Anda di halaman 1dari 67

I.

PENDAHULUAN
1.1 Latar Belakang
Proses menganalisis atau mengedintifikasi suatu citra, pengenalan objek
dan unsur-unsur interpretasi sangatlah penting karena jika kita tidak menguasai
unsur-unsur interpretasi tersebut kita tidak mungkin bisa dalam memperoleh data
dengan cara interpretai tersebut. Ini juga berlaku untuk menentukan karakteristikkarakteristik suatu objek di dalam citra tersebut.
Saat pengambilan suatu citra oleh satelit, banyak sekali pengaruh-pengaruh
alam yang menyebabkan hasil pencitraan sedikit terganggu sepertihamburan
atmosfer. Hamburan ini disebabkan oleh adanya partikel-partikel diatmosfer yang
memberikan efek hamburan yang berpengaruh pada hasil citra. Pengaruh
hamburan ini dapat menyebabkan nilai citra menjadi besar (akibat hamburan) atau
lebih kecil (akibat proses penyerapan). Selain itu dalam pengambilan citra juga
dapat mengalami kesalahan seperti bentuk dan lokasi yang mengalami kesalahan
akibat dari kelengkungan bui, posisi pesawat maupun posisi dari kamera itu
sendiri, sehingga perlu adanya koreksi.
Koreksi radiometri (Satelite Image callibration) merupakan sistem
penginderaan jauh yang digunakan untuk mengurangi pengaruh hamburan
atmosfer pada citra satelit terutama pada saluran tampak (visible light). Hamburan
atmosfer disebabkan oleh adanya partikel-partikel di atmosfer yang memberikan
efek hamburan pada energi elektromagnetik matahari yang berpengaruh pada nilai
spektral citra.
Pengaruh hamburan (scattering) pada citra yang menyebabkan nilai spektral
citra

menjadi

lebih

tinggi

daripada

nilai

sebenarnya.

Jensen

(1986)

mengungkapkan dua metode untuk memperbaiki kualitas citra, yaitu dengan


penyesuaian histogram dan penyesuaian regresi.
Koreksi radiometri adalah koreksi yang dilakukan untuk memperbaiki
kualitas sekaligus nilai pixel hasil perekaman agar sesuai dengan nilai pantulan
objek yang sebenarnya.

1.2 Tujuan
1. Mahasiswa mampu melakukan koreksi radiometri.
2. Mahasiswa mampu memeriksa atmospheric bias citra.
3. Mahasiswa dapat menggunakan metode penyesuaian histogram.
4. Mahasiswa mampu melakukan teknik penyesuaian histogram Dark Pixel
Correction.
5. Mahasiswa mampu melakukan teknik penyesuaian histogram Enchanced
Dark Pixel.
6. Mahasiswa mampu melakukan teknik penyesuaian histogram Cut Off
Scattergram.

II. TINJAUAN PUSTAKA


2.1 Koreksi Radiometri
Koreksi radiometri ditujukan untuk memperbaiki nilai pixel supaya sesuai
dengan yang seharusnya yang biasanya mempertimbangkan faktor gangguan
atmosfer sebagai sumber kesalahan utama. Koreksi radiometrik diperlukan atas
dasar dua alasan, yaitu untuk memperbaiki kualitas visual citra dan sekaligus
memperbaiki nilai-nilai pixel yang tidak sesuai dengan nilai pantulan atau
pancaran spektral objek yang sebenarnya. Koreksi radiometrik citra yang
ditujukan untuk memperbaiki kualitas visual citra berupa pengisian kembali baris
yang kosong karena drop out baris maupun kesalahan awal pelarikan (Danoedoro,
1996). Atmosfer dapat menyerap, memantulkan, atau menstransmisikan
gelombang elektromagnetik yang menyebabkan cacat radiometrik pada citra, yaitu
nilai pixel jauh lebih tinggi atau jauh lebih rendah dari pancaran yang sebenarnya.
Koreksi radiometri ini mengkonversi data sehingga dapat digunakan secara akurat
oleh sensor (Sumaryono, 1999).
Efek atmosfer menyebabkan nilai pantulan objek dipermukaan bumi yang
terekam oleh sensor menjadi bukan merupakan nilai aslinya, tetapi menjadi lebih
besar oleh karena adanya hamburan atau lebih kecil karena proses serapan
(Danoedoro, 1996). Instrumen sensor ini disebabkan oleh ketidak konsistenan
detektor dalam menangkap informasi. Atmosfer yang biasanya sebagai sumber
kesalahan utama, sebagai media radiasi gelombang elektromagnetik akan
menyerap, memantulkan atau menstransmisikan gelombang elektromagnetik
tersebut, hal ini menyebabkan cacat radiometrik pada citra, yaitu nilai pixel yang
jauh lebih tinggi atau jauhlebih rendah dari pancaran spektral objek yang
sebenarnya (Geomedia, 2004).
Koreksi atmosferik/radiometri dilakukan pada citra yang mengalami distorsi
radiometrik, atau dikatakan juga bahwa koreksi radiometri dilakukan karena
gangguan dari efek atmosfer sebagai sumber kesalahan utama. Distorsi dapat
terjadi sewaktu akuisisi data dan transmisi atau perekaman detektor-detektor yang
digunakan pada sensor dengan ciri-ciri kesalahan meliputi :

a. Adanya pixel yang hilang.


b. Pengaruh atmosfer yang menyebabkan hamburan bayangan obyek.
c. Adanya tampilan garis yang disebabkan oleh ketidak seragaman detektor.
Koreksi radiometri perlu dilakukan pada data citra dengan berbagai alasan:
1. Stripping atau banding seringkali terjadi pada data citra yang diakibatkan
oleh ketidakstabilan detektor.
2. Line dropout kadang terjadi sebagai akibat dari detektor yang gagal
berfungsi dengan tiba-tiba. Jangka waktu kerusakan pada kasus ini biasanya
bersifat sementara.
3. Efek atmosferik merupakan fenomena yang disebabkan oleh debu, kabut,
atau asap seringkali menyebabkan efek bias dan pantul pada detektor,
sehingga fenomena yang berada di bawahnya tidak dapat terekam secara
normal.
Dengan kata lain, koreksi radiometrik dilakukan agar informasi yang terdapat
dalam data citra dapat dengan jelas dibaca dan diinterpretasikan. Kegiatan
yang dilakukan dapat berupa:

Penggabungan data (data fusion), yaitu menggabungkan citra dari sumber


yang berbeda pada area yang sama untuk membantu di dalam interpretasi.
Sebagai contoh adalah menggabungkan data Landsat-TM dengan data
SPOT.

Colodraping yaitu menempelkan satu jenis data citra di atas data yang
lainya untuk membuat suatu kombinasi tampilan sehingga memudahkan
untuk menganalisa dua atau lebih variabel. Sebagai contoh adalah citra
vegetasi dari satelit ditempelkan di atas citra foto udara pada area yang
sama.

Penajaman

kontras,

yaitu

memperbaiki

tampilan

citra

dengan

memaksimumkan kontras antara pencahayaan dan penggelapan atau


menaikan dan merendahkan harga data suatu citra.

Filtering yaitu memperbaiki tampilan citra dengan mentransformasikan


nilai-nilai digital citra, seperti mempertajam batas area yang mempunyai

nilai digital yang sama (enhance edge), menghaluskan citra dari noise
(smooth noise), dan lainnya.

Formula yaitu membuat suatu operasi matematika dan memasukan nilainilai digital citra pada operasi matematika tersebut, misalnya Principal
Component Analysis (PCA).
(Danoedoro,1996)
Adapun beberapa koreksi berdasarkan akibatnya adalah:
1. Koreksi Akibat Ketidak-sempurnaan Sistem Sensor
Beberapa kesalahan radiometrik akibat ketidak-sempurnaan sistem
sensor yaitu:

Masalah hilangnya garis (line drop-out)


Kesalahan hilangnya garisterjadi karena salah satu detektor tidak

berfungsi atau mati selama proses penyiaman sehingga piksel dalam salah
satu garis bernilai nol (hitam).

Masalah ini sangat serius karena tidak

mungkin memperbaiki data yang tidak pernah diambil. Namun, agar


kemampuan tafsiran secara visual atas data tersebut dapat ditingkatkan,
dapat dimasukkan nilai kecerahan estimasi pada setiap garis rusak tersebut.
Untuk menentukan lokasi garis rusak itu dibuat suatu algoritma ambang
sederhana untuk menandai setiap garis yang mempunyai nilai kecerahan
rata-rata bernilai nol atau mendekati nol (Soenarmo, 1994).
Jika telah teridentifikasi, koreksi diberikan dengan memasukkan nilai
kecerahan rata-rata bulat dari nilai piksel garis tetangga-tetangga sebelahnya
pada garis rusak itu.

Citra dengan data hasil interpolasi tersebut lebih

mudah ditafsirkan daripada citra yang mempunyai garis-garis hitam yang


tersebar di seluruh bagiannya (Soenarmo, 1994).

Masalah striping garis dan banding


Kesalahan striping terjadi karena salah satu detektor tidak terkoreksi

secara benar sehingga data hasil rekamannya berbeda dengan detektor


lainnya. Misalnya, pembacaannya menjadi dua kali lebih besar daripada

detektor lainnya pada band yang sama. Data tersebut sah tapi harus
dikoreksi agar memiliki kontras yang sama dengan detektor lainnya untuk
setiap penyiaman. Untuk itu, garis yang salah dapat diidentifikasi dengan
menghitung histogram nilai setiap detektor pada daerah yang homogen,
misalnya pada badan air. Jika rata-rata atau mediannya sangat berbeda dari
lainnya, diperkirakan detektor tersebut belum terkoreksi. Untuk itu, diberi
koreksi bias (menambah atau mengurangi) atau koreksi multiplikasi
(perkalian). Beberapa sistem penyiam, seperti Landsat TM, terkadang
menimbulkan jenis derau garis-penyiaman yang unik, yang merupakan
fungsi dari (1) perbedaan relatif hasil dan/atau offset (ketidak-tepatan posisi
detektor) di antara ke 16 detektor dalam suatu band (menyebabkan striping)
dan/atau (2) adanya variasi (ketidak-samaan gerakan) antara proses
penyiaman saat maju dan saat mundur (menyebabkan kesalahan yang
disebut

banding).

Koreksi

diberikan

dengan

transformasi

Fourier

(Soenarmo, 1994).
Masalah awal-garis (line-start)
Kesalahan line-start terjadi karena sistem penyiam gagal merekam data
pada awal baris. Atau, dapat juga sebuah detektor tiba-tiba berhenti
merekam data di suatu tempat sepanjang penyiaman sehingga hasilnya mirip
hilangnya garis. Idealnya, jika data tidak terrekam, sistem sensor diprogram
untuk mengingat apa saja yang tidak terrekam lalu menempatkan setiap data
yang baik pada lokasi yang tepat selama penyiaman. Misalnya, dapat terjadi
piksel pertama (kolom 1) pada garis ke 3 secara tidak benar ditempatkan
pada kolom 50 pada garis ke 3. Jika lokasi pergeseran awal garis selalu
sama, misalnya bergeser 50 kolom, koreksi dapat dilakukan dengan mudah.
Namun, jika pergeseran awal garis terjadi secara acak, restorasi data sulit
dilakukan tanpa interaksi manusia secara ekstensif dalam koreksi basis garis
per garis (Soenarmo, 1994).
2. Koreksi Akibat Gangguan Alam
Bahkan seandainya sistem inderaja berfungsi secara sempurna, kesalahan
radiometrik masih dapat terjadi pada data inderaja akibat adanya gangguan

alam. Dua sumber utama gangguan alam adalah pengaruh atmosfer dan
topografi, yaitu
a. Pengaruh atmosfer
Terjadinya

pelemahan

atmosferik

karena

penghamburan

dan

penyerapan gelombang cahaya menyebabkan energi yang terrekam


sensor lebih kecil daripada yang dipancarkan atau dipantulkan
permukaan bumi. Koreksi yang diberikan meliputi koreksi radiometrik
absolut dan relatif (Purwadhi, 2001).
b.Pengaruh topografi
Pengaruh topografi berupa slope dan aspek akan menimbulkan
perbedaan

nilai

kecerahan

piksel

pada

objek

sama,

sehingga

menimbulkan distorsi radiometrik. Empat metode koreksi slope-aspek


topografi adalah koreksi kosinus, dua metode semi empiris (metode
Minnaert dan koreksi C), dan koreksi empirik-statistik (Purwadhi, 2001).
Koreksi radiometrik bisa dilakukan dengan berbagai cara yaitu : penyesuaian
histogram, penyesuaian regresi dan kalibrasi bayangan. Koreksi radiometrik
diperlukan atas dasar dua alasan, yaitu untuk memperbaiki kualitas visual citra
sekaligus memperbaiki nilai-nilai piksel yang tidak sesuai dengan nilai pantulan
atau pancaran spektral objek yang sebenarnya. Koreksi radiometrik citra yang
ditujukan untuk memperbaiki kualitas visual citra berupa pengisian kembali baris
yang kosong karena drop out baris maupun kesalahan awal pelarikan (scanning).
Baris atau bagian bagian baris yang bernilai tidak sesuai dengan yang seharusnya
dikoreksi dengan mengambil nilai piksel atau baris di atas dan dibawahnya
kemudian dirata-rata (Sutanto, 1987).
Asumsi yang melandasi metode ini adalah nilai pixel terendah tiap saluran
seharusnya bernilai 0. Apabila nilai lebih besar dari nol (>0), maka dihitung
sebagai bias atau offset, dan koreksidilakukandengan cara menghilangkan bias
tersebut, yaitu mengurangi keseluruhan nilai spektral pada saluran asli dengan
nilai biasnya masing-masing (Danoedoro, 1996).

2.2 Penyesuaian Histogram


Dalam penyesuaian histogram dapat dilakukan dapat dengan cara
menyesuaikan tingkat kecerahan (brightness) intensitas piksel merupakan operasi
pixel yang paling sederhana. Tingkat kecerahan suatu citra dapat dilihat dari
histogramnya. Semua pixel biasanya terkonsentrasi pada salah satu sisi histogram
dengan rentangan gray level tertentu. Apabila nilai pixel setelah penyesuaian
melebihi nilai maksimum intensitas yang mungkin untuk citra greyscale, nilai
maksimum intensitas adalah 255 maka nilai pixel tersebut akan dijadikan 255.
Demikian pula sebaliknya, bila nilai pixel hasil penyesuaian lebih kecil dari 0
(nol) maka nilai pixel tersebut dijadikan 0 (Putra, 2010).
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 (Danoedoro, 1996).
Penyesuaian histogram (histogram adjusment) meliputi evaluasi histogram
pada setiap band dari data penginderaan jauh. Biasanya data pada panjang
gelombang tampak (TM saluran 1-3) mempunyai nilai minimum yang lebih tinggi
karena dipengaruhi oleh hamburan atmosfer. Sebaliknya penyerapan atau absorbsi
pada atmosfir akan mengurangi kecerahan pada data yang direkam dalam interval
panjang gelombang yang lebih besar seperti TM 4,5,7. Sehingga data pada band
ini nilai minimumnya mendekati nilai nol. Algoritma yang dipergunakan untuk
koreksi radiometri mengikuti formula sebagai berikut : Output BV
Dimana :

Input: input pixel pada baris I dan kolom j dari band k


Output : nilai pixel yang dikoreksi pada lokasi yang sama
Bias : Selisih nilai minimal dan nilai nol pada saluran k
BV : brightness value atau nilai kecerahan

Pada prinsipnya algoritma ini mengurangi nilai bias dengan nilai bias nilai
kecerahan pada band tertentu-nya.
(Anonim, 2012)

Dengan histogram kita bisa mengetahui nilai pixel terendah saluran tersebut,
asumsi yang melandasi metode ini adalah bahwa dalam proses coding digital oleh
sensor, objek yang memberikan respon spektral paling lemah atau tidak
memberikan respon sama sekali seharusnya bernilai nol. Apabila nilai ini ternyata
> 0 maka nilai terserbut dihitung sebagai offset, dan koreksi dilakukan dengan
mengurangi keseluruhan nilai pada saluran tersebutdengan offset-nya. Metode ini
paling sederhana, hanya dengan melihat histogram tiap saluran secara independen
(Sabins, 1996).
2.3 Penyesuaian Regresi
Penyesuaian regresi (Regression Adjusment) diterapkan dengan memplot
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 spektra tampak dan saluran (Danoedoro, 1996).
Penyesuaian

regresi

pada

prinsipnya

menghendaki

analisis

untuk

mengidentifikasi objek bayangan atau air jernih pada citra yang akan dikoreksi.
Nilai kecerahan pada objek dari setiap saluran di plotkan dalam sumbu koordinat
secara berlawanan arah antara saluran tampak (seperti TM saluran 1, 2, 3) dan
saluran inframerah (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 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).
2.3.1 Dark Pixel Correction (DPC)
DPC atau Dark Pixel Correction adalah koreksi sederhana untuk
menghilangkan pengaruh atmosfer yang cenderung memperbsear nilai pixel.
Salah satu cara untuk mengkoreksi efek atmosfer adalah mengidentifikasi

bayangan pixel, menemukan nilai DN (Digital Number) dan mengubahnya


menjadi 0 dan atur semua pixel lainnya (Lucky, 2013).
Koreksi piksel gelap merupakan metode sederhana yang digunakan
untuk menghilangkan efek atmosfer saat image radiance. Efek ini terkait
dengan kontribusi hamburan aditif (additive scaterring) dari atmosfer dan
efek dari transmisi multiplikatif energi melalui atmosfer (Anonim, 2012).
Jika tidak ada atmosfer, bayangan pada semua permukaan bumi akan
sepenuhnya hitam baik itu darat ataupun laut, sehingga kita sulit untuk
membedakannya. Oleh karena itu jika bayangan memiliki nilai diatas 0,
itu menandakan bahwa hamburan dari atmosfer memiliki kontribusi untuk
bayangan (Anonim, 2011).
2.3.2 Enchanced Dark Pixel Correction (EDPC)
Enhanced Dark Pixel Correction merupakan bagian dari metode
penyesuaian regresi yang digunakan untuk menghilangkan efek dariatmosfer
untuk Image Enhancement (Penajaman Citra). Pada metode ini sistem
kerjanya hampir mirip dengan metode DPC (Anonim, 2012).
Hasil akurat dari deteki perubahan terhadap dua atau lebih citrawaktu
ditentukan oleh beberapa faktor, seperti citra yang sebanding, citra yang dapat
diinterpretasikan, dan metode untuk mendapatkan perbedaan yang bermakna
dari deteksi perubahan citra. Pixel ke pixel antara citra biasa ditampilkan
untuk mendapatkan citra yang baik. Dark Pixel Correction ditampilkan untuk
mengkoreksi kesalahan radiometrik dari suatu citra, maka Enhance sebagai
hasilnya lebih diinterpretasi untuk aplikasi tertentu. Dengan mengurangkan
masing masing band dengan minimumdigital number value nya, maka
setiap band akan memiliki minimal digital number dari nol. (Anonim, 2013)
2.3.3 Cut Off Scattergram
Cara lain untuk mengkoreksi citra dari efek atmosfer adalah dengan
menggunakan informasi cut-off yang ditentukan dari scattergram antara
panjang gelombang (TM 7) yang lebih panjang dan panjang gelombang
(salah satu dari TM 1-5) yang lebih pendek. Panjang gelombang yang lebih
panjang berada di gelombang infrared pendek yang mempunyai nilai

hamburan atmosfer minimum, di lain pihak panjang gelombang yang lebih


pendek berada di batas cahaya tampak yang berdekatan dengan batas infrared
dan batas gelombang infrared pendek yang mempunyai efek lebih besar
(Anonim, 2011).
Garis terbaik digambarkan menembus distribusi antara dua Band yang
dihalangi poros panjang gelombang lebih pendek pada pendekatan digital
number komponen penghambur. Penyelesaian hal semacam ini menggunakan
cut-off (Anonim, 2011).
Fungsi ini untuk membantu menganalisis data yang bekerja pada data
dalam mode spektral, scattegram juga berguna untuk klasifikasi tanah,
membuat raster daerah, dan membuat poligon vector. Scattering terjadi bila
partikel atau molekul gas yang besar yang ada di atmosfer berinteraksi dan
menyebabkan arah radiasi elektromagnetik melenceng dari jalur sebenarnya.
Besarnya penyimpangan ini tergantung pada beberapa faktor termasuk
panjang gelombang radiasi, kelimpahan pertikel dan gas dan jarak perjalanan
radiasi (Anonim, 2012).

III. MATERI DAN METODE


3.1 Waktu dan Tempat
Hari/Tanggal

: Kamis, 16 April 2015

Waktu

: 13.00 14.30 WIB.

Tempat

: Laboratorium komputasi, Lantai 2 Gedung E Fakultas


Perikanan dan Ilmu Kelautan Tembalang , Semarang.

3.2 Materi
1. Memeriksa nilai bias atmospheric bias citra.
2. Penyesuaian histogram.
3. Pengecekan data penyesuaian histogram.
4. Regresi

DPC
EDPC
Cut off Scattergram

3.3 Metode
3.3.1 Koreksi Radiometri
3.3.1.1 Memeriksa Nilai Atmospheric Citra dan Penyesuaian
Histogram
1. Software ER Mapper dibuka, lalu pilih Edit Algorithm
pilih

Load

Dataset

Landsat_TM_23Apr85.ers.

lalu

pilih

,
file

2. Selanjutnya akan muncul tampilan seperti dibawah ini :

3. Duplicate Pseudo Layer sebanyak 6 kali dan ubah namanya


menjadi band 1, band 2, band 3, band 4, band 5, dan band 7.

4. Cocokkan masing-masing Pseudo Layer dengan data band


yang telah dimasukkan seperti gambar dibawah ini :

5. Lalu Klik Default Surface, sesuaikan data pada masingmasing Band.

6. Kemudian Klik Edit Transform Limit

untuk melihat

nilai bias, maka akan muncul hsitogram seperti tampilan berikut.

7. Klik Edit Formula

seperti gambar dibawah ini

kemudian akan muncul kolom untuk mengedit formula.

8. Pada Formula Editor, lakukan perubahan nama input


berdasarkan input limitnya. Pada kolom input di minus angka
yang sesuai atau tertera pada histogram dari setiap masing
masing band itu sendiri. Kemudian klik Apply Change.
Lakukan sampai dengan band ke-7 dengan urutan yang sama.

9. Kemudian klik Edit pada kolom transform dan klik Delete


This Transform, lakukan pada setiap band.

10. Maka akan muncul histogram seperti tampilan berikut.

11. Simpan dengan mengklik Save As dan menggunakan format


Histogram_Afwan_40060 , pada File of type di ganti dengan

ER Mapper Raster Dataset. Kemudian Ok default Ok.

12. Tutup semua layar terkecuali layar ER Mapper 7.0


13. Untuk pengecekan histogram, klik edit algorithm
pilih Load Dataset
disimpan.

, pilih file histogram yang telah

14. Klik Edit Transform Limit

,perhatikan

Actual Input Limit pada layar

Tranform.

nilai
Apabila

nilainya berada pada -3 sampai dengan 3, maka hasil dinyatakan


benar.

3.3.2 Penyesuaian Regresi


3.3.2.1 Dark Pixel Correction (DPC)

1. Buka Er Mapper 7.0, lalu pilih Edit Algorithm


Load Dataset

, pilih

. Pilih data histogram yang telah disimpan

sebelumnya, kemudian klik OK This Layer Only.

2. Klik Land Application Wizard.

3. Akan muncul window seperti gambar dibawah ini, kemudian


next.

4. Pada pilihan Process TM imagery pilih Atmospheric Effect


Correction, kemudian klik Next.

5. Kemudian pilih Dark Pixel Correction, dan Klik Next.

6. Pada dialog box Specify an input TM dataset, masukan nama


file

output

yang

akan

dikoreksi

berupa

citra

Landsat_TM_23Apr85.ers. Pada dialog box Specify an output


filename, masukkan nama file outputnya dengan format nama
DPC.Nama.NIM.ers, kemudian klik Finish.

7. Akan muncul Window Algorithm dengan 7 band lalu cut


band DPC_TM6.

8. Kemudian Klik Edit Transform Limit


muncul gambar dibawah ini:

, maka akan

9. Pada window Transform klik Edit dan pilih Delete this


transform, kemudian lakukan hingga DPC_TM 7.

10. Simpan dengan mengklik Save As dan menggunakan format


DPC_SudahKoreksi_Afwan_40060 , pada File of type di ganti
dengan ER Mapper Raster Dataset. Kemudian Ok default
Ok.

11. Tutup semua layar, kecuali layar ER Mapper 7.0.


12. Untuk mengetahui hasil dari DPC, lalu pilih Edit Algorithm
, pilih Load Dataset

. Pilih data DPC yang telah

disimpan sebelumnya, kemudian klik OK This Layer Only.

13. Klik Edit Transform Limit

perhatikan

nilai

Actual Input Limit pada layar Tranform. Apabila nilainya


berada pada -3 sampai dengan 3, maka hasil dinyatakan benar.

3.3.2.2 Enchanced Dark Pixel Correction (EDPC)


1. Klik Land Application Wizard.

2. Akan muncul window tersebut dan kemudian klik next

3. Pada pilihan Process TM imagery pilih Atmospheric Effect


Correction, kemudian klik Next.

4. Kemudian pilih Enchanced Dark Pixel Correction lalu klik


Next.

5. Pada dialog box Specify an input dataset, masukkan nama file


output berupa citra Landsat_TM_23Apr85.ers, kemudian klik
Next.

6. Kemudian akan muncul layar baru.

7. Pilih use TM1 as initial Band, masukkan nilai Actual Input


Limit kemudian klik Next. Pada select an option pilih Clear, dan
masukkan

nama

file

output-nya

dengan

EDPC_BelumKoreksi_Afwan_40060, seperti dibawah ini :

nama

8. Akan muncul window Transform seperti gambar dibawah ini :

9. Cut TM6 dengan ikon yang bergambar gunting.

10. Klik icon Edit Transform Limits dan cek nilai atmospheric
biasanya pada window, klik edit pada Transform dan kemudian
klik Delete this Transform. Lakukan pada setiap band/layer.

11. Simpan dengan mengklik Save As dan menggunakan format


EDPC_SudahKoreksi_Afwan_40060 , pada File of type di
ganti dengan ER Mapper Raster Dataset. Kemudian
OKdefault OK.

12. Tutup semua layar terkecuali ER Mapper 7.0.


13. Lalu pilih Edit Algorithm

, pilih Load Dataset

Pilih data EDPC yang telah disimpan sebelumnya, kemudian


klik OK This Layer Only.

14. Klik Edit Transfom Limit , kemudian perhatikan nilai


Actual Input Limit pada layar transform. Apabila nilainya
berada pada -3 sampai dengan 3, maka hasil dinyatakan benar.

3.3.2.3 Cut Off Scattergram


1. Pada ER Mapper, klik Land Application Wizard.

2. Akan muncul window tersebut kemudian klik Next.

3. Pada pilihan Process TM imagery pilih Atmospheric Effect


Correction, kemudian klik Next.

4. Kemudian pilih Cut Off Values, dan Klik Next.

5. Pada dialog box Specify an input TM dataset, masukkan nama


file

output

yang

akan

dikoreksi

berupa

Landsat_TM_23Apr85.ers.

6. Pada dialog output filename, masukkan file outputnya dengan


nama CutOff_BelumKoreksi_Afwan _40060.

7. Maka akan muncul tampilan seperti gambar dibawah.

8. Perhatikan nilai actual X axis (B1) input limit dan actual Y


axis (B2) input limit.

9. Masukan nilai actual X axis (B1) input limitdan actual Y axis


(B2) input limit ke specifi cut-off values for TM 1 dan specifi
cut-off values for TM 2.

10. Masukan nilai actual X axis (B3) input limitdan actual Y


axis (B4) input limit dengan cara klik setup pada layar
Scattergram, maka akan muncul layar baru.

11. Pada layar scattergram setup pilih x axis dan y axis. masing
masing di ganti dengan B3:0.66_um dan B4:0.83_um. maka
akan terjadi perubahan pada Masukan nilai actual X axis (B1)
input limit dan actual Y axis (B2) input limit menjadi nilai
actual X axis (B3) input limitdan actual Y axis (B4) input limit.

12. Masukan nilai actual X axis (B3) input limitdan actual Y


axis (B4) input limit ke dalamspecificity cut-off values for TM 3
dan specifcityi cut-off values for TM 4.

13.Lakukan hal yang sama untuk mendapatkan nila actual x axis


(B5) input limit dan actual Y axis (B7) input limit. Hingga di
dapat hasil seperti berikut, kemudian finish.

14. Lalu pilih Edit Algorithm

15. Lalu hapus TM 6, kemudian klik edit transform limit, lalu


klik editdelete this transform. Lakukan delete transform pada
semua band.

16.

Klik

save

as,

dengan

format

Cutoff_SudahKoreksi_Afwan_40060. Kemudian Ok default


Ok.

17. Tutup semua layar kecuali layar ER MAPPER 7.0


18. Cek hasil dari cut-off dengan cara klik Edit Algorithm
pilih Load Dataset

. Kemudian masukan data Cut-

off_SudahKoreksi_Afwan_40060.ers Ok.

19. Lalu klik Edit Transform Limit kemudian perhatikan nilai


Actual Input Limit pada layar transform. Apabila nilainya
berada pada -3 sampai dengan 3, maka hasil dinytakan benar.

IV. HASIL DAN PEMBAHASAN


4.1 Hasil
4.1.1 Memeriksa Nilai Atmospheric Citra dan Penyesuaian Histogram
A. Sebelum Dikoreksi
Band

Nilai Minimum

Nilai Maximum

Band 1

68

255

Band 2

21

223

Band 3

15

254

Band 4

220

Band 5

255

Band 7

247

Band 1

Band 3

Band 2

Band 4

Band 5

Band 7

B.Setelah Dikoreksi
Band
Band 1
Band 2
Band 3
Band 4
Band 5
Band 7
Band 1

Nilai Minimum
0
0
0
0
0
0

Nilai Maximum
187
202
239
216
253
246
Band 2

Band 3

Band 4

Band 5

Band 7

Band 1

Band 2

Band 3

Band 5

4.1.2 Penyesuaian Regresi

Band 4

Band 7

4.1.2.1 Dark Pixel Correction (DPC)


A. Sebelum Dikoreksi
Band
Band 1
Band 2
Band 3
Band 4
Band 5
Band 7

Nilai Minimum
0
1
0
-2
-1
0

Nilai Maximum
188
196
239
205
253
246

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

B. Setelah Dikoreksi
Band
Nilai Minimum
Band 1
1
Band 2
1
Band 3
1
Band 4
1
Band 5
1
Band 7
1
Band 1

Nilai Maksimum
188
192
238
200
253
199
Band 2

Band 3

Band 4

Band 5

Band 7

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

4.1.2.2 Enchanced Dark Pixel Correction (EDPC)

A. Sebelum Dikoreksi
Band
Band 1
Band 2
Band 3
Band 4
Band 5
Band 7

Nilai Minimum
-1
-6.46315
-10.248956
-14.3478116
-29.5317268
-10.6762912

Nilai Maksimum
187
188.53685
228.751044
192.6521884
224.4682732
184.3237088

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

B. Setelah Dikoreksi
Band
Band 1
Band 2
Band 3
Band 4
Band 5
Band 7
Band 1

Nilai Minimum
1
1
1
1
1
1

Nilai Maksimum
187
196
229
203
224
191
Band 2

Band 3

Band 4

Band 5

Band 7

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

4.1.2.3 Cut Off Scattergram

A. Sebelum Dikoreksi
Band
Band 1
Band 2
Band 3
Band 4
Band 5
Band 7

Nilai Minimum
67
21
15
3
1
1

Nilai Maksimum
255
216
254
210
255
192

Band 1

Band 2

Band 3

Band 4

Band 5

Band 7

B. Setelah Dikoreksi
Band
Band 1
Band 2
Band 3
Band 4
Band 5
Band 7
Band 1

Nilai Minimum
1
1
1
1
1
1

Nilai Maksimum
187
202
239
215
254
246
Band 2

Band 3

Band 4

Band 5

Band 7

Band 1

Band 2

4.2 Pembahasan

Band 3

Band 4

Band 5

Band 7

4.2.1 Pemeriksaan Nilai Atmospheric Citra Penyesuaian Histogram


Penyesuaian histogram dilakukan dengan cara mengurangi nilai pixel
dari

masing-masing

citra.

Dalam

praktikum

ini

digunakan

citra

Landsat_TM_23April85.ers, tujuan dari dilakukannya penyesuaian histogram


adalah untuk mengurangi pengaruh hamburan atmosfer pada citra satelit.
Dimana hal itu disebabkan karena adanya partikel di atmosfer yang
memberikan hamburan efek pada energy electromagnet. Terlihat pada hasil,
data angka nilai bias minimum yang diperoleh, terutama pada band 1 hingga
3, masih sangat besar. Data dari panjang gelombang tampak (saluran 1-3)
memang biasanya mempunyai nilai minimum yang lebih tinggi karena
dipengaruhi oleh hamburan atmosfer. Sebaliknya, penyerapan pada atmosfer
akan mengurangi kecerahan pada data yang direkam dalam interval panjang
gelombang yang lebih besar seperti saluran 4,5,7, sehingga data pada band ini
nilai minimumnya biasanya kecil.
Pada band 1, nilai atmosfer biasnya adalah 68, band 2 nilainya 21,
band 3 nilainya 15. Sementara untuk band 4, 5, dan 7 masing-masing nilainya
adalah 4, 2, dan 1, yang sudah mendekati atau memenuhi standar toleransi
nilai bias suatu citra.
Penyesuaian histogram merupakan koreksi untuk nilai bias yang sudah
diperiksa dari metode sebelumnya. Penyesuaian histogram ini bertujuan untuk
menghilangkan nilai bias pada citra sehingga data citra bebas dari error yang
didapat dari gangguan atmosfer. Pada tahap histogram nilai atmosfer bias
citra dapat terlihat. Nilai pixel terendah haruslah 0 sehingga citra tersebut
dapat digunakan sebagai dasar untuk koreksi radiometri. Setelah dilakukan
koreksi radiometri dengan metode histogram ini nilai atmosfer bias adalah 1.
Dalam metode ini pula dilakukan pengurangan nilai amosfer bias melalui
formula editor. Nilai atmosfer bias aslinya dikurangi dengan selisih yang ada
pada Transform Limit.
Metode dilakukan dengan menambahkan nilai terendah pada window
Formula Editor. Misalkan pada Band 1 adalah 68 maka pada kolom yang
bertuliskan INPUT1 dikurangi dengan angka 68, menjadi INPUT1-68.

Pengurangan angka ini dilakukan sampai dengan band 7. Apabila pada


window Edit Formula terdapat nilai negatif maka penulisannya tetap sama
karena pengurangan angka dilakukan tanpa memperhatikan nilai positif dan
negatif. Dengan adanya pengurangan angka tersebut maka didapatkan nilai
band mulai dari 1. Hasil yag didapatkan adalah data pada panjang gelombang
tampak terdapat pada saluran 1-3 mempunyai nilai minimum yang
disebabkan karena pada saluran 1-3 dipengaruhi oleh hamburan atmosfer.
Sedangkan penyerapan pada atmosfer akan mengurangi kecerahan pada citra
tersebut seperti pada saluran 4,5, dan 7. Sehingga data pada band ini
mempunyai nilai minimum mendekati 0.
Setelah penyesuaian histogram ini, nilai bias minimum yang ada pada
tiap-tiap band sudah berada dalam batas toleransi yang dibolehkan yaitu
antara -2 hingga 2. Semua band bernilai minimum 1, dengan nilai maksimum
pada band 1 adalah 187, band 2 adalah 202, 239 pada band 3, 216 untuk
band 4, dan masing-masing 253 dan 246 untuk band 5 dan 7.
4.2.2 Dark Pixel Correction (DPC)
Koreksi piksel gelap atau Dark Pixel Correction (DPC) merupakan
salah satu metode dari penyesuaian regresi yang digunakan untuk
menghilangkan efek atmosfer bias citra. Efek ini terkait dengan kontribusi
hamburan tambahan dari atmosfer dan efek dari transmisi penggandaan
energi melalui atmosfer. Namun efek alam ini tidak dapat benar-benar
dihilangkan, kita hanya dapat mengurangi efek yang ditimbulkannya pada
citra.
Data

yang

digunakan

pada

proses

ini

adalah

Landsat_TM_23_Apr85.ers, dan outputnya disimpan dengan nama _NIM.ers.


Koreksi ini akan dilakukan secara otomatis pada saat kita telah memasukkan
data pada Land Application Wizard. Setelah dikoreksi maka akan
mendapatkan hasil band1 1-188; band2 1-192; band 3 1-238; band4 1-200;
band 5 1-253; dan band7 1-199. Dari data tersebut dapat diketahui nilai pixel
terendah dari citra tersebut.

Dalam proses pemotretan digital oleh sensor, obyek akan memberikan


respon spektral paling lemah atau tidak memberikan respon adalah bernilai 0,
sehingga ketika terdapat nilai >0 maka nilai tersebut dihitung sebagai offset.
Dan koreksi dilakukan dengan mengurangi keseluruhan nilai pada saluran
tersebut dengan offset nya.
Pada metode kedua yaitu Dark Pixel Correction kita menggunakan tool
Remote sensing. Di dalam proses akan muncul tujuh band terkoreksi. Fungsi
Dark Pixel Correction terdapat pada Window Land Application Wizard.
Setelah muncul window Dark Pixel Correction maka kita memasukkan
fileinput dan output-nya. Kemudian Koreksi telah dilakukan secara otomatis
oleh ER Mapper berdasarkan Dark Pixel Correction yang kita pilih Delete
this Transform digunakan untuk menghapus selisih atau mengembalikan
nilai atmosfer bias ke dalam nilai yang sebenarnya. Pada hasil tercantum
angka satu pada ke enam band. Maka koreksi radiometri yang telah dilakukan
dinyatakan berhasil.
Dari hasil koreksi Dark Pixel Correction dapat kita ketahui, bahwa nilai
minimal atmosfer bias citra pada seluruh band nilainya adalah 1. Ini
menandakan bahwa proses koreksi menggunakan metode Dark Pixel
Correction sudah sesuai dengan syarat toleransi untuk nilai atmosfer bias citra
pada setiap band yang nilainya berkisar dari -3 sampai 3.
4.2.3 Enchanced Dark Pixel Correction (EDPC)
Enhanced Dark Pixel Correction (EDPC) digunakan untuk
mengkoreksi kesalahan radiometrik dari suatu citra dengan enhance sebagai
hasilnya lebih diinterpretasi untuk aplikasi tertentu. Metode ini dilakukan
dengan mengurangkan masing-masing band dengan minimum digital number
value-nya, sehingga semua band akan memiliki minimal digital number nol.
Nilai TM yang digunakan sebagai acuan hanyalah TM 1 karena dianggap
sudah akan mewakili nilai TM lainnya.
Pada metode ini kita menuliskan range nilai atmosfer bias. Pada hasil
dicantumkan sebesar 67. Hal ini berarti termasuk pada golongan Clear (TM1
>55=75). Nilai TM yang digunakan kali ini adalah TM 1 yang memiliki nilai

terbesar dari pada nilai TM yang lain. Kemudian setelah memasukkan nilai
TM yang paling kecil terdapat pilihan untuk pembersihan yang dilakukan
yaitu Very Clear, Clear, Moderate, Hazy, dan Very Hazy. Pada prinsipnya,
metode ini hampir mirip dengan metode DPC. Hasil menunjukan pada
Transform tertera angka 1, jadi citra telah terkoreksi dengan benar. Sama
seperti melakukan Dark Pixel Correction (DPC), citra yang telah dikoreksi
dengan EDPC haruslah diperiksa kembali apakah nilai actual input limits-nya
sudah berada dalam batas toleransi -3 sampai 3. Dan dengan metode ini,
praktikan juga mendapat nilai minimum dari semua band sudah bernilai 1.
4.2.4 Cut Off Scattergram
Sebelum radiasi yang digunakan untuk remote sensing mencapai bumi,
terlebih dahulu melewati lapisan atmosfer. Partikel dan gas dalam atmosfer
dapat mempengaruhi cahaya yang masuk dan radiasinya. Efek atmosfer
menyebabkan nilai pantulan objek dipermukaan bumi yang terekam oleh
sensor menjadi bukan merupakan nilai aslinya, tetapi menjadi lebih besar oleh
karena adanya hamburan atau lebih kecil karena proses serapan. Nilai bias
yang belum valid dapat dilihat pada window Scattergram.

Selisih nilai

atmosfer bias di masukkan dalam processing. Maka setelah menempuh


langkah yang sama dengan DPC dan EDPC akan terkoreksi nilai atmosfer
biasnya yang menunjukan nilai satu pada Transform. Cahaya-cahaya yang
berasal dari sinar matahari memiliki panjang gelombang yang berbeda-beda.
Semakin

besar

panjang

gelombangnya,

maka

semakin

besar

pula

kemampuannya untuk menembus gangguan.


Cut-Off merupakan cara ketiga untuk melakukan koreksi radiometri
menggunakan Scattergram.Dengan memsukkan nilai terendah pada tiap band
pada window Scattergram. Nilai dari cut off yang dibutuhkan adalah TM1TM5 dan TM7, tetapi ada layer muncul TM6 maka nilai TM6 tersebut harus
di cut karena tidak digunakan dalam koreksi kali ini.
Dari hasil koreksi Cut-Off Scattergram praktikan mendapat nilai
minimum atmosfer bias citra pada band 1 bernilai 2, sementara band 2,3,4,5,
dan 7 nilainya 1. Hal ini menunjukan bahwa koreksi dengan metode ini juga

sudah sesuai dalam batas toleransi nilai atmosfer bias citra. Dari praktikum
ini dapat diketahui bahwa panjang gelombang yang paling besar
kemampuannya dalam menembus gangguan adalah Band 7 sebab
atmospheric biasnya adalah satu, maka citra telah terkoreksi dengan benar.

V. PENUTUP
5.1 Kesimpulan
1. Koreksi radiometri adalah koreksi yang dilakukan untuk memperbaiki
kualitas sekaligus nilai pixel hasil perekaman agar sesuai dengan nilai
pantulan objek yang sebenarnya.
2. Pemeriksaan nilai atmospheric bias citra dilakukan untuk menyesuaikan
nilai pixel setelah melebihi nilai maksimum intensitas yang mungkin untuk
citra greyscale, dengan nilai minimum 0 dan nilai maksimum 255.
3. Penyesuaian histogram adalah teknik yang digunakan untuk menyesuaikan
tingkat kecerahan (brightness) intensitas pixel. Diperlukan untuk
memperbaiki kualitas visual citra dan sekaligus memperbaiki nilai-nilai
pixel yang tidak sesuai dengan nilai spektral sebenarnya. Penyesuaian
histogram dan regresi terdiri dari tiga macam yaitu Dark Pixel Correction,
Enhanced Dark Pixel Correction, dan Cut-Off Scattergram.
4. Teknik penyesuaian histogram Dark Pixel Correction adalah teknik yang
dilakukan untuk menghilangkan pengaruh atmosfer yang cenderung
memperbear nilai pixel.
5. Teknik penyesuaian histogram Enhanced Dark Pixel Correction adalah
teknik yang dilakukan untuk menghilangkan efek dari atmosfer untuk
Image Enhancement (Penajaman Citra).
6. Teknik penyesuaian histogram Cut off Scattergram adalah teknik yang
dilakukan untuk membantu menganalisis data dalam mode spektral.

5.2 Saran
1. Diharapkan pada saat praktikum berlangsung para praktikan di harapkan
lebih fokus dan memperhatikan asisten supaya tidak mengulang kembali yang
sudah diajarkan oleh asisten.
2. Diharapkan mahasiswa lebih teliti dalam memasukkan data yang akan
diolah.

DAFTAR PUSTAKA
Anonim.

2011.

Bahan

Untuk

Er

Mapper.

http://marinecomunity.blogspot.com/2011/03/bahan-untuk-er-mapper.html
diunduh pada 18 April 2015
Anonim. 2012. Laporan Kegiatan Bimbingan Teknik Koreksi Sistematik Geometri
dan Radiometri. LAPAN. Diakses pada tanggal 18 April 2015.
Anonim.

2013.

Mineral

Exploration

Application

Level

http://www.scribd.com/Mineral-Exploration-Applications-level-1.

1.

Diakses

pada tanggal 18 April 2015.


Danoedoro, Projo. 1996. Pengolahan Citra Digital, Teori dan Aplikasinya Dalam
Bidang Penginderaan Jauh. Fakultas Geografi, Universitas Gadjah Mada :
Yogyakarta
Geomedia. 2004. Modul Pelatihan Er Mapper. GoeMedia Sp. Yogyakarta
Jensen JR. 1986. Introductory Digital Image Processing. A Remote Sensing
Perspective. Second Edition. Prentice Hall, New Jersey
Lucky. 2013.

Pengindraan

Jauh

2.

http://www.scribd.com/doc/53675706/

Penginderaan-Jauh-2. Diakses pada tanggal 18 April 2015.


Purwadhi, Sri Hardiyanti. 2001. Interpretasi Citra Digital. PT Gramedia
Widiasarana Indonesia: Jakarta.
Putra, Darma. 2010. Teknik Perbaikan Data Digital (Koreksi dan Penajaman)
Citra Satelit. IPB Press: Bogor.
Sabins, Floyd F. 1996. W. Remote Sensing. Principles and Interpretation. Second
Edition. W. H. Freeman an Company, New York.
Soenarmo, Sri Hartanti. 1994. Pengindraan Jauh dan Pengenalan Sistem
Informasi Geografi untuk Bidang ilmu Kebumian. ITB : Bandung.
Sumaryono. 1999. Pemanfaatan Penginderaan Jauh Untuk Pemantauan
Reboisasi Di Sub DAS Roraya-Kendari dalam Prosiding Pertemuan Ilmiah
Tahun Ke-8 MAPIN (Masyarakat Penginderaan Jauh Indonesia) Jakarta.
Sutanto. 1987. Penginderaan Jauh Jilid 1. Gadjah Mada University Press.
Yogyakarta.

LAPORAN RESMI PRAKTIKUM


PENGINDERAAN JAUH DAN PEMETAAN LAUT
MODUL II
KOREKSI RADIOMETRI

Muhamad Afwan Shadri Viharyo


26020113140060
Shift II
Johannes Riter

26020112140062

Kepak Mega Sriwijaya

26020112140028

Ganis Tresna Kumala

26020212120005

Abdal Seprianto

26020212130014

Rizki Adittio Taohid

26020212140021

Andhita Pipiet Christianti

26020212140027

Tegar Ramadhan

26020212130039

Rio Redyansyah

26020212130061

PROGRAM STUDI ILMU KELAUTAN


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

Shift: II ( Dua )
Tgl Praktikum: 16 April 2015
Tgl Pengumpulan: 22 April 2015

LEMBAR PENILAIAN
MODUL II : KOREKSI RADIOMETRI

Nama : M. Afwan Shadri Viharyo


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

NIM:26020113140060

KETERANGAN

Ttd: ..........................
NILAI

Pendahuluan
Tinjauan Pustaka
Materi dan Metode
Hasil dan Pembahasan
Penutup
Daftar Pustaka
TOTAL
Semarang, 22 April 2015

Mengetahui,
Koordinator Praktikum

Asisten

Tegar Ramadhan

Kepak Mega Sriwijaya

26020212130039

26020112140028