Laju gandharum sop_pengolahan_landsat_dengan_lsu_rev1

Turorial Remote Sensing untuk Pertanian: Penerapan Metode LSU
Tutorial Remote Sensing
Penerapan Metode Sub-Piksel LSU pada Citra
Landsat TM 5 untuk Memetakan Tanaman Padi
Terserang BLB
Oleh:
Laju Gandharum
Perekayasa bidang geoinformasi di PTISDA, Badan Pengkajian dan Penerapan Teknologi (BPPT)
Lantai 20 Gedung 1 BPPT, Jl MH Thamrin No. 8 Jakarta, 10340, Telp: 021-3168914
Email: lajung@gmail.com, blog: http://lajugandharum.wordpress.com
Pengantar
Penyakit hawar daun bakteri (bacterial leaf blight atau BLB) pada tanaman padi disebabkan
oleh bakteri Xanthomonas oryzae pv. Oryzae. Kerusakan terberat apabila penyakit
menyerang tanaman muda sehingga menimbulkan gejala kresek, dapat menyebabkan
tanaman mati. Pada musim BLB hujan berkembang lebih baik. Kerugian akibat serangan
BLB dapat mencapai 60%.
Dalam kaitan itu maka tulisan ini menjelaskan langkah-langkah praktis melakukan pemetaan
sebaran serangan OPT BLB menggunakan citra satelit Landsat TM 5 dengan metode LSU
(Linear Spectral Unmixing). Untuk menunjang studi ini, pengumpulan data endmember baik
itu tanaman padi yang terserang OPT BLB maupun tanaman padi sehat dilakukan di lapangan
menggunakan spectrometer Ocean Optics USB4000. Selain itu juga dikumpulkan data Luas
Tambah Serangan OPT BLB di Kabupaten Karawang yang bersumber dari Balai Besar
Peramalan Organisme Pengganggu Tumbuhan Kementan sebagai data pendukung.
Perangkat lunak yang digunakan adalah SAMS 3.2 dan ENVI 4.8.
halaman 1 dari 56

Wilayah Studi
Wilayah studi yang dijadikan contoh adalah Kabupaten Karawang di Provinsi Jawa Barat.
Citra Landsat
Citra yang digunakan sebagai contoh di sini adalah citra Landsat TM 5 bertanggal 29
Nopember 2009. Karakteristk citra Landsat TM 5 adalah sebagai berikut:
Landsat 5
(TM)
Nama Kanal Panjang Gelombang
(micrometers)
Resolusi Spasial
(meter)
Kanal 1 Biru 0.45 - 0.52 30
Kanal 2 Hijau 0.52 - 0.60 30
Kanal 3 Merah 0.63 - 0.69 30
Kanal 4 Inframerah Dekat 0.76 - 0.90 30
Kanal 5 Gel Pendek Inframerah-1 1.55 - 1.75 30
Kanal 6 Termal Inframerah 10.40 - 12.50 120
Kanal 7 Gel Pendek Inframerah-2 2.08 - 2.35 30
Satu cakupan (scene) Landsat meliputi area 185 km x 185 km. Untuk daerah Kerawang
scene Landsat yang meliputinya path/row 122/64.
halaman 2 dari 56

Linear Spektral Unmixing (LSU)
‘Linear spectral unmixing’ merupakan salah satu metoda yang paling banyak digunakan
untuk mendapatkan informasi dari piksel-campuran (mixed-pixel). Menurut Lunetta (1998),
analisis spectral campuran (spectral mixture) dikembangkan untuk menginterpretasi data
hiperspektral ‘High Spectral Resolution Advanced Visible/Infrared Image Spectrometer
(HSR AVIRIS) dan kemudian dikembangkan untuk menganalisis data multi spektral.
Rumusan LSU secara matematis adalah sebagai berikut:
𝑅𝑅𝑖𝑖 = ∑ 𝑓𝑓𝑘𝑘 𝑅𝑅𝑖𝑖𝑖𝑖
𝑛𝑛
𝑘𝑘=1 + 𝐸𝐸𝑅𝑅𝑖𝑖
Dimana,
i = 1, …, m (jumlah kanal-spektral);
k = 1, …, n (jumlah endmember);
Ri adalah nilai suatu piksel pada kanal i;
fk adalah fraksi endmember k dalam piksel tersebut;
Rik adalah reflektansi endmember k pada kanal i;
dan ERi adalah ‘unmodelled residual pada kanal i’ atau nilai RMS Error.
Dasar pemikiran LSU
Asumsi LSU (sumber: Settle and Drake, 1993)
• Tidak ada multiple scattering antar komponen permukaan (endmember).
• Tiap endmember spektralnya memiliki pemisahan yang jelas.
• Setiap piksel merupakan penjumlahan tutupan lahan utuh (100%)
• Setiap endmember diketahui
Linear mixing – cahaya yang sampai
ke sensor hanya datang dari satu
komponen permukaan (endmember)
halaman 3 dari 56

Langkah-langkah penerapan LSU
Secara garis besar langkah-langkah penerapan LSU adalah sebagai berikut.
1. Konversi nilai Digital Number citra ke reflektan
2. Koleksi endmember
3. Menentukan batasan (Constraint)
4. Normalisasi peta fraksi
5. Interpretasi hasil
Adapun langkah praktisnya dijelaskan detil pada bagian ini dengan mengikuti alur kerja
sebagai berikut.
I. PENGOLAHAN END MEMBER
Endmember yang digunakan adalah padi sehat dan sakit BLB, didapat dari pengukuran
spectral di lapangan menggunakan spekrometer USB4000 Ocean Optics dilengkapi sumber
cahaya PX-2. Hasil finalnya adalah data enam endmember yakni:
(1) Daun padi terserang OPT BLB Stadia 2 (BLB-S2)
(2) Daun padi terserang OPT BLB Stadia 3 (BLB-S3)
(3) Daun padi tersedang OPT BLB Stadia 4 (BLB-S4)
(4) Daun padi sehat stadia 2 (Sehat-S2)
Resample ke Landsat
TM band
Citra Landsat TM dalam
Digita Number (DN)
Geokoreksi
Endmember final hasil
dari spectrometer
format TXT
(dalam absolute
reflektan)
Running LSU
Masking out wilayah
non sawah (Landuse)
Citra hasil LSU
SISI PENGOLAHAN CITRA
Cropping ke batas Kab.
Kerawang
Konversi ke ENVI
spectral library
Konversi DN ke nilai
absolut reflektan
Interpretasi
Masking out sawah non
vegetasi (NDVI)
Citra Landsat TM siap
diproses LSU
Impor & ekspor spectral
library di SAMS
SISI PENGOLAHAN
END MEMBER
Endmember siap
diproses LSU
halaman 4 dari 56

Keterangan stadia:
• Padi stadia 1 (S1) adalah masa vegetatif (anakan maksimum) usia tanamnya kurang dari 40 hst
(hari setelah tanam). Data padi S1 tidak digunakan dalam percobaan ini.
• Padi stadia 2 (S2) adalah masa primordial (pengisian malai), usia tanamnya 40-60 hst,
• Padi stadia 3 (S3) adalah padi masak susu, usia tanamnya 60-90 hst, dan
• Padi stadia 4 (S4) adalah padi usia panen (90–110 hst).
Data enam endmember final di atas diperoleh dalam format text file (TXT). Masing-masing
data memiliki jumlah kanal panjang gelombang 2599, membentang dari 400 nm hingga 900
nm dengan resoulsi 0.21 nm – 0.18 nm. Satuan sepektral refektannya adalah persen (%).
Contoh tampilan sebagian data spectral reflektan untuk endmember BLB-S2 dalam text file
nampak pada gambar berikut.
Keenam endmember di atas ini disatukan di SAMS dengan cara diimpor. SAMS (Spectral
Analysis and Management System) adalah aplikasi gratis berbasis Java buatan CSTARS
(Center for Spatial Technologies and Remote Sensing University of California, Davis) yang
digunakan untuk mengelola data-data spektral serta menganalisisnya. SAMS dapat diunduh
melalui alamat http://sams.projects.atlas.ca.gov
halaman 5 dari 56

Langkah pengerjaan impor data spectral melalui SAMS adalah sebagai berikut:
1. Instal SAMS dan buka SAMS software, melalui ‘Start > Windows Program’ seperti pada
gambar berikut.
halaman 6 dari 56

2. Buat database baru melalui menu ‘Database > New..’
3. Pada jendela berikutnya anda isi nama database yang diinginkan. Sebelumnya arahkan
dulu ke direktori dimana database akan disimpan. Contoh di bawah adalah di
‘D:MyWorks2012_OPT-PKPPSOPLSUEndmember’. Lalu pada bagian ‘Folder name’
isi ‘endmember-asli’ seperti tampilan berikut, lalu klik ‘Open’.
4. Hasilnya muncul jendela kosong yang pada bagian atasnya sudah memiliki judul
‘endmember-asli.samsdb’ berikut urutan tempat lokasi file database tersebut di simpan.
Contoh tampilannya seperti berikut.
halaman 7 dari 56

5. Selanjutnya, lakukan impor dari endmember format TXT (sudah dijelaskan pada bagian
sebelumnya) ke database ‘endmember-asli.samsdb’. Caranya klik menu ‘Database >
Import signatures from > Specific files’ seperti pada gambar berikut.
6. Dari jendela ‘Import spectra files’ tekan tombol ‘Choose’, lalu arahkan ke lokasi dimana
file-file enam endmember TXT itu berada, pilih file-file tersebut. Untuk memilih lebih
dari satu file tekan tombol ‘Ctrl’ lalu pilih file-file yang akan diimpor. Tampilan di bawah,
file yang akan diimpor adalah ‘s2-BLB.txt, s2-sehat.txt, s3-BLB.txt, s3-sehat.txt, s4-
BLB.txt dan s4-sehat.txt’. Setelah itu tekan tombol ‘Open’
7. Setelah selesai proses impor lalu tekan tombol ‘Close’. Cepat-lambatnya proses impor
tergantung dari banyaknya data yang diimpor dan kecepatan komputer yang digunakan.
8. Setelah itu jendela utama berubah tampilannya menjadi seperti di bawah ini. Jika folder
‘imported’ diklik maka nampak file-file hasil impor ditempatkan.
halaman 8 dari 56

9. Klik salah satu file *.txt di atas, semisal ‘s2-BLB.txt’ maka pada sisi sebelah kanan grafik
spectral reflektan dari data tersebut ditampilkan seperti pada gambar berikut.
10. Jika ingin menampilkan semua grafik bersamaan, maka tekan SHIFT lalu klik semua file
(yang terseleksi akan mempunyai latar berwarna biru), lalu klik kanan mouse, dari pop-up
menu pilih ‘Add to plot’.
halaman 9 dari 56

11. Hasil tampilan ‘Add to plot’ akan seperti ini.
12. Karena semua pemrosesan citra nantinya dilakukan di ENVI, maka endmember di SAMS
perlu diekspor ke ‘Spectral Library ENVI’, caranya klik label ‘imported’ lalu pilih menu
‘Selected > Export to Envi Spectral Library’.
Padi terdampak BLB
Padi sehat
halaman 10 dari 56

13. Dari jendela ‘Export spectra files’ klik tombol ‘Choose’, dari jedela ‘Save a file to export’
isi kolom kosong file name-nya dengan ‘endmember-asli-envi’, setelahnya klik tombol
‘Save’ , setelahnya tekan ‘Close’.
14. Dari proses di atas dihasilkan file spectral library end member ENVI dalam format *.hdr
(hdr adalah format data ENVI).
Total jumlah endmember yang akan diekspor
halaman 11 dari 56

15. Hasil ekspor di atas dapat dilihat di ENVI, caranya buka program ENVI melalui ‘Start >
All Programs > ENVI 4.8 > ENVI’.
16. Tampilan utama ENVI cukup sederhana, isinya hanya deret-deret menu.
17. Dari menu utama di atas klik menu ‘File > Open image file’. Dari jendela yang muncul
pilih file *.hdr yang mau dibuka (contoh di bawah nama filenya adalah: ‘endmember-asli-
envi.hdr’), lalu klik tombol ‘Open’. Hasilnya file tersebut muncul di jendela ‘Available
Bands List’ seperti pada tampilan berikut.
18. Untuk membuka tampilan grafik endmember dari file di atas, klik menu ‘Spectral >
Spectral libraries > Spectral Library Viewer’.
halaman 12 dari 56

19. Lalu seleksi ‘endmember-asli-envi’ dari daftar input file, setelahnya klik tombol ‘OK’
20. Setelah itu jendela ‘Spectral Library Viewer’ muncul. Pada jedela tersebut klik salah satu
endmember di daftar (contoh di bawah s2-BLB), maka setelahnya ditampilkan grafik
spectral reflektan dari endmember tersebut seperti berikut.
21. Jika satu-persatu dari 6 endmember pada daftar ‘Spectral Library Viewer’ diklik, maka
semua grafik akan ditampilkan pada satu jendela yang sama seperti berikut.
halaman 13 dari 56

22. Hingga pada tahap ini, maka data spectral 6 end member bisa digunakan pada tahap
selanjutnya.
II. PENGOLAHAN CITRA
A. Inisialisasi Citra
Citra yang digunakan adalah Landsat wilayah Kabupaten Karawang. Citra diperoleh dari
GISDA Thailand. File citra disimpan dalam satu direktori ‘L5122064_29072009’. Dari
penamaan direktori tersebut dapat diketahui asal usul citra.
Dengan demikian diketahui dalam folder tersebut adalah citra Landsat 5TM, path-rownya
122-64, dan tanggal akuisisinya adalah 29 Juli 2009. Di dalam folder terdapat beberapa file
citra dalam format geotiff termasuk juga file keterangan data seperti pada tampilan berikut.
L5122064_29072009
Landsat 5 Path-row Tanggal-bulan-tahun
halaman 14 dari 56

Untuk melihat tampilan citra (data aslinya) di ENVI, maka langkah sebagai berikut:
1. Buka program ENVI melalui Start > All Programs > ENVI 4.8 > ENVI.
2. Dari menu utama ENVI klik menu ‘File > Open image file’. Dari jendela yang muncul,
arahkan ke folder dimana file-file citra berada lalu, pilih semua band citra (pilih file yang
berekstensi *.tiff). Untuk memilih lebih dari satu file tekan tombol ‘Ctrl’, lalu klik satu
persatu file yang akan dibuka. Setelah itu klik tombol ‘Open’.
Band 1 s/d 7
Deskripsi
Citra Quicklook
halaman 15 dari 56

3. Hasilnya nama file-file tersebut muncul di daftar ‘Available Band Lists’ seperti pada
tampilan berikut.
4. Untuk menampilkan citranya, dari daftar di atas pilih salah satu band, misal Band 7 (pada
daftar namanya LT5122064000921010_B7.TIF), lalu klik tombol ‘Load band’. Hasilnya
akan ditampilkan pada tiga jendela standar ENVI, yakni pada: (1) Image window, (2)
Scroll window, (3) zoom window.
halaman 16 dari 56

5. Dari tampilan di atas nampak sepertinya dua jendela masih kosong. Agar dua jendela
pada ‘Image window’ dan ‘zoom window’ citranya nampak, maka geser ‘kotak merah’
kecil yang ada pada pojok kiri atas di ‘Scroll window’ ke bagian tengah-bawah. Hasil
tampilannya akan menjadi seperti ini.
Image window
Zoom window
Scroll window
halaman 17 dari 56

6. Tampilan di atas menampilkan citra satu kanal (Band 7) saja dalam derajat keabuan
(grayscale), untuk menampilkan beberapa kanal sekaligus perlu kombinasi kanal. Salah
satu kombinasi kanal disebut ‘true color’. Citra Landsat TM 5 display true color RGB
(Red, Green, Blue) nya adalah kombinasi kanal 3, 2, dan 1. Lebih jauh tentang kombinasi
kanal citra Landsat bisa merujuk pada taut berikut
http://web.pdx.edu/~emch/ip1/bandcombinations.html.
7. Untuk menampilkan true color, lakukan setting komposisi RGB di jendela ‘Available
Band Lists’ seperti pada tampilan berikut, lalu klik tombol ‘Load RGB’. Ikuti dengan
cermat satu persatu dari masing-masing jendela di bawah.
halaman 18 dari 56

8. Hasilnya akan menampilkan citra dengan kombinasi kanal RGB: 3,2,1 seperti tampilan
berikut.
9. Sampai tahap ini proses inisialisasi citra selesai, siap melangkah ke tahap berikutnya.
1 2 3
halaman 19 dari 56

B. Konversi DN citra ke ToA (Kalibrasi Citra)
Karena nilai piksel citra Landsat TM berupa Digital Number (DN) maka perlu dikonversi ke
nilai reflektansi. DN mempunyai nilai antara 0 hingga 255 (8 bit), sedang reflektan
mempunyai ‘range’ nilai 0 hingga 1. Kalibrasi/konversi diperlukan agar citra dapat
dibandingkan dengan data spektrum reflektansi endmember yang diperoleh dari pengukuran
lapangan atau dengan pustaka spectral.
Konversi memperhitungkan parameter-parameter bawaan citra saat data tersebut direkam.
Parameter-parameter tersebut antara lain adalah kapan data itu direkam, tinggi matahari,
sudut arah datangnya sinar matahari terhadap arah vertikalnya di muka bumi (solar zenith
angle). Jika data Landsat TM 5 diperoleh dari USGS, parameter tersebut disimpan di file
“_MTL.TXT”. Jika dari tempat lain seperti dari GISDA-Thailand ia disimpan dalam file
ProductDescription.self. File ini bisa dibuka dengan program seperti WordPad.
Ada dua metode konversi dari DN ke reflektan yakni ‘Gain and Bias (Offset)’ dan ‘LMin and
LMax’. Proses konversi untuk data Landsat di ENVI dapat dilakukan dengan memanfaatkan
fungsi ‘Calibration’. Pada contoh di sini metode konversi yang diggunakan adalah ‘LMin dan
LMax’. Konversi dilakukan hanya terhadap kanal 1,2,3 dan 4 citra Landsat TM 5 (untuk
analisis LSU kali ini tidak semua kanal perlu dikonversi). Proses konversi dilakukan satu-
persatu per kanal. Langkah-langkah konversinya adalah sebagai berikut:
1). Pastikan file kanal 1,2,3 dan 4 ada pada daftar ‘Available Band List’.
2). Klik menu ‘Basic Tools > Preprocessing > Calibration Utilities > Landsat Calibration’
3). Dari jendela ‘Landsat Calibration Input File’ di bagian sebelah kiri lakukan seleksi kanal
1 atau file ‘LT5122064000921010_B1.TIF’, lalu tekan tombol OK.
halaman 20 dari 56

4). Setelah itu akan muncul jendela ‘ENVI Landsat Calibration’. Isi lengkap semua kolom
yang diminta berdasarkan file deskripsi tentang data. Karena data ini diperoleh dari
GISDA Thailand, maka pengisian kolom merujuk pada fie ‘ProductDescription.self’.
Buka file ini menggunakan WordPad. Pada bagian akhir isi ‘output file name’nya, lalu
tekan OK. Contoh di bawah output filenya adalah ‘Band1_cal’
5). Setelah proses selesai, nama ‘Band1_cal’ muncul di daftar paling atas jendela ‘Available
Band List’, sedangkan filenya akan terbentuk di folder tujuan dengan nama
‘Band1_cal.hdr’. File *.hdr adalah file bentukan asli ENVI. File ini merupakan file
‘header’ yang disertai file citranya dengan nama yang sama namun tanpa ekstensi.
Contoh: ‘Band1_cal.hdr’ dan ‘Band1_cal’.
halaman 21 dari 56

6). Untuk melihat citra hasil, lakukan klik ganda nama ‘TM Cal (Band
1:LT5122064000921010_B1.TIF)’.
7). Setelahnya, citra hasil calibrasi akan dimunculkan dalam 3 jendela standar ENVI. Lalu,
lakukan pengecekan apakah data piksel citra sudah berubah dari DN ke reflektan.
Caranya, klik bagian tengah jendela ‘Image window’, pada posisi yang sama lalu klik
kanan, pada menu pop-up yang muncul pilih ‘Cursor Location/Value’. Dari jendela baru
yang muncul, di baris terakhir disebutkan ‘Data: 0.129863’. Angka ini merupakan nilai
reflektan dari piksel tersebut.
8). Selanjutnya, ulangi proses kalibrasi untuk kanal 2, 3, dan 4 hingga selesai. Hasilnya akan
terbentuk 4 set data kanal citra yang nilainya sudah dalam reflektansi seperti pada gambar
di bawah (windows explorer), yakni: ‘Band1_cal.hdr’, ‘Band2_cal.hdr’, ‘Band3_cal.hdr’
dan ‘Band4_cal.hdr’.
halaman 22 dari 56

Catatan:
• Proses analisa LSU kali hanya memerlukan kanal 1, 2, 3 dan 4 citra Landsat TM 5.
Karena kanal-kanal tersebut jangkauan panjang gelombangnnya bersesuaian dengan
jangkauan panjang gelombang data enam endmember dari pengukuran spectrometer
(sudah dibahas dibagian ‘pengolahan data endmember’)
9). Selanjutnya empat file di atas disatukan dalam satu bundel data citra, caranya klik menu
‘Basic Tools > Layer Stacking’. Setelah itu muncul jendela ‘Layers Stacking Parameters’,
pada jendela tersebut klik tombol ‘Import File’ sehingga muncul jendela berikutnya
‘Layer Stacking Input File’. Dari jendela ini lakukan seleksi empat kanal yang akan
diimpor, setelah itu klik OK. Gunakan tombol ‘Shift’ untuk memilih lebih dari satu file
(nama).
10). Setelah itu atur susunan kanal yang akan dibentuk dengan menekan tombol ‘Reorder
Files’. Pada jendela ‘Reorder Files’ susunlah hingga ‘Band1_cal’ ada diurutan paling atas,
halaman 23 dari 56

disusul ‘Band2_cal’, ‘Band3_cal’ dan paling bawah ‘Band4_cal’. Untuk menyusunnya
gunakan fungsi drag-drop kursor mouse, lalu klik tomobol OK. Pada jendela ‘Layer
Stacking Parameters’ isi ‘output filename’nya dengan ‘Band1-4_stk’, lalu klik OK.
11). Hasil proses Layer Stacking menghasilkan file ‘Band1-4_stk.hdr’, file ini dalam jendela
‘Available Bands List’ akan ditampilkan seperti berikut.
12). Hingga tahap ini file siap diproses pada tahap selanjutnya.
C. Geokoreksi
Citra Landsat TM 5 yang digunakan di sini telah dikoreksi geometrik, namun masih belum
tepat posisinya (bergeser). Pergeseran ini nampak jika citra ditampalkan (overlay) dengan
peta vektor digital Rupa Bumi milik Bakosurtanal skala 1:25.000, oleh karenanya citra ini
masih perlu dikoreksi letaknya agar bersesuaian (match) dengan peta vektor. Untuk
melakukan koreksi geometric maka diperlukan langkah-langkah sebagai berikut.
1). Pastikan file kanal hasil Layer Stacking ‘Band1-4_stk’ ada pada daftar ‘Available Band
List’. Lalu set komposisi RGB-nya dengan kanal 4,3,2. Hasil tampilannya akan nampak
seperti pada gambar berikut. Pada bagian daratan, warna citra didominasi warna merah.
Warna merah ini mengindikasikan vegetasi.
halaman 24 dari 56

2). Buka file vector digital Rupa Bumi milik Bakosurtanal skala 1:25.000 dalam format
shapefile (*.shp). Contoh file vector yang digunakan di sini adalah ‘lusetm.shp’. File ini
merupakan file penggunaan lahan Kabupaten Karawang. Untuk membukanya, dari menu
utama ENVI klik ‘File > Open Vektor File’, seleksi file ‘lusetm.shp’ lalu klik Open.
halaman 25 dari 56

3). Setelah itu muncul jendela ‘Import Vektor Files Parameters’. Jika data vector yang akan
dibuka sudah memiliki informasi referensi geografis, maka sepeti gambar di bawah,
ENVI akan menampilkannya secara otomatis seperti: System Proyeksi UTM, Datum
WGS84, Unit Meters, Zone 48 S. Jika tidak, silakan isi/definisikan. Pada bagian ‘Enter
Output Filename’ secara otomatis ENVI menyediakan file-outputnya dengan ekstensi
*.evf. File ini merupakan file vector bentukan ENVI. Namanya akan sama dengan nama
vector shp namun ditambahkan tanda ‘_’ dibagian akhir file tersebut. Contoh di bawah
nama file output ENVI-nya adalah ‘lusetm_.evf’. Setelah itu klik OK.
4). Kemudian akan muncul jendela ‘Available Vector List’ dari jendela itu seleksi nama
‘Layer: lusetm.shp’ lalu tekan tombol ‘Load Selected’, setelah itu pilih “Display#1” lalu
klik OK. Display#1 dalam contoh ini adalah image window yang tengah menampilkan
citra Landsat.
File vector bentukan ENVI
halaman 26 dari 56

5). Hasilnya, vector landuse akan ditampalkan diatas citra Landsat seperti gambar berikut.
Dari gambar di bawah nampak bahwa antara vector dan citra tidak match (panah kuning
menunjukkan arah pergeseran). Oleh karenanya maka citra harus dikoreksi letak
geografisnya. Koreksi cukup dilakukan dengan menggeser letak citra, disamakan dengan
vektornya.
6). Untuk menggeser citra sesuai data vektornya maka perlu dicari titik lokasi/tempat yang
sama di kedua data tersebut untuk dijadikan referensi misalnya perpotongan jalan, sungai
dan sebagainya. Sebagai contoh di sini adalah perpotongan jalan, yang tampilannya
sebagai berikut.
halaman 27 dari 56

7). Selanjutnya, catat koordinat kedua titik referensi tersebut. Untuk memudahkan, dua titik
tersebut diberi nama Titik Tujuan dan Titik Asal. Untuk mengetahui koordinat Titik
Asal, pada jendela Zoom arahkan kursor ke Titik Asal, klik kanan lalu klik pop-up menu
‘Pixel Locator’. Dari jendela ini seleksi koordinat Bujur (E-east), Copy (tekan Ctrl + C)
lalu Paste (tekan Ctrl+V) di spreadsheet MS Excel seperti pada gambar di bawah.
Selanjutnya lakukan hal yang sama untuk koordinat Lintang (N-north).
8). Begitu juga dengan Titik Asal, lakukan juga hal yang sama, hasilnya pada contoh ini akan
seperti di bawah ini. Lalu hitung selisih absolute dari kedua titik tersebut di jendela Excel.
Contoh di bawah seleisih E: 1050 dan N: 840.
Titik Tujuan
Titik Asal
halaman 28 dari 56

9). Selisih nilai di atas digunakan untuk menggeser citra dari Titik Asal ke Titik Tujuan.
Penggeseran mengikuti kaidah letak titik pada koordinat Catesian. Sehingga nilai selisih
X (Bujur) menjadi negative (faktor pengurang) sedangkan selish Y menjadi postif (faktor
penambah).
10). Di ENVI , cara menggesernya adalah melalui jendela ‘Available Bands List’ seleksi
‘Band1-4_stk’ klik kanan, lalu pilih ‘Edit Header’. Pada jendela berikutnya tekan tombol
‘Edit Attributes’ lalu klik ‘Map Info..’
Titik Tujuan
Titik Asal
halaman 29 dari 56

11). Setelah itu muncul jendela ‘Edit Map Information’, pada bagian ‘Map Coordinate of
Tie Point’ kurangi nilai Bujurnya (E) dengan 1050 sedangkan Lintangnya (N) ditambah
840, setelah itu klik OK. Tampilan jendela yang dimaksud adalah sebagai berikut.
12). Untuk mengecek hasilnya, silakan buka data citra ‘Band1-4_stk.hdr‘ lalu overlay
(tampalkan) dengan data vector landusenya (‘lusetm.shp’). Langkah-langkahnya
mengikuti apa yang sudah dijelaskan pada bagian sebelumnya. Hasilnya akan seperti pada
tampilan berikut, citra dan vektor nampak sesuai.
(-1050)
(+840)
halaman 30 dari 56

Catatan:
• Tidak semua citra perlu dikoreksi geometriknya, tergantung dari Level Produk
(kualitas) citra yang diperoleh (dibeli).
• Untuk pengerjaan koreksi geometris yang lebih kompleks bisa memanfaatkan fasilitas
menu ‘ ENVI > Map’.
D. Cropping ke Batas Kabupaten Kerawang
Mengingat satu scene citra Landsat (185 x 185 km) yang digunakan terlalu luas dibanding
wilayah Kabupaten Karawang, maka citra tersebut perlu dipotong berdasar batas wilayah
adminsitrasi Kabupaten Karawang. Langkah memotong citra (cropping) adalah sebagai
berikut.
1). Pastikan citra hasil proses geokoreksi ‘Band1-4_stk.hdr’ ada di daftar ‘Avaiable Band
List’. Lalu buka citra tersebut pada ‘Display#1’.
2). Pastikan juga bahwa anda memiliki file vector polygon batas administrasi Kabupaten
Karawang. Pada contoh di sini file vector yang digunakan adalah ‘btskabtm.shp’. Buka
file vector tersebut hingga muncul pada daftar ‘Available Vector List’. Dari jendela ini
klik menu ‘File > Export Layer to ROI’. ROI adalah Region of Interest.
3). Setelah itu pilih ‘Band1-4_stk’ dari jendela ‘Select Data File to Associate with new ROIs’,
kemudian pilih opsi ‘Convert All record of an EVF layer to one ROI’, lalu klik OK.
halaman 31 dari 56

4). Setelah itu dari menu utama ENVI, klik ‘Basic Tools > Subset Data via ROIs’. Lalu
seleksi nama ‘Band1-4_stk’ dari jendela ‘Select Input File to Subset via ROIs’ dan klik
OK.
5). Kemudian dari jendela ‘Spatial Subset via ROI Parameters’ , seleksi EVF Layernya yang
ada di bagian ‘Select Input ROIs’, lalu klik tanda untuk mengganti ‘Mask pixel
outside of ROI’-nya dari ‘No’ menjadi ‘Yes’. Biarkan ‘Maskbaground Value’nya nol.
Lalu isi bagian output file ‘Band1-4_crp’, lalu klik tombol OK.
halaman 32 dari 56

6). Hasil subset citra via ROI di atas akan muncul di daftar ‘Available Bands List’ yang
citranya jika dilihat pada jendela ‘Scroll’ akan seperti ini. Bagian bawah citra nampak
terpotong, karena memang wilayah selatan Kabupaten Kerawang berada di luar scene
citra Landsat path/row 122/64. Toh juga bagian bawah bukan wilayah sawah yang
menjadi ‘interest’ dalam percobaan ini.
7). Hingga langkah ini, citra siap diproses ke tahap berikutnya.
halaman 33 dari 56

E. Menghilangkan wilayah non sawah
Mengingat contoh analisa LSU di sini fokus pada areal sawah, maka wilayah non sawah di
hilangkan dari citra hasil proses sebelumnya. Menghilangkannya dengan menggunakan
teknik masking. Langkah-langkahnya adalah sebagai berikut:
1). Pastikan citra ‘Band1-4_crp’ di atas ada pada daftar ‘Available Bands List’, lalu buka
citra tersebut dengan komposisi RGB: 432 pada Display #1, hasilnya seperti gambar
berikut.
2). Siapkan data shapefile polygon area sawah wilayah Kabupaten Kerawang. Contoh di sini
adalah nama filenya adalah ‘sawahutm.shp’, data ini diperoleh dari peta landuse
Rupabumi Bakosurtanal skala 1:25.000. Tampilan peta sawah tersebut pada ArcGIS
seperti di bawah ini.
halaman 34 dari 56

3). Buka data vector ‘sawahutm.shp’ melalui menu utama ENVI di ‘File > Open Vektor File’,
pastikan file ini muncul di jendela ‘Avilabel Vektor List’.
4). Melalui menu utama ENVI, klik ‘Basic Tools > Masking > Build Mask’.
• Jika lupa membuka citra pada Display#1, maka pada jendela ‘Mask Definition’
isikan nilai Sampel-nya 2048 dan Lines-nya 2614. Nilai ini diambil dari ukuran citra
‘Band1-4_crp’. Untuk mengetahui ukuran citra, seleksi nama ‘Band1-4_crp’ yang
ada di jendela ‘Available Band List’, klik kanan lalu seleksi pop-up menu ‘Edit
Header…’.
halaman 35 dari 56

5). Setelah itu, masih dari jendela ‘Mask Definition’ klik menu ‘Options > Import EVFs..’.
Pada jendela ‘Mask Definition Input EVFs’ pilih nama ‘Layer: sawahutm.shp’, lalu klik
OK. Setelahnya dari jendela ‘Select Data File Associated with EVFs’ pilih ‘Band1-4_crp’,
lalu klik OK.
6). Ketika kembali ke jendela ‘Mask Definition’, isikan bagian Output Filename-nya dengan
nama ‘mask-citra’, lalu klik OK. Hasilnya, nama ‘mask-citra’ akan muncul di jendela
‘Available Bands List’ seperti gambar berikut ini.
halaman 36 dari 56

7). Hasil bentukan citra masking jika dibuka akan tampak seperti berikut.
8). Selanjutnya dari menu utama ENVI klik ‘Basic Tools > Masking > Apply Mask’. Dari
jendela ‘Apply Mask Input File’ yang mucul pilih ‘Band1-4_crp’, lalu klik tombol ‘Select
Mask Band’. Klik ‘Mask Band’ dari list, lalu klik OK, dan OK lagi. Pada jendela ‘Apply
Mask Parameter, isikan Output Filenamenya dengan ‘citra-sawah’ lalu klik OK.
9). Hasil masking citra Landsat akan nampak seperti ini (citra ditampilkan bertampalan
dengan vector batas kabupaten).
halaman 37 dari 56

F. Menghilangkan wilayah sawah non vegetasi
Dari langkah di atas yang tersisa kini adalah citra wilayah sawah. Karena data endmember
yang dimiliki adalah tanaman sawah (vegetasi) maka maka kondisi sawah pada citra di luar
ketiga fase tanam (S2, S3 dan S4) dihilangkan menggunakan nilai NDVI citra. NDVI
(normalized difference vegetation index) adalah indeks kehijauan tanaman yang merupakan
representasi gabungan keadaan klorofil tanaman, kanopi tanaman, luas daun, dan juga
arsitektur kanopi. Nilai NDVI bisa didapat dari formula di bawah ini:
𝑁𝑁𝑁𝑁𝑁𝑁𝑁𝑁 =
𝜌𝜌 𝑁𝑁𝑁𝑁 𝑁𝑁 − 𝜌𝜌 𝑟𝑟𝑟𝑟𝑟𝑟
𝜌𝜌 𝑁𝑁𝑁𝑁 𝑁𝑁 + 𝜌𝜌 𝑟𝑟𝑟𝑟𝑟𝑟
Dimana:
NDVI adalah hasil kalkulasi NDVI yang nilainya berkisar dari -1 hingga +1,
𝜌𝜌𝑁𝑁𝑁𝑁 𝑁𝑁 adalah kanal ke-4 pada citra Landsat TM
𝜌𝜌𝑟𝑟𝑟𝑟𝑟𝑟 adalah kanal ke-3 pada citra Landsat TM
Dari hasil percobaan, untuk mengeliminasi wilayah sawah yang non vegetasi digunakan nilai
ambang batas NDVI 0.25. Jadi wilayah studi yang nilai NDVI-nya kurang atau sama dengan
0.25 dihilangkan, sedangkan wilayah-wilayah yang NDVI-nya lebih dari 0.25 dipertahankan.
Langkah-langkah praktis pengerjaanya adalah sebagai berikut:
1). Pastikan nama ‘citra-sawah’ ada pada daftar ‘Available Bands List’, lalu buka citra
tersebut pada ‘Display #1’.
2). Setelah itu dari menu utama ENVI klik ‘Transform > NDVI’
3). Seleksi nama file ‘citra-sawah’ dari daftar ‘Available Bands List’, lalu klik OK
4). Dari jendela ‘NDVI Calculation Parameters’ pastikan ‘Input File Type’-nya adalah
‘Landsat TM’, ‘NDVI Bands’-nya untuk ‘Red’ adalah ‘3’ dan untuk ‘Near IR’ adalah ‘4’ ,
halaman 38 dari 56

lalu isikan ‘Enter Output Filename’nya dengan ‘citra-ndvi’ dan ‘Output Data Type’-nya
‘Floating point’, sudahi dengan klik tombol OK.
5). Setelah itu hasilnya ‘citra-ndvi’ akan muncul di daftar ‘Available Bands List’.
6). Buka citra tersebut pada ‘Display#1’, tampilannya citra NDVI tersebut akan seperti ini.
halaman 39 dari 56

7). Setelah itu buat citra mask dari citra NDVI, caranya melalui menu utama ENVI > Basic
Tools > Masking > Build Mask.
jendela ‘#1 NDVI (citra-ndvi)..’ di atas pilih menu ‘Overlay > Build Mask..’.
8). Pada Jendela ‘Mask Definition Input’ dari daftar pilih ‘Display #1’
9). Pada jendela ‘#1 Mask Definition’, klik menu ‘Options > Import Data Range..’
10). Pada jendela ‘Select Input for Mask Data Range’ pilih pada daftar nama ‘citra-ndvi’
lalu klik OK
11). Pada jendela ‘Input for Data Range Mask’ isikan ‘Data Min Value’-nya ‘0.25’ dan
‘Data Max Value’-nya ‘1’, lalu klik OK.
12). Kembali pada jendela ‘# 1 Mask Definition’, isi bagian ‘Enter Output Finename’nya
dengan ‘mask-ndvi’, lalu klik tombol ‘Apply ‘.
13). Maka citra ‘mask-ndvi’ hasil proses di atas adalah sebagai berikut.
halaman 40 dari 56

10). Selanjutnya lakukan pemotongan ‘citra-sawah’ menggunakan citra mask ‘mask-ndvi’,
caranya pertama-tama melalui menu utama ENVI klik ‘Basic Tools > Masking > Apply
Mask’.
11). Dari jendela ‘Apply Mask Input File’ yang mucul pilih ‘citra-sawah’, lalu di bagian
bawah klik tombol ‘Select Mask Band’.
12). Pada jendela ‘Available Band List’, pada bagian ‘mask-ndvi’ pilih ‘Mask Band’, lalu
klik OK, dan OK lagi pada jendela berikutnya.
14). Pada jendela ‘Apply Mask Parameter, isikan ‘Enter Output Filename’-nya dengan
‘citra-cropndvi’ lalu klik OK. Hasil prosesnya ditampilkan dalam RGB: 432 adalah
sebagai berikut. Citra ini lah yang siap digunakan untuk analisa LSU.
halaman 41 dari 56

G. Menjalankan LSU
Seperti dijelaskan sebelumnya bahwa untuk menjalankan LSU dibutuhkan data endmember
dan citra Landsat yang siap dianalisa. Pada tahap ini kita sudah menyiapkan ke-dua data
tersebut. Namun perlu sedikit sentuhan untuk benar-benar bisa menjalankan LSU. Langkah-
langkah tersebut berikut eksekusi analisa LSU adalah sebagai berikut.
1). Pada tahap persiapan end-member, sebelumnya didapatkan data 6 endmember seperti
pada gambar berikut (sudah dijelaskan).
2). Data enam endmember asli dari spectrometer (jumlah kanalnya 2599) ini harus di-
resample (disederhanakan/disesuaikan) dengan jumlah kanal citra Landsat TM 5 (4 kanal:
Band 1, Band 2, Band 3 dan Band 4). Proses resample diilustrasikan seperti gambar
berikut.
3). Untuk melakukan resample maka siapkan dulu citra Landsat TM hasil olahan masking
terakhir (‘citra-cropndvi’).
4). Melalui jendela ‘Availabel Bands List’ edit header ‘citra-cropndvi’. Dari jendela ‘Header
Info ..’ klik tombol ‘Edit Attributes’ lalu pilih menu ‘Wavelenghts..’
halaman 42 dari 56

5). Pada jendela ‘Edit Wavelength values’ klik satu persatu baris kanal 1 s/d 4. Isikan nilai
tengah kanal 0.485, 0.560, 0.660, 0.830 berturut-turut untuk kanal 1 s/d 4 citra Landsat
TM 5, lalu pilih ‘Micrometers’ untuk ‘Wavelength/FWHM Units’nya, setelah itu klik OK.
Sampai tahap ini citra siap untuk dianalisa.
6). Resample data endmember, langkahnya adalah, pastikan ‘endmember-asli-envi’ ada pada
jendela ‘Available Bands List’
7). Lalu dari menu utama ENVI, klik ‘Spektral > Spectral Libraries > Spectral Library
Resampling’
halaman 43 dari 56

8). Pilih ‘endmember-asli-ndvi’ dari jendela ‘Spectral Resampling Input File’, lalu klik OK.
9). Dari jendela ‘Spectral Resampling Paramaters’ pilih ‘Input Data File’, lalu isi ‘Enter
Output Filename’nya dengan ‘endmember-resample’.
10). Hasil proses resample di atas adalah sebagai berikut.
halaman 44 dari 56

11). Selanjutnya adalah menjalankan LSU. Proses LSU di sini memerlukan kombinasi
endmember. Berdasarkan ketentuan LSU, bahwa jumlah endmember yang digunakan
harus lebih sedikit dari jumlah kanal citra, maka pada citra Landsat TM 5 di sini tidak
kesemua enam endmember di atas bisa digunakan dalam satu kali proses sekaligus. Dari 7
kanal citra Landsat TM, hanya 4 kanal yang digunakan, maka kombinasi endmember
yang bisa digunakan adalah sebagai berikut.
Kombinasi Endmember yang digunakan
1 BLB-S2, BLB-S3, BLB-S4
2 Sehat-S2, Sehat-S3, Sehat-S4
3 BLB-S2, Sehat-S2
4 BLB-S2, Sehat-S2
5 BLB-S3, Sehat-S3
6 BLB-S4, Sehat-S4
12). Contoh yang ditunjukkan di sini adalah menggunakan kombinasi dua endmember yakni
Daun padi terserang OPT BLB Stadia 2 (S2-BLB) dan Daun padi sehat stadia 2 (S2-
Sehat). Langkah-langkah pengerjaan LSU menggunakan dua endmember tersebut
adalah sebagai berikut:
13). Melalui menu utama ENVI klik ‘Spectral > Mapping Methods > Linear Spectral
Unmixing’
halaman 45 dari 56

14). Lalu dari jendela ‘Unmixing Input File’ seleksi ‘citra-cropndvi’, lalu OK.
15). Pada jendela’Endmember Collection..’ pilih menu ‘Import > from Spectral Library file..’
16). Pada jendela ‘Spectral Library Input File’ klik ‘endmember-resample’, lalu klik OK.
halaman 46 dari 56

17). Setelah itu pada jendela ‘Input Spectral Library’ seleksi endmember S2-BLB dan S2-
sehat pada dua baris pertama di daftar ‘Available Spectra’. Lalu pastikan ‘Wavelength
Units’nya ‘Micrometers’ dan isikan ‘Y Data Multiplier’nya ‘0.01’, lalu klik OK. Angka
‘0.01’ adalah pengali dari nilai reflektan endmember yang satuannya masih dalam persen
(ratusan).
18). Setelah itu pada jendela ‘Endmember Collections..’ seleksi kedua baris pada daftar, lalu
klik ‘apply’. Pada jendela berikutnya ‘Unmixing Parameters’ , set ‘Apply a unit sum
constraint’nya ke ‘Yes’, lalu isikan ‘Enter Output Filename’nya ‘lsu_s2blb-s2sehat’ lalu
klik OK.
halaman 47 dari 56

19). Hasil proses LSU akan muncul di jendela ‘Available Bands List’ dengan nama
‘lsu_s2blb-s2sehat’. Pada nama tersebut terdapat 3 sub bagian (layer) yakni:
1. Unmix (citra-cropndvi) EM:/imported/s2-BLB.txt (merupakan peta fraksi
endmember S2-BLB)
2. Unmix (citra-cropndvi) EM:/imported/s2-sehat.txt (merupakan peta fraksi
endmemner S2-sehat)
3. RMS Error (merupakan peta tingkat kesalahan klasifikasi LSU)
20). Hasil LSU di atas, tampilan ketiga lapis citranya dalam derajat keabuan (grayscale)
adalah sebagai berikut.
halaman 48 dari 56

21). Nilai statistik dari hasil LSU bisa ditampilkan dengan cara, pada jendela ‘Available
Bands Lists’ seleksi nama ‘lsu_s2blb-s2sehat’, klik-kanan lalu pilih ‘Quick Stats..’.
Hasilnya akan seperti di bawah ini. Band 1 adalah nilai statistik untuk fraksi S2-BLB,
Band 2 untuk S2-Sehat, dan Band 3 adalah untuk RMS Errornya.
22). Untuk memudahkan interpretasi citra hasil LSU, maka masing-masing peta fraksi
(abundance map) perlu dikelaskan menjadi 4 kelas. Kelas pertama < 25% (< 0.25), kelas
kedua 25-50% (0.25 – 0.50), kelas ke tiga 50-75% (0.5-0.75), dan kelas ke empat > 75%
(> 0.75).
Fraksi S2-BLB Fraksi S2-Sehat RMS Error
halaman 49 dari 56

23). Untuk mengkelaskan peta fraksi s2-BLB, melalui jendela ‘Available Band List’ klik
nama ‘Unmix (citra-cropndvi) EM:/imported/s2-BLB.txt’ lalu tampilkan pada citranya
jendela ‘Display#1’ seperti pada contoh di bawah. Melalui jendela ‘1# Unmix (citra-
cropndvi)…’ di atas, klik menu ‘Overlay > Density Slice..’
24). Melalui jendela ‘Slice Band Choice’, pilih dari daftar ‘Unmix (citra-cropndvi)
EM:/imported/s2-BLB.txt’, lalu Klik OK.
25). Dari jendela ‘#1 Density Slice’ klik ‘Clear Ranges’ untuk menghapus daftar range yang
ada.
halaman 50 dari 56

26). Setelah itu ganti nilai Min-nya ke ‘-1’ dan Max-nya ke ‘1’
27). Buat data-range yang baru (4 kelas), caranya pilih menu ‘Options > Add Data Ranges’
28). Untuk kelas PERTAMA isikan ‘Range Start’nya dengan ‘-1’ dan ‘Range End’-nya
dengan ‘0.25’ , lalu rubah ‘Starting Color’-nya dengan klik kanan di atas kotak, pilih
Items 1:20 , pilih ‘Yellow’.
halaman 51 dari 56

29). Untuk kelas KEDUA, klik ‘Options > Add Data Ranges’, kembali isikan ‘Range
Start’nya dengan ‘0.25’ dan ‘Range End’-nya dengan ‘0.50’ , lalu rubah ‘Starting Color’-
nya dengan klik kanan di atas kotak, pilih ‘Items 1:20’ , pilih ‘Green’.
30). Selanjutnya untuk kelas KETIGA, klik ‘Options > Add Data Ranges’, isikan ‘Range
Start’nya dengan ‘0.50’ dan ‘Range End’-nya dengan ‘0.75’ , lalu rubah ‘Starting Color’-
nya dengan klik kanan di atas kotak, pilih ‘Items 21:40’ , pilih ‘Orange1’.
31). Kelas terakhir KEEMPAT, klik ‘Options > Add Data Ranges’, isikan ‘Range Start’nya
dengan ‘0.75’ dan ‘Range End’-nya dengan ‘1’ , lalu rubah ‘Starting Color’-nya dengan
klik kanan di atas kotak, pilih ‘Items 1:20‘, pilih ‘Red3’. Tampilan kesemua kelas pada
jendela ‘#Density Sliece’ adalah sebagai berikut. Setelah itu untuk melihat hasilnya klik
tombol ‘Apply’.
32). Hasil density slicing di atas adalah citra pengkelasan, tampilan citra tersebut adalah
sebagai berikut.
halaman 52 dari 56

33). Untuk membuat pengkelasan ini jadi permanen maka yang perlu dilakukan adalah
menjadikannya sebagai citra hasil klasifikasi, caranya melalui jendela ‘#1 Density Slice’
klik menu ‘File > Output Ranges to Class Image’. Pada Jendela ‘Output Ranges to Class
Image’ isikan ‘Enter Output File Name’nya dengan ‘lsu-s2blb-class’ lalu klik OK.
halaman 53 dari 56

34). Hasilnya akan nampak di jendela ‘Available Bands List’ seperti di bawah ini
(ditampilkan juga di Dislplay #2).
35). Tampilan di atas belum sempurna, untuk menyempurnakannya maka file ‘lsu-s2blb-
class’ perlu dipotong dengan citra masking yakni ‘mask_ndvi’. Maka lakukanlah ‘apply
masking’ (sudah dijelaskan pada bagian sebelumnya cara masking citra). Berikan ‘output
filename’ nya dengan nama ‘lsu-s2blb-class-crop’. Hasil masking citra jika ditampilkan
pada ‘Display#3’ adalah sebagai berikut.
halaman 54 dari 56

36). Untuk memperkuat interpretasi citra, lakukan kalkulasi statistic dari citra ‘lsu-s2blb-
class-crop’ (sudah dijelaskan), hasil kalkulasinya akan nampak seperti ini.
halaman 55 dari 56

37). Dari gambar citra di atas dan pengkelasan terhadap peta fraksi S2-BLB yang telah
dilakukan dapat dikatakan bahwa pada citra wilayah terdampak-BLB sangat kecil
(didominasi oleh kelas PERTAMA yakni warna kuning dengan range < 25 %), sedang
warna hijau adalah wilayah terdampak BLB dengan range kelas KEDUA 25-50%.
38). Untuk mengetahui seberapa luas wilayah ini terdampak BLB baik itu kelas PERTAMA,
KEDUA dan seterusnya bisa dilihat dari nilai statisticnya. Penjelasnnya sebagai berikut:
• DN = 0 : warna hitam, tidak dianalisis.
• DN = 1 : warna kuning, jumah piksel 580.357 (52,232.13 hektar*)
• DN = 2 : warna hijau, jumlah piksel 51.515 (4,636.35 hektar*)
• DN = 3 : warna merah, jumlah piksel 28 (2.52 hektar*)
*) dikalikan luas 1 piskes landsat = 30x30m
39). Untuk menginterpretasikan peta fraksi ‘S2-Sehat’ maka lakukanlah langkah-langkah
yang sama seperti dijelaskan di atas.
40). SEKIAN, selamat mencoba…
REFERENSI
Jensen, J.R., 2005, Introductory Digital Image Processing. A Remote Sensing Perspective,
3rd Edition, Pearson Prentice Hall.
Lunetta, R. S. 1998. Applications, project formulation, and analytical approach. In Remote
Sensing Change Detection: Environmental Monitoring Methods and Applications
(Lunetta, R. S. & Elvidge, C. D., eds), pp. 1ñ19. Taylor & Francis, London.
UCAPAN TERIMAKASIH
Penulis mengucapkan terimakasih kepada rekan-rekan sejawat di PTISDA BPPT (Hartanto
Sanjaya, Mubekti, Fauziah AlHasanah, dan Azalea Eugenie) dan di Balai Besar Peramalan
Organisme Pengganggu Tanaman, Kementerian Pertanian (Baskoro Sugeng Wibowo, Edi
Suwardiwijaya, Ketut, Rahmat Gunawan dan Dewi). Bersama mereka penulis bekerjasama
menyelesaikan kegiatan penelitian ‘Insentif Peningkatan Kemampuan Peneliti dan
Perekayasa KEMENRISTEK’ dengan tema ‘Aplikasi Remote Sensing Hyperspectral
dalam Mengamati Sebaran Serangan Organisme Pengganggu Tumbuhan (OPT) Bacterial
Leaf Blight pada Tanaman Padi di Kabupaten Karawang, Jawa Barat, untuk mendukung
Program Nasional Ketahanan Pangan’.
Terimaksih juga diucapkan pada pembaca, sekaligus juga mohon kritik dan sarannya ke
lajung@gmail.com
halaman 56 dari 56

Laju gandharum sop_pengolahan_landsat_dengan_lsu_rev1

Recommended

Recommended

More Related Content

Similar to Laju gandharum sop_pengolahan_landsat_dengan_lsu_rev1

Similar to Laju gandharum sop_pengolahan_landsat_dengan_lsu_rev1 (20)

Recently uploaded

Recently uploaded (20)

Laju gandharum sop_pengolahan_landsat_dengan_lsu_rev1