Dokumen tersebut merupakan buku panduan mengenai cara membuat tutorial menggunakan ER Mapper 6.4 untuk memenuhi salah satu tugas penginderaan jauh. Buku panduan ini membahas langkah-langkah dasar penggunaan ER Mapper mulai dari cara membuka citra, meng-cropping citra, menampilkan komposisi band citra Landsat, hingga melakukan klasifikasi citra baik secara supervised maupun unsupervised.
disini belajar software baru namanya ER Mapper, software buat ngolah data citra. citra itu foto penampakan bumi yang diambil oleh satelit, bukan pesawat dll. warna-warna yang tampak di citra ini bisa diubah-ubah dengan cara nge-set band/channelnya. nah, ada kombinasi dari band/channel ini buat ngubah warna sesuai kebutuhan. jadi, dengan nge-set kombinasi, warna di citra akan berubah. warna ini, nunjukin kalo apa, warna yang itu nunjukin kalo apa. bisa buat lihat terumbu karang yang rusak, daun tumbuhan yang sakit, dan tentu saja, area permukiman, industri, sawah, lahan kosong, dll. jadi software ini dipake juga sama anak kelauta dan pertanian dll. disini citranya dipotong buat lihat satu daerah aja, jadi fokus haha. kalo udah dipotong, disajikan. proses penyajiannya di arcgis.. GET READY, PLANNER !
disini belajar software baru namanya ER Mapper, software buat ngolah data citra. citra itu foto penampakan bumi yang diambil oleh satelit, bukan pesawat dll. warna-warna yang tampak di citra ini bisa diubah-ubah dengan cara nge-set band/channelnya. nah, ada kombinasi dari band/channel ini buat ngubah warna sesuai kebutuhan. jadi, dengan nge-set kombinasi, warna di citra akan berubah. warna ini, nunjukin kalo apa, warna yang itu nunjukin kalo apa. bisa buat lihat terumbu karang yang rusak, daun tumbuhan yang sakit, dan tentu saja, area permukiman, industri, sawah, lahan kosong, dll. jadi software ini dipake juga sama anak kelauta dan pertanian dll. disini citranya dipotong buat lihat satu daerah aja, jadi fokus haha. kalo udah dipotong, disajikan. proses penyajiannya di arcgis.. GET READY, PLANNER !
Tiga Cara Memotong file Raster Sesuai Batas Polygon Menggunakan ArcGISbramantiyo marjuki
How to Clip Rasters Using Polygon, Summary of mini course at Thematic Mapping Technical Unit of Ministry of Public Works center data processing, March, 10th, 2015
Pengenalan auto cad praktikum menggambar_kimmustakimmuhtar
Autocad telah menjadi software yang paling popular untuk pembuatan gambar 2D (drafting) pada proyek-proyek sipil dan gambar 3D untuk mendesain model guna membantu para Engineer menyelesaikan pekerjaannya
Tiga Cara Memotong file Raster Sesuai Batas Polygon Menggunakan ArcGISbramantiyo marjuki
How to Clip Rasters Using Polygon, Summary of mini course at Thematic Mapping Technical Unit of Ministry of Public Works center data processing, March, 10th, 2015
Pengenalan auto cad praktikum menggambar_kimmustakimmuhtar
Autocad telah menjadi software yang paling popular untuk pembuatan gambar 2D (drafting) pada proyek-proyek sipil dan gambar 3D untuk mendesain model guna membantu para Engineer menyelesaikan pekerjaannya
1. TUGAS PENGINDERAAN JAUH
MEMBUAT BUKU TUTORIAL ER MAPPER 6.4
“Disusun untuk memenuhi salah satu tugas Penginderaan Jauh”
Disusun oleh
Aulia Nofrianti
1202483
JURUSAN PENDIDIKAN GEOGRAFI
FAKULTAS PENDIDIKAN ILMU PENGETAHUAN SOSIAL
UNIVERSITAS PENDIDIKAN INDONESIA
BANDUNG
2013
PEMBAHASAN
2. 1. Langkah-langkah cara membuka citra
a. Langkah pertama yang harus dilakukan adalah dengan cara membuka aplikasi Er
Mapper 6.4 dengan catatan :
-
Jika shortcut aplikasi Er Mapper sudah ada terdapat di layar desktop, tinggal
meng-klik 2 kali lalu menunggu aplikasi Er Mapper terbuka.
-
Jika shortcut aplikasi Er Mapper tidak terdapat di layar desktop, maka klik
Start Menu → All Program → Er Mapper
Setelah itu muncul program Er Mapper dengan tampilan layar seperti ini :
Gambar 1 Tampilan Er Mapper 6.4
b. Kedua, dari menu yang ditampilkan di layar desktop dapat meng-klik icon
algorithm pada gambar dibawah ini :
Gambar 2 Tampilan Menu yang ada dalam Er Mapper
Setelah mengklik icon algorithm akan muncul tampilan seperti ini pada layar
desktop :
3. Gambar 3 Tampilan untuk Algorithm
c. Ketiga, Dari kotak dialog Algorithm klik icon
yang berada dibawah kata No
Dataset setelah itu akan muncul kotak dialog Raster Dataset.
Gambar 4 Tampilan untuk Raster Dataset
Lalu, klik menu volumes untuk membuka dimana folder citra disimpan. Karena
daerah kajian merupakan daerah Garut Selatan, maka file yang dibuka adalah
garut_selatan.ers
4. Setelah meng-klik OK. Maka tampilan yang muncul adalah sebagai berikut :
Tampilan citra diatas belum selesai, yang harus dilakukan adalah meng-klik icon
(refresh image 99%) yang terletak pada kotak dialog algorithm. Setelah mengklik icon tersebut, citra yang ditampilkan akan berubah menjadi seperti dibawah
ini :
Catatan : Citra ini masih dalam bentuk Pseudo.
2. Langkah-langkah Meng-cropping Citra
a. Langkah pertama yaitu, mengklik icon
(algorithm) lalu copy pseudo layer
menjadi 8 layer. (catatan : khusus untuk citra landsat 8). Dengan menggunakan
icon
(duplicate).
5. d. Setelah pseudo layer tercopy menjadi 8 layer baru masukkan citra landsat 8
dengan mengklik icon
(load dataset) sehingga muncul kotak dialog Raster
Dataset.
Lalu, klik menu volumes untuk membuka dimana folder citra disimpan. Setelah
itu masukkan satu per satu citra sesuai urutan. (untuk citra landsat 8 jenis band
yang digunakan adalah band 2 sampai dengan band 8 dan band bqa). Jangan lupa
untuk mengklik OK this layer only setelah memilih citra yang dimaksud.
e. Setelah semua pseudo layer terisi oleh citra, maka langkah selanjutnya adalah
mengubah nama pseudo layer menjadi nama band yang berurutan. karena citra
yang digunakan mulai dari band 2 maka penamaannya dimulai dari b2, b3, b4, dan
6. seterusnya sampai bqa. Cara mengubah nama pseudo layer tersebut dengan
mengklik dua kali pada pseudo layer.
f. Setelah semua nama diganti, maka langkah selanjutnya adalah menyimpan data
tersebut dengan mengklik icon
(save as) pada kotak dialog Er Mapper.
Setelah itu akan muncul kotak dialog save as. Lalu save data tersebut pada satu
folder yang sama dengan citra yang disimpan. Berilah nama yang berbeda
misalnya PamengpeukAULIA. Dengan files of type yaitu ER Mapper
Algorithm (alg). Lalu klik OK. Setelah itu lakukan save as lagi dengan nama
yang sama namun files of type yang berbeda, yaitu ER Mapper Dataset (ers)
lalu klik OK.
g. Langkah terakhir adalah menutup semua kotak dialog kecuali menu utama pada
Er Mapper dan lakukan pembukaan citra kembali seperti langkah pada no. 1 dan
mengklik kanan pada citra dan pilih refresh image. Setelah itu tampilan layarnya
akan seperti ini :
7. h. klik icon
(zoom box tool) lalu perbesar citra dan cari wilayah yang akan
dipotong atau dicropping (daerah kajian). Jika menggunakan titik koordinat
sebagai acuan cropping, maka klik kanan pada citra dan pilih cell coordinates.
Lalu akan muncul kotak dialog cell coordinates dan klik sembarang untuk
mengetahui titik koordinatnya.
i. setelah menemukan di sisi manakah citra yang harus dicropping, langkah
selanjutnya adalah meng-save as ulang dengan cara yang sama seperti yang sudah
dicontohkan pada no. 2.f hanya saja untuk save kali ini dilakukan 1 kali dengan
files of type yakni ER Mapper Dataset (ers) dengan penambahan kata “Cropping”
misalnya : PamengpeukAULIAcropping.ers
j. setelah dilakukan save as maka lakukan pengecekan ulang kembali dengan
membuka ulang citra.
3. Menampilkan Komposisi Band pada Citra Landsat
Setelah melakukan cropping citra, maka langkah selanjutnya adalah menampilkan
komposisi band pada citra landsat. Sesuaikan dengan kajian yang diambil, seperti
untuk penggunaan lahan, maka komposisi band yang digunakan yaitu RGB 4, 5, 3.
8. Untuk kajian kehutanan atau vegetasi komposisi band yang digunakan yaitu RGB 4,
3, 2. Langkah-langkah yang dilakukan yaitu :
a. Membuka citra (seperti yang telah dijelaskan pada nomor 1) maka tampilan layar
akan seperti ini : (karena kajiannya berada di daerah Garut Selatan maka yang
digunakan adalah citra Garut Selatan dengan citra landsat 7)
b. Setelah itu klik kanan pada PS Default Surface, lalu pilih Red, Green, Blue.
Maka pseudo layer akan berubah menjadi silang. Pseudo layer tersebut diduplicate menjadi 3 layer dan ubah sesuai urutannya dengan mengklik kanan dan
menggantinya menjadi layer red, green, blue.
9. c. Setelah semua layer diganti, maka langkah selanjutnya adalah mengubah band
sesuai komposisi band yang digunakan. Untuk penggunaan lahan maka gantilah
secara berurutan komposisi bandnya dengan 4, 5, 3. Sedangkan untuk kehutanan
atau vegetasi maka ganti komposisinya dengan 4, 3, 2.
d. Klik icon
(refresh image with 99% clip on limits) lalu tampilan citranya akan
berubah seperti gambar dibawah ini.
Gambar citra dengan komposisi RGB 4, 5, 3 (sebelum diklik refresh image)
Gambar citra dengan komposisi RGB 4, 5, 3 (setelah diklik refresh image)
Gambar citra dengan komposisi RGB 4, 3, 2 (sebelum diklik refresh image)
10. Gambar citra dengan komposisi RGB 4, 3, 2 (setelah diklik refresh
image)
4. Klasifikasi
Ada dua macam jenis klasifikasi dalam Er Mapper yakni Supervised dan
Unsupervised. Berikut adalah cara melakukan klasifikasi dengan metode supervised.
1) Supervised
a. Setelah melakukan kombinasi band sesuai kajian yang akan dikaji, maka
pada menu bar klik process → calculate statistics. Setelah itu muncul
kotak dialog seperti dibawah ini :
Isi subsampling interval dengan angka 1 dan jangan lupa mencentang
kotak disamping kata force recalculate stats setelah itu klik OK. Setelah
itu akan muncul kotak dialog sampai calculate statistics dinyatakan
SUCCESS. Lalu klik OK, pada kotak dialog calculate statistics – status
klik close dan pada kotak dialog calculate statistic klik cancel.
11. b.
Setelah itu pada menu bar terdapat menu edit lalu pilih
edit/create regions... lalu muncul kotak dialog New Map Composition.
Pada kotak tersebut terdapat mode yang terdiri dari 3 pilihan yakni vector
file, raster region, ARC/INFO Coverage. Pilih raster region lalu klik OK.
Setelah itu muncul tools seperti gambar disamping.
c.
Untuk
(rectangle)
mendeliniasi
atau
citra
dapat
digunakan
icon
(polygon). Untuk Non penggunaan
lahan kajian hanya sampai 11 – 15 macam penggunaan lahan, sedangkan
untuk kajian penggunaan lahan harus lebih dari 25 macam penggunaan
lahan. Dan contoh hasil deliniasi citra untuk penggunaan lahan seperti ini :
d. Setelah mendeliniasi 11-15 penggunaan lahan klik icon
(save)
pada tools. Setelah itu muncul kotak dialog seperti dibawah ini :
e. Lalu klik
(save as) pada menu Er Mapper dan pada nama file
ditambah kata “Penggunaan Lahan” atau PL jika terlalu panjang. Dengan
files of type yaitu ER Mapper Dataset (ers) lalu klik OK.
f. Selanjutnya kembali ke menu Er Mapper klik edit → edit class/region
name and color... lalu muncul kotak dialog seperti dibawah ini :
12. Pada dataset, masukkan file yang merupakan
data yang kita edit. Pilih pada volumes (drives)
dimana kita menyimpan file tersebut. Lalu ganti warna
penggunaan lahan sesuai dengan keinginan atau
menyesuaikan dengan peta RBI. Untuk mengganti
warna tersebut dengan menggunakan set color... jika
sudah selesai, maka klik save dan close. Setelah itu
citra akan berubah warna seperti gambar disamping.
g.
Lalu kembali lagi ke calculate statistics, lakukan kembali seperti langkah pada
supervised (a)
h.
Setelah itu pada menu Er Mapper, klik Process → classification → supervised
clasification. Maka akan muncul kotak dialog seperti dibawah :
Untuk input dataset, pilih file yang sudah di save as seperti yang
dilakukan pada supervised (e). Dan untuk output dataset, secara otomatis
nama file akan bertambah nama “class”.
13. Lalu klik OK. Sehingga muncul kotak dialog kembali seperti ini :
Lalu klik OK dan klik close kotak dialog
supervised classification – status nya.
i.
j.
k.
l.
m.
i. Setelah itu buka citra supervised tadi dengan cara membuka citra ulang
seperti pada nomor 1 jangan lupa untuk mengklik kanan pada pseudo layer
dan ganti class display. Maka tampilannya akan seperti ini :
14. 2) Unsupervised
a. Untuk unsupervised, langkah yang dilakukan adalah membuka citra yang
sudah disesuai dengan kajian yang akan dikaji (untuk komposisi band
penggunaan lahan = 4, 5, 3 sedangkan untuk vegetasi = 4, 3, 2).
Gambar citra dengan komposisi RGB 4, 3, 2
Gambar citra dengan komposisi RGB 4, 5, 3
b. Setelah itu lakukan calculate statistics seperti yang ada pada langkah di
supervised (a).
c. Selanjutnya adalah mengklik menu bar Process pada Er Mapper →
classification → ISOCLASS unsupervised classfication... setelah itu
akan muncul tampilan seperti ini :
15. Catatan :
-
Untuk input dataset masukkan file data citra yang dibuka sejak awal
melakukan tahapan unsupervised
-
Untuk output dataset masukkan file data citra yang sama dengan input
dataset namun diberi tambahan nama ISOCLASS
-
Untuk maximum iterations dan maximum number of classes, ubah
angka sesuai dengan jumlah kajian yang akan dikaji. Misalnya untuk
penggunaan lahan ada 10 macam penggunaan lahan maka ubahlah
keduanya menjadi angka 10. Lalu klik OK. Akan muncul tampilan
seperti dibawah ini :
-
Lalu klik OK dan close semua kotak dialog kecuali menu bar Er
Mapper.
d. Buka icon
(edit algorithm) pada menu bar Er Mapper lalu pada load
dataset buka file citra ISOCLASS. Lalu klik OK. Maka muncul blank
berwarna biru pada kotak dialog algorithm. Setelah itu klik kanan pada
pseudo layer di kotak algorithm ganti dengan class display. Maka citra
tersebut akan berubah menjadi warna hitam-putih.
16. e. Setelah itu klik kanan pada citra tersebut lalu pilih cell values profile...
maka muncul kotak dialog baru.
Fungsi cell values profile tersebut adalah untuk mengetahui angka yang
tertera pada Band ketika kita mengklik sembarang pada citra berwarna
hitam-putih tersebut dan sebagai acuan untuk menentukan nama objek
pada saat pemberian label nanti.
f. Selanjutnya adalah mengklik edit pada menu bar Er Mapper → edit
class/region color and name... lalu muncul kotak dialog seperti ini :
g. Klik auto gen colors... yang terletak pada sisi kiri atas maka muncul kotak
dialog lagi bernama auto generate colors, klik centang pada full
saturation dan klik auto gen. Secara otomatis warna pada kotak dialog
edit class/region details akan berubah. Lalu klik close pada kotak dialog
auto generate colors.
h. Pada kotak dialog edit class/region details inilah kita akan melabeli citra
yang berwarna hitam-putih tersebut dengan analisis interpretasi citra yang
sudah kita pelajari.
Klik secara sembarang di bagian citra hitam-putih.
lihat angkanya yang terdapat pada kotak dialog cell values profile...
analisis interpretasi citra tersebut lalu labeli dengan nama penggunaan
lahan yang sesuai dengan apa yang kita klik pada citra tersebut.
17. Isi semua nomor pada edit class/region details sampai tidak ada lagi
nomor yang masih unlabelled. Lalu klik Save.
Jika muncul kotak dialog seperti dibawah ini maka klik saja YES.
Setelah itu tutup semua kotak dialog hingga menyisakan menu bar Er
Mapper. Lalu klik icon
(edit algorithm) pada menu bar Er Mapper
lalu pada load dataset buka file citra ISOCLASS tadi. Lalu klik OK.
Maka muncul blank berwarna biru pada kotak dialog algorithm.
Setelah itu klik kanan pada pseudo layer di kotak algorithm ganti
dengan class display. Maka citra tersebut akan berubah menjadi
seperti dibawah ini :
Hasil Unsupervised Classification untuk kajian
Penggunaan Lahan
Hasil Unsupervised Classification untuk kajian
Kehutanan/Vegetasi