Anda di halaman 1dari 23

BAB I PENDAHULUAN I.1.

Latar Belakang Lebih dari 80% dari seluruh data yang digunakan dalam kehidupan seharihari, baik dalam dunia bisnis maupun dunia pemerintahan adalah merupakan data geografis atau data yang berkaitan dengan posisi objek di permukaan bumi. Analisis data geografis tidak akan dapat dilakukan secara deskriptif saja, melainkan harus memadukan dengan analisis spasial untuk memperoleh informasi yang akurat dan terintegrasi. ER Mapper merupakan salah satu piranti lunak yang telah terbukti banyak digunakan baik di kalangan pemerintah maupun swasta. Hal ini dapat dimaklumi karena pada awal peluncurannya yaitu pada versi 5.0. ER Mapper telah menyajikan kemampuan pengolahan citra yang cukup lengkap. Banyak keunggulan dari program ER Mapper ini yang sangat berguna bagi kehidupan. Oleh karena itu, penting bagi kita untuk dapat menguasai program ER Mapper ini. Koreksi radiometri (Satelite Image Callibration) 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 electromagnet matahari yang berpengaruh pada nilai spectral citra. Pengaruh hamburan (scattering) pada citra akan menyebabkan nilai spectral citra menjadi lebih tinggi daripada nilai sebenarnya. Metode koreksi radiometri yang digunakan pada praktikum ini adalah Metode Penyesuaian Histogram (Histogram Adjustment). I.2. Tujuan Praktikum Setelah melaksanakan praktikum ini, mahasiswa diharapkan dapat melakukan koreksi radiometrik citra dengan Metode Penyesuaian Histogram menggunakan perangkat lunak ER Mapper 6.4. maupun ER Mapper 7.0.

BAB II TINJAUAN PUSTAKA 2.1. Satelit Penginderaan Jauh Satelit penginderaan jauh dapat dibedakan berdasarkan jenis gelombang mikro yang digunakan yaitu system aktif (radar) dan pasif (optic). Pada system pasif, sensor merekam objek (permukaan bumi) yang mendapat sinar matahari sebagai sumber energi, sehingga kualitas citra bergantung pada intensitas sinar matahari. Apabila objek tertutup awan maka objek tidak terlihat atau tidak tergambarkan. Pada system aktif, sensor merekam objek menggunakan energi elektromagnetik buatan yang dipancarkan dari sensor dan kemudian diterima kembali oleh antenna. (Wahyunto et al., 1998). Energi elektromagnetik tersebut berupa gelombang pendek (microwave) dengan panjang gelombang bervariasi (2,60-30 cm) atau X, C, S, L-band dan mempunyai kemampuan menembus awan, sehingga tidak terpengaruh cahaya matahari dan dapat bekerja siang an malam. (Lillesand dan Keifer, 1994). 2.2. Pengolahan Citra Pengolahan data citra merupakan suatu cara memanipulasi data citra atau mengolah suatu data citra menjadi suatu keluaran (output) yang sesuai dengan yang kita harapkan. Adapun cara pengolahan data citra itu sendiri melalui beberapa tahapan, sampai menjadi suatu keluaran yang diharapkan. Tujuan dari pengolahan citra adalah mempertajam data geografis dalam bentuk digital menjadi suatu tampilan yang lebih berarti bagi pengguna, dapat memberikan informasi kuantitatif suatu obyek, serta dapat memecahkan masalah. (www.geocities.org). Data digital disimpan dalam betuk barisan kotak kecil dua dimensi yang disebut pixels (picture elements). Masing-masing pixel mewakili suatu wilayah yang ada di permukaan bumi. Struktur ini kadang juga disebut raster, sehingga data citra sering disebut juga data raster. Data raster tersusun oleh baris dan kolom dan setiap pixel pada data raster memiliki nilai digital (gambar 1).

Gambar . Struktur Data Raster Data yang didapat dari satelit umumnya terdiri beberapa bands (layers) yang mencakup wilayah yang sama. Masing-masing bands mencatat pantulan obyek dari permukaan bumi pada panjang gelombang yang berbeda. Data ini disebut juga multispectral data. Di dalam pengolahan citra, juga dilakukan penggabungan kombinasi antara beberapa band untuk mengekstraksi informasi dari obyek-obyek yang spesifik seperti indeks vegetasi, parameter kualitas air, terumbu karang dan lain-lain. (www.lapanrs.com). 2.3. Koreksi Citra Satelit Untuk dapat memberikan informasi yang benar, baik jenis informasi maupun skalanya, rekaman citra satelit perlu diperbaiki. Perbaikan citra meliputi koreksi radiometri dan koreksi geometric. Koreksi radiometric dilakukan karena adanya efek atmosferik yang mengakibatkan kenampakan bumi tidak selalu tajam. Sedangkan koreksi geometric merupakan upaya memperbaiki citra dari pengaruh kelengkungan bumi dan gerakan muka bumi dengan cara menyesuaikannya dengan koorinat bumi (memposisikan letak lintang dan bujur), sehingga sesuai dengan koordinat peta dunia. Koreksi radiometric berkaitan dengan interaksi radiasi elektromagnetik dengan atmosfer dan mengkonversi data sehingga dapat digunakan secara akurat oleh sensor. (www.pustaka-deptan.go.id). Koreksi radiometri (penajaman citra) ditujukan untuk memperbaiki nilai pixel supaya sesuai dengan yang seharusnya yang biasanya mempertimbangkan faktor gangguan atmosfer sebagai sumber kesalahan utama. Efek atmosfer menyebabkan nilai pantulan obyek di permukaan bumi yang terekam oleh sensor menjadi bukan merupakan nilai aslinya, tetapi menjadi lebih besar oleh karena adanya hamburan atau lebih kecil karena proses serapan. Metode-metode yang sering digunakan untuk menghilangkan efek atmosfer antara lain metode pergeseran histogram (histogram adjustment), metode regresi dan metode kalibrasi bayangan. (Danoedoro, 1996).

2.4. Penyesuaian Histogram Penyesuaian histogram (histogram adjustment) meliputi evalusi histogram pada setiap band dari data penginderaan Jauh. Biasanya data pada yang panjang gelombang tampak (TM saluran 1-3) mempunyai nilai minimum yang lebih tinggi karena dipengaruhi oleh hamburan atmosfer. Sebaliknya, penerapan atau absorpsi pada atmoefer akan mengurangi kecerahan pada data yang di rekam dalam interval panjang gelombang yang lebih besar seperti TM 4, 5, 7. Sehingga data pada band ini nilai minimumnya mendekati nilai nol. Output BV Di mana : - Input - Output - Bias - BV : : : : input pixel pada baris 1 dan kolom j dari band k nilai pixel yang dikoreksi pada lokasi yang sama selisih nilai minimal dan nilai nol pada saluran k Brightness Value atau nilai kecerahan Penyesuaian histogram ini melewati beberapa Algorithma yang dipergunakan untuk koreksi radiometric mengikuti formula sebagai berikut :

Pada prinsipnya algorithma ini mengurangi nilai bias dengan nilai bias nilai kecerahan pada band tertentu. 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. (www.pustaka-deptan.go.id).

BAB III MATERI DAN METODE 3.1. Waktu dan Tempat Praktikum penginderaan jauh dilaksanakan pada : Hari/tanggal Waktu Tempat : : : Jumat, 20 April 2007 Pukul 13.00 BBWI Laboratorium Komputer Kampus Ilmu Kelautan Tembalang 3.2. Materi Koreksi radiometrik citra dengan Metode Penyesuaian Histogram (Histogram Adjustment) menggunakan perangkat lunak ER Mapper 6.4. 3.3. Cara Kerja 1. Koreksi Radiometri 1.1. Membuka Citra dan Memeriksa Atmosferic Bias Bukalah aplikasi ER Mapper 6.4., lalu klik icon Edit Algorithm.

Kemudian buka citra wilayah pesisir dengan menggunakan Load Dataset.

Pada B1 : Band1, klik icon

Maka akan muncul window baru

yaitu Transform dan akan terlihat athmospheric biasnya 59. Lalu ganti band-nya menjadi B2 : Band2. Maka akan terlihat atmospheric biasnya adalah 16. Lakukan hal yang sama untuk B3 : Band3, B4 : Band 4, B5 : Band5 dan B6 : Band7.

B1 : Band1

B2 : Band2

B3 : Band3

B4 : Band4

B5 : Band5

B6 : Band7

Duplikatlah Pseudo Layer menjadi sejumlah 6 Pseudo Layer.

Kemudian masing-masing Pseudo Layer diganti namanya menjadi Band1, Band2 dan seterusnya sampai Band7.

Setelah diganti namanya, masing-masing Band nilainya disesuaikan dengan nama Band-nya. Misal Band1 maka nilai Band-nya B1 : Band1

1.2. Metode Penyesuaian Histogram Pilihlah Band1, kemudian klik icon Formula Editor muncul window Formula Editor. , maka akan

Lalu tambahkan dengan (-) nilai Atmospheric Biasnya untuk Band1 yaitu 59 setelah tulisan INPUT1. Lalu klik Apply Changes. Lakukan hal yang sama pada Band2 dan seterusnya sampai Band7. Nilai yang dikurangkan tergantung dari nilai Athmospheric Bias masing-masing Band.

Kemudian buka lagi untuk Band1, klik Edit, Delete this Transform. Lakukan hal yang sama untuk semua Band. Setelah itu, klik File, Save as. Save file dengan nama Landsat_17081994_radiometri_Bachtiar.ers. Jangan lupa mangganti type file menjadi ER Mapper Raster Dataset (.ers).

Klik OK, kemudian proses saving akan berlangsung.

Kemudian cek lagi nilai atmospheric biasnya dengan menggunakan Load Dataset. Buka file yang tadi, kemudian klik Transform.

1.3. Teknik-Teknik Penyesuaian Histogram Lainnya a. Teknik Dark Pixel Correction (DPC). Pada window utama, klik Toolbars, pilih Remote Sensing.

Kemudian akan muncul icon-icon baru.

Kemudian klik icon Land Aplication Wizard Pada window Land Aplication Wizard, klik Next.

Pilih Process TM Imagery, lalu klik Next.

Pilih Atmospheric Effect Correction, lalu klik Next.

Pilih Dark Pixel Correction, lalu klik Next.

Masukkan input

berupa citra

yang

akan dikoreksi

yaitu

citra

Landsat_TM_23Apr85.ers yang tersimpan dalam C:\ER Mapper 64\Examples\Shared Data. Masukkan juga file output-nya yaitu Landsat_TM_23Apr85_dpc.ers. Kemudian klik Finish.

Akan muncul tampilan citra dengan 7 Band yang telah terkoreksi. Lalu klik Edit Algorithm.

Kemudian Transform.

periksalah

nilai

athmospheric

biasnya

pada

window

Kemudian pada window Transform, klik Edit, dan pilih Delete this Transform. Lakukanlah juga untuk ketujuh Band lainnya.

Kemudian klik kanan pada citra dan pilih Quick Zoom lalu Zoom to All Dataset.

Kemudian

save

hasilnya

dengan

nama

Landsat_TM_23Apr85_koreksi_radio.ers dengan format ER Mapper Raster Dataset (.ers). Lalu akan muncul window baru, klik OK.

Lalu close window pada citra, kemudian buka file hasil dengan Load Dataset. Periksalah nilai athmospheric bias masing-masing Band melalui window Transform.

b. Enhanced Dark Pixel Correction (EDPC) Sebelumnya, lakukan proses yang sama dengan teknik DPC. Lalu pada window Processing TM Imagery Athmospheric Bias, pilihlah Enhanced Dark Pixel Correction, lalu klik Next.

Masukkan

file

citra

yang

akan

dikoreksi

yaitu

Landsat_TM_23Apr85.ers. Lalu klik Next.

Pilih Use TM3 as Initial Band dan masukkan nilai atmospheric bias-nya, lalu klik Next.

10

Pilih range besarnya nilai atmospheric bias-nya dan tuliskan nama outputnya, yaitu Landsat_TM_23Apr85_koreksi_radio_edpc.ers., lalu klik Finish.

Selanjutnya, lakukan proses yang sama seperti pada teknik DPC. Jangan lupa save hasilnya dengan nama Landsat_TM_23Apr85_koreksi_radio_edpc2.ers dengan format ER Mapper Raster Dataset (.ers). c. Cut-off Scatergram Sebelumnya, lakukanlah proses yang sama seperti pada teknik DPC. Lalu pada window Processing TM Imagery Atmospheric Bias, pilihlah CutOff Values (Scatergram), kemudian klik Next.

Masukkan

file

citra

yang dan

akan nama

dikoreksi file

yaitu

Landsat_TM_23Apr85.ers,

output-nya

Landsat_TM_23Apr85_koreksi_radio_cutoff.ers. Lalu klik Next.

11

Lalu akan muncul window-window baru. Pada window Processing TM Imagery Atmospheric Effect Correction (Cut-Off Values), masukkan nilai-nilai atmospheric bias maing-masing Band yang terlihat pada window Scatergram.

Untuk melihat nilai-nilai atmospheric bias Band-band lainnya, klik Setup. Lalu pada window Scatergram Setup, klik bagian X Axis atau Y Axis, pilih Band yang akan dilihat nilai atmospheric bias-nya.

Pada window New Map Composition, klik Cancel.

Pada window Processing TM Imagery Atmospheric Effect Correction (Cut-Off Values), lengkapi nilai-nilai Cut-Offnya lalu klik Finish.

12

Selanjutnya, lakukan proses yang sama dengan teknik DPC dan EDPC. Jangan lupa, sebelum dilakukan proses saving, pada window algorithm, Cut layer TM6. Save hasilnya dengan nama Landsat_TM_23Apr85_koreksi_radio_cutoff2.ers dengan format ER Mapper Raster Dataset (.ers).

13

BAB IV HASIL DAN PEMBAHASAN 4.1. Hasil Praktikum 1.1. Membuka Citra dan Memeriksa Atmosferic Bias

1.2. Metode Penyesuaian Histogram

1.3. Teknik-Teknik Penyesuaian Histogram Lainnya a. Teknik Dark Pixel Correction (DPC).

b. Enhanced Dark Pixel Correction (EDPC)

14

c. Cut-off Scatergram

4.2. Pembahasan Pada praktikum kali ini, kita akan mempelajari cara mengkoreksi citra dengan menggunakan metode penyesuaian histogram lainnya, yaitu berupa koreksi radiometric. Perbaikan citra merupakan suatu proses untuk mengurangi kesalahan yang terdapat pada citra pada saat perekaman, sehingga kualitas citra pada saat penyadapan data dapat dipertanggungjawabkan dan dapat mempermudah dalam proses identifikasi dan determinasi. Untuk memperjelas pengertian terhadap perbaikan citra, berikut akan dijabarkan mengenai perbaikan citra. Dalam melakukan koreksi citra ini diperlukan ketelitian yang tinggi untuk menghasilkan hasil yang teruji dan dapat dipertanggungjawabkan. Koreksi radiometric merupakan tahap awal dalam pengolahan data sebelum analisis dilakukan untuk suatu tujuan, misalnya untuk identifikasi liputan lahan pertanian. Proses koreksi radiometric mencakup koreksi efek-efek yang berhubungan dengan sensor untuk meningkatkan kontras (enhancement) setiap pixel (picture element) dari suatu citra, sehingga objek yang terekam dapat dengan mudah diintepretasikan atau dianalisis untuk dapat menghasilkan data/informasi yang benar sesuai dengan keadaan di lapangan. Setiap software pengolah data citra mempunyai modul untuk menjalankan proses ini. Ada beberapa cara dalam mengkoreksi dan memperjelas nilai spectral dari suatu citra satelit, salah satunya adalah dengan transformasi Gaussian equalize. Sebelum dikoreksi biasanya suatu citra akan nampak hitam, hamper tidak ada informasi yang dapat diidentifikasi atau dikenali, karena masih dipengaruhi oleh efek atmosferik. Setelah dilakukan koreksi radiometric, pada citra tersebut akan tampak beberapa objek sumber daya lahan yang dapat dikenali, seperti laut, garis pantai dan daratan.

15

Koreksi radiometric diperlukan pada analisa data penginderaan jauh karena pada saat perekaman, tenaga radiometric yang sampai ke sensor banyak mengalami gangguan atmosfer. Radiasi matahari yang berinteraksi dengan atmosfer bumi akan mengalami hamburan dan absorbsi. Absorbsi atmosfer oleh uap air dan gas-gas lainnya pada atmosfer cenderung berpengaruh pada panjang gelombang yang lebih besar dari (0,4-7m). Efek dari hamburan dan penyerapan atmosfer akan mempengaruhi nilai kecerahan pada citra sehingga menjadi sumber kesalahan dan menurunkan kualitas dari data penginderaan jauh. Hal ini dapat terjadi pada saat kita ingin membandingkan respon spectral dari suatu pixel dengan citra lainnya pada daerah yang sama. Untuk mengatasi masalah tersebut dikembangkan 2 teknik, yaitu metode penyesuaian histogram dan metode penyesuaian regresi. Metode yang digunakan dalam pelatihan ini adalah metode penyesuaian histogram. Pemilihan metode ini dilandasi oleh alasan bahwa metode ini cukup sederhana, waktu yang digunakan untuk pemrosesan lebih singkat dan tidak memerlukan perhitungan matematis yang rumit. Asumsi dari metode ini adalah dalam proses koding digital oleh sensor, obyek yang memberikan respon spektral yang paling rendah seharusnya bernilai 0. Apabila nilai ini ternyata melebihi angka 0 maka nilai tersebut dihitung sebagai offset dan koreksi dilakukan dengan mengurangi seluruh nilai pada saluran tersebut dengan offset-nya. Buka citra yang akan dikoreksi radiometri dan tampilkan (misal Band1). Kemudian pada Algorithm Window klik toolbar citra yang sedang ditampilkan. ditampilkan, misal seperti gambar di bawah ini : untuk melihat histogram Perhatikan histogram citra yang sedang

Gambar . Histogram Citra yang Sedang Ditampilkan Perhatikan angka yang terlihat pada Actual Input Limits (angka 56 merupakan nilai piksel terendah dan angka 154 adalah nilai piksel tertinggi).

16

Menurut metode Histogram Adjustment, nilai piksel terendah haruslah nol (0) dan bila tidak demikian berarti nilai tersebut adalah nilai bias yang dapat dijadikan dasar dalam melakukan koreksi radiometrik citra. Setelah mengetahui nilai bias dari citra, tekan tombol Close. Kemudian pada Algorithm Window klik toolbar formula dialog Formula Editor sebagai berikut di bawah ini : dan akan muncul kotak

Gambar . Kotak Dialog Formula Editor Kemudian isikan seperti gambar di atas dan tentukan Band yang digunakan untuk Input1-nya (dalam hal ini band 1). Setelah diisikan, klik tombol . . Berarti kita telah mengkoreksi citra untuk band 1. Untuk bandband yang lainnya lakukan prosedur yang sama seperti di atas, dan setelah semua band selesai dikoreksi, simpanlah menjadi dataset citra yang telah dikoreksi radiometrik. 1. Tombol Transform Secara default, banyak layer raster data dalam ER Mapper mempunyai 2 tombol transform dalam algorithm. Pertama diaplikasikan sebelum formula (pre-formula) dan lainnya diaplikasikan setelah formula (post-formula). Anda juga dapat menyisipkan dan menambahkan transform tambahan dikeduanya untuk membuat penajaman kekontrasan yang lebih komplek. 2. Transform Dialog Box Ketika anda meng-klik satu tombol transform pada algorithm window, maka ER Mapper akan membuka transform dialog box yang menyediakan control interaktif untuk penajaman kontras dan modifikasi pemetaan/perentangan warna. Sebuah konsep dalam penggunaan transform dialog adalah menggerakkan garis transform, sebab garis ini mengontrol pemetaan nilai data untuk mendisplay kecerahan atau warna. Untuk

17

memindahkan garis ini, caranya sederhana dengan menggeser ke lokasi yang baru atau klik tombol otomatis yang tersedia di samping kanan histogram.

Buka dataset yang anda punya. Pada Algorithm Windows pilih salah satu saluran (misal band 1). Citra akan tampil dengan tampilan agak gelap, untuk lebih mempertajam kenampakan suatu citra, klik Limits) pada Algorithm Window. . (Edit Transform

Akan muncul dialog box seperti di bawah :

Gambar . Jendela Transformasi

Untuk meningkatkan kontras citra, klik Transform atau bisa juga dengan mengklik

Create Autoclip

Histogram Equalize.

Citra akan tampil dengan kontras yang lebih baik. Transformasi adalah teknik peningkatan kontras warna dan cahaya dari

suatu citra sehingga memudahkan untuk interpretasi dan analisis citra. Histogram adalah suatu tampilan grafik dari distribusi frekuensi relatif dalam suatu dataset. Suatu kotak dialog transformasi akan menampilkan histogram data masukan dan data keluaran setelah ditransformasi, dan garis transformasi.

Untuk mengkontraskan data dengan menghilangkan 1 % informasi klik Untuk mengkontraskan data secara manual klik akan keluar tampilan sebagai berikut :

18

Gambar. Jendela Pengaturan Transformasi

Kesembilan icon di sebelah kanan adalah berbagai jenis stretch yang umum digunakan antara lain transformasi linier, histogram equalisasi, gausian, dll. Untuk mengetahui jenis transformasi untuk setiap icon , atau letakkan cursor beberapa saat di atas icon.

Untuk mengganti layer yang akan diubah kontrasnya klik

Anda dapat juga membuat kontras citra secara manual dengan men-drag garis lurus pada kotak histogram dengan mouse kiri. Selain itu, terdapat 3 teknik penyesuaian histogram lainnya, yaitu : 1. 2. 3. Teknik Dark Pixel Correction (DPC). Teknik Enhanched Dark Pixel Correction (EDPC). Teknik Cut-Off Scattergram.

Perbedaan dari ketiga teknik tersebut terletak pada Athmospheric Effect Correction of a TM dataset. Pada teknik Dark Pixel Correction (DPC), setelah dimasukkan nilai input dan output serta di-klik finish, maka akan langsung muncul citra dengan 7 band yang telah dikoreksi. Sedangkan pada teknik Enhanched Dark Pixel Correction (EDPC), digunakan komposisi dari RGB (TM321) yang telah dimainkan. Di sini kita harus memilih Band dengan nilai cutoff yang paling tinggi. Setelah itu, baru dimasukkan nilai atmospheric biasnya dan dimasukkan pula range besarnya nilai atmospheric bias-nya. Teknik yang terakhir, yaitu teknik Cut-Off Scattergram, digunakan window scattergram untuk tempat memasukkan nilai-nilai atmospheric bias-nya. langkahnya hamper sama antara ketiga teknik tersebut. Pada saat ditransmisikan ke bumi data MSS Landsat mengalami distorsi dengan berbagai cara. Secara radiometric, nilai digital tidak selalu tepat dalam kaitannya dengan tingkat energi objek secara geometric maka letak kenampakan pada citra tidak selalu tepat benar bila dikaitkan dengan letaknya pada peta. Teknik koreksi berguna untuk memperkecil masalah ini dan menciptakan data citra yang lebih bermanfaat bagi analisis. Oleh karena data MSS Landsat disajikan dalam bentuk numeric maka dimungkinkan penggunaan teknik koreksi dengan ketelitian tinggi dengan menggunakan computer. Meskipun pada satu saat Selain itu, langkah-

19

diserahkan kepada pengguna untuk melaksanakannya, jumlah yang selalu bertambah tentang koreksi citra ini telah termasuk di dalam pengandaran pengolahan data Landsat baku sebelum didistribusikan. Sistem MSS Landsat menggunakan jajaran detector jamak untuk mengindera beberapa garis citra bersama-sama pada tiap satuan cermin. Saluran 4 hingga saluran 7 pada Landsat masing-masing menggunakan 6 detektor dan menghaasilkan enam garis citra pada satu kali sapuan cermin. Konfigurasi ini memerlukan jajaran detector yang terdiri dari 24 buah (6 garis x 4 saluran). Karena sifat khas keluaran detector tidak tepat sama, dan keluarannya berubah secara berangsur sesuai dengan perubahan waktu, maka diperlukan untuk melakukan kalibrasi keluarannya. Untuk melakukannya maka penyiam mengamati suatu filter bagi tingkat (step wedge) yang disinari secara elektronik selama tiap sapuan cermin. Pada tiap orbitnya, penyiam mengamati matahari satu kali sebagai bakal kalibrasi yang lebih mutlak. Nilai kalibrasi ini digunakan untuk mengembangkan fungsi radiometric bagi tiap detector. radiasi dan diterapkan untuk semua data sebelum didistribusikan. Nilai radiasi yang diperoleh dari saluran 4 hingga 7 Landsat tidak akan berkaitan langsung dengan tingkat pantulan medan karena adanya komponen tambahan sinar udara (air light) yang dipantulkan oleh atmosfer. Komponen tambahan ini menyebabkan menurunnya kontras citra. Jelas bahwa penggunaan panel pantulan untuk melakukan kalibrasi data citra tidak sesuai bagi skala data Landsat. Sebagai pilihan lain suatu tafsiran kasar atas sinar udara dapat ditentukan dengan menemukan nilai digital terkecil pada data citra digital. Dengan asumsi bahwa pixel ini sesuai dengan kenampakan yang nilai digitalnya mendekati nol, maka nilai digital pada titik ini hanya merupakan akibat dari sinar udara saja. Dengan menguraikan nilai ini terhadap semua nilai digital dalam rangkaian data maka komponen sinar udara dapat ditiadakan. Proses ini disebut penyisihan kabut (haze removal). Metode lain yang lebih tepat untuk memperkirakan besarnya sinar udara juga telah digunakan. Pengaruh kabut juga dapat dikurangi dengan menggunakan metode perentangan kontras (contrast strech) atas data. Teknik ini merupakan salah satu bentuk penajaman. Fungsi koreksi menghasilkan nilai digital yang mempunyai hubungan linier dengan tingkat

20

Kadang-kadang bentuk koreksi radiometric nominal tidak sepenuhnya dapat mengimbangi fungsi detector yang kurang tepat. Pada kasus ini, pada garis yang keenam tiap siaman dapat diamati adanay jarak pada data citra. Citra yang diperbesar mengisyaratkan pengaruh jalur garis keenam (sixth line stripping) ini. Beberapa teknik ini mungkin dapat digunakan untuk mengurangi ketidaknyamanan visual ini. Pendekatan yang paling sederhana ialah dengan mengalihkan nilai pixel pada garis yang jelek tersebut dengan faktor normalisasi yang menghasilkan nilai terubah dengan mengalikan nilai pixel pada garis yang jelek tersebut dengan nilai rerata dan simpangan baku sama dengan garis yang baik pada citra. Jenis pengandaran ini tidak benar-benar mengoreksi nilai, tetapi hanya merupakan perbaikan pada kenampakan citra yang dihasilkan. Satu garis pada citra kadang-kadang kurang sempurna oleh adanya masalah sensor atau pengiriman data. Ada beberapa teknik untuk menempatkan garis yang jelek ini dengan cara mendeteksi perbedaan besar yang tidak lazim dalam nilai citra bagi garis yang berurutan. Setelah dideteksi, garis tersebut dapat dikoreksi secara kias sederhana dengan mengulang garis sebelumnya atau mengambil rerata nilai yang bersangkutan pada garis sebelum dan kesudahannya.

21

BAB V KESIMPULAN Setelah melaksanakan praktikum, dapat diperoleh kesimpulan : 1. Sebelum dianalisis, citra satelit perlu diperbaiki melalui proses koreksi (dalam hal ini koreksi radiometric). 2. Koreksi radiometric dilakukan untuk mendapatkan detail informasi yang jelas, sehingga akan mengurangi kesalahan alam mengintepretasi, mengidentifikasi dan mengklasifikasi citra satelit. 3. Metode koreksi radiometri yang digunakan dalam praktikum ini adalah Metode Penyesuaian Histogram (Histogram Adjustment). 4. Teknik-teknik penyesuaian histogram lainnya yaitu : a. b. c. Teknik Dark Pixel Correction (DPC). Teknik Enhanched Dark Pixel Correction (EDPC). Teknik Cut-Off Scattergram.

22

DAFTAR PUSTAKA Danoedoro, Projo.1996.Pengolahan Citra Digital Teori dan Aplikasinya dalam Bidang Penginderaan Jauh.UGM Press:Yogyakarta. Lillesand, Thomas dan Ralph W. Kiefer.1990 .Penginderaan Jauh dan Interpretasi Citra.UGM Press:Yogyakarta. Wahyunto A. Hidayat, dan A. Adimiharja.1998 .Penggunaan citra satelit untuk identifikasi dan inventarisasi areal tanaman pangan serta estimasi produksinya. Makalah Rapat Pembahasan Program dan Pelaksanaan IP Padi 300 dan SUP MH 1998/1999 di Pakanbaru, Riau, 3-4 September 1998. www.geocities.org www.lapanrs.com www.pustaka-deptan.go.id Diakses pada hari Minggu, 22 April 2007 pukul 22.00-23.30 BBWI.

23