Prak Pj Iii Maqil.docx

LAPORAN PRAKTIKUM PENGINDRAAN JAUH KODE MATAKULIAH (GEOG6016) ACARA III KURVA SPEKTRAL DAN PENGENALAN METADATA LANDSAT 7 ETM+ SERTA LANDSAT 8 OLI/TIRS

Oleh: Nama Mahasiswa

: Maqilatus Sa’diyah

Nim

: 180722639579

Mata Kuliah

: Pengindaraan Jauh

Dosen Pengampu

: Ike Sari Astuti, S.P, M. Nat. Res.St., Ph.D

Tanggal Praktikum

: 22 Februari 2019

Asisten Praktikum

: Dimas Ari Wibowo

UNIVERSITAS NEGERI MALANG FAKULTAS ILMU SOSIAL PROGRAM STUDI S1 GEOGRAFI 2019

I.

TUJUAN 1. Mahasiswa dapat mengidentifikasi karakteristik spectral beberapa objek di permukaan bumi. 2. Mahasiswa mampu dan membuat kurva spektral beberapa objek di permukaan bumi. 3. Mahasiswa mampu mengidentifikasi metadata citra landsat 7 ETM+ dan Landsat 8 OLI/TIRS.

II.

ALAT DAN BAHAN 1. Alat: a. Laptop, digunakan untuk membuka ENVI dan menyimpan file, juga mengerjakan laporan. b. Software ENVI 5.3, digunakan untuk mengelola data ENVI. c. Microsoft Excel, digunakan untuk membuat kurva serta untuk menampilkan data yang telah dikelola oleh ENVI. d. Microsoft Word, digunakan dalam mengerjakan laporan.

2. Bahan: a. Citra Landsat 8 OLI/TIRS, untuk bahan dalam praktikum yang akan diolah menggunakan aplikasi ENVI. b. Citra Landsat 7 ETM+, untuk bahan dalam praktikum yang akan diolah menggunakan aplikasi ENVI.

III.

DASAR TEORI a. Citra Landsat Citra Landsat merupakan salah satu jenis citra yang ada di pengindraan jauh. Terdapat beberapa jenis citra Landsat yaitu mulai dari citra landsat satu sampai delapan, dimana semakin tinggi nomor serinya maka semakin bagus kualitasnya atau citra

landsat

yang

terbaru

merupakan

citra

landsat

yang

dibuat

untuk

menyempurnakan landsat-landsat sebelumnya. Pada masing-masing citra landsat memiliki karakteristik-karakteristik tersendiri, seperti karakteristik yang ada pada citra landsat 7 dan 8. Landsat 7 ETM+ merupakan citra satelit Amerika Serikat yang diluncurkan pada tanggal 15 april 1990, membawa sebuah sensor yang di upgrade dinamakan

Enhanced Thematic Mapper Plus (ETM+), dikembangkan dengan kemampuan spektral dan spasial yang mendekati identik dengan TM. Sebagai tambahan adalah sebuah kanal pankromatik pada resolusi 15 meter dan kanal termal dengan resolusi yang lebih tajam 60 meter. (Sitanggang, 2010) Terdapat banyak apalikasi dari data landsat 7 ini, manfaatnya adalah untuk pemetaaan 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 diperlukan untuk studi proses-proses energi pada permukaan bumi seperti variabilitas suhu tanaman dalam areal yang diirigasi.

Gambar 3.1: Tabel data Landsat 7 ETM Sumber: https://pgsp.big.go.id/perkembangan-landsat/ Landsat 8 OLI merupakan satelit yang diluncurkan pada 11 februari 2013. Landsat 8 ini memiliki wktu orbit 99 menit untuk mengorbit bumi dengan resolusi temporal 16 hari dan terbang pada ketinggian 705 km dari permukaan bumi dengan area scan seluas 170km x 183 km. Satelit Landsat 8 memiliki sensor Onboard Operational Land Imager (OLI) dan Thermal Infrared Sensor (TIRS) dengan jumlah band sebanyak 11 buah. Sembilan band (band 1 sampai 9) berada pada sensor OLI dan 2 lainnya (band 10 dan 11) pada sensor TIRS. Sebagian besar band pada Landsat 8 memiliki spesifikasi mirip dengan Landsat 7. NASA menargetkan satelit Landsat 8 ini mengemban misi selama 5 tahun (sensor OLI dirancang 5 tahun dan sensor TIRS 3 tahun). Pada citra satelit

multispectral, masing masing piksel mempunyai beberapa nilai digital sesuai dengan jumlah band yang dimiliki. Untuk citra Landsat 8, masing-masing piksel mempunyai 11 nilai digital dari 11 band yang dimiliki. Data citra satelit Landsat dapat ditampilkan secara single band dalam bentuk hitam dan putih maupun kombinasi 3 band yang dikenal dengan color composite. (Yuliara, 2014)

Gambar 3.2: Data Landsat 8 Sumber: NASA”Landsat Data Contimuity Mission Brochure”

b. ROI Region of Interest (ROI) merupakan salah satu fitur yang tersedia dalam JPEG2000. ROI memungkinkan dilakukannya pengkodean secara berbeda pada area tertentu dari citra digital, sehingga mempunyai kualitas yang lebih baik dari area sekitarnya. Fitur ini menjadi sangat penting, bila terdapat bagian tertentu dari citra digital yang dirasakan lebih penting dari bagian yang lainnya. Region of Interest (ROI) memungkinkan pengguna untuk mengakses bagian tertentu dari sebuah citra dijital untuk diolah secara berbeda. Fitur ini menjadi sangat penting, apabila terdapat bagian atau area tertentu dari citra dijital yang dianggap lebih penting dari area yang lainnya17). Dengan pengkodean ROI ini, area khusus tersebut akan nampak mempunyai kualitas citra lebih baik daripada area sekitarnya (background) pada citra dijital tersebut.

Metode yang digunakan untuk pengkodean ROI ini adalah Metode Maxshift. Prinsip utama pada pengkodean ROI ini adalah dengan menggeser bitplane dari koefisien yang dipilih sebagai ROI, sehingga menempati posisi yang lebih tinggi daripada bitplane sekitarnya. Karena menggunakan metode Maxshift, pergeserannya dilakukan sampai batas maksimal, sehingga seluruh bitplane dari koefisien ROI berada di atas bitplane dari area sekitarnya. Hal ini menyebabkan, pengkodean pada ROI akan menghasilkan area dengan kualitas maksimal dibandingkan area sekitarnya. Pada tahapan pengkodean entropi, koefisien yang dipilih untuk ROI, akan dikodekan terlebih dahulu, daripada koefisien yang lainnya. Untuk melakukan ROI, perlu diidentifikasi koefisien–koefisien yang termasuk dalam ROI. Hal tersebut dimaksudkan untuk menghasilkan sebuah ROI mask, yang merupakan indikator dari koefisien yang termasuk ROI atau bukan. Umumnya yang digunakan sebagai penanda merupakan sebuah angka biner, yang dimiliki oleh piksel–piksel yang termasuk area ROI. Penanda tersebut berperan sebagai pemetaan area dari citra digital yang termasuk ROI. Pada proses DWT pun, mask tersebut akan berubah, mengikuti transformasi yang dilakukan pada citra digital. Sehingga pada akhirnya akan diperoleh informasi mengenai koefisien yang termasuk ROI. Bentuk lain atau area yang berbentuk tidak beraturan yang ingin dipisahkan dari image induk maka didefinisikan sebagai ROI (Region of Interest) dimana di MATLAB terdapat banyak sekali fungsi yang bisa digunakan, salah satunya yaitu roipoly(I,c,r) dimana I adalah matrik gambar, c adalah matrik titik kolom daerah yang menjadi ROI dan r adalah matrik titik baris daerah yang menjadi ROI.

c. Spektral Penggunaan beberapa spektral sangat membantu proses pengenalan objek melalui proses perbandingan kemampuan antar saluran. Mengingat bahwa citra yang dihasilkan adalah citra digital maka proses analisis selanjutnya lebih efesien bila dilakukan secara digital menggunakan komputer. Proses penglihatan manusia akan lebih mudah dapat membedakan suatu objek dengan objek lainnya, berdasarkan nilai spektral yang terekam sebagai nilai kecerahan, dan juga berdasarkan pola spasialnya. Namun cara ini kurang efisien, akurat dan melelahkan khususnya untuk wilayah liputan yang luas. Bantuan komputer untuk melakukan identifikasi objek berdasarkan

ciri-ciri spektral pada beberapa saluran spektral sekaligus sangatlah bermanfaat. Inilah yang disebut dengan proses klasifikasi otomatis. Pada proses klasifikasi secara manual, penafsiran berusaha membandingkan kenampakan visual objek berdasarkan rona dan warna pada citra. Ukuran objek yang dapat diamati dibatasi dengan kemampuan mata dan media penggambar (dalam hal ini ukuran mata pena). Pada klasifikasi multispektral, ukuran objek dibatasi oleh resolusi spasial yang secara praktis dinyatakan dalam ukuran pixel. (Bawafi, 2014) Pengenalan objek menggunakan pola spektral lebih cocok jika diaplikasikan pada data pengindraan jauh digital dengan resolusi spasial yang rendah sampai menengah. Sedangkan citra yang memiliki resolusi spasial tinggi dalam hal interpretasi lebih mudah dilakukan secara digital dengan pengamatan visual yang berbantukan pada komputer dan software untuk analisis citra. (Bawafi, 2014)

IV.

LANGKAH KERJA a. Memanggil Citra Landsat 1. Membuka Envi

2. Klik File → Open As → Landsat → Geo TIFF with metadata.

3. Cari file directory penyimpanan landsat lalu klik landsat dengan format Geo TIFF.

4. Tunggu proses loading selesai dan citra landsat yang telah dipilih akan muncul padalayar kerja ENVI 5.3

b. Tutorial Membuat ROI Landsat

1. Buka citra landsat 8 OLI/TIRSS, lalu klik ikon ROI.

2. Setelah itu klik gambar citra landsat → isi data di task manager ROI, misal ROI name: Urban, → klik pixel → Brush size 1→ buat kotak dengan ukuran 10 x 10 → lalu cek di kolom pixel count sampai bernilai 100.

3. Setelah selesaimembuat ROI objek, buat kembali dengan cara mengklik ikon ROI+ dikotak manager ROI atas sebelah kiri, kemudian isi kembali data di task manager ROI dan buat ukuran kotak 10 x 10.

4. Setelah membuat semua objek ROI, lalu arahkan kursor pada nama item Roi, lalu klik kanan → Go Item → statistik →

c. Tutorial Membuat Kurva Spektral Landsat 1.

Buka aplikasi Microsoft Excel melalui search.

2.

Kemudian pilih menu bar → pilih from text → cari folder penyimpanan text file ROI → pilih salah satu objek → import.

3.

Tunggu loding lalu klik next → next → finish → pilih new worksheet → ok.

4.

Kemudian akan muncul tampilan ROI dalam bentuk angka.

5.

Impor semua data ROI objek seperti pada langkah 2 dan 3 lau ambil nilai mean pada setiap band dalam objek. Kemudian buat kurva dengan klik menu bar insert → kurva.

6.

HASIL PRAKTIKUM a. Table identifikasi band 1 sampai 7 di Landsat 7 ETM+ dan Landsat 8 OLI/TIRS untuk setiap objek. b. Table identifikasi band 1 sampai 7 di Landsat 7 ETM+ dan Landsat 8 OLI/TIRS untuk semua objek. c. Table identifikasi metadata citra Landsat 8 OLI/TIRS. d. Table identifikasi metadata citra Landsat 7 ETM+. e. Kurva spektral setiap objek. f. Kurva spektral semua objek.

7.

PEMBAHASAN Pada praktikum kali ini mengenai kurva spektral dan pengenalan metadata Landsat 7 ETM+ dan Landsat 8 OLI/TIRS dapat diketahui bahwa setiap objek memiliki nilai spektral pada pantulan gelombang masing-masing di setiap Band. Pada Tabel 6.1, dapat diketahui objek sawah yang didapat dari Landsat 7 ETM+ memiliki nilai mean paling tinggi terletak pada band 1. Band 1 di Landsat merupakan sensor biru dengan panjang gelombang 0,45-0,51 μm. Penyebab nilai mean tersebut adalah karena air banyak terdapat pada sawah tersebut dan air merupakan objek yang banyak menyerap cahaya pada saluran blue yang ada pada band 1, jadi dapat disimpulkan bahwa sawah yang ada pada data tersebut merupakan sawah irigasi. Pada tabel 6.2 dapat diketahui objek air yang didapat dari Landsat 7 ETM+ memiliki nilai mean paling tinggi terletak pada band 1, dimana band 1 merupakan band yang memiliki panjang gelombang 0,45-0,51 μm dan air merupakan objek yang dapat menyerap cahaya pada saluran blue yang ada pada band 1.

Pada tabel 6.3 dapat diketahui objek hutan yang didapat dari Landsat 7 ETM+ memiliki nilai mean paling tinggi terletak pada band 4, dimana band 4 merupakan band yang memiliki panjang gelombang 0,75-0,90 μm dan merupakan sensor NIR. Penyebab nilai mean tersebut adalah karena band 4 merupakan band yang banyak menerima pantulan gelombang dari vegetasi. Dan nilai mean tertinggi kedua adalah pada band ke 5 yang mana band kelima merupakan band yang banyak menerima pantulan gelombang dari tanah yang memiliki kelembapan tinggi. Jadi dapat disimpulkan bahwa hutan tersebut merupakan hutan dengan tingkat kelembapan tanah yang cukup tinggi. Tabel 6.4 dapat diketahui objek tanah yang didapat dari Landsat 7 ETM+ memiliki nilai mean paling tinggi terletak pada band 5, dimana band 5 merupakan band yang memiliki sensor inframerah tengah 1 dan panjang gelombangnya 1,55-1,75 μm. Penyebab nilai mean tersebut adalah karena band 5 merupakan band yang banyak menerima pantulan gelombang dari tanah. Dan nilai mean tertinggi kedua adalah pada band ke 1 yang mana band 1 merupakan band yang banyak menerima pantulan gelombang dari air. Dan dapat diketahui bahwa tanah tersebut nerupakan tanah yang memiliki tingkat kesuburan tinggi karena tanahnya banyak mengandung air dan kemungkinan tingkat mineralnya tinggi. Tabel 6.5 dapat diketahui objek awan yang didapat dari Landsat 7 ETM+ memiliki nilai mean paling tinggi terletak pada band 5, dimana band 5 merupakan band yang memiliki sensor inframerah tengah 1 dan panjang gelombangnya 1,55-1,75 μm. Tabel 6.6 dapat diketahui objek semak yang didapat dari Landsat 7 ETM+ memiliki nilai mean paling tinggi terletak pada band 4, dimana band 4 merupakan band yang memiliki sensor NIR dan panjang gelombangnya 0,75-0,90 μm. Penyebab nilai mean tersebut adalah karena band 4 merupakan band yang banyak menerima pantulan gelombang dari vegetasi atau klorofil. Pada tabel 6.7 dapat diketahui objek urban yang didapat dari Landsat 7 ETM+ memiliki nilai mean paling tinggi terletak pada band 3, dimana band 3 merupakan band yang memiliki sensor merah dan panjang gelombangnya 0,63-0,69 μm. Pada tabel 6.8 dapat diketahui objek air keruh yang didapat dari Landsat 8 OLI memiliki nilai mean paling tinggi terletak pada band 1, dimana band 1 merupakan band yang memiliki sensor coastel/aerosol dan panjang gelombangnya 0,433-0,453 μm.

Pada tabel 6.9 dapat diketahui objek air bersih yang didapat dari Landsat 8 OLI memiliki nilai mean paling tinggi terletak pada band 1, dimana band 1 merupakan band yang memiliki sensor coastel/aerosol dan panjang gelombangnya 0,433-0,453 μm. Pada tabel 6.10 dapat diketahui objek urban yang didapat dari Landsat 8 OLI memiliki nilai mean paling tinggi terletak pada band 7, dimana band merupakan band yang memiliki sensor SWIR 2 dan panjang gelombangnya 2,100-1,300μm. Pada tabel 6.11 dapat diketahui objek hutan yang didapat dari Landsat 8 OLI memiliki nilai mean paling tinggi terletak pada band 6, dimana band 6 merupakan band yang memiliki sensor SWIR 1 dan panjang gelombangnya 1,560-1,660 μm. Penyebab nilai mean tersebut adalah karena band 6 merupakan band yang berfungsi membedakan kadar air tanah, vegetasi dan juga awan tipis. Pada tabel 6.12 dapat diketahui objek sawah yang didapat dari Landsat 8 OLI memiliki nilai mean paling tinggi terletak pada band 5, dimana band 5 merupakan band yang memiliki sensor NIR dan panjang gelombangnya 0,845-0,885 μm. Penyebab nilai mean tersebut adalah karena gelombang yang dipantulkan oleh vegetasi dapat diterima oleh band 5. Dan mean tertinggi ke dua terletak pada band 6 yang menunjukkan kadar air tanah. Dari data yang diperoleh pada tabel 6.12 dapat disimpulkan bahwa sawah tersebut merupakan sawah dengan tanaman padi karena kadar air dalam tanah juga air yang ada di permukaannya.

8.

PENUTUP a. Kesimpulan b. Daftar Pustaka Bawafi, Hanri. 2014. Laporan Paraktikum Pengindraan Jauh Pengenalan Nilai Pantulan Spektral Objek Pada Data Foto Udara dan Citra Satelit. Malang: Jurusan Geografi Fakultas Ilmu Sosial Universitas Negeri Malang. (online, https://www.academia.edu/31362101/PENGENALAN_NILAI_PANTULAN _SPEKTRAL_OBJEK_PADA_DATA_FOTO_UDARA_DAN_CITRA_SAT ELIT, diakses pada 9 Maret 2019 pukul 9.07)

Linda, Agustin. 2011. Penerapan Region of Interest (ROI) pada Metode Kompresi JPEG2000. Bandung: Departemen Teknik Informatika ITB. (online, https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=3&ca d=rja&uact=8&ved=2ahUKEwiSy9G47_PgAhUv6nMBHU1wDUgQFjACeg QICBAC&url=http%3A%2F%2Finformatika.stei.itb.ac.id%2F~rinaldi.munir %2FTA%2FMakalah_TA%2520Agustina%2520Linda.pdf&usg=AOvVaw2D ASsPa_XqNb3OPnB0o9z7, diakses pada 9 Maret 2019 pukul 10.45 WIB) Sitanggang, Gokmaria. 2010. Kajian Pemanfaatan Satelit Masa Depan: Sistem Pengindraan Jauh Satelit LCDM (Landsat-8). Peneliti Bidang Bangfatja, LAPAN.(online,http://jurnal.lapan.go.id/index.php/berita_dirgantara/article/viewFil e/1173/1051, diakses pada tanggal 7 Maret 2019 pukul 9.52 WIB) Sutanto, Bali., Wisnawa, Gede Yudi. 2008. Kemampuan Saluran Termal Citra Landsat 7 ETM+ dan Citra Aster Dalam Memetakkan Pola Suhu Permukaan di Kota Denpasar dan

Sekitarnya.

Yogyakarta:

Universitas

Gadjah

Mada.

(online,

https://jurnal.ugm.ac.id/mgi/article/viewFile/15455/10347, diakses pada tanggal 7 Maret 2019 pukul 9.21 WIB) Surwargana, Nana. 2013. Resolusi Spasial, Temporal dan Spektral Pada Citra Satelit Landsat, Spot, dan Ikonos. Lembaga Penerbangan dan Antariksa Nasional. (online, https://www.academia.edu/11529545/RESOLUSI_SPASIAL_TEMPORAL_DAN_S PEKTRAL_PADA_CITRA_SATELIT_LANDSAT_SPOT_DAN_IKONOS, diakses pada tanggal 7 Maret 2019 pukul 9.41 WIB)

Yuliara, I Made. 2014. Analisis Citra Landsat 8 Untuk Identifikasi Tanaman Cengkeh di Kabupaten Bulelang Bali. Bali: Urusan Fisika Fakultas Tematika dan Ilmu Pengetahuan

Alam

Universitas

Udayana.

(online,

https://simdos.unud.ac.id/uploads/file_penelitian_1_dir/64170b8cf3f6cc9eb37a2295c 8713a8b.pdf, diakses pada tanggal 7 Maret 2019 pukul 8.35 WIB)

LAMPIRAN a.

Tabel identifikasi band 1 sampai 7 di Landsat ETM+ dan Landsat 8 OLI/TIRS 1. Objek sawah Landsat 7 ETM+

Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6

Min

Max 81 71 55 18 15 12

Mean 116 110 137 90 175 125

88.04 77.73 67.2 29.12 36.4 26.84

StdDev 7.401774 8.037607 18.294449 18.026512 38.26806 25.200497

Tabel 6.1: Sawah 2. Objek air Landsat 7 ETM+ Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6

Min

Max 94 55 37 15 12 12

Mean 100 61 44 16 21 18

StdDev 97.16 1.361223 57.84 0.928994 39.89 1.196755 15.37 0.485237 17.18 1.416925 15.4 1.110101

Tabel 6.2: Air 3. Objek hutan Landsat 7 ETM+ Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6

Min

Max 63 48 34 82 66 29

Mean 70 58 50 123 92 45

StdDev 66.21 1.358066 52.44 2.388186 40.07 3.40604 102.62 10.285598 77.31 5.520751 36.04 4.054976

Tabel 6.3: Hutan 4. Objek tanah Landsat 7 ETM+ Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6

Min

Max 92 73 83 54 113 87

Mean 101 89 117 86 173 114

Tabel 6.4: Tanah 5. Objek awan Landsat 7 ETM+

StdDev 96.35 2.133783 81.12 3.121383 97.8 6.211752 66 6.350058 133.85 12.729013 99.81 5.707863

Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6

Min

Max 255 255 255 205 250 178

Mean

StdDev

255 255 255 255 255 255

255 255 255 230.39 254.95 230.8

0 0 0 13.140188 0.5 19.989896

Tabel 6.5: Awan 6. Objek semak Landsat 7 ETM+ Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6

Min

Max

Mean

83 71 58 85 84 42

91 79 73 102 100 57

StdDev 86.91 1.670269 76.18 1.559461 63 3.16547 93.33 3.811347 91.09 3.913445 48.02 3.443571

Tabel 6.6: Semak 7. Objek urban Landsat 7 ETM+ Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6

Min

Max 88 71 63 33 0 0

Mean 136 128 166 110 215 133

StdDev 108.24 10.205089 97.72 13.543853 115.72 24.894963 82.84 17.33317 114.76 69.638333 87.99 29.57869

Tabel 6.7: Urban 8. Objek air keruh Landsat 8 OLI/TIRS Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6 Band 7

Min

Max Mean 11394 11800 10690 11201 10358 10686 9453 10068 6650 7415 5285 5637 5182 5448

StdDev 11552.62 103.415 10892.42 128.782502 10484.21 60.006783 9712.62 138.955758 7115.92 156.495437 5399.99 94.60161 5267.71 76.068323

Tabel 6.8: Air Keruh 9. Objek air jernih Landsat 8 OLI/TIRS Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6 Band 7

Min

Max Mean 11400 11559 10323 10530 8273 8530 7273 7597 6680 7028 6084 6396 5855 6105

StdDev 11484.83 36.347107 10417.1 40.783117 8397.32 48.5126 7423.82 56.965767 6829.22 66.546343 6239.78 61.977119 5961.97 47.06485

Tabel 6.9: Air Jernih 10. Objek urban Landsat 8 OLI/TIRS Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6 Band 7

Min

Max Mean 12038 15660 11251 15751 10599 16694 10497 17039 11659 18165 11848 27727 10623 27653

StdDev 13323.32 839.963117 12833.18 1028.104742 12383.88 1318.026772 12639.67 1548.856333 13676.99 1491.740354 15987.8 3486.326949 15430.62 3816.987838

Tabel 6.10: Urban 11. Objek hutan Landsat 8 OLI/TIRS Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6 Band 7

Min

Max Mean 9803 10077 8762 9142 7906 8502 6901 8007 15099 21183 9661 14742 7034 10162

Tabel 6.11: Hutan 12. Objek sawah Landsat 8 OLI/TIRS

StdDev 9916.09 47.993706 8909.08 64.738897 8274.3 132.140765 7219.95 173.251226 17812.9 1341.944665 11003.89 1044.888191 7647.35 598.440589

Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6 Band 7

Min 10368 9384 9273 7895 15353 11112 7858

Max Mean 10810 10013 10022 9450 20575 13350 10016

10562.48 9692.41 9638.01 8798.84 17678.24 12207.63 8940.75

StdDev 80.410246 116.702687 150.841109 317.39628 1225.361955 366.05797 368.499232

Tabel 6.12: Sawah 13. Objek semak-semak Landsat 8 OLI/TIRS Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6 Band 7

Min

Max 10216 9212 8706 7469 12961 12227 8229

Mean 11169 10474 10219 10389 23908 16805 13235

StdDev 10594.28 9674.38 9308.39 8565.82 18960.52 14074.7 10270.96

206.481984 268.184686 301.873741 597.325646 2381.624081 895.983422 1045.323225

Tabel 6.13: Semak 14. Objek tanah Landsat 8 OLI/TIRS Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6 Band 7

Min 10412 9522 9055 9373 12747 13124 10895

Max Mean 11075 10480 10541 11972 17226 16910 12912

Tabel 6.14: Tanah 15. Objek awan Landsat 8 OLI/TIRS

10615 9844.12 9557.46 10270.38 14531.67 14609.15 11784.81

StdDev 129.047403 189.234784 297.754811 514.210344 934.75983 867.7343 465.574321

Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6 Band 7

Min 21944 22068 21012 21496 25354 19745 16398

Max Mean 37603 38719 38540 40560 44239 35990 30297

30486.86 30816.49 30745.49 32005.14 35658.21 29513.93 24532.67

StdDev 3588.77569 3883.985198 4164.531231 4552.477743 4542.014445 3728.086425 3247.550381

Tabel 6.15: Awan 16. Objek pertanian lahan kering Landsat 8 OLI/TIRS Basic Stats Band 1 Band 2 Band 3 Band 4 Band 5 Band 6 Band 7

Min

Max Mean 11089 11743 10464 11387 10227 11557 10889 13426 17243 20186 20062 25403 13994 18586

StdDev 11548.88 120.550612 11166.75 178.987691 11211.66 252.749615 12720.29 489.381145 18990.65 681.274569 23933.87 961.267531 17757.84 833.709257

Tabel 6.16: ladang b.

Tabel identifikasi band 1 sampai 7 di Landsat 7 ETM+ dan Landsat 8 OLI/TIRS. 1. Landsat 7 ETM+ Objek Air Awan Hutan Sawah Semak Tanah Urban

Band 1 Band 2 Band 3 Band 4 Band 5 Band6 97,16 57,84 39,89 15,37 17,18 15,4 255 255 255 230,39 254,95 230,8 66,21 52,44 40,07 102,62 77,31 36,04 88,04 77,73 67,2 29,12 36,4 26,84 86,91 76,18 63 93,33 91,09 48,02 96,35 81,12 97,8 66 133,85 99,81 108,24 97,72 115,72 82,84 114,76 87,99

2. Landsat 8 OLI/TIRS Objek Air Jernih Air Keruh Awan

Band 1 Band 2 Band 3 Band 4 Band 5 Band 6 Band 7 11484,83 10417,1 8397,32 7423,82 6829,22 6239,78 5961,97 11552,62

10892,42

10484,21

9712,62

7115,92

5399,99

5267,71

30486,86

30816,49

30745,49

32005,14

35658,21

29513,93

24532,67

Hutan Ladang Sawah Semak Tanah Urban

9916,09 11548,88 10562,48 10594,28 10615 13323,32

8909,08 11166,75 9692,41 9674,38 9844,12 12833,18

8274,3 11211,66 9638,01 9308,39 9557,46 12383,88

7219,95 12720,29 8798,84 8565,82 10270,38 12639,67

17812,9 18990,65 17678,24 18960,52 14531,67 13676,99

c.

Tabel identifikasi metadata citra satelit Landsat 8 OLI/TIRS.

d.

Tabel identifikasi metadata citra Landsat 7 ETM+.

e.

Kurva spektral setiap objek. 1. Landsat 7 ETM+ (Sawah)

2. Landsat 7 ETM+ (Hutan)

3. Landsat 7 ETM+ (Urban)

11003,89 23933,87 12207,63 14074,7 14609,15 15987,8

7647,35 17757,84 8940,75 10270,96 11784,81 15430,62

4. Landsat 7 ETM+ (Semak)

5. Landsat 7 ETM+ (Air)

6. Landsat 7 ETM+ (Tanah)

7. Landsat 7 ETM+ (Awan)

8. Landsat 8 OLI/TIRS (Sawah)

9. Landsat 8 OLI/TIRS (Hutan)

10. Landsat 8 OLI/TIRS (Semak)

11. Landsat 8 OLI/TIRS (Pertanian lahan kering)

12. Landsat 8 OLI/TIRS (Air jernih)

13. Landsat 8 OLI/TIRS (Air keruh)

14. Landsat 8 OLI/TIRS (Tanah)

15. Landsat 8 OLI/TIRS (Awan)

16. Landsat 8 OLI/TIRS (Urban)

f.

Kurva spektral semua objek. a. Kurva Spektral Objek Landsat 7 ETM+ KURVA SPEKTRAL OBJEK 300 250 200 150 100 50 0 Air

Awan

Hutan

Sawah

Semak

Tanah

Band 1

Band 2

Band 3

Band 4

Band 5

Band6

b. Kurva Spektral Objek Landsat 8 OLI/TIRS

Urban

Kurva Spektral Objek 40000 35000 30000 25000 20000 15000 10000 5000 0

Band 1 Band 2

Band 3 Band 4 Band 5 Band 6 Band 7