Anda di halaman 1dari 39

LAPORAN RESMI

PRAKTIKUM PENGINDERAAN JAUH


MODUL III
KOREKSI GEOMETRI

Hendri Zand Lahagu


26020113140118
Shift 2

PROGRAM STUDI ILMU KELAUTAN


JURUSAN ILMU KELAUTAN
FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS DIPONEGORO
SEMARANG
2015

Shift : 2
Tgl. Praktikum : 22 April 2015
Tgl. Pengumpulan : 29 April 2015

LEMBAR PENILAIAN
MODUL III: KOREKSI GEOMETRI

Nama: Hendri Zand F Lahagu

NO.
1.
2.
3.
4.
5.
6.

NIM: 26020113140118

Ttd:

KETERANGAN

NILAI

Pendahuluan
Tinjauan Pustaka
Materi dan Metode
Hasil dan Pembahasan
Penutup
Daftar Pustaka
TOTAL

Mengetahui,
Koordinator Praktikum

Asisten

Tegar Ramadhan

Rio Redyansyah

26020212130039

26020212130061

I. PENDAHULUAN
1.1.

Latar Belakang
Data asli hasil rekaman sensor pada satelit maupun pesawat terbang

merupakan representasi dari bentuk permukaan bumi yang tidak beraturan.


Meskipun kelihatannya merupakan daerah yang datar, tetapi area yang direkam
sesungguhnya mengandung kesalahan (distorsi) yang diakibatkan oleh pengaruh
kelengkungan bumi dan atau oleh sensor itu sendiri. Salah satu cara untuk
mengurangi bahkan menghilangkan kesalahan tersebut adalah dengan cara koreksi
geometrik citra.
Koreksi geometrik adalah koreksi posisi citra akibat kesalahan yang
disebabkan oleh konfigurasi sensor, perubahan ketinggian, posisi, dan kecepatan
wahana. Koreksi geometrik mutlak dilakukan apabila posisi citra akan di-overlay
dengan peta-peta atau citra lainnya yang mempunyai sistem proyeksi peta.
Koreksi geometri selanjutnya diperlukan untuk menghasilkan data yang lebih
teliti dalam aspek planimetrik. Pada koreksi ini, sistem koordinat atau proyeksi
peta tertentu dijadikan rujukan, sehingga dihasilkan citra yang mempunyai sistem
koordinat dan skala yang seragam. Citra terkoreksi ini siap untuk dimanipulasi
bersama dengan peta dalam kerangka sistem informasi geografi.
1.2.

Tujuan

Agar mahasiswa mampu melakukan koreksi geometrik citra dengan

menggunakan perangkat lunak ER Mapper 7.0


Agar mahasiswa mengetahui 3 istilah dalam pengkoreksian geometri yaitu

Retrifikasi, Orthorektifikasi, dan Regresi.


Agar mahasiswa dapat memahami teknik perbaikan data digital.

II. TINJAUAN PUSTAKA


2.1.

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. Transformasi 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. Maksud dari koreksi geometrik adalah untuk mereduksi distorsi
geometrik pada citra. Hal tersebut dapat dilakukan dengan mencari hubungan
antara sistem koordinat citra dengan sistem koordinat geografis (koordinat tanah)
dengan menggunakan ground control point (GCP). GCP adalah sebuah titik di
permukaan bumi (dimana antara koordinat citra diukur dalam baris dan kolom)
dan proyeksi peta (diukur dalam derajat latitude-longitude, meter atau feet) dapat
diidentifikasi. Tujuan dari proses ini adalah untuk mendapatkan nilai pixel yang
benar pada posisi yang tepat.
Kesalahan geometrik pada citra penginderaan jauh dapat dikelompokkan
menjadi dua tipe kesalahan, yaitu kesalahan internal (internal distorsion), dan
kesalahan eksternal (external distorsion). Kesalahan geometrik menurut sifatnya
dapat dibedakan menjadi dua jenis yaitu kesalahan sistematik dan kesalahan
random. Kesalahan sistematik merupakan kesalahan yang dapat diperkirakan
sebelumnya, dan besar kesalahannya pada umumnya konstan, oleh karena itu
dapat dibuat perangkat lunak koreksi geometrik secara sitematik. Kesalahan
geometri yang bersifat random (acak) tidak dapat diperkirakan terjadinya, maka
koreksinya harus ada data referensi tambahan yang diketahui. Koreksi
geometrik yang biasa dilakukan adalah koreksi geometrik sistemik dan koreksi
geometrik presisi. Kesalahan geometrik menyebabkan perubahan bentuk citra
(Ridwana, 2012).
Menurut Ridwana (2012), koreksi geometrik dilakukan sesuai dengan
jenis atau penyebab kesalahannya, yaitu kesalahan sistematik dan kesalahan
random, dengan sifat distorsi geometrik pada citra. Koreksi geometrik
mempunyai tiga tujuan, yaitu:

1.

Melakukan rektifikasi (pembetulan) atau restorasi (pemulihan) citra agar

2.

koordinat citra sesuai dengan koordinat geografis.


Meregistrasi (mencocokan) posisi citra dengan citra lain yang sudah
terkoreksi (image to image rectification) atau mentransformasikan sistem

3.

koordinat citra multispektral dan multitemporal.


Meregistrasi citra ke peta atau transformasi sistem koordinat citra ke
koordinat peta (image to map rectification), sehingga menghasilkan citra
dengan sistem proyeksi tertentu.

Koreksi geometrik citra dapat dilakukan dalam empat tahap yang mencakup
sebagai berikut:

2.2.

Rektifikasi
Rektifikasi adalah proses membuat geometrik citra menjadi planimetrik

(Haralick, 1973). Prosesnya adalah mencari nilai koordinat pixel GCP dengan
koordinat peta yang sesuai. Rektifikasi merupakan koreksi geometrik yang presisi
karena tiap pixel tidak hanya dapat dinyatakan dalam baris dan kolom akan tetapi
dapat juga dinyatakan dalam lintang dan bujur atau meter dalam sistem proyeksi
yang baku setelah proses geometrik selesai. Koreksi ini digunakan jika ingin
mendapatkan luas area yang akurat dan arah serta jarak yang tepat pada citra.

Rektifikasi memiliki nama lain Image to Image Rectification. Proses ini juga
kadang diistilahkan dengan "warping" atau "rubhersheeting" karena data citra
direntangkan atau dirapatkan sesuai keperluan untuk menyesuaikan dengan grid
peta bumi atau sistem koordinat.
Ada beberapa alasan atau pertimbangan, kenapa perlu melakukan rektifikasi,
diantaranya menurut Anonim (2010) adalah untuk:
1.
2.
3.

Membandingkan 2 citra atau lebih untuk lokasi tertentu


Membangun sistem informasi geografis dan melakukan permodelan spasial
Meletakkan lokasi-lokasi pengambilan training area sebelum melakukan

4.
5.
6.

klasifikasi
Membuat peta dengan skala yang teliti
Melakukan overlay (tumpang susun) citra dengan data-data spasial lainnya
Membandingkan citra dengan data spasial lainnya yang mempunyai skala yang

7.
8.

berbeda
Membuat mozaik citra
Melakukan analisis yang memerlukan lokasi geografis dengan presisi yang tepat.
2.3.

Orthorektifikasi
Orthorektifikasi adalah bentuk lebih akurat dari rektifikasi karena

mengambil penghitungan sensor (kamera) dan karakteristik platform (pesawat


terbang). Proses ini khusus direkomendasikan untuk foto udara. Tanpa proses
orthorektifikasi ini, penganalisa citra tidak akan dapat melakukan fungsi seperti
membuat pengukuran langsung dan akurat dari jarak, sudut, posisi, dan daerah.
Kualitas geometris gambar sangat penting dalam pengolahan citra dan proses
pembuatan peta. Ketepatan geometris gambar tidak akan mempengaruhi
perbedaan dalam bentuk objek dalam gambar dengan benda-benda nyata di
lapangan, namun dampak lebih lanjut adalah distorsi dalam pengukuran jarak,
area, atau sudut pada gambar dan peta yang diproduksi. Orthorektifikasi adalah
salah satu teknik dalam pengolahan citra digital yang bertujuan untuk mengurangi
distorsi geometris, yang diperlukan karena citra satelit memiliki distorsi geometrik
(planimetrik) berkisar dari puluhan hingga ratusan meter. Hal ini disebabkan oleh
proses perekaman citra satelit dilakukan di ratusan kilometer dari atas Bumi,
dengan kendaraan satelit yang bergerak pada posisi yang tidak selalu tegak lurus

terhadap permukaan bumi. Selain itu, kesalahan geometris juga bisa terjadi dari
efek topografi bumi (Anonim, 2012).
Cara melakukan orthorektifikasi adalah setiap pixel pada citra diposisikan
ulang sesuai koordinat sebenarnya dengan acuan horizontal dari data GPS (Global
Positioning System) dan koreksi efek topografi dan distorsi perekaman dengan
data DEM (Digital Elevation Model). Beberapa metode orthorektifikasi
diantaranya: orbital modelling (menggunakan RPC), polynomial, thin plate spline,
dan fungsi matematis. Masing-masing metode memiliki kelemahan dan kelebihan
tertentu. Untuk daerah berelief tinggi sebaiknya mengkombinasikan beberapa
metode tersebut secara bertahap sehingga dapat diperoleh hasil yang memuaskan
(Peta Citra, 2013).
Pada citra satelit IKONOS dan QuickBird sudah tersedia produk yang
disiapkan untuk proses orthorektifikasi. Pada IKONOS disebut produk "Geo
Ortho Kit", sedangkan pada QuickBird disebut "Ortho Ready Standard". Kedua
produk tersebut bukan merupakan produk hasil orthorektifikasi namun produk
yang disiapkan untuk diproses secara orthorektifikasi (Peta Citra, 2013).
2.4.

Penyesuaian Regresi
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 dalam
sumbu koordinat secara berlawanan arah antara saluran tampak (seperti TM
saluran 1, 2, 3) dan saluran infra merah (seperti TM 4,5,7). Pada diagram ini garis
lurus dibuat menggunakan teori least-square. Perpotongannya dengan sumbu X
akan menunjukkan besarnya nilai bias demikian seterusnya untuk saluran yang
lain. Penyesuaian histogram ini melewati beberapa tahap, dan hasilnya tidak
selalu naik. Hal ini disebabkan karena tidak setiap citra mempunyai nilai objek
yang ideal untuk dikoreksi, seperti air jernih atau bayangan awan. Dibandingkan
dengan teknik penyesuaian histogram hasilnya tidak jauh berbeda (Danoedoro,
1996)
Penyesuaian regresi diterapkan dengan mem-plot nilai-nilai pixel hasil
pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan apabila ada
saluran rujukan (yang relatif bebas gangguan) yang menyajikan nilai nol untuk

obyek tertentu. Kemudian tiap saluran dipasangkan dengan saluran rujukan


tersebut untuk membentuk diagram pancar nilai pixel yang diamati. Cara ini
banyak mengalami gangguan atmosfer yang terjadi hampir pada semua spektrum
tampak dan semua saluran (Danoedoro, 1996).
2.5.

RMS Error
Root Mean Square error (RMSe) merupakan parameter yang digunakan

untuk mengevaluasi nilai dari pengamatan terhadap nilai sebenarnya atau nilai
yang dianggap benar. RMSe dihitung setelah rektifikasi selesai dilakukan, yaitu
dengan menguji beberapa titik ICP (independent check point) di dalam citra hasil
koreksi geometrik. Secara umum persamaan untuk menghitung besarnya RMSe
dihitung berdasarkan persamaan di bawah ini (Yitnosumarto, 1990).

dengan:
(X, Y) = koordinat citra hasil koreksi geometric
(X,Y) = koordinat citra yang dianggap benar
n
= jumlah pengamatan

2.6.

Geocoding Wizard
Geocoding wizard adalah salah satu tool pada ER Mapper yang berfungsi

untuk mengetahui nilai RMS Error (nilai ukuran ketelitian data citra) dengan
proses yang disebut rektifikasi. Parameter-parameter yang digunakan untuk
rektifikasi ini di antaranya adalah ukuran cell, koordinat X dan Y, serta null value.
Terdapat beberapa metode yang ada dalam geocoding wizard ini, yang secara
prinsip perbedaannya adalah sebagai berikut (Wulandari, 2012):
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 areal 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 eksterior orientation.
Hampir mirip dengan metode ortorektifikasi sebelumnya, hanya tidak
perlu mengunakan GCP, selama eksterior orientation-nya 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 proyeksi 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 METODE

I.1 Waktu dan Tempat


Hari

: Rabu, 22 April 2015

Waktu

: 15.00 WIB Selesai

Tempat

: Laboratorium Komputasi Kelautan, FPIK Universitas


Diponegoro, Semarang.

I.2 Materi
1. Memeriksa koreksi citra

2. Geocoding wizard
3. Penggabungan 2 citra
I.3 Metode
I.3.1 Memeriksa Koreksi Citra
1) Aplikasi ER Mapper 7.0 dibuka lalu klik Edit Alghoritm setelah
muncul Klik Load Dataset lalu pilih data dengan nama
landsatMss_norwarped.ers

pada

folder

Shared

Data

lalu

OK.ganti Description dengan NAMA_NIM.

2)

Klik
Edit >
Properties hingga muncul layer Dataset Information untuk
memeriksa data citra jika pada Map Project masih RAW,
berarti data masih mentah atau belum diolah, lalu klik RGB

3) Klik kembali Edit Alghoritm dan klik Cut > Pseudo Layer lalu
ganti Description dengan NAMA_NIM.

4) Klik File > New untuk mengambil data citra lagi, klik pada Edit
Alghortim ganti Description NAMA_NIM lalu Load dataset.

5) Ambil

data

dari

folder

Shared

Data

dengan

nama

Landsat_MSS_27Aug91.ers setelah itu klik Edit > Properties


hingga muncul Dataset Information. apabila Map Projection
adalah NUTM11 berarti citra sudah terkoreksi

6) lalu klik RGB dan jangan lupa klik Cut > Pseudo Layer, akan
muncul layer seperti dibawah

7) Pada layer citra landsatMss_notwarped klik Save As dengan


nama BELUMKOREKSI_NAMA_NIM denganformat ER Mapper
Algoritm lalu klik OK.

8) Pada layer citra Landsat_MSS_27Aug91.ers klik Save As dengan


nama

SUDAHKOREKSI_NAMA_NIM

dengan

format

ER

Mapper Algoritm lalu klik OK.

I.3.2

Geocoding Wizard
1) Pertama klik process pada toolbar ER Mapper 7.0 lalu pilih
Geocoding Wizard.

2) Akan muncul window baru dengan pilihan lima tahapan, untuk


menu pertama yaitu Start klik input file lalu pilih citra dengan
nama Belum_Koreksi_HendriLahagu_26020113140118.alg klik
OK dan pastikan memilih Polynomial.

3) Pada Step 2, klik Polynomial Setup > Linier

4) Selanjutnya ke menu GCP setup lalu ceklist Geocoded image Load


Corrected

Algorithm

or

(SudahKoreksi_HendriLahagu_26020113190116.alg)

Dataset

5) Lalu klik Menu GCP Edit dan akan muncul 5 window seperti
dibawah ini disertai beberapa layer lalu lakukan Close window (
) untuk Uncorrected Overview Roam Geolink dan Corrected
Overview Roam Geolink.

6) sehingga menyisakan layer berikut

7) Pada window Geocoding Wizard Step 4 of 5 klik Deleted All GCP


Kemudian klik Zoom Box Tool pada kedua citra samakan daerah
pada kedua citra. sehingga nampak mirip pada kedua citra

8) Pilih Pointer untuk membuat titik point pada kedua citra dengan
posisi titik point yang sama pada kedua citranya sehingga nilai
RMS < 1.. Untuk melakukan penitikan sebelumnya dilakukan
unchecklis terlebih dahulu untuk smoothing terhadap 2 layer citra

9) Untuk membuat titik selanjutnya klik new GCP pada window


Geocoding Wizard Step 4 of 5. Lakukan hal yang sama sampai titik
ke 110 dengan ketentuan nilai RMS < 1.

10) Klik

Save

GCP

Points

File

dengan

GCP_HendriLahagu_26020113140118.gcp klik Save.

nama

file

11) Selanjutnya ke menu terakhir yaitu Rectify, pada Output Info klik
Select

Output

File

name

kemudian

tulis

dengan

nama

Rectify_HendriLahagu_26020113140118 dengan format ER Maper


Data Raster lalu klik OK. Lalu pilih Save file and start
Rectification

I.3.3

Penggabungan 2 citra
1) Klik Edit Alghoritm

2) Klik Load data set lalu pilih shared data dan pilih citra
Rectify_HendriLahagu_26020113140118.ers lalu klik OK.

3) Akan muncul citra hasil Rectify pada window algorithm lakukan


cut

Pseudo

Layer

lalu

mengganti

Description

dengan

HendriLahagu_26020113140118 lalu klik Edit > Add Vector Layer


> Annotation/Map Composition tetapi sebelumnya jangan lupa klik
RGB. Kemudian klik duplicate sehingga
Composition menjadi dua

Annotation/Map

4) Klik icon New pada window ER Mapper lalu klik Load Dataset file
citra SPOT_Pan, maka akan muncul window berikut

5) Pada window algorithm klik kanan di pseudo layer lalu pilih


intensity klik icon 99% Contrast Enhancement

6) Tampilan citra akan menjadi seperti gambar di bawah ini

7) Aktifkan window pada citra pertama klik pada Annotation Layer


yang atas (pertama) lalu klik Dynamic Link Chooser pilih file
San_Diego_drainage.erv lalu klik OK.

8) Lalu klik pada Annotation Layer kedua klik Dynamic Link


Chooser pilih file San_Diego_roads.erv lalu klik OK.

9) Aktifkan citra SPOT_Pan lalu

klik copy Intensity Layer pada

default surface citra SPOT_Pan lalu paste di default surface citra


Rectify_HendriLahagu_26020113140118.ers

10) Sehingga kedua citra dapat menyatu karena keduanya telah


dikoreksi

dan

memiliki

proyeksi

peta

yang

menghasilkan citra sebagai berikut.

II.

HASIL DAN PEMBAHASAN

4.1 Hasil
4.4.1 Membuka Citra dan Memeriksa Koreksinya
4.4.1.1.
Citra yang belum dikoreksi

4.4.1.2.

Citra yang sudah dikoreksi

sama,

dan

4.4.2 Proses Koreksi Geocoding


4.4.2.1.
Citra dengan 110 Titik

4.4.3 Penggabungan Dua Citra


4.4.3.1.
Draignase and Road

4.4.3.2.

Citra Spot dan Rectifikasi

4.2 Pembahasan
4.2.1. Memeriksa koreksi citra
Praktikan mendapatkan dataset information untuk data yang belum
dikoreksi dan data yang terkoreksi. Dari hasil terlihat bahwa terdapat
perbedaan informasi sebelum dan setelah dikoreksi. Untuk data yang

belum dikoreksi geodetic datum dan map projection berupa RAW, nilai
number of line dan number of cels perline adalah 500, dan untuk file
sizenya adalah 1.000.000 bytes. Untuk mengoverlaykan citra dalam
software ER Mapper, citra tersebut harus berada pada system koordinat
yang sama. Koordinat umumnya adalah dapat berupa "RAW" yang berarti
belum terkoreksi.
Pada data citra yang terkoreksi, geodetic datumnya NAD27 dan
map projection berupa NUTM11, nilai number of line dan number of cels
perline secara berturut turut adalah 560 dan 558, dan untuk file sizenya
adalah 1.249.920 bytes. Secara kasat mata terlihat bahwa kapasitas file
pada citra yang terkoreksi lebih besar dari pada citra yang belum
dikoreksi. Singkatan dari NAD27 adalah North American Datum of 1927,
dimana datum tersebut biasa digunakan oleh negara-negara di bagian
Amerika Utara seperti Amerika Serikat dan Kanada. Sedangkan sistem
proyeksi NUTM 11 menunjukkan bahwa data citra satelit tersebut
menggunakan sistem proyeksi UTM zona 11 pada belahan bumi bagian
utara
4.2.2. Geocoding Wizard
Praktikan menggunakan Geocoding Wizard untuk melaksanakan
rektifikasi citra. GCP adalah suatu titik-titik yang letaknya pada suatu
posisi piksel suatu citra yang koordinat petanya (referensinya) diketahui.
GCP terdiri dari sepasang koordinat X dan Y yang terdiri atas koordinat
sumber dan koordinat referensi. Untuk melakukan penitikan sebelumnya
dilakukan unchecklis terlebih dahulu untuk smoothing. Dalam proses ini
dilakukan sebanyak 110 titik dengan nilai RMS <1. RMS atau Root Means
Square merupakan kuadrat nilai tengah yang digunakan sebagai indikator
keakuratan posisi. Semakin kecil nilai RMS, maka semakin tinggi
keakuratan

posisi

titiknya.

mengulanginya hingga nilai

Apabila

terjadi

kesalahan

praktikan

RMS <1. Sebenarnya untuk melakukan

penitikan tidaklah sulit karena dengan menentukan titik pada citra


terkoreksi secara otomatis akan muncul titik yang sesuai dengan yg
ditentukan pada citra terkoreksi pada citra yang belum koreksi, sehingga
nilai RMS <1.

4.2.3. Penggabungan 2 Citra


Penggabungan citra/image fusion merupakan salah satu teknik
pemrosesan citra digital yang banyak mendapat perhatian dalam dunia
penginderaan jauh. Ini dikarenakan image fusion dapat mengakomodasi
kebutuhan citra resolusi tinggi tanpa harus mengusahakan sistem
pencitraan

dengan resolving

power yang

tinggi,

sehingga

dapat

menghemat banyak waktu dan biaya.


Dalam penggabungan citra ini praktikan menggunkan file citra
rektifikasi, SPOT_Pan dengan data San_Diego_drainage.erv dan San_
Diego_roads.erv.

Untuk

file

rektifikasi

diinputkan

data

San_Diego_drainage.erv dan San _ Diego_roads.erv. Kemudian intensitas


layer pada citra SPOT_Pan di copy ke citra rektifikasi. Kemudian hasilnya
dapat dilihat bahwa peta menampilkan sistem saluran dan jalan di San
Diego yang telah dikoreksi.

IV.
4.1 Kesimpulan

PENUTUP

Mahasiswa melakukan proses geocoding wizard untuk melakukan

rectifikasi citra dengan menentukan 100 titik dengan nilai RMS <1.
Mahasiswa dapat melakukan penggabungan citra antara citra rectifikasi,
SPOT_Pan, data San_Diego_draignase dan San_Diego_roads
4.2 Saran
Praktikan harus lebih berhati-hati dalam melakukan penitikan

terhadap geocoding wizard sehingga mendapatkan nilai RMS<1


Praktikan harus lebih berhati-hati dalam memasukan 110 titik
sehingga pada tahap penggabungan citra, data San_Diego_draignase
dan San_Diego_roads dapat dimunculkan

DAFTAR PUSTAKA

Danoedoro, Projo. 1996. Pengolahan Citra Digital, Teori dan Aplikasinya Dalam
Bidang Penginderaan Jauh. Yogyakarta: Fakultas Geografi Universitas
Gadjah Mada.
Earth Resource Mapping. 2006. ER Mapper User Guide. USA.
Haralick, R.M.Shanmugam, K and Dinstein, I. 1973.Textural Features for Image
Classification. IEEE Transaction on Systems Man and Cybertics. Vol. III
(3):610-621.
Katiyar S., Onkar Dikshit, Krishna Kumar. 2002. GPS for Geometric Correction
of Remotely Sensed Imagery: Possibilities After Termination of SA. Asian
GPS Proceeding.
Kontur Geografi. 2015. Koreksi Radiometrik. http://konturgeo.blogspot.com/
2015/04/koreksi-radiometrik.html. Diakses 28 April 2015.
Peta

Citra.

2015.

Orthorektifikasi.

http://petacitra.com/index.php?option=

com_content&task=view&id=45&Itemid=59. Diakses 28 April 2015


Purwadhi, Sri Hardiyanti dan Tjaturahono, Sanjoto. 2009. Pengantar Interpretasi
Citra Penginderaan Jauh. Semarang: Pusat Data Penginderaan Jauh
LAPAN dan Jurusan Geografi UNS.
Ridwana, Riki. 2015. Koreksi Geometrik. http://rikiridwana.blogspot.com/
2015/04/koreksi-geometrik.html. Diakses 28 April 2015.
Wulandari, Ananda Egi. 2012. Geocoding Wizard. http://anandaegiwulan.
blogspot.com/2012/10/geocoding-wizard.html. Diakses 28 April 2015.
Yitnosumarto, S., 1990. Dasar-Dasar Statistika. Jakarta: CV. Rajawali.

LAMPIRAN
#

# GCPs for dataset


:
c:\ermapper70\examples\Shared_Data\Landsat_MSS_notwarped.ers
#
# Total number of GCPs: 110
# Number turned on
: 110
# Warp order
: 1
# GCP CORRECTED map projection details:
#
Map Projection : NUTM11
#
Datum
: NAD27
#
Rotation
: 0.000
#
#
Point On Locked
Cell-X
Cell-Y
To-X
To-Z
"1" Yes
No
262.011
350.968 485594.3886410
0.00000
"2" Yes
No
302.625
117.381 490149.6029553
0.00000
"3" Yes
No
305.703
120.828 490286.6503452
0.00000
"4" Yes
No
299.958
122.059 489956.3886023
0.00000
"5" Yes
No
305.129
112.375 490338.3239512
0.00000
"6" Yes
No
306.688
117.012 490378.7641646
0.00000
"7" Yes
No
113.535
171.818 478978.6180777
0.00000
"8" Yes
No
78.750
184.439 476879.8746945
0.00000
"9" Yes
No
140.624
196.137 480286.5306209
0.00000
"10" Yes
No
94.449
195.829 477701.1221053
0.00000
"11" Yes
No
113.535
149.038 479221.9506439
0.00000
"12" Yes
No
202.847
266.115 483096.2997506
0.00000
"13" Yes
No
118.566
327.489 477761.5583977
0.00000
"14" Yes
No
144.498
328.785 479202.6970570
0.00000
"15" Yes
No
104.303
360.769 476573.2510821
0.00000
"16" Yes
No
131.964
359.472 478191.3716820
0.00000
"17" Yes
No
98.684
289.022 476977.7812321
0.00000
"18" Yes
No
110.786
255.309 478014.3897414
0.00000
"19" Yes
No
146.660
273.894 479860.0585507
0.00000
"20" Yes
No
77.938
241.911 476320.4197384
0.00000
"21" Yes
No
191.610
325.760 481907.9924350
0.00000
"22" Yes
No
90.472
331.379 476092.8715290
0.00000
"23" Yes
No
80.963
289.022 476042.3052602
0.00000
"24" Yes
No
91.769
264.386 476876.6486946
0.00000
"25" Yes
No
121.159
305.014 478115.5222789
0.00000
"26" Yes
No
128.074
397.507 477609.8595914
0.00000
"27" Yes
No
105.167
310.200 477154.7631727
0.00000
"28" Yes
No
468.480
280.804 497891.1770855
0.00000
"29" Yes
No
413.548
291.926 494657.5154054
0.00000
"30" Yes
No
474.608
334.146 497678.2610901
0.00000

To-Y
3615391.3747062
3628161.5146325
3627916.6266735
3627896.4065668
3628406.4025915
3628132.3078117
3626906.5430525
3626526.3359178
3625309.6730870
3625765.9216486
3628199.2473102
3620759.1569552
3618180.2772491
3617801.0302334
3616461.0241116
3616284.0421710
3620531.6087458
3622250.8618833
3620835.0063583
3623338.0366614
3617522.9157553
3618256.1266522
3620632.7412833
3621947.4642708
3619368.5845646
3614134.9757492
3619242.1688928
3617384.8890440
3617291.7382960
3614324.2216102

"31" Yes

No

442.376

294.877

496280.9998703 3616852.5990555

"32" Yes

No

414.910

309.177

494590.9791569 3616293.6945676

"33" Yes

No

461.443

306.453

497265.7363490 3616027.5495734

"34" Yes

No

428.303

271.724

495722.0953824 3618276.4747748

"35" Yes

No

389.034

280.577

493406.6339325 3618130.0950279

"36" Yes

No

38.808

115.116

475317.2233712 3630851.1920743

"37" Yes

No

35.670

87.437

475443.9590827 3632435.3884687

"38" Yes

No

76.190

71.742

477867.7795660 3632926.4893509

"39" Yes

No

11.414

93.715

474018.1823278 3632292.8107932

"40" Yes

No

61.922

80.303

477012.3135131 3632546.2822163

"41" Yes

No

91.885

126.531

478216.3027728 3629663.0447786

"42" Yes

No

48.225

55.762

476442.0028111 3634082.9527187

"43" Yes

No

23.685

65.179

474968.7001644 3633766.1134399

"44" Yes

No

79.614

105.985

477709.3599266 3630962.0858219

"45" Yes

No

70.198

52.338

477693.5179626 3634051.2687909

"46" Yes

No

39.665

97.424

475586.5367582 3631833.3938388

"47" Yes

No

198.608

61.469

484838.2437010 3632308.6527571

"48" Yes

No

237.634

72.872

486897.6990137 3631263.0831369

"49" Yes

No

214.235

27.786

486042.2329607 3634003.7428990

"50" Yes

No

150.018

56.718

482192.6357225 3633021.5411346

"51" Yes

No

204.521

98.380

484838.2437010 3630185.8295887

"52" Yes

No

205.947

44.162

485440.2383309 3633179.9607740

"53" Yes

No

312.671

45.304

491428.5007014 3632086.8652619

"54" Yes

No

291.840

33.319

490351.2471533 3632958.1732788

"55" Yes

No

319.804

82.115

491460.1846293 3629979.8840575

"56" Yes

No

264.160

25.899

488893.7864705 3633639.3777283

"57" Yes

No

280.425

47.301

489559.1489561 3632308.6527571

"58" Yes

No

309.246

57.003

491095.8194586 3631469.0286681

"59" Yes

No

240.761

46.160

487341.2740041 3632768.0697115

"60" Yes

No

307.249

12.488

491428.5007014 3633972.0589711

"61" Yes

No

255.314

58.145

488085.8463094 3631944.2875864

"62" Yes

No

459.344

38.740

499713.8478437 3631025.4536777

"63" Yes

No

425.672

21.048

498002.9157379 3632340.3366850

"64" Yes

No

401.131

51.296

496355.3514878 3630882.8760022

"65" Yes

No

468.760

56.718

500078.2130144 3629916.5162017

"66" Yes

No

472.901

137.028

499490.1593129 3625404.0911921

0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000

"67" Yes

No

394.823

124.387

495263.5233328 3626874.2254460

"68" Yes

No

455.798

163.054

498314.0519097 3624080.9703636

"69" Yes

No

457.285

116.951

498865.3522549 3626653.7053079

"70" Yes

No

420.105

109.515

496807.1642994 3627462.2791476

"71" Yes

No

359.873

202.465

492543.7749630 3622794.6028914

"72" Yes

No

439.439

209.157

496990.9310812 3621692.0022009

"73" Yes

No

392.592

152.644

494859.2364130 3625257.0777667

"74" Yes

No

326.411

196.516

490706.1071456 3623492.9166620

"75" Yes

No

344.258

39.616

493242.0887336 3632093.2020475

"76" Yes

No

368.797

84.976

494197.6759987 3629299.9469650

"77" Yes

No

333.847

112.489

491955.7212615 3628087.0862055

"78" Yes

No

374.745

213.619

493242.0887336 3622096.2891207

"79" Yes

No

382.925

488.007

491036.8873528 3606586.3727418

"80" Yes

No

398.541

435.211

492433.5148940 3609379.6278242

"81" Yes

No

434.233

413.647

494675.4696312 3610261.7083766

"82" Yes

No

355.412

348.210

490853.1205710 3614708.8644947

"83" Yes

No

406.720

366.057

493572.8689408 3613165.2235281

"84" Yes

No

321.950

283.517

489566.7530988 3618641.4736240

"85" Yes

No

295.924

304.338

487949.6054195 3617722.6397153

"86" Yes

No

380.694

314.005

492654.0350321 3616399.5188868

"87" Yes

No

446.875

450.083

495006.2498384 3608056.5069957

"88" Yes

No

454.311

362.339

496255.8639542 3612944.7033900

"89" Yes

No

275.847

395.057

485928.1708203 3612871.1966773

"90" Yes

No

360.617

464.955

490007.7933750 3608056.5069957

"91" Yes

No

392.592

334.825

493095.0753083 3615039.6447019

"92" Yes

No

320.463

318.466

489199.2195353 3616693.5457375

"93" Yes

No

301.873

438.929

486994.0181544 3610151.4483075

"94" Yes

No

371.027

390.595

491330.9100000 3612209.6362631

"95" Yes

No

214.872

339.287

483098.1623815 3616546.5323122

"96" Yes

No

240.898

336.313

484531.5432791 3616473.0255995

"97" Yes

No

323.437

345.979

489088.9594663 3615076.3980582

"98" Yes

No

429.028

442.647

494050.6625733 3608718.0674100

"99" Yes

No

323.437

482.058

487729.0852814 3607505.2066505

"100" Yes

No

309.309

459.750

487177.7849362 3608901.8341917

No

219.414

207.492

484601.4890170 3623889.2089907

No

346.580

240.503

491433.3578369 3620827.0459048

0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
0.00000
"101" Yes
0.00000
"102" Yes
0.00000

"103" Yes

No

345.311

179.618

491917.9512457 3624261.3383239

No

298.062

171.373

489368.5685297 3625125.1787484

No

320.894

225.282

490127.0625609 3621943.7176730

No

378.290

246.210

493139.9694072 3620216.0368241

No

305.699

201.524

489473.9149229 3623397.4978995

No

331.395

257.675

490400.9631833 3620005.3440376

No

339.643

211.359

491306.9421650 3622512.5881964

No

368.195

219.290

492823.9302275 3621796.2327225

0.00000
"104" Yes
0.00000
"105" Yes
0.00000
"106" Yes
0.00000
"107" Yes
0.00000
"108" Yes
0.00000
"109" Yes
0.00000
"110" Yes
0.00000
# RMS error report:
# Warp Type - Polynomial
#
-----ACTUAL----#
Point
Cell-X
Cell-Y
#
"1"
262.011
350.968
#
"2"
302.625
117.381
#
"3"
305.703
120.828
#
"4"
299.958
122.059
#
"5"
305.129
112.375
#
"6"
306.688
117.012
#
"7"
113.535
171.818
#
"8"
78.750
184.439
#
"9"
140.624
196.137
#
"10"
94.449
195.829
#
"11"
113.535
149.038
#
"12"
202.847
266.115
#
"13"
118.566
327.489
#
"14"
144.498
328.785
#
"15"
104.303
360.769
#
"16"
131.964
359.472
#
"17"
98.684
289.022
#
"18"
110.786
255.309
#
"19"
146.660
273.894
#
"20"
77.938
241.911
#
"21"
191.610
325.760
#
"22"
90.472
331.379
#
"23"
80.963
289.022
#
"24"
91.769
264.386
#
"25"
121.159
305.014
#
"26"
128.074
397.507
#
"27"
105.167
310.200
#
"28"
468.480
280.804
#
"29"
413.548
291.926
#
"30"
474.608
334.146
#
"31"
442.376
294.877
#
"32"
414.910
309.177
#
"33"
461.443
306.453
#
"34"
428.303
271.724
#
"35"
389.034
280.577
#
"36"
38.808
115.116
#
"37"
35.670
87.437
#
"38"
76.190
71.742
#
"39"
11.414
93.715
#
"40"
61.922
80.303
#
"41"
91.885
126.531
#
"42"
48.225
55.762
#
"43"
23.685
65.179
#
"44"
79.614
105.985
#
"45"
70.198
52.338
#
"46"
39.665
97.424
#
"47"
198.608
61.469
#
"48"
237.634
72.872
#
"49"
214.235
27.786
#
"50"
150.018
56.718
#
"51"
204.521
98.380
#
"52"
205.947
44.162

---PREDICTED--Cell-X
Cell-Y
262.333
351.858
302.598
117.086
305.702
120.917
300.058
122.255
305.121
112.281
306.644
116.906
113.440
172.237
78.336
185.100
140.831
195.978
94.807
195.811
113.754
149.123
203.045
266.375
118.665
326.994
144.696
329.250
103.313
360.321
131.792
358.546
98.057
288.620
110.789
255.746
146.924
274.743
78.263
241.986
192.255
325.973
89.618
330.672
81.596
289.667
92.052
264.403
121.205
305.357
128.212
397.501
104.992
310.420
468.714
280.549
413.146
291.836
474.242
334.189
442.506
294.584
414.999
309.319
461.995
305.926
428.571
271.598
389.021
281.060
38.340
114.880
35.764
87.066
76.149
71.311
11.568
93.801
62.517
80.454
91.983
126.782
48.046
55.549
23.554
65.443
79.321
105.803
69.756
52.354
40.037
97.065
198.393
61.158
237.106
73.103
214.089
28.202
150.557
56.727
204.778
97.919
206.169
44.268

RMS
0.9467
0.2961
0.0891
0.2203
0.0942
0.1142
0.4299
0.7794
0.2610
0.3581
0.2353
0.3273
0.5048
0.5049
1.0861
0.9425
0.7451
0.4364
0.8889
0.3336
0.6800
1.1087
0.9035
0.2837
0.3459
0.1379
0.2812
0.3458
0.4122
0.3686
0.3203
0.1668
0.7632
0.2960
0.4836
0.5250
0.3824
0.4334
0.1766
0.6141
0.2703
0.2785
0.2951
0.3455
0.4419
0.5178
0.3786
0.5763
0.4407
0.5394
0.5274
0.2461

#
"53"
312.671
45.304
#
"54"
291.840
33.319
#
"55"
319.804
82.115
#
"56"
264.160
25.899
#
"57"
280.425
47.301
#
"58"
309.246
57.003
#
"59"
240.761
46.160
#
"60"
307.249
12.488
#
"61"
255.314
58.145
#
"62"
459.344
38.740
#
"63"
425.672
21.048
#
"64"
401.131
51.296
#
"65"
468.760
56.718
#
"66"
472.901
137.028
#
"67"
394.823
124.387
#
"68"
455.798
163.054
#
"69"
457.285
116.951
#
"70"
420.105
109.515
#
"71"
359.873
202.465
#
"72"
439.439
209.157
#
"73"
392.592
152.644
#
"74"
326.411
196.516
#
"75"
344.258
39.616
#
"76"
368.797
84.976
#
"77"
333.847
112.489
#
"78"
374.745
213.619
#
"79"
382.925
488.007
#
"80"
398.541
435.211
#
"81"
434.233
413.647
#
"82"
355.412
348.210
#
"83"
406.720
366.057
#
"84"
321.950
283.517
#
"85"
295.924
304.338
#
"86"
380.694
314.005
#
"87"
446.875
450.083
#
"88"
454.311
362.339
#
"89"
275.847
395.057
#
"90"
360.617
464.955
#
"91"
392.592
334.825
#
"92"
320.463
318.466
#
"93"
301.873
438.929
#
"94"
371.027
390.595
#
"95"
214.872
339.287
#
"96"
240.898
336.313
#
"97"
323.437
345.979
#
"98"
429.028
442.647
#
"99"
323.437
482.058
#
"100"
309.309
459.750
#
"101"
219.414
207.492
#
"102"
346.580
240.503
#
"103"
345.311
179.618
#
"104"
298.062
171.373
#
"105"
320.894
225.282
#
"106"
378.290
246.210
#
"107"
305.699
201.524
#
"108"
331.395
257.675
#
"109"
339.643
211.359
#
"110"
368.195
219.290
#
# Average RMS error : 0.454
#
Total RMS error : 49.950
# End of GCP details

312.880
291.654
319.764
264.434
279.927
308.992
240.241
307.210
255.578
459.167
425.663
401.592
468.796
472.211
394.792
455.878
457.662
419.683
360.089
440.212
392.673
326.251
344.183
369.088
334.015
374.250
382.813
398.532
434.600
355.209
406.824
321.165
295.999
381.228
446.945
453.825
275.678
360.618
392.935
320.676
302.266
370.978
215.747
240.724
323.635
428.452
322.920
309.198
219.627
346.829
344.869
298.241
320.910
378.142
305.257
331.470
339.576
367.931

45.284
33.418
81.676
25.981
47.035
56.978
45.714
12.637
57.752
38.879
21.227
51.395
56.992
136.895
124.080
163.326
117.124
109.279
202.864
208.655
153.294
196.269
39.749
85.262
112.972
212.868
488.056
435.506
413.524
347.946
366.541
283.691
304.441
313.280
450.722
362.334
394.502
465.675
335.510
318.524
438.412
389.796
339.321
336.306
346.858
442.125
482.039
459.503
207.668
240.259
179.337
172.004
224.829
245.735
201.608
257.577
211.448
219.316

0.2101
0.2103
0.4403
0.2854
0.5647
0.2553
0.6848
0.1545
0.4728
0.2240
0.1785
0.4714
0.2768
0.7021
0.3082
0.2838
0.4147
0.4834
0.4543
0.9222
0.6557
0.2946
0.1518
0.4079
0.5111
0.8991
0.1226
0.2947
0.3868
0.3333
0.4956
0.8044
0.1273
0.8995
0.6431
0.4852
0.5799
0.7202
0.7662
0.2206
0.6496
0.8007
0.8762
0.1737
0.9010
0.7781
0.5171
0.2709
0.2760
0.3489
0.5236
0.6559
0.4527
0.4978
0.4499
0.1233
0.1118
0.2652