laporan praktikum II inderaja kelautan

LAPORAN PRAKTIKUM II
INDERAJA KELAUTAN









SUMARNI BUTON
NIM 2014-64-044


PROGRAM STUDI ILMU KELAUTAN
JURUSAN MANAJEMEN SUMBERDAYA PERAIRAN
FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS PATTIMURA
AMBON
2016

JUDUL :  IDENTIFIKASI DAN KLASIFIKASI VISUAL
TUJUAN:
1. Mengetahui kenampakan objek pada citra pada landsat 7 ETM/TM khususnya penutup lahan dan penggunaan lahan (darat dan laut)
2. Mengidentifikasi citra visual
3. Mempelajari proses respon objek pada berbagai     band spektral yang diamati
 a. Pengamatan band tunggal
 b. Pengamatan band komposit
4. Mempengaruhi teknik komposit warna dalam mengidentifikasi objek-objek

DASAR TEORI
●  Objek berkaitan dengan band spektral
      Letak obyek berkaitan dengan lintang dan bujur. Letak lintang menentukan besarnya sudut datang sinar matahari.  Waktu pemotretan juga mempengaruhi sudut datang sinar matahari. Waktu pemotretan pada siang hari cenderung akan menghasilkan rona yang lebih terang dibandingkan dengan pemotretan pada sore atau pagi hari .

Pantulan spektral objek

● Terdapat tiga objek utama di permukaan bumi, yaitu vegetasi, tanah, dan air.
● Objek vegetasi dipengaruhi oleh pigmen daun, yaitu klorofil. Klorofil banyak menyerap gelombang hijau sehingga vegetasi berwarna hijau. Jika tumbuhan memiliki penyakit maka serapan warna hijau menjadi berkurang dan tumbuhan akan berwarna kuning (gabungan hijau dan merah).
● Objek tanah, pantulannya dipengaruhi oleh kelembapan tanah, tekstur tanah, kekasaran permukaan, dan bahan organik.
● Pada tanah kering pantulannya lebih cerah dibandingkan dengan tanah lembap.

●  Teori warna dan komposit warna
        Citra komposit standar  merupakan paduan tiga saluran dengan rujukan foto udara inframerah dekat. Artinya warna merah yang dihasilkan menunjukkan adanya vegetasi, warna biru gelap sampai agak cerah menunjukkan adanya tubuh air, dan seterusnya. Citra komposit warna yang lainpun dapat dihasilkan dengan membalik urutan pemberian warnanya, misalnya saluran inframerah diberi warna biru, saluran warna merah diberi warna merah, dan saluran hijau diberi warna hijau. Citra komposit ini dikatakan tak standar. Meskipun demikian bukan berarti bahwa citra komposit ini tidak dapat digunakan dalam proses pengenalan obyek. Kadang-kadang, justru citra komposit tak standar ini lebih ekspresif dalam menyajikan kenampakan obyek yang dijadikan pusat perhatian (misalnya tubuh air di sela-sela hutan lahan basah). Ketersediaan citra multispektral dengan jumlah saluran yang lebih banyak, termasuk saluran biru dan inframerah tengah, memberikan kemungkinan yang lebih banyak dalam membuat kombinasi citra komposit. Citra komposit warna asli pun dapat dihasilkan, bila tersedia saluran-saluran biru, hijau, dan merah. Untuk keperluan ini, citra satelit Thematic Mapper Landsat dapat digunakan. Sayangnya untuk Indonesia, saluran biru cenderung sangat sensitif terhadap kabut tipis, sehingga komposit warna asli yang dihasilkan pun kuran memuaskan. Lain halnya bila citra yang digunakan adalah wilayah lintang sedang yang beriklim kering, seperti halnya Afrika Utara (Projo Danoedoro,1996:63)

LANGKAH KERJA
● Cara akuisisi citra
    1. Buka situs http://glcfapp.glcf.umd.edu/
● Citra yang diakuisisi masukan ke ilwis

     1. Pertama buka data citra yg tadi anda download dan sudah di ekstrak, Buka ilwis pilih file (gambar.1) > import > ilwis (gambar. 2)  > raster (gambar. 2) > pilih Tagged Image File Format (TIF) (gambar. 3) > input (pilih citra yang ingin diimport ke ilwis) (gambar. 3)  selanjutnya pilih Output (ganti nama
dengan import b1 untuk b1 dan seterusnya) (gambar. 3) dan klik ok



Gambar 1. Menu file di ilwis




Gambar 2. Menu ilwis dan raster



Gambar 3. Menu raster

● Cara cropping area kerja
    1. Buka data yang sudah di import tadi di ilwis pilih file > open (buka folder dan pilih file yang ingin di crop) > Menu finder > submap of raster map > raster map ( masukan data import b1 dst yang ingin di crop) > coordinates > masukan koordinat pertama di first coordinate dan koordinat kedua di opposite coordinate > output raster map (simpan dengan nama crop b1 dan seterusnya supaya tidak bingung) > description (Tulis tanggal citra atau nama pulaunya) dan terakhir > klik show.

● Komposit warna asli 

1. Pilih menu finder di ilwis > color composite > red band (masukan band 3), green band (masukan band 2), blue band (masukan band 1) untuk mendapatkan natural composite color atau warna komposit asli > output raster map (ketik compositeasli) > description (Tulis tanggal citra atau nama pulaunya) dan terakhir > klik show.

2. Dikenali lebih jelas

3. Selesai komposit pilih area yang diamati minimal 10

● Mendelidasi batas-batas objek delidasi polygon

● Buatlah komposit warna dengan berbagai band spektral minimal 5

● Membandingkan kombinasi warna antar objek

● Membandingkan kenampakan objek tersebut pada citra komposit membandingkan obyek tunggal.

HASIL

1. Sensor TM (aru utara)

Path: 104 Row : 64

● Pulau warilau

   First coordinate        : 433903.41, -580373.46

  Opposite coordinate : 460685.09, -597848.41

Gambar tunggal
Gambar komposit asli (band 3,2,1)

Gambar komposit merah (band 4,3,2)
Gambar komposit hijau (band 5,4,2)
Gambar komposit coklat (band7,3,2)

Gambar komposit biru (band7,5,4)

2. Sensor TM (Aru selatan)

Path : 104 Row : 65

● Pulau Barakan 

First Coordinate      :  474615.25, -715413.35

Opposite Coordinate :  493926.95, -726115.35

Gambar tunggal

Gambar komposit asli (band 3,2,1)


Gambar komposit merah (band 4,3,2)

Gambar komposit hijau (band 5,4,2)

Gambar komposit coklat (band7,3,2)


Gambar komposit biru (band7,5,4)

3. Sensor ETM (Aru selatan)

Path : 104 Row : 65

● Pulau Barakan

 First Coordinate         :  474615.25, -715413.35

 Opposite Coordinate :  493926.95, -726115.35

Gambar tunggal

Gambar komposit asli (band 3,2,1)


Gambar komposit merah (band 4,3,2)

Gambar komposit hijau (band 5,4,2)

Gambar komposit coklat (band7,3,2)


Gambar komposit biru (band7,5,4)

● Sensor ETM ( Aru utara) Path : 104 Row : 64 data semuanya kotor

PEMBAHASAN

        Dari praktikum yang telah dilakukan, pengeksportan data RGB dari band 3,2,1, band 4,3,2, band 5,4,2, band 7,3,2 dan band 7,5,4. Dari tiap-tiap band memiliki perbedaan rona. Pada band 3,2,1 foto udara yang dihasilkan memiliki rona normal. Normal yang dimaksud disini adalah rona yang tercipta dalam foto udara dengan band 3,2,1 adalah warna yang sesungguhnya terjadi atau warna yang muncul adalah warna objek yang sesuai dengan fakta dan realita yang ada. Misalnya saja vegetasi, dalam foto udara ini vegetasi memiliki rona hijau sesuai dengan realitas vegetasi yang memiliki warna hijau.

      Band 4,3,2 Pada gambar tersebut antara objek air, vegetasi, permukiman memiliki kenampakan objek yang berbeda. Air tampak berwarna gelap, sedangkan vegetasi tampak merah, dan permukiman tampak cerah hal ini menggamkan besarnya nilai pantulan spektral masing-masing objek. Objek yang berwarna cerah jelas memiliki pantulan sepektral lebih tinggi, sedangkan objek yang tampak gelap memiliki pantulan spektral lebih rendah.

       Band 5,4,2 ini memiliki informasi mengenai vegetasi selain cocok untuk penggunaan lahan, jalan dan air namun sesuai pula untuk diskriminasi dan assesmen vegetasi.

       band 7,3,2 memiliki rona yang dominan coklat. Tetapi terdapat rona biru, dan putih.

       Sedangkan pada band 7,5,4  ini memiliki informasi yang tinggi terhadap tubuh air jadi sangat sesuai untuk penggunaan lahan, tanah dan vegetasi.

       Perbedaan rona dari setiap gabungan band ini dikarenakan perbedaan kemampuan objek untuk menangkap, menyalurkan, dan memantulkan suatu cahaya yang diterima. 

KESIMPULAN 

     Kesimpulan yang dapat diambil dari hasil di atas adalah sebagai berikut: 

    komposit asli (band 3,2,1) ,komposit merah (band 4,3,2) , komposit hijau (band 5,4,2) ,komposit coklat(band 7,3,2) dan komposit biru (band 7,5,4)

       Perbedaan rona dari setiap gabungan band ini dikarenakan perbedaan kemampuan objek untuk menangkap, menyalurkan, dan memantulkan suatu cahaya yang diterima. 

Laporan praktikum inderaja kelautan

LAPORAN PRAKTIKUM

INDERAJA KELAUTAN

SUMARNI BUTON

NIM 2014-64-044

PROGRAM STUDI ILMU KELAUTAN

JURUSAN MANAJEMEN SUMBERDAYA PERAIRAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS PATTIMURA

AMBON

2016

JUDUL PRAKTIKUM

Identifikasi dan klasifikasi visual obyek liputan lahan pantai pada citra google earth dengan ketinggian mata 750-1000 m dan 4500-7000 m.

TUJUAN PRAKTIKUM

• ·        . Mengetahui penggunaan unsur dan teknik interpertasi dalam interpertasi obyek atau fenomena pada citra penginderaan jauh secara visual

• ·        .  Mengetahui kenampakan obyek yang terekam pada citra (foto udara) khususnya penutup lahan dan pengguna lahan

• ·         Mengidentifikasi jenis dan macam obyek dengan teknik interpretasi citra Visual

• ·         Mampu membedakan kenampakan dan karakteristik masing-masing obyek yang terekam dalam citra ( foto udara )

• ·         Mengklasifikasi obyek-obyek sesuai dengan kenampakan karakteristik dan level ketinggian mata atau resolusi spasial yang di mata

BAHAN PRAKTIKUM

• ·         Google earth

·         

DASAR TEORI

Pemanfaatan teknik penginderaan jauh untuk identifikasi obyek khususnya dalam kepentingan pemetaan penutup lahan dan penggunaan lahan sudah tahap operasional, bahkan semakin lama dirasakan semakin menguntungkan dibandingkan dengan survei langsung di lapangan. Banyaknya jenis citra penginderaan jauh saat ini sangat menguntungkan dalam memilih citra yang sesuai dengan tujuan pemetaan penggunaan lahan yaitu untuk pemetaan penggunaan lahan skala kecil sampai dengan skala besar.

Dalam pemanfaatan citra penginderaan jauh sebagai sumber data untuk pemetaan penggunaan lahan sangat dipengaruhi oleh : a) resolusi spectral, b) resolusi spasial. Pemilihan panjang gelombang, resolusi spasial dan skala yang tepat akan sangat menentukan ketelitian hasil identifikasipenggunaan lahan. Disamping itu tingkat kerumitan obyek juga mempengaruhi yang cukup besar, semakin tinggi kerumitan obyek yang terekam akan menyulitkan untuk mengidentifikasi obyek penggunaan lahan secara individu.

Sistem klasifikasi penggunaan lahan yang digunakan juga ikut menentukan ketelitian dalam identifikasi pengguna lahan. Berbagai masalah yang terkait dengan klasifikasi pengguna lahan adalah :

a) pemberian batasan istilah/katagori penggunaan lahan yang tidak seragam,

b) kesesuaina dengan tujuan pemetaan yang dilakukan,

c) kesulitan dalam penyusunan sistem  klasifikasi secra hirarki, yaitu bertingkat dari skala tinjau    sampai dengan skala besar.

LANGKAH KERJA

1.      Mengamati beberapa jenis obyek yang nampak pada citra  (foto udara) dengan ketinggian mata 750-1000 m dan 4500-7000 m.

2.      Mengamati karakteristik citra ( foto udara ) yang digunakan ( resolusi spasial, resolusi spektral, skala ).

3.      Interpretasi citra ( foto udara ) dan selanjutnya melakukan deliniasi atau pembatasan obyek dengan Microsoft powerpoint.

4.      Memahami karakteristik masing-masing obyek yang terekam khususnya penutup lahan dan penggunaan lahan serta mencatat masing-masing karakteristiknya.

HASIL PRAKTIKUM

•         Identifikasi dan klasifikasi visual obyek liputan lahan pantai pada citra google earth dengan ketinggian mata 750-1000 m 
•  

Gambar foto udara dengan ketinggian mata 750-1000 m

Keterangan :
Laut
Lamun
Jembatan
Permukiman
Lapangan
Hutan lahan kering
Air payau
Perkebunan kasawari
Sekolah
Jalan setapak
Perkebunan campuran
  Perkebunan minyak kayu putih
Jalan raya

Tabel hasil Identifikasi obyek pada foto udara dengan ketinggian mata 750-1000 m

No	Unsur-unsur Interpretasi								Identifikasi Obyek
	Rona	Bentuk	Ukuran	Tekstur	Pola	Bayang-an	Situs	Asosiasi
1	Hitam Gelap	Segitiga	Besar	Halus	-	-	dataran rendah	pantai	laut
2	Abu Gelap	Persegi	Kecil	Kasar	Mengumpul	-	dataran rendah	atap genting	pemukiman
3	Hitam Terang	tak beraturan	Besar	Kasar	Mengumpul	-	Daratan	tumbuh-an	hutan
4	Abu Terang	Persegi	Sedang	Kasar	-	-	Daratan	tiang bendera	Sekolah
5	Abu-abu	Panjang	Kecil	Halus	-	-	dekat pemu-kiman	Ken-daraan	jalan
6	Putih	Berkelok-kelok	Kecil	Halus	-	-	Hutan	air	sungai
7	Abu-abu	Kotak-kotak	Sedang	Sedang	Mengumpul	-	dekat pemu-kiman	pohon	sawah

 

•   Identifikasi dan klasifikasi visual obyek liputan lahan pantai pada citra google earth dengan ketinggian mata 4500-7000 m

      
            Gambar foto udara dengan ketinggian mata 4500-7000 m
Keterangan :

Jalan raya

Permukiman  
Air payau
Lamun
Laut
Terumbu karang
Hutan lahan kering 
Danau
Jalan setapak
Perkebunan minyak kayu putih
Tanaman campuran 
Perkebunan campuran

Tabel hasil Identifikasi obyek pada foto udara dengan  ketinggian mata 4500-7000 m

No	Unsur-unsur Interpretasi								Identifikasi Obyek
	Rona	Bentuk	Ukuran	Tekstur	Pola	Bayang-an	Situs	Asosiasi
1	Hitam Gelap	Segitiga	Besar	Halus	-	-	dataran rendah	Pantai	laut
2	Abu Gelap	Persegi	Kecil	Kasar	Mengumpul	-	dataran rendah	atap genting	pemukiman
3	Hitam Terang	tak beraturan	Besar	Kasar	Mengumpul	-	daratan	tumbuh-an	hutan
4	Abu-abu	Panjang	Kecil	Halus	-	-	dekat pemu-kiman	Ken-daraan	jalan
5	Putih	Berkelok-kelok	Kecil	Halus	-	-	hutan	Air	sungai
6	Abu-abu Abu-abu	Kotak-kotak	Sedang	Sedang	Mengumpul	-	dekat pemu-kiman	Pohon	sawah

PEMBAHASAN

Praktikum kali ini ialah mendeleniasi citra atau foto udara salah satu daerah di kabupaten Buru Desa jikumerasa dengan ketinggian mata 750-1000 m dan 4500-7000 m. Dari hasil asosiasi diketahui bahwa citra atau foto udara  dengan ketinggian mata 750-1000 m kita dapat melihat jelas daerah pantai dan disekitarnya didominasi oleh vegetasi dan tampak juga terlihat jelas lamun dan melalui citra atau foto udara 750-1000 m juga tampak terlihat jelas daerah permukiman warga di sertai dengan jalan raya, jembatan yang saling menghubungkan daerah permukiman satu dengan lainnya. Dan kita dapat melihat disekitar permukiman warga juga terdapat percampuran air tawar dan air laut (air payau) dan perkebunan minyak kayu putih serta perkebunan lainnya juga tampak jelas yang berada di sekitar Desa jikumerasa.

 Sedangkan foto udara dengan ketinggian mata 4500-7000 m dari daerah pantai dan disekitarnya juga terlihat didominasi oleh vegetasi , lamun, terumbu karang dan terlihat ada sedikit pemukiman, adapula perkebunan minyak kayu putih, perkebunan campuran, tanaman campuran, danau, air payau  yang terdapat di Desa jikumerasa pun tampak terlihat. Daerah tersebut dilewati oleh jalan raya dan beberapa jalan lain yang menghubungka daerah pemukiman.

KESIMPULAN

Kesimpulan yang dapat diambil dari hasil praktikum ini, kita dapat mengetahui bahwa vegetasi dalam citra  atau foto udara tidak hanya disebut vegetasi, melinkan memiliki banyak golongan rona, seperti cerah, sedang, dan gelap. Hal ini dapat membantu untuk menentukan waktu pengambilan citra atau foto udara, yang pasti juga dapat mengetahui wilayah vegetasi di suatu daerah dan dampak apa yang dapat ditimbulkan.

DAFTAR PUSTAKA

Anggoro Sigit. 2006. Diktat Kuliah PJ Dasar. Surakarta : Fakultas  

Geografi,

Susanto, 1998, penginderaan jauh dasar, Fakultas Geografi. Universitas

            Gadjah Mada, Yogyakarta.Universitas Muhammadiyah Surakarta.

Modul praktikum interpretasi citra untuk penggunan lahan & vegetasi,       

Fakultas Geografi, Universitas Gadjah Mada, Yogyakarta.