PENGINDERAAN JAUH
MODUL II : KOREKSI RADIOMETRI
Disusun Oleh:
RACHMAT AFRIYANTO
26020114140104
ILMU KELAUTAN A
Tim Asisten
Rinto Setyawan 26020213140036
Riandi Teguh W 26020213190089
Hana Farah Frida Firismanda 26020213140045
Rayana Dwiari Armanto 26020213140083
Muhammad Salahudin 26020213120007
Dhea Isnainiya 26020113140104
M. Danie Al Malik 26020113140096
Dodik Setiyo Wicaksono 26020113120029
2016
Shift: 2
LEMBAR PENILAIAN
Mengetahui,
Koordinator Praktikum Asisten
Rinto Setyawan
Rayana Dwiari Armanto
26020213140036 26020213140083
I. PENDAHULUAN
1.3. Manfaat
Adapun manfaat praktikum Inderaja modul 2 Koreksi Radiometri ini adalah:
1. Praktikan dapat melakukan koreksi radiometri
2. Praktikan dapat mengetahui nilai atmospheric bias citra dari suatu citra
3. Praktikan dapat mengkoreksi efek atmosfer bias dengan cara
mengidentifikasi bayangan pixel
II. TINJAUAN PUSTAKA
Danoedoro, Projo. 1996. Pengolahan Citra Digital, Teori dan Aplikasinya Dalam
Bidang Penginderaan Jauh. Yogyakarta: Fakultas Geografi Universitas
Gadjah Mada.
Distribusi Sedimen di Perairan Semenanjung Muria. Prosiding Seminar
Dwi Ardi, Robbinov. Koreksi Radiometrik dan Koreksi Geometrik.
http://tugaspratikumsip.blogspot.com/2012/05/koreksi-radiometrik-dan-
koreksi.html (1 Oktober 2017).
Ekadinata, Andree et al., 2008. Sistem Informasi Geografis untuk Pengelolaan
Bentang Lahan Berbasis Sumber Daya Alam. Bogor: World Agroforestry
Center.
Indarto. 2009. Identifikasi dan Klasifikasi Peruntukan Lahan Menggunakan Citra
Aster. Jurnal Media Teknik Sipil. Vol. IX (1): 1-8.
Kartika, Tatik., I Made Parsa., Sri Harini. 2012. Analisis Perubahan Penutup Lahan
di Daerah Tangkapan Air Sub DAS Tondano terhadap Kualitas Danau
Tondano Menggunakan Data Satelit Penginderaan Jauh. Limnologi.
Murti, Sigit Heru. 2012. Pengaruh Resolusi Spasial pada Citra Penginderaan
Jauh terhadap Ketelitian Pemetaan Pengunaan Lahan Pertanian di
Kabupaten Wonosobo. Ilmiah Geomatika.
Nasional ke-14 Teknologi dan Keselamatan PLTN serta Fasilitas Nuklir
Samsuri. 2004. Aplikasi Penginderaan Jauh dalam Pengelolaan Sumberdaya
Hutan. Medan: USU
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.
Susiati, Heni. 2008. Studi Awal Pemanfaatan Citra Satelit untuk Identifikasi
Tanggal 5 November 2008. Bandung, pp. 357 265.
Ullinuha, Hilmiyati.2014. Tugas 1 Sistem Penginderaan Jauh. Yogyakarta:
Fakultas Teknik Universitas Gadja Mada.
III. MATERI DAN METODE
3.2. Materi
3.2.1 Koreksi Radiometri
1. Pemeriksaan Nilai Atmospheric Bias Citra
2. Penyesuaian Histogram
3. Pengecekan Data dan Penyesuaian Histogram
4. Regresi
DPC
EDPC
Cut Off Scattergram
3.3 Metode
3.3.1 Pemeriksaan Atmospheric Bias Citra
5. Untuk mengoreksi bias citra dari atmosfer dapat dilakukan dengan cara
pilih band 1, klik icon formula editor , maka akan muncul Window
formula editor. Pada dialog box terdapat tulisan INPUT1, ketik (nilai
atmospheric biasnya), contoh INPUT1-8489 klik apply changes
6. Maka nilai Actual Input Limits akan berubah dari 8489 to 44243
menjadi -45 to 35709. Lakukan hal yang sama pada setiap band
sehingga setiap citra memiliki bias atmomsfer yang minimal
7. Untuk menghapus transform limit dapat dilakukan dengan cara klik icon
edit transform limit pada active window, klik edit delete this
8. Klik File lalu Save as untuk menyimpan data. Simpan file histogram
dengan nama file HISTOGRAM_NAMA_NIM.ers pada file type pilih
ER Mapper Raster Dataset(.ers). klik Ok
3.3.2. Penyesuaian Histogram
1. Tutup semua window, kemudian klik icon edit algorithm pada active
window ER Mapper, lalu klik icon load dataset buka file citra
Histogram_MuhammadNaufalNurrahman_26020216140078.ers. Lalu
klik Ok This Layer Only
6. Pada dialog box specify an input TM dataset, masukan citra yang akan
dikoreksi berupa citra landsat_TM_23Apr85
7. Pada dialog box specify an output filename, masukan nama file outputnya
DPC_BelumKoreksi_MuhammadNaufalNurrahman_26020216140078.ers
kemudian klik finish.
8. Akan muncul citra dengan 7 band yang belum terkoreksi. Lalu Klik icon
edit algorithm pada active window ER Mapper, lalu Cut pada Band
DPC_TM6. Ubah description menjadi Nama_NIM.
11. Tutup semua window, kemudian klik icon edit algorithm pada active
window ER Mapper, lalu klik icon load dataset buka file citra yang
telah dikoreksi tadi.
12. Kemudian klik icon edit transform limit Lalu cek nilai
atmospheric bias setiap band.
5. Pada select an option pilih sesuai dengan nilai atmospheric biasnya dan
tuliskan.nama.file.outputnya.yaitu.EDPC_BelumDikoresi_MuhammadNaufal
edit algorithm pada active window ER Mapper, lalu Cut pada Band
TM6. Ubah description menjadi Nama_NIM
9. Tutup semua window, kemudian klik icon edit algorithm pada active
window ER Mapper, lalu klik icon load dataset buka file citra yang
telah dikoreksi tadi.
10. Kemudian klik icon edit transform limit cek nilai atmospheric bias
setiap band.
3. Pada dialog box specify an input TM dataset, masukan citra yang akan
dikoreksi berupa citra landsat_TM_23Apr85
4. Pada dialog box specify an output filename, masukan nama file
outputnya.Cutoff_BelumKoreksi_MuhammadNaufalNurrahman_26020
edit algorithm pada active window ER Mapper, lalu Cut pada TM6.
Ubah description menjadi Nama_NIM.
11. Tutup semua window, kemudian klik icon edit algorithm pada active
window ER Mapper, lalu klik icon load dataset buka file citra yang
telah dikoreksi tadi.
12. Kemudian klik icon edit transform limit cek nilai atmospheric bias
setiap band.
IV. HASIL DAN PEMBAHASAN
4.1. Hasil
4.1.1. Memeriksa Nilai Atmosperic Bias
Band 1
Band 2
Band 3
Band 4
Band 5
Band 7
4.1.3. Penyesuasian Regresi
4.1.3.1. DPC (Dark Pixel Correction)
A. Sebelum Dikoreksi
1. Band 1 0 188
2. Band 2 1 196
3. Band 3 0 239
4. Band 4 -2 205
5. Band 5 -1 253
6. Band 6 0 246
Band 1
Band 2
Band 3
Band 4
Band 7
Band 5
4.1.1 EDPC (Enhanched Dark Pixel Correction))
A. Sebelum Dikoreksi
No Band Min Max
1. Band 1 0 188
2. Band 2 -6.08065 188.91935
3. Band 3 -9.887156 229.112844
4. Band 4 -14.1118316 192.8881684
5. Band 5 -29.1111868 224.8888132
6. Band 6 -30.2289312 215.7710688
Band 1
Band 2
Band 3
Band 4
Band 7
Band 5
4.1.2 Cut Off Scattergram
A. Sebelum Dikoreksi
No Band Min Max
1. Band 1 0 188
2. Band 2 0 195
3. Band 3 0 239
4. Band 4 0 207
5. Band 5 0 254
6. Band 6 0 246
Band 1
Band 2
Band 3
Band 4
Band 7
Band 5
4.2 Pembahasan
4.2.1 Memeriksa Nilai Atmospheric Bias Cahaya
Berdasarkan praktikum yang telah dilaksanakan, pada modul kedua
Koreksi Radiometri ini, pemeriksaan nilai bias atmospheric citra dilakukan
guna mengetahui nilai bias yang terdapat pada citra yang akan selanjutnya
dikoreksi dengan menggunakan metode penyesuaian histogram. Untuk
melihat nilai bias citranya dapat menggunakan tools : Edit Transform Limit
yang sebelumnya diolah menggunakan Land Application Wizard.
5.1 Kesimpulan
Berdasarkan pada praktikum modul Inderaja Modul 2 Koreksi Radiometri
ini, maka dapat disimpulkan bahwa :
1. Koreksi Radiometri bias citra digunakan untuk mengetahui nilai bias
citra yang terdapat pada citra
2. Koreksi atmospheric bias citra digunakan untuk mengetahui nilai
bias citra yang dipengaruhi oleh atmosfer yang terdapat pada citra
3. Penyesuaian histogram digunakan untuk evaluasi histogram pada
setiap band dari data citra. Hasil akhir pada penyesuaian histogram
didapatkan nilai band yang dimulai dari 1 hingga maksimal 3.
4. Koreksi DPC merupakan salah satu cara untuk mengkoreksi efek
atmosfer dengan cara mengidentifikasi bayangan pixel, menemukan
nilai DN (Digital Number), mengubahnya menjadi nol, dan mengatur
semua pixel lainnya.
5. Koreksi EDPC dilakukan dengan menentukan salah satu band yang
memiliki indeks bias minimum yang paling tinggi.
6. Cut-Off Value (Scattergram) merupakan sebuah metode untuk
mengoreksi bias citra yang dilakukan dengan memilih semua band
dengan nilai indeks biasnya yang paling kecil (minimum).
5.2 Saran
Saran untuk praktikum selanjutnya adalah sebaiknya praktikan lebih teliti
dalam melakukan setiap langkah praktikum, sehingga hasil olah citra memiliki
kualitas dan kecermatan yang baik yang baik.
B. Sudah Dikoreksi
No Band Min Max
1. Band 1 1 188
2. Band 2 1 203
3. Band 3 1 239
4. Band 4 1 215
5. Band 5 1 253
6. Band 6 1 234
Band 1
2 Band
Band 3
4Band
Band 5
7Band
4.1.3 Enhanched Dark Pixel Correction (EDPC)
A. Sebelum Dikoreksi
No Band Min Max
1. Band 1 0 188
2. Band 2 -6.08065 188.91935
3. Band 3 -9.887156 229.112844
4. Band 4 -14.1118316 192.8881684
5. Band 5 -29.1111868 224.8888132
6. Band 6 -30.2289312 215.7710688
Band 1
Band 2
Band 3
4Band
Band 5
7Band
4.1.4 Cut Off
A. Sebelum Dikoreksi
No Band Min Max
1. Band 1 0 188
2. Band 2 0 195
3. Band 3 0 239
4. Band 4 0 207
5. Band 5 0 254
6. Band 6 0 246
Band 1
Band 2
Band 3
4Band
Band 5
Band 7
4.2 Pembahasan
4.2.1 Memeriksa Nilai Atmospheric Bias Cahaya
Berdasarkan praktikum yang telah dilaksanakan, pada modul kedua
Koreksi Radiometri ini, pemeriksaan nilai bias atmospheric citra dilakukan
guna mengetahui nilai bias yang terdapat pada citra yang akan selanjutnya
dikoreksi dengan menggunakan metode penyesuaian histogram. Untuk
melihat nilai bias citranya dapat menggunakan tools : Edit Transform Limit
yang sebelumnya diolah menggunakan Land Application Wizard.
5.1 Kesimpulan
Berdasarkan pada praktikum modul Inderaja Modul 2 Koreksi
Radiometri ini, maka dapat disimpulkan bahwa :
1. Koreksi Radiometri bias citra digunakan untuk mengetahui nilai bias
citra yang terdapat pada citra
2. Koreksi atmospheric bias citra digunakan untuk mengetahui nilai bias
citra yang dipengaruhi oleh atmosfer yang terdapat pada citra
3. Penyesuaian histogram digunakan untuk evaluasi histogram pada setiap
band dari data citra. Hasil akhir pada penyesuaian histogram didapatkan
nilai band yang dimulai dari 1 hingga maksimal 3.
4. Koreksi DPC merupakan salah satu cara untuk mengkoreksi efek
atmosfer dengan cara mengidentifikasi bayangan pixel, menemukan
nilai DN (Digital Number), mengubahnya menjadi nol, dan mengatur
semua pixel lainnya.
5. Koreksi EDPC dilakukan dengan menentukan salah satu band yang
memiliki indeks bias minimum yang paling tinggi.
6. Cut-Off Value (Scattergram) merupakan sebuah metode untuk
mengoreksi bias citra yang dilakukan dengan memilih semua band
dengan nilai indeks biasnya yang paling kecil (minimum).
5.2 Saran
Saran untuk praktikum selanjutnya adalah sebaiknya praktikan lebih teliti
dalam melakukan setiap langkah praktikum, sehingga hasil olah citra memiliki
kualitas dan kecermatan yang baik yang baik