarkan hasil yang diperoleh dapat diketahui bahwa, keliling dari tambak tersebut

adalah 87,46 Km dan luasnya 11754,3 Ha. Hasil tersebut diperoleh setelah dilakukannya analisis data citra satelit yang sudah mengalami proses penajaman menggunakan RGB. Penajaman citra satelit dengan RGB dilakukan supaya citra satelit dapat terlihat lebih kontras sehingga lebih mudah untuk dianalisis. Menurut Hani’ah, et. al. (2014), penajaman citra metode RGB ini dimaksudkan untuk lebih menghemat dalam penyimpanan data dan lebih

meringankan kerja dari komputer. Dari hasil penajaman ini, terlihat kenampakan obyek menjadi lebih kontras dan lebih mudah dibedakan dengan obyek yang lain.

Hal ini diperkuat oleh Suwargana (2008), proses ini diawali dengan memilih 3 (tiga) band yang digunakan untuk membuat citra warna komposit dengan memasukkan setiap band ke dalam filter merah, hijau, dan biru (RGB). Pemfilteran adalah proses modifikasi nilai piksel berupa pengurangan atau penambahan nilai spektral untuk menghasilkan citra yang lebih tajam.

Selain proses penajaman menggunakan RGB, dilakukan pula proses digitasi untuk menentukan wilayah yang akan dihitung luas dan jaraknya. proses ini dimaksudkan untuk memudahkan dalam pengukuran keliling atau jarak daerah tambak dan luasannya. Menurut Yulius et al., (2013), digitasi dimaksudkan untuk mengubah format data raster ke format data vektor. Seluruh proses digitasi menggunakan fasilitas image analisis pada perangkat lunak yang dapat menampilkan data raster dan vektor sekaligus.

Penggunaan software ER Mapper dan citra satelit dalam proses pengukuran jarak dan luasan tambak memiliki beberapa kelebihan, yaitu lebih akurat, proses cepat, mudah, murah, dan efisien . selain itu metode ini menggunakan data digital sehingga dapat dilakukan untuk memantau perkembangan suatu wilayah dalam periode tertentu. Menurut Suwargana (2008), teknologi ini memiliki beberapa kelebihan, seperti, harganya yang relatif murah dan mudah didapat, adanya resolusi temporal (perulangan) sehingga dapat digunakan untuk keperluan monitoring, cakupannya yang luas dan mampu menjangkau daerah yang terpencil, bentuk datanya digital sehingga dapat digunakan untuk berbagai keperluan dan ditampilkan sesuai keinginan.

ReferensiHani’ah, Muhammad Haqki, Andri Suprayogi. 2014. Identifikasi Bekas Kebakaran Lahan

Menggunakan Data Citra Modis di Provinsi Riau. Jurnal Geodesi Undip. ISSN : 2337-845X. 3(3)

Suwargana, Nana. 2008. Analisis Perubahan Hutan Mangrove Menggunakan Data Penginderaan Jauh di Pantai Bahagia, Muara Gembong, Bekasi. Jurnal Penginderaan Jauh. Vol 5. Hal 64-67

Yulius dan M. Ramdhan. 2013. Perubahan Garis Pantai di Teluk Bungkus Kota Padang, Provinsi Sumatera Barat Berdasarkan Analisis Citra Satelit. Jurnal Ilmu dan Teknologi Kelautan Tropis. 5(2). Hal 417-427