vIaN cYbEr: Belajar ER Mapper

A. Cropping Citra

Urutan dalam proses cropping citra menggunakan zoom :

• Dari menu utama pilih File / New

• Kemudian klik Algoritm

• Buka file yang ingin di crop

• Copy paste pseudo layer pada menu algorithm, sejumlah band yang ada (misalkan dibutuhkan 5 band)

• Ubah nama pseudo layer tersebut sesuai dengan band yang akan diisikan, dengan cara double klik pada pseudo layer

• Isikan band sesuai urutan layer

•

Select semua layer dari band 1 sampai 5

• Zoom image yang ingin di crop

• Langka selanjutnya klik file / Save As

• Berikan nama output misalnya bima_2000_zoom_cropping

• Pilih file tipe ER Mapper Raster Datasheet (.ers)

• Pilih tupe output multilayer

• Pilih tipe data Unsigned8BitInteger kemudian OK

Urutan dalam cropping citra menggunakan masukan koordinat

• Dari menu utama pilih File / New

• Kemudian klik Algoritm

• Buka file yang ingin di crop

• Copy paste pseudo layer pada menu algorithm, sejumlah band yang ada (misalkan dibutuhkan 5 band)

• Ubah nama pseudo layer tersebut sesuai dengan band yang akan diisikan, dengan cara double klik pada pseudo layer

• Isikan band sesuai urutan layer

• Select semua layer dari band 1 sampai 5

• Pilih view pada menu utama kemudan geoposition

• Klik Extens pada kotak dialog Algorithm Geoposition Extents

• Ketik posisi yang diinginkan pada latitude-longitude, easting-northing, atau cell x – cell y

• Klik OK kemudian file save as

• Berikan nama output misalnya bima_2000_geo_cropping

• Pilih file tipe ER Mapper Raster Datasheet (.ers)

• Pilih tupe output multilayer

• Pilih tipe data Unsigned8BitInteger kemudian OK

B. Registrasi Citra

Registrasi Image to Map

• Open file/peta yang ingin dikoreksi, ubah color menjadi grayscale

• Save As dengan format .ers (Peta.ers)

• Klik proses Geocoding Wizard

• Klik start, masukkan input file yang akan dikoreksi (Peta.ers)

• Pada geocoding type pilih polynomial

• Klik polynomial setup, pilih linear

• Klik GCP Setup, pada output coordinate space untuk geodetic datum : WGS84, geodetic projection : SUTM 50, coordinate type : Easting/Northing

• Klik GCP edit, isikan 4 titik yang terdapat pada pojok peta beserta nila koordinatnya pada easting/northing

• Save GCP Control Poin (Peta.gcp)

• Klik Rectify, pada cell attributes ganti dengan 5x5, supaya file tidak terlalu besar tetapi masih tetap jelas.

• Masukkan nama file output (Peta_koreksi.ers)

•

Klik save and start rectification

• Buka cell coordinat untuk membuktikan bahwa peta sudah dikoreksi

• Dari menu utama pilih File / New

• Kemudian klik Algoritm

• Open file 115060_20000524_subset.ers

• Komposit file tersebut dengan RGB 5,4,2

• Save file tersebut dengan format alg untuk menghemat memory (watatu_komposit.alg)

• Koreksi kembali dengan membandingkan watatu_komposit.alg tersebut dengan Peta_koreksi.ers

• Klik proses Geocoding Wizard

• Klik start, masukkan input file yang akan dikoreksi (watatu_komposit.alg)

• Pada geocoding type pilih polynomial

• Klik polynomial setup, pilih linear

• Klik GCP Setup, pada GCP Picking method isikan file yang sudah dikoreksi (Peta_koreksi.ers)

• Klik GCP edit, isikan titik titik pembanding (20 titik)

• Save GCP Control Poin (watatu_koreksi.gcp)

• Klik Rectify, pada cell attributes ganti dengan 3x3, supaya file tidak terlalu besar tetapi masih tetap jelas.

• Masukkan nama file output (watatu_koreksi.ers)

•

Klik save and start rectification

•

Untuk melihat hasil koordinat setelah dikoreksi klik geolink to window

• Citra sebelum dikoreksi dan sesudah dikoreksi

Registrasi Image to Image

• Buka file yang belum dikoreksi dan yang sudah dikoreksi (bima-1992.ers dan bima_2000.ers)

• Komposit kedua file tersebut dengan komposisi 5-4-2(RGB) dan save dengan format .alg

• Klik proses Geocoding Wizard

• Klik start, masukkan input file yang akan dikoreksi (bima-1992.alg)

• Pada geocoding type pilih polynomial

• Klik polynomial setup, pilih linear

• Klik GCP Setup, pada GCP Picking method isikan file yang sudah dikoreksi (bima_2000.alg)

•

Klik GCP edit, isikan titik titik pembanding (30 titik)

• Klik Rectify, pada cell attributes ganti dengan 30x30

• Masukkan nama file output (bima-1992_koreksi.ers)

• Klik save and start rectification

• Buka file untuk melihat hasilnya

• Hasil sebelum dan sesudah dikoreksi

C. Klasifikasi Unsupervised

• Dari menu utama pilih File / New (Benoa_1995.ers)

• Kemudian klik Algoritm

• Tampilkan citra komposit 5-4-2 (RGB) save dalam .alg (benoa_1995.alg)

• Dari menu utama pilih Proses -> Clasification -> ISOClass

• Masukkan input dataset (Benoa_1995.ers) dan output dataset (benoa_1995_uns.ers)

• Rubah komposisi pada maximum iteration : 20, maximum number of classes : 50, max standar deviation : 2, min distance : 1.

• Klik Ok

• Klik Proses -> Calculate Statistic -> masukkan dataset (benoa_1995_uns.ers)

• Klik Edit -> Edit Class -> Masukkan dataset yang akan diedit (benoa_1995_uns.ers)

• Labeli tiap kelas dengan nama sesua citra yang terlihat, kemudian diberi warna dan di save

• Untuk mengetahui/memberi nama citra tersebut buka file benoa_1995.alg dan benoa_1995_uns.ers dalam class display layer kemudian set geolink to window dan tampilkan cell values profile, clear smoothing pada algorithm

• Setelah 50 kelas selesai diberi label dan warna kemudian save file tersebut

• Hasil sesudah dilabeli

• Taplilan Edit Class

• Reclass menjadi 5 kelas (1.laut, 2.mangrove, 3.darat, 4.rawa, 5.awan)

• Buka file benoa_1995_uns.ers tersebut dalam pseudo layer, pada algorithm pilih formula editor

• Buka edit class -> kumpulkan label tersebut menjadi 5 kelas sesuai urutan kelas yang tersebut sebelumnya

• Buat rumus tersebut dalam notepad kemudian copy paste pada formula editor

• Rumus :

if i1>=1 and i1<12 then 1 else

if i1>=12 and i1<15 then 4 else

if i1>=15 and i1<22 then 2 else

if i1>=22 and i1<49 then 3 else

if i1>=49 and i1<51 then 5 else null

• Klik apply changes dan save as dengan nama Benoa_1995_uns_5class.ers

• Buka file Benoa_1995_uns_5class.ers menggunakan wordpad

• Hapus text RegionInfo Begin samapi RegionInfo End dari ClassNumber 6 sampai dengan 50 (hanya membutuhkan 5 kelas saja)

• Save file tersebut

• Buka Edit Class -> Benoa_1995_uns_5class.ers

• Ubah label dan warna sesuai 5 kelas yang sudah ditentukan (1.laut, 2.mangrove, 3.darat, 4.rawa, 5.awan) kemudian save

• Open file yang sudah diedit tersebut

• Hasilnya :

D. Klasifikasi Supervised

• Dari menu utama pilih File / New (Benoa_1995.ers)

• Kemudian klik Algoritm

• Tampilkan citra komposit 4-5-3 (RGB) save

•

Dari menu utama pilih Edit -> Edit Create Regions -> Benoa_1995.ers

• Dengan menggunakan polygon tool buat 10 training area untuk darat, laut dan mangrove

• Save file tersebut.

• Klik proses -> calculate statistic -> masukkan input data (benoa_1995_region.ers)

• Klik proses -> classification -> super classification -> input yang sudah di training dan output data (benoa_1995_supervised.ers) dengan maximum likelihood standard dan klik ok

• Masuk ke edit -> edit class -> open file yang akan di labeli dan diberi warna

• Open file benoa_1995_supervised.ers -> pada Algorithm pindah pseudo layer menjadi class display layer

• Beri warna pada edit class dan save file

• Hasil file setelah diberi warna :