TUGAS MATA KULIAH

PENGINDERAAN JAUH SISTEM AKTIF

(GEP 629)

DOSEN PENGAMPU:
MUHAMMAD KAMAL, M.Sc, Ph.D

REVIEW JURNAL APLIKASI LiDAR DALAM BIDANG PERTANIAN

Disusun Oleh :

Laode Muhammad Irsan (16/402676/PGE/01263)

Erisa Ayu Waspadi P. (16/408119/PGE/01285)

PROGRAM PASCA SARJANA PENGINDERAAN JAUH

FAKULTAS GEOGRAFI
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2017
Resume Jurnal I :

Perbandingan Analisis Klasifikasi Data LiDAR Terhadap

Pertumbuhan Tanaman pasca-panen untuk pertanian yang Presisi
(Koenig et al. 2015)
Penggunaan Lidar
Deteksi tumbuhan (baik gulma maupun pertumbuhan kedua/second
growth) pasca panen merupakan bagian penting dalam pengeloaan
pertanian pasca-panen. Pada sebagian besar komoditas, tanaman yang
tumbuh pada masa pasca-panen berdampak negatif dimana dapat
menjadi kompetitor komoditas utama terhadap penyerapan nutrisi, air
dan cahaya juga sumber hama dan penyakit tanaman. Oleh karenanya,
deteksi tumbuhan pasca panen sangat penting dilakukan dalam upaya
pemusnahannya menggunakan herbisida dan pestisida secara efektif dan
efisien.
LiDAR yang digunakan dalam penelitian ini adalah TLS (terrestrial Laser
Scanning), dimana analisis dilakukan tidak hanya terhadap aspek akurasi
geometris saja, melainkan juga mencoba untuk menganalisis aspek
akurasi radiometric dari kekuatan backscatter spectrum Inframerah yang
digunakan (1,550 nm).

Metode
Lokasi: Penelitian dilakukan pada 2 plot berukuran 1 x 1 m sebagai
training dan testing area pada lahan pertanian grubbed winter barley
berukuran 7 x 66 m di Brunswick, Germany. Sebagai data referensi,
analisa citra RGB dengan resolusi spasial tinggi dan perhitungan NDVI
atas citra hiperspektral dilakukan terhadap area plot berukuran 1m 2.
Analisa data dilakukan dengan berbagai tahap seperti ditunjukkan pada
gambar 1. Koreksi Radiometrik dilakukan menggunakan data referensi
(dari spectralon) dengan fungsi polinomial orde 1 hingga 14 terhadap
data point clouds, dimana berfungsi untuk menghilangkan outliers data
serta range effect dari amplitudo signal laser. Selanjutnya, Feature
Calculation dilakukan terhadap informasi geometrik (dimensi XYZ) dan
radiometrik (amplitudo signal) atas masing-masing laser point dengan
mempertimbangkan nilai dari tetangga sekitarnya. Berdasarkan kalkulasi
yang dilakukan, terdapat 38 feature yang dapat diidentifikasi untuk
selanjutnya dikorelasikan pada tahap Feature Correlation. Pada tahap
tersebut, dilakukan analisis korelasi menggunakan Pearson product
moment dan Principal Component Analysis untuk mengevaluasi apakah
ada pengulangan terhadap hasil kalkulasi features.
Klasifikasi terhadap data point clouds dilakukan menggunakan metode
supervised (tree induction and Naive Bayes) serta unsupervised (K-
means). Disamping itu, dilakukan model construction terhadap training
data sebagai dasar klasifikasi berdasarkan Gini Index Weighting (Breiman,
2001). Pada tahap selanjutnya, dilakukan perhitungan Cohens Kappa
terhadap hasil klasifikasi data dengan data referensi sebagai
pembandingnya

Gambar 1. Skema metode dalam penelitian tersebut

Keunggulan dan Kekurangan Penggunaan LiDAR

Dibandingkan dengan Airborne Laser Scanning (LS); TLS keunggulan
utama dari (Terrestrial Laser Scanning) adalah biaya operasionalnya
relative lebih murah, pengoperasian yang lebih mudah dimana dapat
digunakan untuk akuisisi data multi temporal dengan lebih mudah, serta
dapat menghasilkan data point clouds dengan kerapatan yang lebih
tinggi. Namun apabila ditujukan untuk analisis pada skala pengamatan
yang lebih luas, maka penggunaan TLS akan menjadi kurang efektif dan
efisien dimana justru memerlukan biaya operasional yang lebih besar dan
data yang sangat besar (oleh karena tingginya resolusi dari LiDAR
tersebut).

Peluang pengembangan
Informasi radiometric dari data LiDAR masih jarang dikaji, terutama untuk
kepentingan kaliberasi data. Kedepannya, kombinasi kajian antara
perbedaan ketinggian objek dengan perbedaan amplitude akan mampu
menghasilkan klasifikasi objek yang lebih akurat.

Resume Jurnal II:

Estimasi Kandungan Nitrogen pada Padi menggunakan data
Hiperspektral LiDAR
 (Lin Du, et al. 2016)
Penggunaan Lidar
Nitrogen merupakan salah satu unsur penting dalam pertumbuhan
tanaman padi. Deteksi terhadap kandungan nitrogen dalam tanaman
tersebut dapat dilakukan menggunakan pendekatan spektrum cahaya
dengan teknologi LiDAR. LiDAR yang digunakan dalam penelitian tersebut
adalah Hyperspectral LiDAR, dimana perekaman informasi mengenai
objek dilakukan menggunakan lebih dari satu saluran laser beams dengan
julat panjang gelombang antara 600 hingga 2000 nm.

Metode
Secara umum, metode dalam penelitian tersebut dibagi dalam tiga
kegiatan utama yakni penyusunan instrumen (sistem sensor Hiperspektral
LiDAR), pemilihan spektrum dan saluran gelombang elektromagnetik, dan
analisa data. Penyusunan sistem sensor Hiperspektral LiDAR menjadi
bagian penting dalam penelitian ini karena sensornya berbeda dengan
sensor citra hiperspektral maupun sensor LiDAR pada umumnya.
Selanjutnya, pemilihan saluran dan spektrum gelombang cahaya
dilakukan berdasarkan perhitungan weight of wavelength. Setelah proses
perekaman, analisa data dilakukan dengan metode Support Vector
Machine pada empat kategori kandungan nitrogen pada tanaman padi
observasi.

Keunggulan dan Kekurangan Penggunaan LiDAR

Penggunaan data Hiperspektral LiDAR memungkinkan analisis kandungan
nitrogen pada tanaman padi, dimana perekamannya dapat dilakukan
sesuai kebutuhan tanpa tergantung oleh kondisi penyinaran cahaya
matahari. Namun oleh karena menggunakan sistem hiperspektral, data
yang dihasilkan dari proses perekaman menjadi sangat banyak dan rawan
akan data renudancy.

Peluang pengembangan
Penggunaan hiperspektral LiDAR kemungkinan dapat digunakan untuk
analisa lain dari faktor bio-fisik tanaman, dimana perekamannya tidak
tergantung pada kondisi penyinaran matahari.

Resume Jurnal III

ANALISIS KETELITIAN DEM ASTER GDEM, SRTM, DAN LIDAR UNTUK
IDENTIFIKASI AREA PERTANIAN TEBU BERDASARKAN PARAMETER
KELERENGAN
(Mahmudi et al. 2015)

Penggunaan LiDAR
 Digital Elevation Model merupakan data penting yang dapat diturunkan
dari sistem penginderaan jauh LiDAR. Dalam penelitian tersebut, data
LiDAR digunakan pembanding untuk terhadap klasifikasi kelerengan
pada wilayah kajian menggunakan DEM SRTM dan ASTER GDEM.
Perbandingan tersebut mencakup aspek perbedaan elevasi, korelasi
dan akurasi DEM yang dihasilkan menggunakan tiga metode tersebut.

Metode
Secara umum, tahap pemrosesan data dijelaskan dalam diagram alir
pada gambar 2.

Gambar 2. Diagram Alir metode penelitian

Keunggulan dan Kekurang Penggunaan LiDAR

Penggunaan LIDAR (Light Detection and Ranging) yang dirasa lebih baik
karena dapat menjangkau informasi tinggi permukaan tanah dan bisa
masuk pada sela-sela vegetasi. Selain itu LiDAR memiliki resolusi yang
tinggi. Namun apabila area kajiannya luas, maka biaya yang harus
dikeluarkan besar pula. Disamping itu, kondisi topografi dan cuaca buruk
menyulitkan dalam proses pengambilan data dengan menggunakan air
borne (pesawat udara).

Peluang Pengembangan
LiDAR dapat digunakan pula untuk pemodelan DTM dan DSM sehingga
dapat diketahui aspek geometris tanaman tebu karena penelitian
dilakukan pada area pertanian tebu. Data geometris atas tutupan lahan
(komoditas tebu) dapat digunakan dalam analisis estimasi produksi,
biomassa, ataupun aspek kondisi fisik tanaman tebu.