Anda di halaman 1dari 40

BAB I

PENDAHULUAN

1.1. Latar Belakang


Saat pengambilan suatu citra oleh satelit, banyak sekali pengaruh-
pengaruh alam yang menyebabkan hasil pencitraan sedikit terganggu seperti
hamburan atmosfer. Hamburan ini disebabkan oleh adanya partikel-partikel di
atmosfer 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).
Untuk mengkoreksi citra yang terpengaruh hamburan atmosfer, maka
digunakanlah koreksi radiometri. Metode koreksi radiometri yang digunakan pada
praktikum kali ini adalah metode penyesuaian histogram dan penyesuaian
regresi.

1.2. Tujuan Praktikum


Tujuan dari praktikum ini adalah :
Mahasiswa mampu melakukan koreksi radiometri citra dengan metode
penyesuaian histogram dan penyesuaian regresi menggunakan perangkat
lunak ER Mapper 7.0.
BAB II
TINJAUAN PUSTAKA

2.1. Koreksi Radiometri


Efek atmosfer menyebabkan nilai pantulan obyek 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
(Projo Danoedoro, 1996).
Untuk mengetahui nilai sebenarnya dari tampilan citra tersebut, maka
dilakukanlah suatu pengkoreksian yang biasa disebut koreksi radiometri. Koreksi
radiometri (Satelite Image Callibration) adalah koreksi yang bertujuan untuk
memperbaiki nilai pixel agar sesuai dengan yang seharusnya yang biasanya
mempertimbangkan faktor gangguan atmosfer sebagai sumber kesalahan
utama. 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).
Koreksi radiometrik dilakukan untuk memperbaiki kesalahan atau distorsi
yang diakibatkan oleh ketidak sempurnaan operasi dan sensor, adanya atenuasi
gelombang elektromagnetik oleh atmosfer, variasi sudut pengambilan data,
variasi sudut eliminasi, sudut pantul dan lain-lain yang dapat terjadi selama
pengambilan, pengiriman serta perekaman data. Spesifikasi kesalahan
radiometric adalah :
 Kesalahan sapuan akibat pemakaian Multi Detektor dalam mengindera
garis citra.
 Memperkecil kesalahan pengamatan detektor yang berubah sesuai
dengan perubahan waktu.
 Kesalahan berbentuk nilai digital yang mempunyai hubungan linier
dengan tingkat radiasi dan panjang gelombang elektromagnetik.
 Koreksi dilakukan dengan kalibrasi cahaya yang keluar dari
detektor dengan mengarahkan scanner pada filter yang disinari
secara elektronik untuk setiap sapuan.
 Kesalahan yang dapat dikoreksi otomatis adalah kesalahan
sistematik dan tetap, yang tetap diperkirakan sebelumnya.
 Kesalahan garis scan dapat dikoreksi dengan penyesuaian
histogram tiap detektor pada daerah-daerah homogeny misalnya
diatas badan air, apabila ada penyimpangan dapat diperbaiki.
 Kesalahan bias atau pengaturan kembali detektor apabila mean dan
median detektor berbeda.
Metode-metode yang sering digunakan untuk menghilangkan efek atmosfer
antara lain metode pengeseran histogram, metode regresi, dan metode kalibrasi
bayangan (Sutanto, 1986).

2.2. Penyesuaian Histogram


Metode penyesuaian histogram ini merupakan metode yang mudah untuk
dilakukan. Metode ini hanya melihat histogram tiap saluran secara independen.
Dari histogram dapat diketahui nilai pixel terendah saluran tersebut.
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 atmosferakan 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 nol.
Algoritma yang dipergunakan untuk koreksi radiometrik mengikuti formula
sebagai berikut :
Output BV
Dimana :
 Input : Input pixel pada baris I dan kolom j dari band k
 Output : Nilai pixel minimal dan nilai nol pada saluran k
 Bias : Selisih nilai minimal dan nilai nolpada saluran k
 BV : Nilai kecerahan atau Brightness Value
Pada prinsipnya algoritma ini mengurangi nilai bias dengan nilai bias nilai
kecerahan pada band tertentu.
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 (Projo 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 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 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. (Projo Danoedoro,
1996).

2.3.1. DPC (Dark Pixel Correction)


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.
DPC atau Dark Pixel Correction adalah koreksi sederhana untuk
menghilangkan pengaruh atmosfer yang cenderung memperbear 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
(http://www.scribd.com/Mineral-Exploration-Applications-level-1).
2.3.2. EDPC (Enchanted Dark Pixel Correction)
Hasil akurat dari deteki perubahan terhadap dua atau lebih citra
waktu 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 minimum
digital number value – nya, maka setiap band akan memiliki minimal digital
number dari nol (http://www.scribd.com/Mineral-Exploration-Applications-
level-1).

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. Garis terbaik digambarkan menembus
distribusi antara dua bands yang dihalangi poros panjang gelombang lebih
pendek pada pendekatan digital number komponen penghambur.
Penyelesaian hal semacam ini menggunakan cut-off
(http://www.scribd.com/Mineral-Exploration-Applications-level-1).
BAB III
MATERI DAN METODE

3.1. Waktu dan Tempat Pelaksanaan


Hari : Selasa, 22 Maret 2011
Waktu : 13.30 – 15.00
Tempat : Laboratorium Komputasi Kampus Ilmu Kelautan
Universitas Diponegoro, Semarang

3.2. Materi
Materi yang disampaikan pada praktikum kedua mata kuliah penginderaan
jarak jauh yaiut :
1. Penyesuaian histogram
Untuk mengetahui nilai pixel dan mengoreksi nilai yang terpantul atau
terserap aymosfer.
2. DPC (Dark Pixel Correction)
Mengkoreksi untuk menghilangkan pengaruh atmosfer yang cenderung
memperbear nilai pixel.
3. EDPC (Enhanced Dark Pixel Correction)
Mengkoreksi kesalahan radiometrik dari suatu citra
4. Cut Off
Mengkoreksi citra dari efek atmosfer lewat scattergram.

3.3. Metode
3.3.1 Penyesuaian Histogram
1. Buka aplikasi ER Mapper, lalu klik icon Edit Algorithm
2. Klik Load Dataset, buka file citra Landsat_TM_23Apr85.ers
3. Ganti Color Table di Surface dengan warna Green
4. Gandakan Pseudo Layer menjadi 6, kemudian ganti namanya
dengan Band 1 hingga Band 7 tanpa mengikut sertakan Band 6.
5. Ganti band sesuai dengan namanya, Band 1 = B1, dst

6. Pada B1, klil icon Edit Transform Limits. Maka akan muncul
window Transform. Cek nilai atmospheric pada setiap band, yaitu
nilai yang berada dibawah kiri window.

7. Pilih Band 1, klik icon Edit Formula, maka akan muncul window
Formula Editor. Pada Dialog Box dimana terdapat tulisan INPUT1,
kemudian ketik –(nilai minimal atmospheric biasnya), lalu klik Apply
changes.
8. Lakukan hal yang sama pada setiap band.
9. Klik icon Edit Transform Limits, pada window Algorithm, klik Edit,
Delete this transform. Lakukan hingga Band 7.
10. Lalu simpan dangan nama file Histogram.Nama.NIM.ers pada
folder yang telah dibuat. Pada file types pilih ER Mapper Raster
Dataset(.ers). Kemudian klik OK.

11. Tutup semua windows, lalu klik Load Dataset untuk membuka baru
file yang telah dikoreksi.
12. Kemudian klik icon Edit Transform Limits dan kemudian cek nilai
atmospheric bias tiap band.

3.3.2 Dark Pixel Correction


1. Pada ER Mapper, klik icon Land Application Wizard .
2. Akan muncul window Land Application Wizard, kemudian klik Next.

3. Pada pilihan Process your TM imagery, pilih Atmospheric Effect


Correction, lalu klik Next.
4. Kemudian pilih Dark Pixel Correction, lalu klik Next.

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


output yang akan dikoreksi berupa citra Landsat_TM_23Apr85.ers.
6. Pada dialog box Specify an output filename, masukkan nama file
output-nya dengan format nama DPC.Nama.NIM.ers, kemudian klik
Finish.

7. Kemudian muncul window Algorithm dengan 7 band lalu Cut band


DPC_TM6.
8. Klik icon Edit Transform Limits den cek nilai atmosferic biasnya
pada window.
9. Pada window Transform klik Edit dan pilih Delete this transform,
kemudian lakukan hingga DPC_TM7.

10. Kemudian simpan dengan nama file KoreksiDPC.Nama.NIM.ers.


Pada file types pilih ER Mapper Raster Dataset(.ers). Klik OK.
11. Tutup semua windows, lalu klik Load Dataset untuk membuka baru
file yang telah dikoreksi.
12. Kemudian klik icon Edit Transform Limits dan kemudian cek nilai
atmospheric bias tiap band.

3.3.3 Enchanced Dark Pixel Correction (EDPC)


1. Pada ER Mapper, klik icon Land Application Wizard
2. Akan muncul window Land Application Wizard, kemudian klik Next.
3. Pada pilihan Process your TM imagery, pilih Atmospheric Effect
Correction, lalu klik Next.
4. Kemudian pilih Enchanced Dark Pixel Correction (Chavez), lalu klik
Next.

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


output berupa citra Landsat_TM_23Apr85.ers, Klik Next.
6. Pilih Use TM1 as Initial Band dan masukkan nilai atmospheric
biasnya. Nilai biasnya dapat dilihat pada window Transform.. Klik
Next.
7. Pada Select an option pilih sesuai dengan nilai atmospheric biasnya
dan pada dialog box Specify an output filename, masukkan nama
file output-nya dengan format nama EDPC.Nama.NIM.ers,
kemudian klik Finish.

8. Kemudian muncul window Algorithm dengan 7 band lalu Cut band


TM6.
9. Klik icon Edit Transform Limits den cek nilai atmosferic biasnya
pada window.

10. Pada window Transform klik Edit dan pilih Delete this transform,
kemudian lakukan hingga Atm Adjusted7.

11. Kemudian simpan dengan nama file KoreksiEDPC.Nama.NIM.ers.


Pada file types pilih ER Mapper Raster Dataset(.ers). Klik OK

12. Tutup semua windows, lalu klik Load Dataset untuk membuka baru
file yang telah dikoreksi.
13. Kemudian klik icon Edit Transform Limits dan kemudian cek nilai
atmospheric bias tiap band.
3.3.4 Cut Off Scattergram
1. Pada ER Mapper, klik icon Land Application Wizard
2. Akan muncul window Land Application Wizard, kemudian klik Next.
3. Pada pilihan Process your TM imagery, pilih Atmospheric Effect
Correction, lalu klik Next.
4. Kemudian pilih Cut-Off Values (Scattergram), lalu klik Next.

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


output yang akan dikoreksi berupa citra Landsat_TM_23Apr85.ers.
6. Pada dialog box Specify an output filename, masukkan nama file
output-nya dengan format nama Cutoff.Nama.NIM.ers, kemudian
klik Next.
7. Maka akan tampak windows berikut ini

8. Pada window New Map Composition, klik Cancel


9. Pada window Processing TM imagery-Atmospheric Effect
Correction (Cut-off Values), masukkan nilai atmospheric bias
masing-masing band yang dapat dilihat pada window scattergram
dengan klik Setup. Pada window Scattergram Setup, klik X axis dan
dan Y axis, kemudian pilih band yang ingin dilihat nilainya.
10. Setelah nilai bias terisi, klik Finish pada window Processing TM
imagery-Atmospheric Effect Correction (Cut-Off Values).
11. Kemudian muncul window Algorithm dengan 7 band lalu Cut band
TM6.

12. Klik icon Edit Transform Limits den cek nilai atmosferic biasnya
pada window.

13. Pada window Transform klik Edit dan pilih Delete this transform,
kemudian lakukan hingga Atm Adjusted7.
14. Kemudian simpan dengan nama file KoreksiCutoff.Nama.NIM.ers.
Pada file types pilih ER Mapper Raster Dataset(.ers). Klik OK
15. Tutup semua windows, lalu klik Load Dataset untuk membuka baru
file yang telah dikoreksi.
16. Kemudian klik icon Edit Transform Limits dan kemudian cek nilai
atmospheric bias tiap band.
BAB IV
HASIL DAN PEMBAHASAN

4.1. Hasil
4.1.1 Penyesuaian Histogram
a) Sebelum Koreksi
Nilai Nilai
Band
Minimum Maximum
Band 1 68 255
Band 2 21 223
Band 3 15 254
Band 4 4 220
Band 5 2 255
Band 7 1 247

Band 1 Band 2

Band 3 Band 4
Band 5 Band 7

b) Setelah Koreksi
Nilai Nilai
Band
Minimum Maximum
Band 1 1 187
Band 2 1 202
Band 3 1 239
Band 4 1 216
Band 5 1 253
Band 7 1 246

Band 1 Band 2
Band 3 Band 4

Band 5 Band 7

4.2.2 Dark Pixel Correction (DPC)


a) Sebelum Koreksi
Nilai Nilai
Band
Minimum Maximum
Band 1 0 188
Band 2 1 196
Band 3 0 239
Band 4 -2 205
Band 5 0 253
Band 7 0 246
Band 1 Band 2

Band 3 Band 4

Band 5 Band 7
b) Setelah Koreksi
Nilai Nilai
Band
Minimum Maximum
Band 1 1 188
Band 2 1 203
Band 3 1 239
Band 4 1 215
Band 5 1 253
Band 7 1 246

Band 1 Band 2

Band 3 Band 4
Band 5 Band 7

4.2.3 Enchanced Dark Pixel Correction (EDPC)


a) Sebelum Koreksi

Band Nilai Minimum Nilai Maximum


Band 1 0 188
Band 2 -5.08065 188.91935
Band 3 -9.887156 229.112844
Band 4 -14.1118316 192.8881684
Band 5 -29.1111868 224.8888132
Band 7 -30.2289312 215.7710688

Band 1 Band 2
Band 3 Band 4

Band 5 Band 7

b) Setelah Koreksi

Nilai Nilai
Band
Minimum Maximum
Band 1 1 188
Band 2 1 196
Band 3 1 229
Band 4 1 203
Band 5 1 225
Band 7 1 216
Band 1 Band 2

Band 3 Band 4

Band 5 Band 7
4.2.4 Cutt-Off Scattergram
a) Sebelum Koreksi

Nilai Nilai
Band
Minimum Maximum
Band 1 -1 187
Band 2 0 195
Band 3 0 239
Band 4 -2 205
Band 5 0 254
Band 7 0 246

Band 1 Band 2

Band 3 Band 4
Band 5 Band 7

b) Setelah Koreksi

Nilai Nilai
Band
Minimum Maximum
Band 1 1 187
Band 2 1 202
Band 3 1 239
Band 4 1 215
Band 5 1 254
Band 7 1 246

Band 1 Band 2
Band 3 Band 4

Band 5 Band 7
Penyesuaian Histogram
Sebelum Dikoreksi

Sesudah Dikoreksi

Band 1 Band 2

Band 3 Band 4
Band 5 Band 7

Dark Pixel Coorection


Sebelum Dikoreksi

Sesudah Dikoreksi

Band 1 Band 2
Band 3 Band 4

Band 5 Band 7

Enhanced Dark Pixel Correction


Sebelum Dikoreksi
Sesudah Dikoreksi

Band 1 Band 2

Band 3 Band 4

Band 5 Band 7
Cut-Off Scatergram
Sebelum Koreksi

Sesudah Koreksi

Band 1 Band 2

Band 3 Band 4
Band 5 Band 7

4.2. Pembahasan
4.2.1 Penyesuaian Histogram
Metode ini dilakukan dengan menambahkan nilai terendah pada
window Formula Editor. Misal nilai terendah pada Band1 adalah 68
maka kita tuliskan INPUT1-68. Pengurangan angka dilakukan tanpa
memperhatikan nilai positif (+) dan negatif (-). Setelah dilakukan
koreksi dengan penyesuaian histogram didapatkan nilai band yang
dimulai dari 1. Penyesuaian histogram digunakan untuk evaluasi
histogram pada setiap band dari data penginderaan jauh. Data pada
panjang gelombang tampak (saluran 1-3) mempunyai nilai minimum
yang lebih tinggi karena dipengaruhi oleh hamburan atmosfer.
Sedangkan penyerapan atau absorbsi 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 mendekati nilai nol.

4.2.2 Dark Pixel Correction


Untuk membuka Dark Pixel Correction, dapat melalui Land
Application Wizard, Process TM Imagery, Atmospheric Effect
Correction lalu pilih DPC. Koreksi akan dilakukan secara otomatis,
saat kita memasukkan file citra yang akan dikoreksi, yaitu
Landsat_TM_23_Apr85.ers, dan file output nya
DPC.Nama.NIM.ers. Hasil yang didapat yaitu : Band1 = 1-188 ;
Band2 = 1-203 ; Band3 = 1-239 ; Band4 = 1-215 ; Band5 = 1-253 ;
Band7 = 1-246.
Dari metode ini bisa diketahui nilai pixel terendah saluran tersebut,
asumsi yang melandasi metode ini adalah bahwa dalam proses
pemotretan digital oleh sensor, obyek 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 tersebut dengan
offsetnya.

4.2.3 Enhanched Dark Pixel Correction


EDPC adalah metode lain untuk mengkoreksi suatu citra. Nilai TM
yang digunakan adalah TM 1 karena TM 1 dianggap sudah
mewakili nilai TM lainnya dan merupakan acuan. Lalu terdapat
pilihan untuk pembersihan yang dilakukan yaitu Very Clear, Clear,
Moderate, Hazy, dan Very Hazy dalam hal ini kita menggunakan
metode koreksi Clear dengan syarat TM1 >55<=75.

4.2.4 Cut-Off Scattergram


Metode ini memakai dua variasi scattergram, dengan memasukkan
nilai terendah tiap band pada window Scattergram. Cahaya yang
berasal dari sinar matahari memiliki panjang gelombang berbeda.
Makin besar panjang gelombang, makin besar kemampuannya
untuk menembus gangguan.

4.2.5 Pentingnya Koreksi Radiometri


Pada sebuah citra yang direkam oleh sensor, pasti dalam proses
perekaman dan penggambaran sebuah citra terdapat kesalahan.
Hal itu dapat terjadi akibat pengaruh gejala atmosferik. Gejala
atmosferik atau gangguan atmosferik menyebabkan suatu citra
yang terekam oleh sensor menjadi tidak jelas sehingga akan
mengurangi daya interpretasi citra oleh para pengguna. Oleh
karena itu, koreksi radiometri ini perlu dilakukan untuk mengurangi
atau menghilangkan efek atmosferik pada citra, sehingga citra
dapat terlihat jelas dan dapat dikaji untuk memperoleh informasi
yang dibutuhkan.
BAB V
KESIMPULAN

1. Software ER Mapper didesain khusus dengan berbagai keunggulan untuk


mempermudah pengolahan citra.
2. Koreksi radiometri adalah koreksi yang bertujuan untuk memperbaiki nilai
pixel agar sesuai dengan yang seharusnya yang biasanya
mempertimbangkan faktor gangguan atmosfer sebagai sumber kesalahan
utama.
3. Metode untuk melakukan koreksi radiometri adalah :
 Penyesuaian histogram
 Penyesuaian regresi
 Dark Pixel Correction
 Enhanched Dark Pixel Correction
 Cut-Off Scattergram
4. Setelah dilakukan koreksi maka nampak perubahan nilai band yang
memiliki limit mulai dari 1.
5. Suatu citra harus dilakukan koreksi citra agar didapatkan kondisi dimana
citra memiliki informasi yang akurat secara geometri dan radiometri.
DAFTAR PUSTAKA

Anonim, Mineral Exploration Applications level 1. Akses 22 Maret 18.17 WIB.

Danoedoro, P. 1990. Beberapa Teknik Operasi dalam Sistem Informasi


Geografis. Puspics UGM - Bakosurtanal. Yogyakarta.

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, Prof, Dr, 1986. Penginderaan Jauh Jilid 1. Gadjah Mada University
Press. Yogyakarta.

Anda mungkin juga menyukai