LAPORAN RESMI PRAKTIKUM PENGINDERAAN JAUH MODUL III : KOREKSI GEOMETRI PDF

Preview

Summary

LAPORAN RESMI PRAKTIKUM PENGINDERAAN JAUH MODUL III : KOREKSI GEOMETRI Disusun Oleh: MUHAMMAD ALWAN NADHIF 26050117130045 OSEANOGRAFI C Koordinator Mata Kuliah Penginderaan Jauh : Ir. Petrus Subardjo, M.Si NIP. 19561020 198703 1 001 Tim Asisten Surya Nugraha Syaiful 26020215120028 Delima Teresia S. ...

Description

LAPORAN RESMI PRAKTIKUM PENGINDERAAN JAUH MODUL III : KOREKSI GEOMETRI

Disusun Oleh: MUHAMMAD ALWAN NADHIF 26050117130045 OSEANOGRAFI C Koordinator Mata Kuliah Penginderaan Jauh : Ir. Petrus Subardjo, M.Si NIP. 19561020 198703 1 001

Tim Asisten Surya Nugraha Syaiful

26020215120028

Delima Teresia S.

26020215120052

Ika Putri Hindaryani

26020215120023

Anugrah riskel shabari

26020215120017

Muhammad Firdaus R

26020215140083

Hifzhan Husna

26020216140116

Muhammad Hafiz Maulavi Haban

26020216130058

Sagita Difa Wardhani

26020216120033

Bima Andriantama

26020216140053

Salman Asatidz

26020216120035

DEPARTEMEN ILMU KELAUTAN / OSEANOGRAFI FAKULTAS PERIKANAN DAN ILMU KELAUTAN UNIVERSITAS DIPONEGORO SEMARANG 2018

I. PENDAHULUAN

1.1 Latar Belakang Teknologi penginderaan jauh terus berkembang yang diawali dengan penggunaan pesawat terbang untuk penginderaan jauh dengan melakukan pemotretan udara konvensional yang banyak mendapatkan kendala alam yang menghalanginya berupa cuaca atau awan sampai pada penggunaan gelombang mikro atau radar yang tidak terkendala oleh cuaca. Peningkatan keakuratan juga merupakan perkembangan teknologi yang perlu diantisipasi dengan baik. Adanya kendala tersebut perlu dibutuhkan koreksi pada citra untuk mendapatkan hasil yang bagus. Dalam penginderaan jarak jauh dibutuhkan koreksi untuk mendapatkan hasil yang diinginkan. Terdapat dua koreksi yang dilakukan untuk mengurangi kesalahan pada hasil perekaman, baik foto udara maupun citra satelit. Koreksi tersebut adalah koreksi radiometri dan koreksi geometri. Koreksi geometri ditujukan untuk memperbaiki distorsi geometrik dengan meletakkan elemen citra pada posisi planimetric (x dan y) yang seharusnya, sehingga citra mempunyai kenampakan yang lebih sesuai dengan keadaan sebenarnya di permukaan bumi yang selanjutnya dapat digunakan sebagai peta.Koreksi geometrik mutlak dilakukan apabila posisi citra akan disesuaikan atau ditumpangsusunkan dengan peta-peta atau citra lainnya yang mempunyai sistem proyeksi peta.

1.2 Tujuan 1. Mahasiswa mampu melakukan koreksi geometri citra dengan menggunakan perangkat lunak ER Mapper 7.0. 2. Agar mahasiswa dapat memahami teknik perbaikan data digital.

1.3 Manfaat 1. Praktikan dapat melakukan koreksi geometri menggunakan perangkat lunak ER MAPPER 2. Agar mahasiswa dapat memhami teknik perbaikan data digital

II. TINJAUAN PUSTAKA

2.1. Koreksi Geometri 2.2.1. Definisi Koreksi Geometri Menurut Mather (1987), koreksi geometrik adalah transformasi citra hasil penginderaan jauh sehingga citra tersebut mempunyai sifat-sifat peta dalam bentuk, skala dan proyeksi. Transforamasi geometrik yang paling mendasar adalah penempatan kembali posisi pixel sedemikian rupa, sehingga pada citra digital yang tertransformasi dapat dilihat gambaran objek dipermukaan bumi yang terekam sensor. Pengubahan bentuk kerangka liputan dari bujur sangkar menjadi jajaran genjang merupakan hasil transformasi ini. Tahap ini diterapkan pada citra digital mentah (langsung hasil perekaman satelit), dan merupakan koreksi kesalahan geometrik sistematik. Sedangkan menurut Parman (2010), koreksi geometrik pada citra Landsat merupakan upaya memperbaiki kesalahan perekaman secara geometrik agar citra yang dihasilkan mempunyai sistem koordinat dan skala yang seragam, dan dilakukan dengan cara translasi, rotasi, atau pergeseran skala. Sebagai titik kontrol medan (koordinat acuan) untuk koreksi geometrik digunakan peta rupa bumi skala 1:25.000. Titik-titik kontrol medan ditentukan dengan cara membandingkan antara kenampakan obyek pada peta dan citra satelit. Menurut Kustiyo et al., (2014) koreksi radiometrik dan geometrik merupakan tahapan koreksi yang dapat menjadikan informasi yang didapat lebih akurat. Informasi tersebut tentang objek dan fenomena yang melalui analisis data satelit tanpa kontak langsung. Koreksi geometrik adalah proses perbaikan kesalahan geometrik dan transformasi citra penginderaan jauh agar memberikan hasil citra yang mempunyai skala tertentu dan mengikuti proyeksi peta tertentu. Dikenal 3 istilah dalam pengkoreksian geometrik yakni rektifikasi, orthorektifikasi, dan regresi. Koreksi geometrik berkaitan dengan distorsi geometrik dikarenakan variasi posisi sensor dengan bumi, data yang dikoreksi dikonversi menjadi data yang sesuai dengan posisi “real” pada sistem koordinat di dunia (Samsuri, 2004)

2.2.2. Kegunaan KoreksiGeometri Koreksi geometrik dilakukan untuk memperbaiki posisi, orientasi citra, distorsi citra yang disebabkan oleh distorsi geometrik sistematik. Sedangkan tujuan utama koreksi geometrik adalah untuk menghilangkan distorsi geometrik pada citra yang diperkirakan seperti sistem optik, rotasi dan kelengkungan bumi serta variasi sudut pengamatan kamera. Data ancillary merupakan dasar dari kerja koreksi geometrik sistematik (Hakim et al., 2013). Koreksi geometrik juga digunakan untuk menentukan skala dan proyeksi peta tertentu. Proses tersebut disebut dengan rektifikasi (Samsuri, 2004).

2.2.3. Kelebihan dan Kekurangan Koreksi Geometri Menurut Kustiyo et al., (2014) kelebihan koreksi geometrik adalah variasi posisi sensor dengan bumi, data yang dikoreksi dikonversi menjadi data yang sesuai dengan posisi “real” pada sistem koordinat di dunia. Selain itu, rotasi dan kelengkungan bumi serta variasi sudut pengamatan kamera dapat dikoreksi. Sedangkan kekurangan koreksi geometrik adalah distorsi geometrik yang merupakan distorsi spatial, yaitu terjadi pergeseran posisi spatial citra yang ditangkap. Distorsi geometrik ini disebabkan oleh kesalahan yang terjadi seperti kerusakan sensor (internal), platform (eksternal) dan gerakan bumi. Koreksi yang dilakukan bila terjadi distorsi bersifat sederhana, seperti centering (translasi), size (skala), skew (rotasi).

2.2.

Rektifikasi Kesalahan geometri adalah ketidaksempurnaan geometri citra yang

terekam pada saat pencitraannya, hal ini menyebabkan ukuran, posisi dan bentuk citra menjadi tidak sesuai dengan kondisi yang sebenarnya. Ditinjau dari sumber kesalahannya, distorsi geometri disebabkan oleh kesalahan internal dan kesalahan eksternal (JARS dalam Yuwono, 2008). Distorsi geometrik yang bersifat tidak sistematik dapat dikoreksi menggunakan GCP yang cukup dan terdistribusi merata di seluruh citra GCP dibutuhkan untuk mentransformasikan sistem koordinat citra yang masih sembarang ke peta, kegiatan ini disebut rektifikasi. Rektifikasi citra dapat

menggunakan persamaan affine 2D (Jensen (1996) dalam Yuwono, 2008) atau polinomial orde satu seperti tertulis dalam persamaan (1).

= posisi objek dalam koordinat citra = posisi objek dalam koordinat peta = parameter transformasi Secara umum, dalam ER Mapper sendiri terdapat empat tipe pengoperasian rektifikasi (Anonim, 2010), yaitu: 

Image to map rectification,



Image to image rectification,



Map to map transformation, yaitu mentrasformasikan data yang terkoreksi menjadi datum/map projection yang baru, dan

 2.3.

Image rotation, memutar citra menjadi beberapa derajat. Orthorektifikasi Ortorektifikasi adalah proses pembuatan foto sendeng/miring ke

foto/image yang ekuivalen dengan foto tegak. Foto tegak ekuivalen yang dihasilkan disebut foto terektifikasi. Ortorektifikasi pada dasarnya merupakan proses manipulasi citra untuk mengurangi/menghilangkan berbagai distorsi yang disebabkan oleh kemiringan kamera/sensor dan pergeseran relief. Secara teoritik foto terektifikasi merupakan foto yang benar-benar tegak dan oleh karenanya bebas dari pergeseran letak oleh kemiringan, tetapi masih mengandung pergeseran karena relief topografi (relief displacement). Pada foto udara pergeseran relief ini dihilangkan dengan rektifikasi differensial (Frianzah, 2009). Model matematis yang digunakan pada ortorektifikasi adalah model matematis persamaan kolinear (rigorous), dan dalam prosesnya menggunakan input data DEM untuk mengkoreksi pergeseran relief akibat posisi miring sensor pada saat perekaman. Penyelesaian model matematis rigorous adalah dengan menghitung posisi dan orientasi sensor pada waktu perekaman image. Posisi dan orientasi sensor yang telah teridentifikasi, digunakan untuk menghitung distorsi

yang terdapat pada image. Model matematis yang digunakan pada ortorektifikasi adalah persamaan Kolinear (Julzarika, 2009). 2.4

Penyesuaian Regresi Penyesuaian regresi diterapakan dengan memplot nilai-nilai pixel hasil

pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan apabila ada saluran rujukan (yang relative bebas gangguan) yang menyajikan nilai nol untuk obyek tertentu. Kemudian tiap saluran di pixel angkanya dengan yang saluran rujukan tersebut untuk membentuk diagram pancar nilai yang diamati. Cara ini secara teoristis mudah namun secara prakteknya sulit. Pengambilan pixel – pixel pengamatan harus berupa obyek yang secara gradual berubah naik nilainya, pada kedua

saluran

sekaligus

dan

bukan

hanya

pada

salah

satu

saluran

(Danoedoro,1996). Penyesuaian regresi (regression adjusment) pada prinsipnya menghendaki analisis untuk mengidentifikasi objek bayangan atau air jernih pada citra yang akan dikoreksi. Nilai kecerahan pada objek dari setiap saluran di plot-kan dalam sumbu koordinat secara berlawanan arah antara saluran tampak (seperti TM saluran 1, 2, dan 3) dan saluran infra merah (seperti TM saluran 4, 5, dan7). Pada diagram ini garis lurus dibuat menggunakan teori least-square, perpotongannya dengan sumbu X akan menunjukkan besarnya nilai bias dan demikian seterusnya untuk saluran-saluran yang lain (Sutanto, 1987). 2.5

RMS Error RMS adalah suatu angka yang menunjukkan akurasi suatu data (contohnya

peta dan citra satelit) dalam kaitannya dengan sistem koordinat. Semakin besar nilai RMS maka dipastikan semakin besar pula kesalahan letak (informasi posisi) pada data tersebut. RMS muncul sebagai indikator perbandingan atas pendefinisian koordinat versi kita terhadap versi sistematik yang ada pada perangkat lunak. Dan kemudian titik-titik yang kita definisikan tersebut oleh perangkat lunak akan ditarik pada posisi yang sudah terancang otomatis (Anonim, 2013). Tingkat ketelitian hasil rektifikasi diukur dengan besar kesalahan menengah rata-rata atau Root Mean Square Error (RMSE). Semakin kecil nilai

RMSE maka semakin teliti hasil rektifikasi. Persamaan untuk menghitung nilai RMSE menurut Jensen (1996) (Yuwono, 2008):

dalam hal ini : x’,y’ : koordinat titik yang dianggap benar x, y : koordinat titik hasil hitungan 2.6

Geocoding Wizard Menurut Wulandari (2012), dengan mengaktifkan Geocoding Wizards

yang dibuka melalui menu pulldown PROCESS. Penetuan titik kontrol dalam koreksi geometrik dilakukan bersamaan dengan proses geocoding. Dalam menu geocoding wizards, terdapat berbagai macam metode geocoding yang dapat dipilih dan digunakan berikut dengan tahapan-tahapannya. Secara prinsip perbedaan dari berbagai metode geocoding adalah sebagai berikut: 1. Metode Triangulasi (Triangulation method) dilakukan dalam proses rektifikasi untuk mereduksi pergeseran (distorsi) lokal. Biasanya dilakukan pada data foto udara untuk memperbaiki pergeseran data akibat pergerakan sensor yang yang tidak stabil. 2. Metode Polinomial (Polynomial method) dilakukan bila koreksi yang dilakukan meliputi keseluruhan daerah data citra (tidak bersifat lokal) seperti halnya metode yang pertama. 3.

Metode Ortorektifikasi dengan menggunakan GCP (Ortorectify using

GCP) memperbaiki foto udara akibat distorsi pergerakan sensor foto udara pada pesawat dan pergeseran data ketinggian. Dalam proses rektifkasinya, metode ini membutuhkan foto udara, GCP sampai dengan informasi ketinggiannya, dan file Digital Elevation Model (DEM). 4. Metode Ortorektifikasi dengan menggunakan exterior orientation hampir mirip dengan metode ortorektifikasi sebelumnya, hanya tidak perlu mengunakan GCP, selama eksterior orientasinya telah diketahui. 5. Metode Map to map reprojection dilakukan untuk merubah proyeksi peta satu ke proyeksi peta lainnya.

6.

Metode Known

point

registration dilakukan

pada

citra

yang

sudah

berkesesuaian dengan poyeksi data acuan. Penentuan dilakukan berdasarkan atas titik sudut koordinat citra acuan yang telah diketahui. 7. Metode Rotasi (Rotation method) dilakukan untuk memutar data citra berlawanan dengan arah jarum jam. Informasi yang dibutuhkan adalah sudut perputaran dalam derajat menit dan detik atau dalam desimal.

III. MATERI DAN METODE

3.1 Waktu dan Tempat Hari, tanggal : Selasa, 18 September 2018 Waktu

: 10.45 – 11.25 WIB

Tempat

:Laboratorium Fakultas

Komputasi

Perikanan

dan

Gedung Ilmu

Kelautan,

Diponegoro, Semarang. 3.2 Materi Materi yang diberikan pada praktikum kali ini adalah 1. Memeriksa koreksi citra 2. Geocoding Wizard 3. Penggabungan 2 citra 3.3 Metode 3.3.1 Memeriksa Koreksi Citra 1. Buka Er Mapper 7.0

E

Lantai

2,

Universitas

2. Klik edit algorithm

Maka akan muncul window seperti ini

3. Klik Load Data set, lalu pilih Citra_Madura.ers

4. Klik Info untuk mengecek map projection apakah map projection sudah sesuai dengan lokasi citra berada di utara khatulistiwa atau selatan khatulistiwa kemudian klik Ok this layer only.

3.3.2

Geocoding Wizard

1. Klik Process pada toolbar Er Mapper lalu pilih Geocoding Wizard

2. Akan muncul tampilan seperti ini

3. Input file Citra_Madura.ers lalu Geocoding type diubah menjadi Map to map reprojection.

4. Klik 2) Map to map setup lalu ubah Projection pada Output Coordinate Space menjadi SUTM49. Klik Save

5. Klik

3)

Rectify

lalu

ubah

file

name

menjadi

ALWAN_30045_CITRAMADURA_SUDAHKOREKSI.ers lalu klik Save and Start Rectification.

6. Hingga muncul window seperti ini

7. Cek

kembali

dengan

klik

Algoritm



Load

data

set



ALWAN_30045_CITRAMADURA_SUDAHKOREKSI

8. Klik info dan lihat apakah Map Projection sudah sesuai dengan lokasi citra yang berada di selatan khatulistiwa.

3.3.3 Penggabungan 2 Citra 1. Klik

edit

algoritm

lalu

klik

Load

Landsat_mss_27Aug91.ers. Klik OK this layer only.

data

set

pilih

2. Lalu akan muncul window seperti ini. Klik RGB pada toolbar Er Mapper 7.0

3. Cut Pseudo layer lalu ubah desciption menjadi Alwan_26050117130045.

4. Klik edit pada bagian kanan, lalu pilih Add Vector Layer

5. Pilih annotation. Lalu letakkan annotation pada bagian paling atas lalu copy dan paste. Anotation akan menjadi 2.

6. Pada

annotation

pertama, klik

Load data set

dan

input

file

dan

input

file

San_Diego_Drainage.erv

7. Pada

annotation

kedua,

San_Diego_roads.erv

klik

Load

data

set

8. Klik new

pada toolbar Er Mapper 7.0 lalu Load data set dan input

data Spot_pan.ers

9. Ubah desccription menjadi Alwan_26050117130045. Lalu klik kanan pada Pseudo Layer dan pilih Intensity.

10. Copy Intensitiy Layer lalu paste pada Algoritm sebelumnya. Letakkan Intensity Layer pada bagian paling atas.

11. Lalu akan didapatkan hasil sebagai berikut

IV. HASIL DAN PEMBAHASAN

4.1 Hasil 4.1.1.

Memeriksa Koreksi Citra Satelit

4.1.2. Geocoding Wizard 

Sebelum Koreksi



Sesudah Koreksi

4.1.3. Penggabungan 2 Citra

4.2. Pembahasan 4.2.1. Memeriksa Koreksi Citra Satelit Untuk memeriksa koreksi citra satelit, praktikan menggunakan data Citra_Madura.ers. Datum yang digunakan adalah WGS84 yang merupakan datum geodesi menggunakan ellipsoid referensi yang sesuai dengan bentuk geoid seluruh permukaan bumi. WGS adalah sebuah standar yang digunakan dalam pemetaan, geodesi, dan navigasi terdiri dari bingkai koordinat standar Bumi, Datum geodetik, (referensi permukaan standar bulat (acuan atau referensi

elipsoid) untuk data

ketinggian mentah, dan permukaan

ekuipotensial gravitasi (geoid) dipakai sebagai pendefinisian tingkat nominal laut. Zona universal transverse Mercator pada citra ini berada pada NUTM49. Rotasi pada citra madura ini sebesar 0 derajat berlawan dengan

arah jarum jam. Null cell value pada citra ini 0 dengan number of bands 7. Number of lines pada citra ini 7791 dengan number of cells per line 7631. Besar cell x sebesar 30 meter dan besar cell y sebesar 30 meter. 4.2.2. Geocoding Wizard Dalam melakukan koreksi geometri, perlu dilakukan pemeriksaan pada citra. Apabila citra yang digunakan masi RAW, dapat diartikan bahwa citra itu belum dikoreksi sehingga harus dilakukan koreksi terlebih dahulu. Untuk mengoreksinya dengan cara melakukan geocoding wizard untuk memplotkan citra yang telah terkoreksi kedalam citra yang masih belum dikoreksi. Pada geocoding wizard akan keluar RMS error. Secara teori, RMS yang baik nilainya kurang dari 1, tetapi jika kita terpaku pada nilai RMS kurang dari 1, maka hasilnya akan terlalu jauh atau melenceng, oleh karena itu jangan terpaku dengan nilai RMS kurang dari 1. Setelah melakukan geocoding wizard infonya berubah dari map projection. Sebelum dikoreksi, map correctionnya NUTM49 dan setelah dikoreksi berubah menjadi SUTM49. 4.2.3. Penggabungan 2 Citra Pada penggabungan citra dilakukan dengan menggunakan citra Landsat_MSS_27Aug91.ers yang berwarna biru. Untuk meberikan warna yang jelas maka diberi RGB sehingga warna lebih jelas .Citra ini dilengkapi oleh citra SPOT_pan.ers yang resolusinya cukup tinggi tapi hitam-putih. Dari penggabungan tersebut dihasilkan citra yang memiliki warna namun tampak detail gambarnya. Kemudian penambahan jalan dan drainase semakin melengkapkan citra tersebut, sehingga dari citra didapat berbagai keterangan misalnya jalan di kota San Diego. Tujuan dilakukan overlay adalah didapatkan kualitas citra yang lebih baik dan menambahkan informasi tertentu pada citra, seperti informasi saluran air/drainase dan jalan pada citra

V. PENUTUP 5.1 Kesimpulan Dari praktikum yang telah dilakukan dapat disimpulkan 1. Software ER Mapper 7.0 mampu melakukan koreksi geometri untuk memperbaiki kesalahan geometri dan transformasi citra penginderaan jauh. 2. 2. Teknik perbaikan data digital salah satunya adalah perbaikan titik lokasi koordinat dengan cara menyamakan setiap titik pada citra dengan Geocoding Wizard. 5.2 Saran 1. Perlu fokus saat praktikum berlangsung 2. Perlu datang tepat waktu agar tidak mengganggu praktikum yang lain

DAFTAR PUSTAKA

Anonim. 2013. Panduan Aplikasi Penginderaan Jauh Tingkat Dasar. Diunduh pada

tanggal

12

Oktober

2017

pukul

00.10

WIB

melalui

http://forestclimatecenter.org. Danoedoro, Projo. 1996. Pengolahan Citra Digital, Teori dan Aplika...