Anda di halaman 1dari 52

LAPORAN RESMI PRAKTIKUM PENGINDERAAN JAUH MODUL III KOREKSI GEOMETRI

MUHAMMAD SULAIMAN 26020212140030 Shift II

PROGRAM STUDI OSEANOGRAFI JURUSAN ILMU KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN UNIVERSITAS DIPONEGORO SEMARANG 2013

Shift Tanggal Praktikum

: 2 (Dua) : 1 Oktober 2013

Tanggal Pengumpulan : 7 Oktober 2013

LEMBAR PENILAIAN MODUL III : KOREKSI GEOMETRI

Nama : Muhammad Sulaiman

NIM : 26020212140030

Ttd : .

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

KETERANGAN Pendahuluan Tinjauan Pustaka Materi dan Metode Hasil dan Pembahasan Kesimpulan Daftar Pustaka JUMLAH

NILAI

Semarang, 7 Oktober 2013 Mengetahui, Koordinator Praktikum Asisten

Jasmine Khairani Zainal K2D 009 036

Oscar Agustino K2E 009 058

I.

PENDAHULUAN

1.1 Latar Belakang Perkembangan teknologi yang semakin lama semakin pesat khususnya dalam hal teknik pengolahan citra, menuntut kita untuk lebih menguasainya. Berbagai macam software pengolahan citra telah dikembangkan

sebagaimana mestinya. Hal ini bertujuan untuk mempermudah dalam otomatisasi pengolahan citra. Perkembangan teknik pengolahan citra juga memungkinkan semakin praktisnya pemrosesan, dengan jaminan hasil pengolahan citra yang semakin baik. Sebelum melakukan koreksi geometrik, analis harus memahami terlebih dahulu tentang sistem proyeksi peta. Pada prinsipnya sistem proyeksi berpijak pada tiga kaidah yaitu mempertahankan jarak, sudut dan luas (equal distance, aqual angle, aqual area). Untuk menyajikan posisi planimetris ada sejumlah sistem proyeksi. Pada dasarnya semua citra yang diperoleh melalui perekaman sensor tidak lepas dari kesalahan, yang umumnya disebabkan oleh mekanisme perekaman sensornya, gerak, dan wujud geometri bumi serta kondisi atmosfer pada saat perekaman. Kesalahan yang terjadi pada proses pembentukan citra ini perlu dikoreksi supaya aspek geometrik dan radiometriknya benar-benar mendukung pemanfaatan untuk aplikasi yang berkaitan dengan pemanfaatan sumber daya. Proses perbaikan kualitas citra supaya siap pakai ini disebut restorasi citra. 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 (Danoedoro, 1996).

1.2 Tujuan 1. Agar mahasiswa mampu melakukan koreksi geometrik citra dengan menggunakan perangkat lunak ER Mapper 7.0. 2. Agar mahasiswa mengetahui 3 istilah dalam pengkoreksian geometri yaitu Rektifikasi, Orthorektifikasi, dan Regresi. 3. Agar mahasiswa dapat memahami teknik perbaikan data digital.

II.

TINJAUAN PUSTAKA

2.1 Koreksi Geometri Koreksi geometrik merupakan proses memposisikan citra sehingga cocok dengan kordinat peta dunia sesungguhnya. Ada beberapa cara dalam pengkoreksian ini antara lain triangulasi, polinominal, orthorektifikasi dengan menggunakan kontrol titik titik lapangan (ground control point), proyeksi peta ke peta dan registrasi titik titik yang telah diketahui ( know point registration). Koreksi citra bedasarkan citra yang lain yang telah dikoreksi disebut image to image (Mapper, 1998). Ada tiga cara untuk melakukan koreksi geometri yang pertama adalah rektifikasi geometri. Rektifikasi geometri adalah mengubah aspek geometri pada citra dengan cara merujuk pada proyeksi peta yang baku, sehingga koordinat pada citra menjadi sama dengan koordinat pada peta yang digunakan sebagai data acuan. Proses yang digunakan dalam koreksi geometri dengan cara rektifikasi geometri adalah dengan transformasi koordinat dan resampling. Metode yang digunakan adalah dengan metode GCP (ground control point), yaitu membandingkan titik-titik kontrol pada citra dan titik-titik kontrol pada peta. Pengambilan titik kontrol harus mewakili dan merata pada seluruh citra. untuk memudahkan dalam pengambilan titik kontrol, obyek yang dipilih sebagai titik kontrol adalah obyek yang mudah dikenali pada citra, seperti posisi jalan, sungai dan kenampakan obyek yang khas. Cara yang kedua adalah dengan registrasi citra yaitu dengan mendaftarkan koordinat citra yang belum terkoreksi dengan koordinat citra yang sudah terkoreksi yang mempunyai daerah yang sama, atau (map to map transformation). Sedangkan Ortorektifikasi adalah bentuk lebih akurat dari rektifikasi karena mengambil penghitungan sensor (kamera) dan karakteristik platform (pesawat terbang). Ini khusus direkomendasikan untuk foto udara. Ortorektifikasi dicakup terpisah di dalam `Image orthorectification' (Lillesand, T.M and Kiefer, R.W. 1990).

Data asli hasil rekaman sensor baik 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. Oleh karena itu diperlukan georeferensi yang merupakan suatu proses memberikan koordinat peta pada citra yang sesungguhnya sudah planimetris. Koreksi geometrik merupakan proses yang mutlak dilakukan apabila posisi citra akan disesuaikan atau ditumpang susunkan dengan peta-peta atau citra lainnya yang mempunyai sistem proyeksi peta (Fathoni, 2013). Kesalahan geometrik dipengaruhi oleh distorsi (kesalahan) yang timbul pada saat perekaman. Hal ini dipengaruhi oleh perputaran bumi ataupun bentuk dari permukaan bumi. Beberapa kesalahan ini kadang sudah dikoreksi oleh supplier citra atau dapat dikoreksi secara geometris oleh pengguna. Koreksi geometrik dapat dilakukan dengan:
Menggunakan titik kontrol (Ground Control Point) yang dicari pada citra

lain yang sudah memiliki georeferensi.


Menggunakan titik (Ground Control Point) yang dapat dicari pada peta

yang sudah memiliki georeferensi.


Memakai titik pengukuran yang diambil menggunakan GPS (Global

Positioning System) pada lokasi-lokasi tertentu yang mudah dikenali pada citra. Hal yang perlu dipertimbangkan dalam melakukan koreksi geometris antara lain adalah tingkat resolusi dan proyeksi yang digunakan data itu. (Fathoni, 2013)

2.2 Rektifikasi Rektifikasi adalah suatu proses melakukan transformasi data dari satu sistem grid menggunakan suatu transformasi geometrik. Oleh karena posisi piksel pada citra output tidak sama dengan posisi piksel input (aslinya) maka piksel-piksel yang digunakan untuk mengisi citra yang baru harus diresampling kembali. Resampling adalah suatu proses melakukan ekstrapolasi

nilai data untuk piksel-piksel pada sistem grid yang baru dari nilai piksel citra aslinya. Rektifikasi juga dapat diartikan sebagai pemberian koordinat pada citra berdasarkan koordinat yang ada pada suatu peta yang mencakup area yang sama. Bisa dilakukan dengan input GCP atau rectification image to map dan diperlukan peta (dengan sistem koordinat tertentu) atau kumpulan GCP untuk objek yang sudah diketahui pada citra (Fathoni, 2013). Ada beberapa 7 alasan atau pertimbangan, kenapa perlu melakukan rektifikasi, diantaranya adalah untuk : 1. Membandingkan 2 citra atau lebih untuk lokasi tertentu. 2. Membangun SIG dan melakukan pemodelan spasial. 3. Meletakkan lokasi-lokasi pengambilan training area sebelum

melakukan klasifikasi. 4. Membuat peta dengan skala yang teliti. 5. Melakukan overlay (tumpang susun) citra dengan data-data spasial lainnya. 6. Membandingkan citra dengan data spasial lainnya yang mempunyai skala yang berbeda. 7. Membuat mozaik citra. 8. Melakukan analisis yang memerlukan lokasi geografis dengan presisi yang tepat. (Fathoni, 2013) 2.3 Orthorektifikasi Orthorektifikasi adalah metode yang paling akurat. Upaya ini memerlukan data DEM (digital elevation model) dan tidak dibutuhkan pada daerah yang relative datar. Jika suatu kenampakan geografis yang unik dan stabil sifat geometrik dan radiometriknya dan lokasinya dapat diketahui dengan tepat, baik pada citra maupun pada peta, orthorektifikasi biasanya memilih lokasi yang memiliki ciri khas seperti kenampakan muka bumi yang berbentuk cekungan, atau garis pantai yang menjorok ke laut, maupun ciri-ciri ekstrim lainnya pada permukaan bumi sehingga dapat memperbaiki pergeseran relief (relief displacement). Proses koreksi geometrisnya adalah dengan

memasukkan data ketinggian permukaan dan informasi posisi platfom satelit penginderan (Nasda. 2000). Orthorefikasi merujuk pada tipe rektifikasi yang lebih akurat dari pada rektifikasi biasa karena prosesnya juga mempertimbangkan beberapa karateristik sensor (kamera) dan platform. Proses orthorektifikasi sangat disarankan untuk dilakukan terhadap citra digital foto udara (Prahasta, 2008).

2.4 Penyesuaian Regresi Penyesuaian regresi diterapkan dengan memplot nilai-nilai piksel 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 piksel yang diamati. Cara ini secara teoritis mudah namun secara prakteknya sulit, karena gangguan atmosfer terjadi hampir pada semua spektra tampak dan saluran. Pengambilan pixel-pixel pengamatan harus berupa obyek yang secara gradual berubah naik nilainya, pada kedua saluran sekaligus dan bukan hanya pada salah satu saluran ( Sutanto, 1987). 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. 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).

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 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 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 (Ningrum A.D, 2012).

2.5 RMS Error Root Mean Square Error merupakan selisish saat proses rektifikasi antara koordinat titik kontrol hasil transformasi dengan koordinat titik kontrol. Nilai RMS yang rendah akan menghasilkan data yang akurat. Menurut GIS Consortium Aceh-Nias (2007) terdapa tempat faktor yang mempengaruhi RMS Error. Faktor yang pertama adalah tingkat ketelitian titik kontrol lapangan. Faktor berikutnya adalah tingkat ketelitian titik control citra. Faktor yang ketiga adalah jumlah dan distribusi letak titik kontrol. Faktor yang terakhir adalah model transformasi yang digunakan (Ihsan,M , 2012). Root Mean Square adalah sebuah pengukuran ketepatan GCP dalam citra ini yang dipresentasikan dalam ukuran pixel citra. RMSE adalah suatu angka yang menujukkan akurasi suatu data contohnya peta dan citra satelit dalam kaitannya dengan sistem koordinat. Semakin besar nilai RMSE maka dapat dipastikan semakin besar pula kesalahan letak (informasi posisi ) pada data tersebut (Saribu, 2008).

2.6 Geocoding Wizard (GCP) Merupakan tool yang berbasiskan wizard (sekumpulan user interface kotak dialog) yang digunakan untuk menjalankan fungsi-fungsi analysis

spasial yang mencakup : dissolve (menghasilkan batas-batas polygon yang bersebelahan untuk menggabungkan unsur-unsur yang memiliki nilai yang bersebelahan untuk menggabungkan unsur-unsur yang memiliki nilai atribut tertentu yang sama), merge (menggabungkan themes), clip (memotong dengan unsur-unsur theme lain), union (menggabungkan atau

mengoverlaykan dua theme), dan spasial join (melakukan penggabungan tabel-tabel atribut theme berdasarkan hubungan spasial unsur-unsurnya) (Rizqi,A, 2012). Dengan mengaktifkan Geocoding Wizards yang dibuka melalui menu pulldown process. Penetuan titik kontrol dalam koreksi geometrik dilakukan bersamaan dengan proses geocoding. Dalam menu geocoding wizards, terdapat berbagai macam metode geocoding yang dapat dipilih dan digunakan berikut dengan tahapan-tahapannya (Wulandari A.E, 2012). Secara prinsip perbedaan dari berbagai metode geocoding adalah sebagai berikut: 1. Metode Triangulasi (Triangulation method) dilakukan dalam proses rektifikasi untuk mereduksi pergeseran (distorsi) decim. 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 decim) seperti halnya metode yang pertama. 3. Metode Ortorektifikasi dengan menggunakan GCP (Ortorectify using GCP) memperbaiki foto udara akibat distors 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 decima mirip dengan metode ortorektifikasi sebelumnya, hanya tidak perlu mengunakan GCP, selama eksterior orientasinya telah diketahui.

5.

Metode Map to map reprojection dilakukan untuk merubah proyeksi peta satu ke proyeksi peta lainnya.

6.

Metode Known point registration dilakukan pada citra yang sudah berkesesuaian dengan poyeksi data acuan. Penentuan dilakukan berdasarkan atas titik sudut koordinat citra acuan yang telah diketahui.

7.

Metode Rotasi (Rotation method) dilakukan untuk memutar data citra berlawanan dengan arah jarum jam. Informasi yang dibutuhkan adalah sudut perputaran dalam derajat menit dan detik atau dalam decimal. (Wulandari A.E, 2012)

III.

MATERI DAN METODE

3.1 Waktu dan Tempat Hari Waktu Tempat : Selasa, 1 Oktober 2013 : 14.40 WIB - Selesai : Laboratorium Komputasi, Gedung E, Lantai 2, Jurusan Ilmu Kelautan, FPIK, Universitas Diponegoro, Semarang.

3.2 Materi Materi yang disampaikan pada praktikum ke-3 penginderaan jauh yaitu : 1. Memeriksa Koreksi Citra Metode ini bertujuan untuk melihat citra tersebut sudah terkoreksi atau tidak. 2. Proses Geocoding Wizard Metode ini bertujuan menyamakan koordinat antara citra yang belum dikoreksi dan sudah dikoreksi. 3. Proses Penggabungan Dua Citra (Overlay) Menggabungkan dua citra dari satelit yang berbeda, sehingga keunggulan tiap citra dapat dimanfaatkan.

3.3 Metode 3.3.1 Memeriksa Koreksi Citra 1. Membuka program ER Mapper 7.0

2.

Klik edit algorithm, lalu klik icon load dataset, lalu pilih data citra Landsat_MSS_notwarped.ers, lalu klik ok.

3.

Klik new untuk membuka window baru, kemudian klik load dataset buka citra Lansdsat_MSS_27Aug91.ers

4.

Klik create RGB algorithm pada kedua citra untuk memberi warna pada citra.

5.

Klik edit algorithm, cut untuk menghapus pseudo layer

6.

Klik load dataset, info untuk menampilkan info dari citra

7.

Simpan citra dalam format ER MAPPER Algorithm (.alg). Untuk citra Landsat_MSS_notwarped.ers simpan dengan nama sedangkan nama file citra file

BelumKoreksi_MuhammadSulaiman_26020212140030, Lansdsat_MSS_27Aug91.ers simpan dengan

SudahKoreksi_MuhammadSulaiman_26020212140030.

3.3.2 Proses Geocoding Wizard 1. klik process geocoding wizard

2.

Pilih polynomial, kemudian memasukan file BelumKoreksi_MuhammadSulaiman_26020212140030.ers yang telah di simpan sebelumnya, kemudian lanjut ke tahap polynomial setup.

3.

Pilih linier, kemudian lanjut tahap GCP set up .

4.

Ceklis Geocoded image, vectors or algorithm, masukan file SudahKoreksi_MuhammadSulaiman_26020212140030.ers. Kemudian lanjut tahap GCP edit.

5.

Maka akan muncul empat window tampilan citra dan geocoding step 4, tetapi 2 window yang memiliki keterangan overview di-close. Klik delete all GCPs untuk menghapus semua geocoding pada citra.

6.

Klik Edit Algorithm pixel.

, hilangkan cek pada Smoothing untuk menampilkan

7.

Kemudian dengan zoom box tool untuk memperbesar salah satu bagian citra di tempat yang sama antara correted dan uncorrected.

8.

Klik Pointer Tool GCP baru

, kemudian klik dikedua titik di tempat yang kira-kira

sama pada kedua citra. Setelah itu, klik add new GCP untuk menambahkan

9.

Lakukan hal yang sama untuk titik-titik yang lain, sebanyak 100 titik.

10.

Simpan hasil tersebut dengan format GCP.

11.

Lanjutkan pemberian titik GCP hingga titik ke seratus. Buka hasil penyimpanan dengan format text document.

12.

Selanjutnya lanjutkan pada tahap Recitfy

13.

Simpan data dengan nama file Rectify_MuhammadSulaiman_26020212140030.ers dengan format .ers. Klik Save file and start retification.

14.

Close semua window, kemudian klik icon Edit Algorithm Dataset , buka data citra Rectify yang baru disimpan tadi.

, Klik Load

15.

Klik Create RGB Algorithm untuk memberi warna pada citra dan melihat apakah citra yang telah dikoreksi hasilnya sudah tepat atau belum.

16.

Setelah proses selesai, tutup semua jendela kecuali jendela ER Mapper.

3.3.3

Proses Penggabungan Dua Citra ( Overlay ) 1. Klik icon Edit Algorithm , lalu klik Load Dataset , buka data

citra hasil rectifikasi tadi, kemudian klik Create RGB Algorithm untuk memberi warna pada citra

2. Di windows Algorithm, klik pada bagian Edit dan pilih Add Vector Layer, Add Annotation Layer, sehingga akan muncul Annotation Layer. Lalu buat Annotation Layer pada windows Algorithm sebanyak 2

3. Pilih annotation layer pertama, kemudian klik Load Data Set , buka file San_Diego_drainage.erv

4. Pilih annotation layer kedua, kemudian klik Load Data Set buka file San_Diego_roads.erv

5. Klik New Algorithm SPOT_pan.ers

untuk membuat window baru, dan klik Edit , lalu klik Load Dataset , buka citra

6. Pada bagian pseudo layer, klik kanan dan pilih Intensity, dan lakukan Refreshing Image With 99% Clip On Limits

7. Kemudian pada layer dari citra satelit SPOT, klik Copy untuk meng-copy layer tersebut

8. Pada Paste.

window

Algorithm

citra

hasil

rektifikasi,

lakukan

penggabungan citra satelit SPOT dengan citra Landsat dengan klik

9. Kemudian pada Default Surface Intensity Layer klik Move Up

10. Zoom pada citra yang sudah digabung tadi menggunakan Zoom Box Tool dan lihat perbedaannya

IV.

HASIL DAN PEMBAHASAN

4.1.1. Memeriksa Koreksi Citra Citra Landsat_MSS_notwarped.ers

Citra Landsat_MSS_27Aug91.ers.

4.1.2. Proses Geocoding Wizard

Hasil dalam wordPad :


# # GCPs for dataset # # Total number of GCPs: 100 # Number turned on # Warp order # # # # # X Point On Locked To-Y "1" Yes "2" Yes "3" Yes "4" Yes "5" Yes "6" Yes "7" Yes "8" Yes "9" Yes "10" Yes To-Z No No No No No No No No No No 259.006 118.993 125.998 74.997 99.996 124.005 352.986 137.993 343.999 317.996 351.005 399.007 359.007 222.008 175.009 157.012 461.009 283.019 413.028 341.007 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 Cell-X Cell-Y To: 100 : 1 : c:\ermapper70\examples\Shared_Data\Landsat_MSS_notwarped.ers

# GCP CORRECTED map projection details: Map Projection : NUTM11 Datum Rotation : NAD27 : 0.000

485417.9501000 3615449.6982000 477098.7777000 3614151.7595000 477865.2064000 3616275.5012000 476390.0680000 3624534.9262000 478218.5091000 3626895.8504000 479753.6218000 3627662.5933000 489607.3040000 3608310.8569000 479280.7096000 3620464.2060000 489546.6772000 3611083.6632000 488779.1500000 3615391.1897000

"11" Yes "12" Yes "13" Yes "14" Yes "15" Yes "16" Yes "17" Yes "18" Yes "19" Yes "20" Yes "21" Yes "22" Yes "23" Yes "24" Yes "25" Yes "26" Yes "27" Yes "28" Yes

No No No No No No No No No No No No No No No No No No

312.009 274.000 379.003 240.001 227.993 202.999 332.001 121.004 78.994 137.991 325.001 180.987 238.000 303.993 423.001 352.009 411.002 215.996

432.000 393.010 486.000 353.006 288.008 266.020 387.008 303.022 289.005 194.997 480.007 297.006 321.006 130.011 220.018 238.019 358.001 181.999

487600.0853000 3610375.6038000 485829.9787000 3612913.0908000 490845.0348000 3606658.8138000 484355.2982000 3615508.7523000 484295.9642000 3619284.3119000 483116.2477000 3620759.6484000 489134.2718000 3612676.6080000 478160.2217000 3619520.8057000 475917.9118000 3620701.0991000 480166.0082000 3625420.5642000 487835.6890000 3607543.5294000 481582.1377000 3619225.1565000 484532.6953000 3617278.8756000 490137.4993000 3627426.5387000 495859.8339000 3621172.1886000 491730.3332000 3620877.6452000 493854.1985000 3613561.0643000 484650.6040000 3625361.4930000

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

"29" Yes "30" Yes "31" Yes "32" Yes "33" Yes "34" Yes "35" Yes "36" Yes "37" Yes "38" Yes "39" Yes "40" Yes "41" Yes "42" Yes "43" Yes "44" Yes "45" Yes "46" Yes

No No No No No No No No No No No No No No No No No No

383.999 388.994 447.995 194.996 267.983 265.991 288.998 193.001 301.007 330.998 468.989 185.995 143.989 41.977 76.998 325.995 417.997 178.000

137.009 280.004 475.009 60.008 239.011 52.023 303.012 348.003 421.013 161.005 225.006 139.004 324.994 135.015 245.005 205.001 447.006 227.009

494562.0849000 3626247.0816000 493382.1694000 3618162.9493000 494798.3157000 3606599.3354000 484708.8374000 3632442.4077000 487009.5368000 3621644.5657000 488780.1025000 3632205.6017000 487601.0918000 3617809.2247000 481759.0054000 3616276.0047000 487069.1833000 3611083.5320000 491317.0124000 3625420.6536000 498397.2394000 3620464.6995000 483411.5594000 3628134.6982000 479221.8812000 3618045.8474000 475386.7957000 3629727.9652000 476272.4336000 3623237.5896000 490609.2685000 3623001.7512000 493382.2850000 3608487.9481000 482112.7379000 3623237.0855000

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

"47" Yes "48" Yes "49" Yes "50" Yes "51" Yes "52" Yes "53" Yes "54" Yes "55" Yes "56" Yes "57" Yes "58" Yes "59" Yes "60" Yes "61" Yes "62" Yes "63" Yes "64" Yes

No No No No No No No No No No No No No No No No No No

111.005 338.996 86.995 73.002 149.989 481.002 279.003 99.989 153.007 396.997 352.996 380.011 441.990 480.990 438.004 313.999 186.000 340.009

194.008 286.008 79.011 175.009 359.016 433.998 201.997 322.006 249.014 205.983 342.011 381.012 421.019 301.001 395.003 317.995 164.007 255.007

478690.6302000 3625715.9579000 490550.2211000 3618281.4035000 478455.1213000 3632441.9180000 476744.2156000 3627190.2324000 479221.2571000 3616038.7538000 497039.5312000 3608546.2663000 488013.7486000 3623650.9370000 476803.1010000 3618635.6338000 480461.1173000 3622234.2949000 494561.2088000 3622235.5991000 490786.2839000 3615037.0516000 491907.0750000 3612558.9379000 494975.6147000 3609668.6003000 498337.5446000 3616039.9336000 495034.2502000 3611202.0504000 488838.7096000 3616747.7915000 483175.0137000 3626718.9474000 490905.1716000 3620052.1299000

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

"65" Yes "66" Yes "67" Yes "68" Yes "69" Yes "70" Yes "71" Yes "72" Yes "73" Yes "74" Yes "75" Yes "76" Yes "77" Yes "78" Yes "79" Yes "80" Yes "81" Yes "82" Yes

No No No No No No No No No No No No No No No No No No

226.001 343.005 389.999 435.995 435.996 327.997 313.989 99.003 235.980 176.003 472.986 435.984 279.993 305.998 180.008 406.002 395.007 86.993

113.999 103.993 426.002 169.017 285.011 69.025 271.998 93.006 232.992 99.998 348.010 263.994 267.010 194.015 195.008 159.006 404.009 121.016

485890.1932000 3629079.2007000 492556.2178000 3628547.3777000 492025.4990000 3609903.6510000 497099.7365000 3623945.6379000 495978.4810000 3617397.1162000 492083.8754000 3630613.1083000 489251.7157000 3619343.8765000 478986.2677000 3631557.2915000 485299.1853000 3622293.5345000 483233.5394000 3630376.6214000 497452.6100000 3613502.4696000 496213.6879000 3618576.8535000 487423.6066000 3619933.4506000 489606.1489000 3623827.4911000 482526.6360000 3625008.1796000 495565.0784000 3624771.4554000 492497.6426000 3611142.8971000 478042.6120000 3630081.0148000

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

"83" Yes "84" Yes "85" Yes "86" Yes "87" Yes "88" Yes "89" Yes "90" Yes "91" Yes "92" Yes "93" Yes "94" Yes "95" Yes "96" Yes "97" Yes "98" Yes "99" Yes "100" Yes

No No No No No No No No No No No No No No No No No No

150.011 261.006 379.008 379.990 23.000 466.999 423.004 410.996 440.985 221.993 116.006 144.003 317.994 436.994 146.010 233.001 260.010 351.007

86.008 165.012 344.009 193.014 86.007 125.012 76.003 100.000 134.007 63.000 271.010 219.988 42.991 328.012 118.995 197.009 112.023 305.016

481936.1131000 3631438.7927000 487364.3526000 3625892.5474000 492201.2008873 3614625.5270363 493736.5382207 3623119.7232657 474797.1628246 3632678.3418168 499282.0443117 3626069.6719802 497335.7795041 3629314.7841449 496391.0503772 3628077.1527776 497748.0413764 3625833.2309506 486183.9804888 3632029.0728785 478219.4937803 3621349.6250153 480284.2261538 3623945.8378249 491730.1129978 3632205.7340619 495624.2148687 3614978.0820701 481346.6407444 3629609.2188498 485475.8874196 3624358.1448728 487835.7999475 3628901.6837214 491022.8846895 3617101.4881017

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

# RMS error report: # Warp Type - Polynomial # # RMS # 0.2351 # 0.5841 # 0.5700 # 0.3781 # 0.5311 # 0.5399 # 0.1627 # 0.4525 # 0.5207 # 0.8439 # 0.4484 # 0.2925 # 0.6274 # 0.4091 # 0.1086 "15" 227.993 288.008 227.945 288.105 "14" 240.001 353.006 240.410 352.984 "13" 379.003 486.000 379.578 485.750 "12" 274.000 393.010 273.805 393.228 "11" 312.009 432.000 312.138 431.571 "10" 317.996 341.007 317.357 341.558 "9" 343.999 413.028 343.695 413.451 "8" 137.993 283.019 137.540 283.024 "7" 352.986 461.009 353.144 461.046 "6" 124.005 157.012 123.921 157.545 "5" 99.996 175.009 99.666 175.425 "4" 74.997 222.008 75.162 221.668 "3" 125.998 359.007 125.723 359.506 "2" 118.993 399.007 118.887 398.433 "1" 259.006 351.005 258.987 350.771 Point -----ACTUAL----Cell-X Cell-Y ---PREDICTED--Cell-X Cell-Y

# 0.2547 # 0.3679 # 0.3349 # 0.4240 # 0.1556 # 0.4067 # 0.4002 # 0.9442 # 0.4223 # 0.6910 # 0.1801 # 0.4123 # 0.4453 # 0.6015 # 0.3973 # 0.3283 # 0.2582 # 0.2692

"16" "17" "18" "19" "20" "21" "22" "23" "24" "25" "26" "27" "28" "29" "30" "31" "32" "33"

202.999 332.001 121.004 78.994 137.991 325.001 180.987 238.000 303.993 423.001 352.009 411.002 215.996 383.999 388.994 447.995 194.996 267.983

266.020 387.008 303.022 289.005 194.997 480.007 297.006 321.006 130.011 220.018 238.019 358.001 181.999 137.009 280.004 475.009 60.008 239.011

203.051 331.729 120.999 78.602 137.853 324.797 181.139 238.119 304.414 422.434 351.831 410.767 215.674 384.591 388.653 448.202 195.232 267.775

266.270 387.255 302.687 289.167 194.925 479.656 297.377 321.942 130.038 220.411 238.043 357.663 182.307 136.908 279.800 474.754 60.113 239.183

# 0.4917 # 0.7871 # 0.3707 # 0.2068 # 0.0869 # 0.4958 # 0.7379 # 0.1852 # 0.2336 # 0.6268 # 0.1509 # 0.4906 # 0.4151 # 0.5157 # 0.4503 # 0.1307 # 0.3018 # 0.4521

"34" "35" "36" "37" "38" "39" "40" "41" "42" "43" "44" "45" "46" "47" "48" "49" "50" "51"

265.991 288.998 193.001 301.007 330.998 468.989 185.995 143.989 41.977 76.998 325.995 417.997 178.000 111.005 338.996 86.995 73.002 149.989

52.023 303.012 348.003 421.013 161.005 225.006 139.004 324.994 135.015 245.005 205.001 447.006 227.009 194.008 286.008 79.011 175.009 359.016

266.436 289.636 193.135 300.802 330.912 468.508 185.821 143.848 42.060 77.056 325.987 417.965 178.172 111.414 339.264 86.961 73.249 149.917

51.814 303.473 347.658 420.986 161.016 224.887 138.287 324.875 135.233 244.381 204.850 446.516 226.631 194.321 286.370 79.137 174.835 359.463

# 0.4067 # 0.4480 # 0.2047 # 0.4012 # 0.2737 # 0.4890 # 0.1794 # 0.3079 # 0.3331 # 0.4393 # 0.2795 # 0.6052 # 0.2322 # 0.4929 # 0.6331 # 0.3085 # 0.5241 # 0.1156

"52" "53" "54" "55" "56" "57" "58" "59" "60" "61" "62" "63" "64" "65" "66" "67" "68" "69"

481.002 279.003 99.989 153.007 396.997 352.996 380.011 441.990 480.990 438.004 313.999 186.000 340.009 226.001 343.005 389.999 435.995 435.996

433.998 201.997 322.006 249.014 205.983 342.011 381.012 421.019 301.001 395.003 317.995 164.007 255.007 113.999 103.993 426.002 169.017 285.011

481.107 279.083 100.184 152.615 396.729 353.180 380.092 441.974 480.878 438.344 314.279 186.015 340.045 225.873 342.895 390.186 435.498 435.924

434.391 201.556 322.067 248.933 206.036 341.558 380.852 421.327 301.315 394.724 318.001 163.402 254.778 114.475 103.369 426.247 168.850 285.101

# 0.4976 # 0.4243 # 0.2923 # 0.3012 # 0.2058 # 0.3806 # 0.4425 # 0.4209 # 0.3636 # 0.1590 # 0.5089 # 0.6828 # 0.0622 # 0.3074 # 0.1171 # 0.3478 # 0.3660 # 0.1990

"70" "71" "72" "73" "74" "75" "76" "77" "78" "79" "80" "81" "82" "83" "84" "85" "86" "87"

327.997 313.989 99.003 235.980 176.003 472.986 435.984 279.993 305.998 180.008 406.002 395.007 86.993 150.011 261.006 379.008 379.990 23.000

69.025 271.998 93.006 232.992 99.998 348.010 263.994 267.010 194.015 195.008 159.006 404.009 121.016 86.008 165.012 344.009 193.014 86.007

328.459 313.564 98.837 236.198 175.948 473.244 436.422 280.128 306.118 179.972 406.427 394.606 86.971 150.267 261.049 378.923 379.773 22.914

69.210 272.010 92.766 233.201 100.196 347.731 264.057 267.409 193.672 194.853 159.286 403.457 121.074 85.838 164.904 344.346 193.308 86.186

# 0.6208 # 0.5020 # 0.3404 # 0.3456 # 0.2518 # 0.4786 # 0.3642 # 0.5069 # 0.1944 # 0.4369 # 0.0774 # 0.4141 # 0.2483 #

"88" "89" "90" "91" "92" "93" "94" "95" "96" "97" "98" "99" "100"

466.999 423.004 410.996 440.985 221.993 116.006 144.003 317.994 436.994 146.010 233.001 260.010 351.007

125.012 76.003 100.000 134.007 63.000 271.010 219.988 42.991 328.012 118.995 197.009 112.023 305.016

466.847 423.320 410.713 441.004 222.023 116.485 144.367 317.510 437.119 145.604 233.002 260.096 351.022

125.613 75.612 99.812 134.352 62.750 270.993 219.978 42.842 327.863 119.157 197.086 111.618 305.264

# Average RMS error : # # End of GCP details

0.387

Total RMS error : 38.662

4.1.3. Overlay (Penggabungan Dua Citra)

4.2 Pembahasan 4.2.1. Memeriksa Koreksi Citra Secara umum, koreksi geometri didefinisikan sebagai usaha-usaha untuk memperbaiki citra dari pengaruh kelengkungan bumi dan gerakan muka bumi dengan cara menyesuaikannya tepat dengan koordinat bumi sehingga sesuai dengan koordinat peta dunia yang sesungguhnya. Proses koreksi geometrik ini bertujuan untuk mengkoreksi geometri citra sehingga hasil akhir dari proses ini akan dihasilkan citra dengan sistem koordinat lapangan/sistem koordinat yang kita inginkan. Dengan menggunakan data diatas, koreksi dapat dilakukan dengan mengetahui bahwa, Landsat_MSS_Northwarped.ers merupakan data citra yang belum terkoreksi secara geometri, sedangkan untuk data Landsat_MSS_27Aug91.ers merupakan data citra yang sudah terkoreksi secara geometri. Dengan menggunakan cara geocoding, koreksi dengan menggunakan referensi acuan data citra yang telah terkoreksi, data citra yang belum terkoreksi dapat dikoreksi kegeometriannya. Pada citra yang belum dikoreksi pada Geodetic Datum dan Map Projection nya berupa RAW. Hal ini menunjukkan bahwa citra tersebut masih berupa data mentah atau belum dikoreksi. Sedangkan pada data yang sudah dikoreksi pada Geodetic Datum-nya adalah NAD27 dan pada Map Projection-nya adalah NUTM11. Hal ini menunjukkan bahwa citra tersebut sudah dikoreksi. Pada gambar citra yang belum dikoreksi gambarnya tegak lurus atau tidak menceng dan terlihat besar, sedangkan pada citra yang sudah dikoreksi gambarnya miring atau menceng dan gambarnya Nampak lebih kecil dibanding dengan citra yang belum dikoreksi. Citra yang telah dikoreksi gambarnya miring, hal ini mungkin dikarenakan citra tersebut telah dikoreksi koordinatnya. 4.2.2. Proses Geocoding Wizard Pada tahap ini kita menentukan 100 titik pada citra yang belum dikoreksi dengan citra yang sudah dikoreksi. Pada langkah ini kita akan mengenal istilah GCP dan RMS Error. GCP (ground control point),

yaitu membandingkan titik-titik kontrol pada citra dan titik-titik kontrol pada peta. Pengambilan titik kontrol harus mewakili dan merata pada seluruh citra. Sedangkan RMS Error, yaitu suatu program dari Geocoding Wizard (GCP) pada ER Mapper 7.0, yang berfungsi sebagai koreksi kesalahan perhitungan dalam peletakkan titik-titik yang tepat pada peta yang ingin diteliti. RMS Error akan muncul apabila telah ditentukan empat titik pada peta yang telah dipilih. Nilai RMS Error akan kurang dari satu apabila titik yang diplotkan tepat dan sesuai pada kedua peta, sedangkan nilainya akan lebih dari satu bila pengeplotan titik-titik pada kedua peta tidak tepat. Pada pengeplotan titik, dari titik pertama sampai seratus nilai RMS Error yang didapatkan semua kurang dari satu. Hal ini menunjukkan bahwa titik yang telah kita plotkan pada citra yang belum dikoreksi dan yang telah dikoreksi sudah mendekati tepat, apabila kita tidak tepat mengeplotkan titik pada kedua citra tersebut maka kita akan mendapatkan nilai pada RMS Error lebih dari satu. Maka kita harus membuat pengeplotan ulang. 4.2.3. Overlay (Penggabungan Dua Citra) Untuk penggabungan citra, kita menggunakan citra hasil rektifkasi dan citra SPOT dimana keduanya mempunyai karakteristik masing-masing. Citra hasil rektifikasi merupakan citra yang berwarna tetapi resolusinya rendah, sedangkan citra SPOT resolusinya tinggi namun hitam putih. Jika keduanya digabungkan maka akan terbentuk suatu citra yang berwarna dengan resolusi yang tinggi. Selain itu juga ditampilkan penggabungkan antara jalan dan drainase. Sehingga terlihat alur jalan dan drainase secara jelas. Hal ini dapat dilakukan dengan menyatukan citra tersebut pada windows algoritm yang sama. Pada koreksi ini dapat diketahui nilai RMS Error-nya. RMS merupakan ukuran ketelitian dari GCP pada sebuah citra. Untuk mendapatkan nilai RMS yang baik perlu diperhatikan titik-titik atau objek yang akan digunakan sebagai kontrol.

4.2.4 Kenapa Memakai .alg (Algorithm) ? Algorithm dapat digunakan untuk pengolahan template untuk aplikasi berbagai data yang berlainan. Algorithm mengandung semua persoalan data yang diperlukan sehingga kita tidak dipersulit dengan pengolahan citra kita. Pengolahan data citra menjadi interaktif langsung di layar monitor, tanpa harus membuat suatu file keluaran tiap proses.

4.2.5 NAD27 dan NUTM11 Geodetic Datum NAD27 dan Map Projection NUTM11 berada dinegara USA.

V.
1.

KESIMPULAN

Proses koreksi geometrik ini bertujuan untuk mengkoreksi geometri citra sehingga hasil akhir dari proses ini akan dihasilkan citra dengan sistem koordinat lapangan/sistem koordinat yang kita inginkan.

2.

Pada tahap geocoding wizard kita menentukan 100 titik pada citra yang belum dikoreksi dengan citra yang sudah dikoreksi Pada langkah ini kita akan mengenal istilah GCP dan RMS Error.

3.

Untuk penggabungan dua citra, kita menggunakan citra hasil rektifkasi dan citra SPOT dimana keduanya mempunyai karakteristik masing-masing, Pada koreksi ini dapat diketahui nilai RMS Error-nya. RMS merupakan ukuran ketelitian dari GCP pada sebuah citra. Untuk mendapatkan nilai RMS yang baik perlu diperhatikan titik-titik atau objek yang akan digunakan sebagai kontrol.

4.

Algorithm mengandung semua persoalan data yang diperlukan sehingga kita tidak dipersulit dengan pengolahan citra, Pengolahan data citra menjadi interaktif langsung di layar monitor, tanpa harus membuat suatu file keluaran tiap proses.

5.

Geodetic Datum NAD27 dan Map Projection NUTM11 berada dinegara USA.

DAFTAR PUSTAKA

Danoedoro, P. 1996. Beberapa Teknik Operasi dalam Sistem Informasi Geografis. Puspics UGM BAKOSURTANAL. Yogyakarta. Fathoni.2013. http://obralanilmu.blogspot.com/2013/03/koreksi-geometrikrektifikasi-dan.html . Diakses pada 04 September 2013 pukul 11:12 WIB. Ihsan,M. 2012. http://www.academia.edu/3673532/Teknik Pemasukan Data Digitasi Layar Dengan Arcview. Diakses pada 4 Oktober 2013 pukul 14:19 WIB Lillesand and Kiefer. 1990. Remote Sensing and Image interpretation Jhon Willey and Son, New York. Mapper. Er. 1998. Earth Resources Mapper User Manual. Ver. 6.0.87 collin Streat. West Perth. Western Australia 6005. Nasda. 2000. The Used Of Japanes Earth Resaorces Satelit 1 (Jers-1). Tokyo. Japan. Ningrum, A.D. 2012. http://ocean076.blogspot.com/2012/05/teknik-visual-teknikinterpretasivisual.html ; diunduh Jumat, 20 September 2013 : 23.00 WIB. Prahasta, Eddy.2008.Remote Sensing.Informatika : Bandung Rizqi,A. 2012. http://rizqiari.blogspot.com/2012/10/tugas-sig.html. Diakses pada 4 Oktober 2013 pukul 19:55 WIB Saribu. 2008. http://konturgeo.blogspot.com/2008/09/koreksi-radiometrik.html. Diakses pada 4 Oktober 2013 pukul 14:30 WIB Sutanto. 1987. Penginderaan Jauh I, Gajah Mada University Press, Yogyakarta. Wulandari A.E. 2012. http://anandaegiwulan.blogspot.com/2012/10/geocodingwizard.html . Diakses pada 4 Oktober 2013 pukul 20:14 WIB.