LAPORAN PRAKTIKUM
DASAR-DASAR PENGINDERAAN JAUH
(Pertemuan 2: Penggabungan Band)
Nama :Adriyan
NIM :I1A122001
Kelompok :IV
Program Studi :Manajemen Sumberdaya Perairan
FAKULTAS PERIKANAN DAN ILMU KELAUTAN UNIVERSITAS HALU OLEO
KENDARI 2023
I. Gambaran Umum
Composite Band atau penggabungan band adalah proses penggabungan 3 buah band yaitu band 4 (red), band 3 (green) dan band 2 (blue) untuk mendapatkan citra multispektral sebagai salah satu citra yang akan ditajamkan. Nilai digital number dari 3 buah band akan digabungkan menjadi satu citra, dan membentuk citra RGB ata biasa disebut Truecolor (Pradipta et al., 2019). Penggabungan band perlu di lakukan agar data citra satelit yang diperoleh dalam bentuk terpisah masing-masing band menjadi satu file yang utuh (Lubis et al., 2018). Peningkatan kualitas citra dapat dilakukan dengan melakukan filtering atau melakukan intergrasi/penggabungan citra. Pohl dan Van Genderen (1998) berpendapat bahwa penggabungan citra (image fusion)adalah aplikas untuk menggabungkan citra dengan perbedaan sensor, perbedaan waktu perekaman, atau perbedaan resolusi spasial pada daerah yang sama untuk meningkatkan kualitas citra dan tingkat interpretasi (Khoiriah & Farda, 2012).
Koreksi geometrik adalah transformasi citra hasil penginderaan jauh sehingga citra tersebut mempunyai sifat-sifat peta dalam bentuk, skala dan proyeksi.
Transformasi geometrik yang paling mendasar adalah penempatan kembali posisi pixel sedemikian rupa, sehingga pada citra digital yang tertransformasi dapat dilihat gambaran objek di permukaan bumi yang terekam sensor. Koreksi radiometrik bertujuan untuk meperbaiki nilai-nilai piksel yang tidak sesuai dengan nilai pantulan atau pancaran spektral objek yang sebenarnya (Lukiawan et al., 2019). Proses koreksi dilakukan setelah penggabungan band atau kanal selesai. Koreksi dilakukan untuk menyesuaikan data citra satelit yang telah diunduh, sehingga mempunyai koordinat yang mempunyai referensi geografis. Proses ini dilakukan pada perangkat lunak pemrosesan data citra (Lubis et al., 2018).
Cropping image atau pemotongan area citra adalah teknik yang digunakan untuk menentukan secara tepat bagian mana dari citra tersebut yang mengandung area objek yang akan diolah (diingini), sehingga dapat dipotong dan dipisahkan dari area yang tidak dibutuhkan guna untuk pengolahan selanjutnya (Yuhandri, 2019). Pemotongan citra atau cropping dilakukan untuk membatas citra sesuai dengan wilayah penelitian karena di dalam proses perekaman kondisi permukaan bumi, satelit akan merekam data pada daerah yang luas sesuai dengan resolusi spasial dari sensor yang digunakan oleh wahana satelit tersebut (Lubis et al., 2018). Proses pengambilan area tertentu pada sebuah citra (area of interest) disebut dengan pemotongan citra (cropping), dimana hasil dari proses pemotongan citra tersebut dapat digunakan untuk mempermudah dalam menganalisis sebuah citra. Umumnya pada proses pengolahan sebuah citra tidak semua atau tidak keseluruhan scene citra digunakan, oleh sebab itu guna mendapatkan area yang dibutuhkan tersebut maka dilakukan cropping. Hasil dari proses pemotongan citra tersebut dapat digunakan dalam kebutuhan data spasial dan data spektral. Titik koordinat, jumlah piksel dan hasil zooming daera h tertentu pada sebuah citra merupakan pedoman yang dapat digunakan dalam pemotongan sebuah citra (Chen et al., 2016).
II. Tujuan Praktikum
Adapun tujuan dari praktikum penggabungan band adalah sebagai berikut:
1. Mampu melakukan penggabungan band dalam praktikum dasar-dasar penginderaan jauh.
2. Mampu melakukan cropping citra dalam praktikum dasar-dasar penginderaan jauh.
3. Mampu melakukan koreksi geometrik dalam praktikum dasar-dasar penginderaan jauh.
III. Prosedur Kerja
Adapun prosedur kerja pada praktikum penggabungan band adalah sebagai berikut:
A. Penggabungan Band
1. Membuka aplikasi ER Mapper pada ikon Desktop, hingga muncul tampilan utama seperti pada gambar ini.
2. Klik edit algorithm, hingga muncul tampilan workspace dan algorithm seperti gambar berikut ini.
3. kemudian cari file Citra Landsat 8 dan memasukkan file Band 1 hingga muncul tampilan merah pada workspace.
4. Refresh Image with 99% clip on limits, hingga muncul warna biru kehijauan pada workspace.
5. Duplicate sebanyak enam kali kemudian ubah nama Pseudo layer menjadi band 1 sampai band 7 secara berurutan.
6. Ubah setiap file band berdasarkan band masing-masing secara berurutan.
7. Window utama > File > Save As dengan format nama file GABUNG_MSP2, kemudian klik Ok.
8. Untuk menguji file yang telah dibuat lakukan langkah Close Workspace dan Algorithm, kemudian klik menu edit algorithm > Load dataset dan masukkan file gabung yang telah dibuat.
B. Cropping a) Cropping 1
1. Close Workspace dan window algorithm kemudian klik menu edit algorithm > Load dataset dan masukkan file gabung yang telah dibuat.
2. Selanjutnya, klik duplicate sebanyak enam kali, kemudian ganti nama band berdasarkan band masing-masing.
3. Selanjutnya Gunakan tombol Zoom box tool pada window utama untuk memperbesar hasil citra pada workspace dan lakukan cropiping.
4. Lakukan penyimpanan file cropping dengan format nama CROP_MSP2.
b) Cropping 2
1. Buka Aplikasi ER Mapper, kemudian panggil file gabung.
2. Tekan menu view pada menu bar kemudian geopositions > extens, hingga muncul window algorithm geoposition extens seperti gambar di bawah.
3. Klik extens > ganti Lattitude dan Longitude pada Top Left dan Bottom Right berdasarkan rumus yang telah diberikan, lalu klik ok hingga workspace berubah ukuran.
4. Duplicate sebanyak enam kali, kemudian ganti nama band sesuai band masing- masing.
5. Klik file pada menu bar kemudian save as dengan format CROP2_MSP2 > Ok.
C. Koreksi Radiometrik
1. Buka aplikasi ER Mapper, panggil file CROP2_MSP2.
2. Duplicate sebanyak enam kali dan ganti nama band sesuai band masing-masing.
3. Rapikan workspace dengan menekan kanan pada mouse > quick zoom > zoom to all dataset.
4. selanjutnya klik edit transform limits pada elgorithm dan ubah setiap angka pada actual input limits menjadi 0 to 255, dengan menekan edit formula pada algorithm.
5. Kurangi nilai sesama nilai input nya agar menjadi nol.
6. Close window transform dan window edit formula, kemudian klik file dan save as dengan format KOREKSI_MSP2, kemudian close workspace dan algorithm, panggil file koreksi.
7. RGB kan dengan rumus 5 6 4 hingga workspace berubah warna seperti pada gambar di bawah ini.
8. Matikan komputer dengan menekan tombol Shut Down.
IV. DAFTAR PUSTAKA
Chen J., Bai G., Liang S. dan Li Z. (2016), “Automatic Image Cropping : A Computational Complexity Study”, The IEEE Conference on Computer Vision and Pattern Recognition (CVPR) in Computer Vision Foundation (CVF), Las Vegas.
Khoiriah, I. F., dan Farda, N.M . "Perbandingan Akurasi Klasifikasi Penutup Lahan Hasil Penggabungan Citra ALOS AVNIR-2 dan ALOS PALSAR pada Polarisasi Berbeda dengan Transformasi Wavelet." Jurnal Bumi Indonesia, vol.
1, no. 2, 2012.
Lubis, R. R. Z., Rizwan, T., Purnawan, S., Ulfah, M., Yuni, S. M., dan Setiawan, I.
(2018). Studi Perubahan Garis Pantai Timur Laut Kabupaten Aceh Besar dan Pidie Pada Tahun 2002–2014. Jurnal Kelautan: Indonesian Journal of Marine Science and Technology, 11(2), 113-119.
Lukiawan, R., Purwanto, E. H., dan Ayundyahrini, M. (2019). Standar koreksi geometrik citra satelit resolusi menengah dan manfaat bagi pengguna. Jurnal Standardisasi, 21(1), 45-54.
Yuhandri, Y. (2019). Perbandingan Metode Cropping Pada Sebuah Citra Untuk Pengambilan Motif Tertentu Pada Kain Songket Sumatera Barat. Jurnal Komtek Info (Komputer Teknologi Informasi), 6(2), 96-105.
