-Nama : Marandi Eko Wibowo -NIM : 1310200006 -Dosen Pengampu: Luhur Moekti Prayogo, S.Si., M.Eng -Program Studi Ilmu Kelautan Fakultas Perikanan dan Kelautan -Universitas PGRI Ronggolawe Tuban 2022

1. LAPORAN PRAKTIKUM
PENGINDERAAN JAUH KELAUTAN
Dosen Pengampu:
Luhur Moekti Prayogo, S.Si., M.Eng
NIDN: 0711029304
Disusun Oleh :
Nama : Marandi Eko Wibowo
NIM : 1301020006
PROGRAM STUDI ILMU KELAUTAN
FAKULTAS PERIKANAN DAN KELAUTAN
UNIVERSITAS PGRI RONGGOLAWE
TUBAN
2022

2. i
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Allah Swt. yang sudah melimpahkan rahmat, taufik,
dan hidayah- Nya sehingga kami bisa menyusun tugas mata kuliah Penetapan dan Penegasan
Batas Laut ini dengan baik serta tepat waktu. Mudah - mudahan makalah yang kami buat ini
bisa menolong menaikkan pengetahuan kita jadi lebih luas lagi. Kami menyadari kalau masih
banyak kekurangan dalam menyusun makalah ini.
Oleh sebab itu, kritik serta anjuran yang sifatnya membangun sangat kami harapkan guna
kesempurnaan makalah ini. Kami mengucapkan terima kasih kepada Bpk. Dosen pengampu
pelajaran Penetapan dan Penegasan Batas Laut. Kepada pihak yang sudah menolong turut
dan dalam penyelesaian makalah ini. Atas perhatian serta waktunya, kami sampaikan banyak
terima kasih.
Tuban,13 Juni 2022
Penyusun

3. ii
DAFTAR ISI
KATA PENGANTAR ...................................................................................................... i
DAFTAR ISI ..................................................................................................................... ii
BAB I PENDAHULUAN ................................................................................................. 1
1.1. Latar Belakang ...................................................................................................... 1
1.2. Tujuan Praktikum ................................................................................................. 2
1.3. Manfaat Praktikum ............................................................................................... 2
1.4. Batasan Masalah ................................................................................................... 2
1.5. Skema Kegiatan Praktikum .................................................................................. 3
BAB II TINJAUAN PUSTAKA ..................................................................................... 4
2.1. Gambaran Umum Lokasi Penelitian ..................................................................... 4
2.2. Pengertian Penginderaan Jauh .............................................................................. 4
2.3. Jenis – Jenis Citra Satelit ...................................................................................... 7
2.4. Karakteristik Citra Satelit ...................................................................................... 12
BAB III METODOLOGI ................................................................................................ 15
3.1. Waktu dan Lokasi ................................................................................................. 15
3.2. Alat dan Bahan ...................................................................................................... 15
3.3. Metode Kerja ......................................................................................................... 15
BAB IV HASIL DAN PEMBAHASAN ......................................................................... 16
4.1. Penyajian Data ...................................................................................................... 16
4.2. Analisa Data .......................................................................................................... 42
BAB V KESIMPULAN DAN SARAN ........................................................................... 43
5.1. Kesimpulan ........................................................................................................... 43
5.2. Saran ...................................................................................................................... 43
DAFTAR PUSTAKA ....................................................................................................... 44
LAMPIRAN ...................................................................................................................... 46

4. 1
BAB I
PENDAHULUAN
1.1. Latar Belakang
Penginderaan jauh adalah ilmu dalam mengumpulkan informasi suatu objek tanpa
menyentuh atau melakukan kontak fisik secara langsung terhadap objek tersebut. Secara
umum, inderaja berkaitan dengan pengolahan citra dalam mengamati dan mengetahui suatu
fenomena di bumi.
Menurut Lillesand dan Kiefer (2004), penginderaan jauh adalah ilmu dan seni untuk
mendapat informasi dari suatu objek, daerah, atau fenomena geofisik melalui analisis data,
dimana untuk memperoleh data tersebut tidak perlu melakukan kontak langsung terhadap
sumber objek, daerah, atau fenomena geofisik.
Data yang diperoleh ini berupa citra satelit yang harus diolah agar menghasilkan
informasi yang dikehendaki. Prinsip dasarnya adalah merekam interaksi antara gelombang
elektronik dan objek di muka bumi oleh sensor penangkap gelombang. Sensor tersebut dapat
berupa satelit, pesawat berawak maupun tanpa awak.
Cara kerja inderaja dimulai saat melakukan proses perekaman objek yang ada di
permukaan bumi. Penginderaan ini dihubungkan oleh tenaga yang membawa data menuju
sensor, seperti bunyi, daya magnet, gaya berat, dan elektromagnetik. Akan tetapi energi yang
digunakan dalam proses ini biasanya adalah tenaga elektromagnetik, misalnya cahaya
matahari sebagai tenaga elektromagnetik bersistem pasif.
Sinar matahari yang mengenai objek permukaan bumi kemudian diserap dan dipancarkan
sehingga sensor akan menangkap gelombang elektromagnetik yang berasal dari permukaan
bumi. Sensor elektromagnetik tersebut dapat dipasang pada satelit atau pesawat drone.
Setelah sensor menangkap gelombang elektromagnetik, selanjutnya akan diolah menjadi
sinyal digital yang tersimpan di ruang penyimpanan data.

5. 2
1.2. Tujuan Praktikum
Adapun tujuan dari praktikum ini adalah mahasiswa dapat mengetahui dan
menjelaskan proses pengolahan citra satelit serta secara khusus tujuan dari praktikum
ini adalah:
⮚ Memperoleh gambaran deskriptif dari pengolahan citra
⮚ Dapat memberikan kesimpulan data kualitatif yang telah didapatkan
Adapun tujuan khusus diadakan praktikum penginderaan jauh kelautan ini adalah:
⮚ Mahasiswa dapat mengaplikasikan ilmu yang didapat dari perkuliahan
⮚ Mahasiswa dapat membandingkan teori-teori yang didapatkan dari perkuliahan
dengan kenyataan yang ada di lapangan
⮚ Mahasiswa terampil dalam hal-hal yang bersifat aplikasi dan inovatif
1.3. Manfaat Praktikum
Adapun manfaat Praktik Mata Kuliah Penginderaan Jauh Kelautan ini adalah:
⮚ Mahasiswa dapat mengaplikasikan ilmu yang didapat dari perkuliahan,
⮚ Mahasiswa dapat membandingkan teori-teori yang didapatkan dari perkuliahan
dengan kenyataan yang ada di alam,
⮚ Mahasiswa terampil dalam hal-hal yang bersifat aplikasi dan inovatif.
1.4. Batasan Masalah
Adapun batasan masalah dalam Praktikum Mata Kuliah Penginderaan Jauh Kelautan ini
adalah:
⮚ Bagaimana cara Mahasiswa mengolah data citra tersebut dengan benar dan baik
⮚ Bagaimana cara Mahasiswa mendapatkan data yang diambil dari ruang angkasa
dalam bentuk gambar.

6. 3
1.5. Skema Kegiatan Praktikum

7. 4
BAB II
TINJAUAN PUSTAKA
2.1. Gambaran Umum Lokasi Penelitian
Gambar 2.1 Peta Lokasi Praktikum
Karimunjawa merupakan kepulauan yang terletak di tengah Laut Jawa. Karimunjawa secara
geografis terletak pada koordinat 5°40'39”- 5°55'00” LS dan 110°05' 57”-110°31' 15” BT.
2.2. Pengertian Penginderaan Jauh
Penginderaan jauh menjadi salah satu alternatif memperoleh informasi yang cepat, tepat
dan murah. Penginderaan jauh adalah ilmu untuk memperoleh informasi fenomena alam pada
objek (permukaan bumi) yang diperoleh tanpa kontak langsung dengan objek permukaan
bumi, tetapi melalui pengukuran pantulan (reflection) ataupun pancaran (emission) oleh
media gelombang elektromagnetik (Suwargana, 2013). Menurut Jaya (2010), penginderaan
jarak jauh khususnya satellite remote sensing dengan citra landsat merupakan sarana yang
banyak digunakan untuk kegiatan pemetaan di bidang kelautan dan pesisir di Indonesia.

8. 5
Aplikasi penginderaan jauh merupakan salah satu aplikasi yang dapat dimanfaatkan untuk
analisis tingkat kenyamanan permukiman di daerah kota. Aplikasi penginderaan jauh mampu
dalam menyadap informasi secara detail, karena memberikan resolusi spasial yang cukup
tinggi. Informasi tersebut dapat berupa liputan vegetasi, kepadatan bangunan, jarak
permukiman terhadap jalan utama dan industri yang merupakan beberapa parameter penentu
tingkat kenyamanan permukiman. Pemanfaatan SIG digunakan untuk menganalisis parameter
yang berpengaruh dalam tingkat kenyamanan permukiman dan membantu dalam
memvisualisasikan dalam bentuk peta (Maru, 2016).
Karakter utama citra (image) dalam penginderaan jauh adalah adanya rentang kanal
(band) panjang gelombang elektromagnetik (electromagnet wavelength) yang dimilikinya.
Beberapa radiasi yang dapat dideteksi dengan sistem penginderaan jauh, seperti radiasi
cahaya matahari yang dapat terdeteksi melalui medium gelombang elektromagnetik. Daerah
panjang gelombang elektromagnetik dari daerah visible dan near sampai middle infrared,
atau dari distribusi spasial energy panas (thermal) yang dipantulkan dari permukaan bumi.
Setiap material pada permukaan bumi mempunyai reflektansi yang berbeda terhadap cahaya
matahari, sehingga material-material tersebut akan mempunyai resolusi yang berbeda pada
setiap band panjang gelombang. Obyek di permukaan bumi berdasarkan pada nilai pantulan
energi gelombang elektromagnetik yang dipancarkan oleh obyek permukaan bumi kemudian
energy tersebut direkam oleh sensor. Ada tiga kelompok utama obyek permukaan bumi yang
dapat dideteksi oleh sensor yaitu: air, tanah, dan vegetasi yang masing-masing memancarkan
energy elektromagnetik dengan kemampuan pemetaan citranya tergantung pada karakteristik
masing-masing citra satelit. Kanal dan karakteristik inilah yang digunakan oleh penginderaan
jauh untuk mengenali obyek-obyek atau tipe-tipe liputan lahan yang ada di permukaan bumi
(Suwargana, 2013)
Saat ini penelitian tentang terumbu karang mengenai distribusi, kondisi (tingkat
kerusakan) dan luasannya masih dilakukan dengan cara konvensional yang masih mempunyai
banyak kelemahan, selain membutuhkan biaya yang cukup besar juga sulit mendapatkan data
yang secara sinoptik dan bersifat spasial dalam areal yang luas. Sebagai solusi dari masalah
ini, sekarang sudah tersedia sarana satelit (Citra Landsat_TM) yang dapat digunakan untuk
mendapatkan data secara sinoptik dan bersifat spasial dalam areal yang luas tersebut.
Contohnya adalah penelitian untuk mengetahui distribusi dan tingkat kerusakan terumbu
karang yang terjadi dalam kurun waktu 5 tahun terakhir, serta luasannya (terbatas pada
kedalaman 0-10 meter) dengan menggunakan citra satelit Landsat_TM Aquisisi Tahun 1997
dan 2002 (Rauf, 2004).

9. 6
Koreksi citra satelit yang digunakan pada penelitian ini adalah citra satelit Landsat 8
tahun 2005 hasil perekaman 12 Januari 2005 yang digunakan sebagai garis pantai awal
(baseline), dan hasil perekaman 12 September 2014 sebagai garis pantai pembanding.
Pengolahan citra satelit dilakukan untuk mengoreksi hasil perekaman citra satelit dengan
kondisi sebenarnya di lapangan. Pengolahan citra satelit terdiri dari koreksi atmosferik dan
koreksi geometrik (Anggoro et al., 2015).
1. Koreksi Atmosferik
Proses koreksi atmosferik yang dilakukan menggunakan modul FLASH pada perangkat lunak
Envi. Koreksi atmosferik bertujuan untuk menghilangkan pengaruh atmosfer, seperti partikel
debu dan uap air (Manson et al., 2003). Tahap koreksi atmosferik menggunakan FLASH
adalah yang berfungsi sebagai berikut:
1) Kalibrasi nilai digital citra menjadi nilai radian dalam format band interleaved by line
(BIL);
2) Menentukan titik tengah scene citra, tipe sensor, ketinggian sensor, ukuran piksel dan
akuisisi yang terdapat pada metadata citra;
3) Menentukan ketinggian rata-rata lokasi penelitian dan menentukan model atmosferik
yaitu tropikal dan model aerosol maritime dan;
4) Memasukan nilai kecerahan udara.
2. Koreksi Geometrik
Koreksi geometrik yang dilakukan dalam metode penginderaan jauh, dengan menggunakan
data GCP (Ground Control Point) hasil pengukuran lapangan berdasarkan persamaan
polinomial (Mishra et al., 2006; Wenang et al., 2015). Penentuan posisi GCP dilakukan pada
lokasi yang dianggap tidak berubah atau berpindah selama tahun 2005-2014 seperti dermaga,
persimpangan jalan dan menara. Koreksi geometrik dilakukan dengan cara nilai koordinat
baris dan kolom ditransformasi secara matematis menjadi koordinat dengan sistem proyeksi
yang telah ditentukan. Persamaan polinomial dipilih untuk mengurangi kesalahan koordinat.
Akurasi dari transformasi polynomial dihitung dengan menggunakan RMSE (Root Mean
Square Error) untuk setiap GCP.

10. 7
2.3. Jenis – Jenis Citra Satelit
Citra Satelit Landsat, Spot dan Ikonos
Data satelit Landsat (Land Satellite) membawa sensor Thematic Mapper (ETM), data
SPOT (Satellit pour Observation de la Terre) membawa HRVIR (High Resolution to Near
Infrared) yaitu mempunyai band daerah tampak (visible) sampai dengan infra merah, dan
data Ikonos sama juga mempunyai band multispectral dari daerah tampak (visible) sampai
dengan infra merah semuanya mempunyai kemampuan dalam hal pemanfaatannya.
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 generasi 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 inframerah dekat, infra
merah menengah, dan band 6 adalah inframerah 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 instrumen ETM
(Enhanced Thematic 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

11. 8
diperlukan untuk studi proses-proses energi pada permukaan bumi seperti variabilitas suhu
tanaman dalam areal yang diirigasi.
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.
Ikonos
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
reguler dilakukan sejak Maret 2000. Ikonos dimiliki dan dioperasikan oleh Space Imaging. Di
samping mempunyai kemampuan merekam citra multispektral pada resolusi 4 meter, Ikonos
dapat juga merekam obyek-obyek sekecil satu meter pada hitam dan putih. Dengan
kombinasi sifat sifat multispektral pada citra 4-meter dengan detail detail 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 mengirimkan 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).
Banyak aplikasi untuk data Ikonos yang dapat diketahui. Pemilik berharap bahwa
penggunaan lapangan dapat dibayar untuk harga data komersial. Diharapkan bahwa, pada
masa mendatang, 50% data foto udara akan digantikan oleh citra beresolusi tinggi dari
angkasa (kamera pesawat digital akan banyak menggantikan foto udara yang masih ada).
Misi pertama Ikonos akan mendapatkan citra seluruh kota-kota utama Amerika Serikat.

12. 9
Sampai saat ini pemetaan dan monitoring perkotaan dari angkasa (tidak hanya di Amerika)
hanya mungkin pada skala terbatas.
Kualitas gambar citra penginderaan jauh dapat dilihat berdasarkan resolusi yang
digunakan. Paling utama dapat dibedakan menjadi 3 yaitu: resolusi spasial, temporal, dan
spektral.
Resolusi Spasial
Merupakan ukuran terkecil objek di lapangan yang dapat direkam pada data digital
maupun pada citra. Pada data digital resolusi di lapangan 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 (Suwargana,2013).
Resolusi spasial merupakan kemampuan untuk menampakkan dua objek yang
berdekatan secara terpisah. Dapat disebut juga daya memecah detail suatu objek. Resolusi
spasial dipengaruhi oleh pixel citra tersebut. Semakin banyak pixel dan ukuran pixel yang
kecil memberikan detail yang lebih baik, karena setiap pixel akan mewakili informasi suatu
citra. Semakin besar matrix pixel maka akan memberikan resolusi spasial yang lebih baik.
Resolusi spasial dapat disebabkan juga oleh blur akibat faktor geometris, misalnya karena
ukuran fokus tabung, difusi cahaya pada receptor, bukan diafragma, dan pergerakan pasien.
Dalam diagnostik pencitraan digital, resolusi spasial 2,5-5,0 mm merupakan range optimal
dalam menghasilkan citra. Untuk mammografi yang membutuhkan detail tinggi ketika ada
mikrokalsifikasi, ataupun tulang yang membutuhkan detail maka dibutuhkan resolusi spasial
yang lebih tinggi. Dalam pencitraan CR penyebab resolusi spasial yang rendah adalah karena
hamburan cahaya saat imaging plate dibaca. Kejadian ini dapat mengakibatkan blur pada saat
imaging plate dibaca oleh imaging plate reader (Setyawan, 2014).
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 m
c. Resolusi spasial rendah, berkisar : 30 - > 1000 m (Suwargana, 2013).

13. 10
Gambar 1.1 Hasil Perbedaan Resolusi Spasial
Beberapa contoh satelit bumi yang mempunyai resolusi spasial adalah:
a. Landsat : 15 meter pada mode pankromatik dan 30 meter pada mode multispectral
b. Spot : 10 meter pada mode pankromatik dan 20 meter pada mode multispektral
c. Ikonos : 1 meter pada mode pankromatik dan 4 meter pada mode multispektral
(Suwargana, 2013).
Berikut adalah resolusi spasial pada beberapa jenis citra :
♦ Citra SPOT resolusi spasial nya 10 dan 20 meter
♦ Citra Landsat TM resolusi spasial nya 30 meter
♦ Citra Landsat MSS resolusi spasial nya 79 meter
♦ Citra IKONOS resolusi spasial nya 1.5 meter, diluncurkan pertama kali pada
tanggal 24 September 1999 oleh Space Imagine, merupakan citra satelit komersil
pertama.
♦ Citra QuickBird resolusi spasialnya yang tertinggi saat ini yaitu 0.61 meter.
Diluncurkan pada tanggal 18 Oktober 2001 oleh Digitalglobe.
♦ Citra OrbView 3 resolusi spasialnya adalah 1 meter (pankromatik) dan 4 meter
(multispektral). Diluncurkan pada 26 juni 2003 oleh GeoEye.
♦ Formosat 2 resolusi spasialnya adalah 2 meter (pankromatik) dan 8 meter
(multispektral) (Sugiarto, 2012).

14. 11
Resolusi Temporal
Resolusi temporal diartikan sebagai lamanya waktu bagi sensor satelit untuk
mengindera daerah yang sama untuk yang kedua kalinya. Satuannya biasanya adalah hari.
Semakin banyak jumlah hari yang diperlukan untuk mengindera daerah yang sama maka
semakin rendah resolusi temporalnya, dan sebaliknya (Syah,2010).
Resolusi temporal adalah frekuensi perekaman ulang kembali ke daerah yang sama
pada rentang waktu tertentu. Rentang waktu perulangan ke asal daerah yang sama satuannya
dinyatakan 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 (Suwargana, 2013).
Beberapa 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 ditunjukkan arah
perekamannya Ikonos: antara 1,5 sampai 3 hari (Suwargana, 2013).
Gambar 1.2 Hasil Sensor Resolusi Temporal oleh LANDSAT generasi 1 :18 hari.

15. 12
Resolusi spectral
Resolusi spektral dari suatu sensor adalah lebar dan banyaknya saluran yang dapat
diserap oleh sensor. Semakin banyak saluran yang dapat diserap dan semakin sempit lebar
spektral tiap salurannya maka resolusi spektralnya semakin tinggi. Resolusi spektral ini
berkaitan langsung dengan kemampuan sensor untuk dapat mengidentifikasi objek. Resolusi
spektral sensor yang spesifik menentukan jumlah band spektral, di mana sensor dapat
memilih radiasi yang direfleksikan (dipantulkan). Tetapi jumlah band-band bukanlah hanya
aspek yang penting dari resolusi spektral. Beberapa contoh satelit bumi yang mempunyai
resolusi spektral: a. Resolusi spektral tinggi berkisar antara: - 220 band b. Resolusi spektral
sedang berkisar antara: 3 - 15 band c. Resolusi spektral rendah berkisar antara: - 3 band
Saluran spektrum yang digunakan dalam sistem penginderaan jauh, pada daerah spektrum
optik (visible, infra merah dekat dan infra merah menengah atau inframerah pantulan).
2.4. Karakteristik Citra Satelit
Karakteristik dan Interpretasi Citra
Interaksi gelombang elektromagnetik yang diterima oleh sensor Landsat, Spot, dan
Ikonos bekerja pada daerah spektrum optik (visible, infra merah dekat dan infra merah
menengah atau inframerah pantulan), di antaranya mengalami peristiwa sebagai berikut:
1. Dalam daerah ini dapat sekaligus terjadi peristiwa pemantulan, penyerapan dan
penerusan dengan mengikuti hukum Kirchoff dan hukum Snellius.
2. Energi yang jatuh pada suatu objek akan diabsorbsikan, dipantulkan, dan
ditransmisikan.
3. Pada daerah spektrum optik, energi yang diukur oleh sensor adalah energi yang
direfleksikan oleh objek permukaan bumi, sehubungan dengan sensitivitas sensor
dioperasikan pada daerah spektrum tampak, infra merah pantulan (infra merah dekat
dan infra-merah menengah).
4. Besarnya radiasi yang dipantulkan oleh objek yang diterima oleh sensor pengamat,
berbeda-beda untuk setiap objek. Dengan kata lain, objek-objek dapat diidentifikasi
atau dibedakan tergantung pada karakteristik reflektan objek-objek tersebut.
5. Karakteristik reflektansi spektral dari berbagai objek yang umum pada permukaan
bumi seperti tumbuhan, tanah, air, ditunjukkan dalam Gambar 1 sebagai berikut:

16. 13
Gambar 1. Karakteristik Spasial, Spektral dan Radiasi pada Data Satelit Landsat, SPOT, dan
Ikonos terhadap Obyek Permukaan Bumi Sumber: Lillesand, M.T. and W.R. Kiefer.1999.
Gambar 1 merupakan gambaran dari karakteristik data satelit Landsat, Spot, dan
Ikonos yang bekerja pada kemampuan masing-masing panjang gelombangnya untuk
mendeteksi (pengambilan data) obyek permukaan bumi. Mereka bekerja pada daerah panjang
gelombang optik (visible, infra merah dekat dan infra merah menengah atau inframerah
pantulan). Ketiga masing-masing satelit mendeteksi berdasarkan kemampuan dari sensor
masing masing.
Kemampuan sensor data Landsat dijelaskan pada Gambar 1. Pada setiap masing-
masing band dari kanal 1 sampai 7 menjelaskan kemampuan data dapat mendeteksi objek
permukaan bumi. Radiasi dari pancaran atau pantulan oleh objek air dapat dideteksi oleh
sensor Landsat pada kanal 1 pada panjang gelombang (0,45- 0,51 μm) resolusi spasial 30
meter. Pancaran radiasi dari obyek tanah (termasuk lahan terbuka, permukiman, hutan, dan
perkebunan) dapat terdeteksi oleh kanal 3 pada panjang gelombang pada panjang gelombang
(0,63-0,69μm). Sedangkan radiasi pantulan objek vegetasi dapat terdeteksi oleh kanal 5 pada
panjang gelombang pada panjang gelombang (1,55-1,75 μm) dan 7 pada panjang gelombang
(2,09-2,35 μm).
Sensor data Spot dengan resolusi spasial 20 meter dapat menunjukkan pada setiap
band kanal 1 sampai 4 mampu mendeteksi obyek permukaan bumi. Pantulan radiasi obyek air

17. 14
dapat dideteksi oleh sensor pada kanal 1 pada panjang gelombang (0,49-0,61 μm). Untuk
obyek tanah (termasuk lahan terbuka, permukiman, jalan, hutan dan perkebunan) dapat
terdeteksi oleh kanal 2 pada panjang gelombang pada panjang gelombang (0,61-0,68 μm),
sedangkan untuk pantulan radiasi obyek vegetasi terdeteksi oleh kanal 3 pada panjang
gelombang pada panjang gelombang (0,78-0,89 μm).
Untuk sensor data Ikonos dengan resolusi spasial 1 meter juga kemampuannya
dijelaskan pada Gambar 1. Setiap band kanal 1 sampai 4 dapat mendeteksi objek permukaan
bumi tergantung kemampuan masing-masing kanal. Pantulan pantulan radiasi objek air dapat
dideteksi oleh sensor pada kanal 1 pada panjang gelombang (0.45- 0.52 μm μm), obyek tanah
(termasuk lahan terbuka, permukiman, jalan) pada kanal 2 pada panjang gelombang (0.52-
0.62 μm) dan kanal 3 pada panjang gelombang (0.63-0.69 μm) sedangkan puncak vegetasi
pada kanal 4 pada panjang gelombang (0.76-0.90 μm ).
Gambar. 2 Contoh resolusi pada Citra Satelit : Landsat, Spot, dan Ikonos wilayah Monas dan
sekitarnya. Sumber: LAPAN dan http://www.spaceimaging.com/products/ikonos/index.html

18. 15
BAB III
METODOLOGI
3.1. Waktu dan Lokasi
Praktikum dilakukan pada bulan Juni 2022 di Laboratorium Ilmu Kelautan dan Ruang
Kelas, Universitas PGRI Ronggolawe Tuban.
3.2. Alat dan Bahan
Adapun alat dan bahan yang digunakan dalam praktikum Penginderaan Jauh Kelautan
yaitu
a. Laptop dengan minimal spesifikasi Core I3
b. Software ArcGIS, Google Earth Pro, ENVI
c. Buku pedoman praktikum
3.3. Metode Kerja
Metode yang digunakan dalam penelitian ini adalah data telah diberikan kepada Dosen
Pengampu Mata Kuliah Penginderaan Jauh, dimana Pulau Karimun Jawa dijadikan sebagai
objek lokasi praktikum. Hasil praktikum ini meliputi data spectral (digital number), koreksi
radiometrik, layer stacking, dan Penajaman Kontras.

19. 16
BAB IV
HASIL DAN PEMBAHASAN
4.1. Penyajian Data
A. POLA SPEKTRAL
Tujuan:
Mengetahui nilai spektral masing-masing objek pada sebuah citra.
Langkah Kerja:
Gambar 4.1.1 Kombinasi Band pada Landsat 8
Gambar 4.1.2. Tampilan ENVI
Dari menu utama ENVI, klik File – Open Image File – lalu klik 2X file citra.

20. 17
Gambar 4.1.3. Menampilkan display setiap Band
Setelah muncul jendela Available Band List, klik Band 1 – Gray Scale,
lalu ditampilkan pada Display #1. Ulangi langkah tersebut dengan
menampilkan Band 2 sampai Band 6 pada masing-masing display secara
Display #3), hingga seluruh band (6 Band) dapat ditampilkan (total 6
Display).

21. 18
Gambar 4.1.4. Kombinasi Natural Color
Buat 1 tampilan citra dengan RGB Color (kombinasi 3 band yang
nantinya dapat diganti-ganti sesuai dengan objek yang akan ditonjolkan
warnanya), lalu ditampilkan pada Display #7.
Gambar 4.1.5. Menampilkan Link Displays
Pada Display #7, klik Tools – Link – Link Displays. Pada jendela Link
Displays, Display #1 s/d Display #6 diubah ke posisi Yes, dan pada Link
Size/Position, aktifkan ke Display #7.

22. 19
Gambar 4.1.6. menampilkan nilai objek pada tabel
Sebelum mengisi nilai dari tiap band pada tabel dibawah, kita dapat melihat
berapa nilai tiap objek dengan cara klik kanan pada band #7 → Cursor
Location/Value..
Gambar 4.1.7. Nilai tiap band
Masukkan nilai tersebut sesuai dengan band dan sesuai dengan obyek
yang dipilih.

23. 20
Gambar 4.1.8. Vegetasi Lebat
Gambar 4.1.9. Vegetasi Jarang
Gambar 4.1.10. Laut Dangkal

24. 21
Gambar 4.1.11. Laut Dalam
Gambar 4.1.12. Bagunan/Pemukiman
Gambar 4.1.13. Lahan Kosong

25. 22
Buatlah tabel nilai spektral obyek seperti dibawah ini:
Obyek Band 1 Band 2 Band 3 Band 4 Band 5 Band 6
Vegetasi Lebat 9479 8449 7606 6511 15791 8854
Vegetasi Jarang 10300 9645 8491 6688 5803 5269
Laut Dangkal 10097 9180 7524 6453 5846 5314
Laut Dalam 9621 8588 7696 6628 14835 7350
Bangunan/
Pemukiman
11138 10755 10358 8120 5986 5432
Lahan Kosong 9637 8648 7900 6827 17649 9039
Rata-rata 10045.3 9210.8 8262.5 6871.2 10985 6876.3
Gambar 4.1.14
Berdasarkan pada gambar diatas, diketahui bahwa nilai Band tertinggi terdapat
pada Band 5. Nilai terendah dimiliki oleh vegetasi jarang 5803 dan nilai tertinggi
dimiliki oleh Lahan Kosong dengan 17649 yang belum terkoreksi
0
2000
4000
6000
8000
10000
12000
14000
16000
18000
Band 1 Band 2 Band 3 Band 4 Band 5 Band 6
Vegetasi Lebat
Vegetasi Jarang
Laut Dangkal
Laut Dalam
Bangunan/ Pemukiman
Lahan Kosong

26. 23
B. KOREKSI RADIOMETRIK
Koreksi radiometrik merupakan pra pemrosesan citra satelit untuk mengurangi
kesalahan internal dan eksternal yang diakibatkan oleh radiasi elektromagnetik dan
interaksi lainnya seperti atmosfer pada saat perekaman. Kesalahan radiometrik yaitu
kesalahan yang berupa pergeseran nilai atau tingkat keabuan piksel pada citra. Ada
berbagai macam cara koreksi radiometrik, diantaranya seperti dibawah ini (teknik
koreksi radiometrik menggunakan ENVI)
2.1. Melalui menu Basic Tools
Gambar 4.2.1. Menu Basic Tools
Kalibrasi untuk berbagai jenis citra satelit dilakukan dari menu utama Basic Tools
→Preprocessing →Calibration Utilities → Landsat Calibration

27. 24
Gambar 4.2.2. Landsat Calibration Input File
Pilih band yang akan dikoreksi radiometric → Ok
Gambar 4.2.3. Contoh informasi header citra asli
Sebelum melakukan koreksi radiometric terlebih dahulu buka file Metadata
seperti pada gambar 2.3

28. 25
Gambar 4.2.4. Menu parameter Calibration
Data parameter kalibrasi diisi sesuai dengan identitas citra. Data tanggal , bulan
dan tahun perekaman, sun elevation, serta nilai max-min radiance tersebut dapat
dilihat pada header pada citra (citra asli). Contoh data header dapat dilihat pada
gambar 2.4.
Gambar 4.2.5. Available Bands List
Berikut contoh proses koreksi radiometrik telah berhasil, lakukan cara diatas
untuk semua band.

29. 26
Gambar 4.2.6. Proses RGB Natural Color
Buat tampilan citra yang telah dikoreksi dengan RGB Color (kombinasi 3 band
yang nantinya dapat diganti-ganti sesuai dengan objek yang akan ditonjolkan
warnanya).
Gambar 4.2.7. Menampilkan Link Displays
Pada Display #1 klik Tools – Link – Link Displays. Pada jendela Link
Displays, Display #1 s/d Display #7 diubah ke posisi Yes, dan pada Link
Size/Position, aktifkan ke Display #1.

30. 27
Gambar 4.2.8. menampilkan nilai objek pada tabel
Sebelum mengisi nilai dari tiap band pada tabel dibawah, kita dapat
melihat berapa nilai tiap obyek dengan cara klik kanan pada band #1 →
Cursor Location/Value..
Gambar 4.2.9. Nilai tiap band
Masukkan nilai tersebut sesuai dengan band dan sesuai dengan obyek
yang dipilih.

31. 28
Gambar 4.2.10. Vegetasi Lebat
Gambar 4.2.11. Vegetasi Jarang
Gambar 4.2.12. Laut Dangkal
Gambar 4.2.13. Laut Dalam

32. 29
Gambar 4.2.14. Pemukiman/ Bangunan
Gambar 4.2.15. Lahan Kosong
Masukkan nilai yang telah dikoreksi seperti pada tabel 1 (Reflectance)
Obyek Band 1 Band 2 Band 3 Band 4 Band 5 Band 6
Vegetasi
Lebat
0.103711 13.872012 0.082955 0.071080 0.166068 0.090229
Vegetasi
Jarang
0.107343 14.493391 0.093135 0.077056 0.252900 0.120010
Laut
Dangkal
0.119515 17.615158 0.111261 0.079521 0.063112 0.057257
Laut Dalam 0.109885 14.911500 0.083604 0.070464 0.063376 0.058237
Bangunan/
Pemukiman
0.124137 17.469728 0.113385 0.113627 0.152729 0.168841
Lahan
Kosong
0.115916 16.631859 0.105593 0.087115 0.071047 0.058743
Rata-rata 0.113 15.832 0.098 0.083 0.128 0.092

33. 30
Gambar 4.2.16
Berdasarkan pada gambar diatas, diketahui bahwa nilai Band tertinggi terdapat
pada Band 2. Nilai terendah dimiliki oleh vegetasi lebat 13,872 dan nilai tertinggi
dimiliki oleh Laut Dangkal dengan 17,615 yang telah dikoreksi.
0.000
2.000
4.000
6.000
8.000
10.000
12.000
14.000
16.000
18.000
Band 1 Band 2 Band 3 Band 4 Band 5 Band 6
Vegetasi Lebat
Vegetasi Jarang
Laut Dangkal
Laut Dalam
Bangunan/ Pemukiman
Lahan Kosong

34. 31
C. Layer Stacking / Penggabungan Band
Gambar 4.3.1.
Klik Basic Tools → Layer Stacking
Gambar 4.3.2. Layer Stacking Parameters
Pada parameter layer stacking, klik Import file…

35. 32
Gambar 4.3.3. Layer Stacking Input File
Gambar 4.3.4
Klik pada menu Image → pilih lokasi praktikum seperti pada kotak persegi pada gambar
diatas.

36. 33
Gambar 4.3.5. Layer Stacking Parameters
Masukkan seperti pada gambar diatas yang mana setiap parameter yang dipilih sesuai
dengan tempat lokasi praktikum → klik Ok
Gambar 4.3.6
Hasil dari layer stacking.

37. 34
Penggabungan band yang sudah di koreksi dan kombinasi kanal, untuk kombinasi
kanal dapat dilihat pada Gambar 4.1.1
Kombinasi Gambar Penggunaan
4,3,2
Digunakan untuk
menghasilkan citra
dengan warna
sebenarnya.
6,5,2
Digunakan untuk
menghasilkan citra
dengan perbedaan
tumbuh-tumbuhan yang
jelas ditunjukkan dengan
warna kehijauan.
5,4,3
Kombinasi ini digunakan
untuk melihat masa,
kerapatan, dan dominasi
vegetasi. Kontras antara
dominasi vegetasi akan
terlihat dalam infrared,
sehingga efektif bagi
analisis vegetasi
kehutanan atau pertanian
skala besar.

38. 35
7,6,4
Digunakan untuk
menghasilkan citra
dengan perbedaan yang
jelas pada daerah
perkotaan/urban.
7,6,5
Berguna untuk
memperjelas citra dari
ketebalan awan,
memperjelas garis pantai,
dan tutupan vegetasi.
Kombinasi ini dapat
memperjelas citra dari
gangguan cuaca.
5,6,2
Digunakan untuk
menghasilkan citra yang
menampakkan tumbuhan
yang sehat.

39. 36
D. Penajaman Kontras
Penajaman kontras dilakukan untuk menajamkan hasil tampilan citra agar lebih cerah
ataupun mengurangi kecerahan dan lebih mudah untuk mengidentifikasi objek secara
spasial.
Untuk memulai penajaman kontras, dari menu ENVI, klik File – Open Image,
lalu pilih citra. Untuk membandingkan citra sebelum dan sesudah proses
enhancement, pada jendela Available Band List, ditampilkan citra dengan RGB color
(band 3-2-1). Pemilihan band ini dapat disesuaikan dengan keinginan user. Selain itu,
tampilan secara Grayscale juga dapat digunakan.
Gambar 4.4.1.Layer
Untuk melakukan proses Linear Enhancement, dari jendela Image, klik
Enhance. Dari menu tersebut terdapat beberapa pilihan, yaitu Linear, Linear 0-255,
Linear 2%, Gaussian, Equalization, dan Square Root. Silahkan klik pilihan tersebut
kemudian bandingkan dengan kenampakan citra aslinya..

40. 37
Penajaman kontras tersedia pada menu yang ada pada Image Window, seperti Gambar
berikut ini.
Penajaman Kontras Gambar Penggunaan
[Image] Gaussian
Sebagai pengolah
citra agar dapat lebih
halus
[Image] Linear 2%
Untuk mengaburkan
(blurring) citra dan
untuk mereduksi
noise
[Zoom] Gaussian
Sebagai pengolah
citra agar dapat lebih
halus

41. 38
[Zoom] Linear
Untuk mengaburkan
(blurring) citra dan
untuk mereduksi
noise
[Scroll] Linear
Untuk mengaburkan
(blurring) citra dan
untuk mereduksi
noise
[Scroll] Gaussian
Sebagai pengolah
citra agar dapat lebih
halus

42. 39
Gambar 4.4.2
Gambar 4.4.3
Klik Quick Apply → pilih salah satu dari band tersebut
Masukkan data yang dihasilkan pada Gambar 4.3 . Berikut tampilan jendela High Pass kernel
5x5
Filter High Pass Gambar Penggunaan
3x3
Melakukan proses deteksi
tepi

43. 40
5x5
Melakukan proses deteksi
tepi
Terlihat bahwa Filter High Pass dengan kernel 5x5, citra yang dihasilkan lebih tajam
dibandingkan kernel 3x3.
Gambar 4.4.4. Convolutions and Morphology

44. 41
Kita rubah menjadi Filter Low Pass, Berikut tampilan citra Low Pass kernel 3x3 dan 5x5
Filter Low Pass Gambar Penggunaan
3x3
Melakukan proses efek
blur dan reduksi noise
5x5
Melakukan proses efek
blur dan reduksi noise
Terlihat bahwa Filter Low Pass dengan kernel 5x5, citra yang dihasilkan lebih blur
dibandingkan kernel 3x3
Filter Laplacian Pass Gambar Penggunaan
3x3
Menampilkan tepian
dalam segala arah
5x5
Menampilkan tepian
dalam segala arah
Terlihat bahwa Laplacian dengan kernel 5x5, citra yang dihasilkan memiliki warna keabu-
abuan yang tinggi dibandingkan kernel 3x3.

45. 42
4.2. Analisa Data
Proses mencari dan menyusun secara sistematis data yang diperoleh dari pengambilan data
satelit melalui web The United States Geological Survey (USGS) dan google earth dengan
mengorganisasikan data ke dalam kategori, menjabarkan ke dalam unit-unit, melakukan
sintesa, menyusun kedalam pola, memilih mana yang penting dan yang akan dipelajari dan
membuat kesimpulan sehingga mudah dipahami oleh diri sendiri maupun orang lain Proses
analisis data yang dilakukan penelitian ini menggunakan tiga langkah yaitu :
1. Pengolahan Data
Data yang telah selesai didownload, data dikumpulkan melalui proses pengumpulan,
selanjutnya data tersebut diolah menggunakan software Envi 4.7. Pengolahan data
bertujuan agar data menjadi lebih sederhana, sehingga seluruh data yang telah
terkumpul dapat disusun dengan baik dan rapi, kemudian barulah data
tersebut dianalisis.
2. Penganalisisan Data
Jika proses pengolahan data telah selesai, maka langkah berikutnya adalah
menganalisis data. Data yang telah dikoreksi melalui software Envi 4.7 akan memiliki
nilai yang berbeda dari sebelumnya (data yang belum terkoreksi) tiap Band. metode
ini digunakan untuk mendapatkan informasi baru dan kesalahan apa yang harus
segera diperbaiki.
3. Penafsiran Hasil Analisis
Jika data telah selesai dianalisis, data disajikan dalam bentuk gambar dan grafik.
Kemudian membandingkan data – data tersebut mana yang lebih baik.

46. 43
BAB V
Kesimpulan dan Saran
5.1. Kesimpulan
Penginderaan jauh menjadi salah satu maritime memperoleh informasi yang cepat,
tepat dan murah. Penginderaan jauh adalah ilmu untuk memperoleh informasi fenomena alam
pada objek (permukaan bumi) yang diperoleh tanpa kontak langsung dengan objek
permukaan bumi, tetapi melalui pengukuran pantulan (reflection) ataupun pancaran
(emission) oleh media gelombang elektromagnetik (Suwargana, 2013). Menurut Jaya (2010),
penginderaan jarak jauh khususnya satellite remote sensing dengan citra landsat merupakan
sarana yang banyak digunakan untuk kegiatan pemetaan di bidang kelautan dan pesisir di
Indonesia.
Pemanfaatan Teknologi Penginderaan Jauh dan SIG telah banyak digunakan analisis
dan kajian terkait dengan pembangunan sektor kelautan dan masih perlu pengembangan
untuk penerapan sistem pertahanan Negara maritime. Pembangunan sektor kelautan dengan
Penginderaan Jauh dan SIG banyak dimanfaatkan untuk pemetaan, identifikasi dan
inventarisasi sumberdaya pesisir dan laut yang ditujukan untuk kesesuaian pemanfaatan
pesisir dan pengembangan budidaya laut serta untuk memudahkan dalam monitoring
ekosistem pesisir dan lautan.
5.2. Saran
Banyaknya penelitian pesisir dan kelautan yang memanfaatkan Penginderaan Jauh
dan SIG telah menandakan bahwa Negara Indonesia memiliki pakar – pakar yang handal
dalam kemaritiman, untuk itu perlu aplikasi nyata dari hasil penelitian – penelitian tersebut
dalam bentuk kegiatan yang aplikatif bagi masyarakat.

47. 44
DAFTAR PUSTAKA
Lillesand, Thomas.M dan Kiefer, Ralph. W. 1994. Remote Sensing and Image Interpretation
Third Edition. New York:John Wiley & Son, Inc.
Lillesand. T.M., W. Kiefer., Chipman, J.W. 2004. Remote Sensing and Image Interpretation
(Fifth Edition). John Wiley & Sons, Inc., New Work.
Lo, C.P. 1996. Penginderaan Jauh Terapan (Terjemahan). Universitas Indonesia Press,
Jakarta. Muhsoni FF. 2015. Praktikum penginderaan jauh menggunakan ENVI.
Universitas Trunojoyo Madura.
Purwadhi, Sri Hardiyanti. 2001. Interpretasi Citra Digital. Jakarta: PT. Gramedia
Widiasarana Indonesia.
Somantri, Lili. 2009. Teknologi Penginderaan Jauh (Remote Sensing). Geografi, UPI.
Sutanto. 1986. Penginderaan Jauh I. Gadjah Mada University Press, Yogyakarta.
Lillesand, T. M and Kiefer R.W. 1990. Penginderaan Jauh dan Interpretasi Citra.
Yogyakarta: Gadjah Mada University Press.
Anggoro, A. V.P. Siregar dan S.B. Agus. 2015. Pemetaan zona geomorfologi ekosistem
terumbu karang menggunakan metode OBIA, studi kasus Pulau Pari. Penginderaan
Jauh. 12 (1): 1-12.
Angkotasan, A.M., I.W. Nurjaya dan N.M.N. Natih. 2012. Analisis perubahan garis pantai
di pantai barat daya Pulau Ternate, Provinsi Maluku Utara. Jurnal Ilmu dan
Teknologi Kelautan Tropis. 3 (1): 11-22.
Anurogo, W., S.H Murti, dan N. Khakhim. 2015. Analisis Perubahan Hutan Mangrove
Dalam Penentuan Kawasan Rehabilitasi Dan Perubahan Stok Karbon Menggunakan
Data Penginderaan Jauh (Di Teluk Banten, Serang Provinsi Banten). [Thesis]. UGM
(ID): Universitas Gadjah Mada, Yogyakarta, pp. 1-99.
Apriliyanti, T. dan M. Zainuddin . 2017. Pemetaan Potensi Kekeringan Lahan se-pulau
Batam menggunakan Teknik Sistem Informasi Geografis (SIG) dan Penginderaan
Jauh. Majalah Geografi Indonesia, 31(1), 91-94.
Arief, M. 2010. Inventarisasi Sumber Daya Alam Pesisir dan Laut dengan Menggunakan
Data Satelit Landsat Studi Kasus: Kabupaten Maluku Tenggara. Majalah Sains dan
Teknologi Dirgantara, 1(2), 114-128.
Arya, A., G. Winarso dan I. Santoso. 2017. Ekstraksi Kedalaman Laut Menggunakan Data
Spot-7 di Teluk Belang Belang Mamuju (The Bathymetry Extraction Using Spot-7
Data At The Belang Belang Bay Waters Mamuju). Jurnal Ilmiah Geomatika, 22(1),
09-19.
Felde G.W., G.P. Anderson, T.W. Cooley, M.W. Matthew, S.M. Adler- Golden, A. Berkand
and J. Lee. 2003. Analysis of Hyperion Data with the FLAASH Atmospheric

48. 45
Correction Algorithm. 2003. IEEE IGARSS: Learning from Earth’s Shapes and
Colors: Toulouse: p 90-92.
Gaol, J.L., R.E. Arhat, D. Manurung dan M Kawaru. 2007. Pemetaan Sumber Daya Laut
Pulau Nias dengan Teknologi Penginderaan Jauh Satelit Pasca-Tsunami 2004. Jurnal
Ilmu Pertanian Indonesia, 12(3), 131-140.
Gaol, J.L., R.E. Arhatin dan M.M. Ling. 2014. Pemetaan Suhu Permukaan Laut Dari Satelit
di Perairan Indonesia Untuk Mendukung “One Map Policy”. In Seminar Nasional
Penginderaan Jauh (pp. 433 - 442).
Jaya I. 2011. Penginderaan jauh sumberdaya dan dinamika laut dengan teknologi akustik
untuk pembangunan benua maritim Indonesia. Orasi Ilmiah Guru Besar FPIK-IPB.
IPB-Press. Bogor.
Kasim, F. 2012. Pendekatan beberapa metode dalam monitoring perubahan garis pantai
menggunakan dataset penginderaan jauh Landsat dan SIG. Jurnal Ilmiah
Agropolitan, 5, 620-635.
Lubis, M.Z.Z. dan A.P. Daya. 2017. Pemetaan Parameter Oseanografi Fisik Menggunakan
Citra Landsat 8 di Wilayah Perairan Nongsa Pulau Batam. Jurnal Integrasi, 9(1), 9-
15.
ENVI Online Help, 2005, ENVI® (the Environment for Visualizing Images), Research
System Inc.
Jensen, John R., 2004, Remote Sensing and Digital Image Processing, Upper Saddle
River, NJ: Prentice Hall.

49. 46
LAMPIRAN
Gambar 1. Kegiatan Praktikum Indraja