LAPORAN RESMI PRAKTIKUM

PENGINDERAAN JAUH
MODUL II : KOREKSI RADIOMETRI

Disusun Oleh:
RACHMAT AFRIYANTO
26020114140104
ILMU KELAUTAN A

Koordinator Mata Kuliah Penginderaan Jauh :

Ir. Petrus Subardjo, Msi
NIP. 19561020 198703 1 001

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

JURUSAN ILMU KELAUTAN FAKULTAS

PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS DIPONEGORO SEMARANG

2016
 Shift: 2

Tgl Praktikum : 20 Maret 2016

Tgl Pengumpulan : 26 Maret 2016

LEMBAR PENILAIAN

MODUL II : KOREKSI RADIOMETRI

Nama : RACHMAT AFRIYANTONIM: 26020114140104 Ttd: ...................................

NO. KETERANGAN NILAI

1. Pendahuluan
2. Tinjauan Pustaka
3. Materi dan Metode
4. Hasil dan Pembahasan
5. Penutup
6. Daftar Pustaka
TOTAL

Mengetahui,
Koordinator Praktikum Asisten

Rinto Setyawan
Rayana Dwiari Armanto
26020213140036 26020213140083
 I. PENDAHULUAN

1.1. Latar Belakang

Era modern saat ini, kemajuan teknologi diberbagai bidang berkembang
dengan sangat pesat. Remote Sensing atau teknologi penginderaan jauh
merupakan suatu pengembangan dari teknologi pemotretan udara yang mulai
diperkenalkan pada akhir abad ke-19 sebagai suatu pengembangan pemetaan
melalui satelit. Manfaat potret udara dirasa sangat besar dalam perang dunia
pertama dan kedua, sehingga cara ini dipakai dalam eksplorasi ruang angkasa.
Sejak saat itu istilah penginderaan jauh dikenal dan menjadi populer dalam dunia
pemetaan. Peta yang dihasilkan oleh perekaman jarak jauh ini dikenal dengan
nama citra pengindraan jauh. Namun pada dasarnya citra satelit dengan peta
mempunyai perbedaan yang mencolok dan tidak bisa dikatakan sama.
Dalam praktikum ini akan dibahas mengenai koreksi radiometri dimana koreksi
radiometri (satelite Imagecallibration) merupakan sistem penginderaan jauh yang
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
elektromagnetik matahari yang berpengaruh pada nilai spektral citra.
Pengaruh hamburan (scattering) pada citra yang menyebabkan nilai spektral
citra menjadi lebih tinggi daripada nilai sebenarnya. Metode koreksi radiometri
yang digunakan pada praktikum ini adalah Metode Penyesuaian Histogram
(Histogram Adjustment).
Penginderaan jauh fotografik menguraikan tentang karakteristik
interpretative dan geometric dasar foto udara. Karakteristk radiometrik digunakan
untuk mengoreksi citra dengan penghafoto udara menentukan bagaimana film
tertentu yang dipotretkan dan diproses pada kondisi tertentu menanggapi tenaga
dengan berbagai intensitas. Pengetahuan tentangg karakteristik ini berguna dan
kadang-kadang sangat penting bagi proses analisis citra fotografik terutama dalam
supaya menampilkan hubungan kuantitatif antara nilai rona pada suatu citra dan
beberapa fenomena medan.
1.2. Tujuan
Adapun tujuan praktikum Inderaja modul 2 Koreksi Radiometri ini adalah:
1. Mahasiswa diharapkan mampu melakukan koreksi radiometri
2. Mahasiswa diharapkan mampu memeriksa atmospheric bias citra
3. Mahasiswa diharapkan dapat menggunakan metode penyesuaian
histogram
4. Mahasiswa diharapkan mampu melakukan teknik penyesuaian
histogram Dark Pixel Correction
5. Mahasiswa diharapkan mampu melakukan teknik penyesuaian
histogram Enchanced Dark Pixel
6. Mahasiswa diharapkan mampu melakukan teknik penyesuaian
histogram Cut Off Scattergram

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

2.1. Koreksi Radiometri

2.1.1. Definisi Koreksi Radiometri
Citra yang digunakan untuk pengolahan data penginderaan jauh memiki
beberapa kekurangan, seperti terdapatnya hamburan atau bias yang diakibatkan
oleh beberapa efek atmosfer. Untuk mengurangi efek tersebut maka dilakukanlah
koreksi radiometri (satelite Image callibration) yang merupakan suatu metode
yang 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 elektromagnetik matahari yang berpengaruh pada nilai spektral citra.
Pengaruh hamburan (scattering) pada citra yang menyebabkan nilai spektral citra
menjadi lebih tinggi daripada nilai sebenarnya. 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 radiometri digunakan untuk memperbaiki nilai pixel agar sesuai
dengan yang seharusnya yang biasanya mempertimbangkan faktor gangguan
atmosfer sebagai sumber kesalahan utama. Efek atmosfer menyebabkan nilai
pantulan objek 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. Metode metode yang sering digunakan
untuk menghilangkan efek atmosfer antara lain metode pergeseran histogram
(histogram adjustment), metode regresi dan metode kalibrasi bayangan
(Danoedoro, 1996).
Menurut Dwi Ardi (2012), koreksi radiometrik dilakukan agar informasi
yang terdapat dalam data citra dapat dengan jelas dibaca dan diinterpretasikan.
Kegiatan yang dilakukan dapat berupa:
 Penggabungan data (Data Fusion). Yaitu menggabungkan citra dari
sumber yang berbeda pada area yang sama untuk membantu di dalam
interpretasi. Sebagai contoh adalah menggabungkan data Landsat-TM
dengan data SPOT.
Colodraping. Yaitu menempelkan satu jenis data citra di atas data yang
lainya untuk membuat suatu kombinasi tampilan sehingga memudahkan
untuk menganalisa dua atau lebih variabel. Sebagai contoh adalah citra
vegetasi dari satelit ditempelkan di atas citra foto udara pada area yang
sama.
Penajaman kontras. Yaitu memperbaiki tampilan citra dengan
memaksimumkan kontras antara pencahayaan dan penggelapan atau
menaikan dan merendahkan harga data suatu citra.
Filtering. Yaitu memperbaiki tampilan citra dengan
mentransformasikan nilai-nilai digital citra, seperti mempertajam batas
area yang mempunyai nilai digital yang sama (Enhance Edge),
menghaluskan citra dari noise (Smooth Noise), dan lainnya.
Formula. Yaitu membuat suatu operasi matematika dan memasukan
nilai-nilai digital citra pada operasi matematika tersebut, misalnya
Principal Component Analysis (PCA).

2.1.2 Kegunaan Koreksi Radiometri

Satelite Image Callibration atau Koreksi radiometri merupakan suatu
metode untuk memperbaiki kualitas citra dengan cara mengurangi
kesalahan-kesalahan yang disebabkan oleh sistem perekaman serta
kesalahan yang diakibatkan oleh perjalanan sinar matahari dan suatu objek
ke kamera perekam melalui media atmosfer (Sukojo dan Kustarto dalam
Khasanah, 2013).
Menurut Samsuri (2004), koreksi radiometri diperlukan pada analisa
data penginderaan jauh karena pada saat perekaman, tenaga radiometri yang
sampai ke sensor banyak mengalami gangguan atmosfir.
 Menurut Murti (2012), koreksi radiometri bertujuan untuk
memperbaiki kualitas visual citra dan sekaligus memperbaiki nilai nilai
pixel yang tidak sesuai dengan nilai pantulan objek atau pancaran
spektral objek yang sebenarnya. Kegunaan koreksi radiometri dalam
penelitian dibagi menjadi 2 macam, yaitu:
1. Koreksi radiometri untuk mengurangi pengaruh atmosfer
2. Koreksi radiometri untuk mengurangi pengaruh topografi
Menurut Annas (2009), koreksi radiometri memberikan skala pada
nilai pixel, sebagai
contoh skala monokromatik 0 sampai 255 akan diubah menjadi nilai
radian sebenarnya.
 2.1.3 Kelebihan dan Kekurangan Koreksi Radiometri
Koreksi radiometri memiliki beberapa kelebihan yang diantaranya
adalah pada kemampuannya untuk memperbaiki gangguan atmosfer seperti
kabut tipis, asap, dan lain-lain sehingga dapat meminimalisir bias atau
hamburan citra yang digunakan (Ekadinata et al., 2008).
Kelemahan koreksi raidometri adalah hasil interpretasi sangat
tergantung kepada pendigit (interpreter), sehingga hasilnya bersifat subjektif
(Kartika et al., 2012).

2.2 Penyesuaian Histogram

Metode penyesuaian histogram adalah metode yang cukup sederhana, dengan
waktu yang digunakan untuk pemrosesan singkat dan tidak memerlukan
perhitungan matematis yang rumit. Asumsi dari metode ini adalah dalam proses
koding digital oleh sensor, objek yang memberikan respon spektral yang paling
rendah seharusnya bernilai nol. Apabila nilai ini ternyata melebihi angka nol
maka nilai tersebut dihitung sebagai offset dan koreksi dilakukan dengan
mengurangi seluruh nilai pada saluran tersebut dengan offset-nya (Danoedoro,
1996).
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 (Sutanto,
1986).
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 atmosfir. Sebaliknya penyerapan atau absorbs
pada atmosfer akan 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 nilai nol. Algoritma yang dipergunakan untuk
koreksi radiometri mengikuti formula sebagai berikut :
 Dimana :
Input : input pixel pada baris I dan kolom j dari band k
Output : nilai pixel yang dikoreksi pada lokasi yang sama
Bias : Selisih nilai minimal dan nilai nol pada saluran k
BV : brightness value atau nilai kecerahan
Pada prinsipnya algoritma ini mengurangi nilai bias dengan nilai bias
nilai kecerahan pada band tertentu-nya (Ningrum, 2012).

2.3 Penyesuaian Regresi

Penyesuaian regresi diterapakan dengan memplot nilai-nilai pixel hasil
pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan apabila
adasaluran rujukan (yang relative bebas gangguan) yang menyajikan nilai nol
untuk obyek terteklntu. Kemudian tiap saluran di pixel angkanya dengan yang
saluran rujukan tersebut untuk membentuk diagram pancar nilai yang diamati.
Cara ini secara teoristis mudah namun secara prakteknya sulit. Pengambilan
pixel-pixel pengamatan harus berupa obyek yang secara gradual berubah naik
nilainya, pada kedua saluran sekaligus dan bukan hanya pada salah satu saluran.
(Denoedoro,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-plot 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 tidaklah jauh berbeda (Danoedoro,
1996).
2.3.1 DPC (Dark Pixel Correction)
Dark Pixel Correction merupakan metode sederhana yang
digunakan untuk menghilangkan efek gelap yang ditimbulkan oleh
atmosfer pada citra (Indarto, 2009).
Kalibrasi dengan Dark Pixel Correction dilakukan sebelum citra-
citra tersebut digabung. Dark Pixel Correction adalah koreksi sederhana
untuk menghilangkan pengaruh atmosfer yang cenderung memperbesar
nilai pixel dan menjadi sumber utama perbedaan nilai pixel masing-
masing citra (Susiati, 2008).
Pada keadaan aslinya, jika tidak ada atmosfer maka 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. Hal inilah yang menjadi
wilayah koreksi Dark Pixel Correction. 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 (Ullinuha, 2014).
2.3.2 EDPC (Enchanched Dark Pixel Correction)
Enhanced Dark Pixel Correction merupakan bagian dari metode
penyesuaian regresi yang digunakan untuk menghilangkan efek dari
atmosfer untuk image enhancement (penajaman citra). Pada metode ini
sistem kerjanya hampir mirip dengan metode DPC, yaitu dengan harus
memasukkan nilai range yang tercantum dalam actual input limits. Pada
Enhanced Dark Pixel Correction terdapat dua layer yang berbeda, dimana
layer kedua lebih terang dibandingkan layer pertama dan gambar layer-
nya lebih tajam (Indarto, 2009).
Jika Dark Pixel Correction dilakukan untuk mengkoreksi kesalahan
radiometrik dari suatu citra, maka hasil Enhanced Dark Pixel Correction
lebih digunakan untuk aplikasi tertentu. Dengan mengurangkan masing
masing band dengan minimum digital number value-nya, maka setiap band
akan memiliki minimal digital number dari nol (Ningrum, 2013).
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 band yang dihalangi poros panjang gelombang lebih
pendek pada pendekatan digital number komponen penghambur.
Penyelesaian hal semacam ini menggunakan cut-off (Ningrum, 2012).
Fungsi ini untuk membantu menganalisis data yang bekerja pada
data dalam mode spektral, scattegram juga berguna untuk klasifikasi
tanah, membuat raster daerah,dan membuat poligon vektor. Scattering
terjadi bila partikel atau molekul gas yang besar yang ada di atmosfer
berinteraksi dan menyebabkan arah radiasi elektromagnetik melenceng
dari jalur sebenarnya. Besarnya penyimpangan ini tergantung pada
beberapa faktor termasuk panjang gelombang radiasi, kelimpahan partikel
dan gas dan jarak perjalanan radiasi (Ullinuha, 2014).
 DAFTAR 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

3.1. Waktu dan Tempat Praktikum

Praktkum penginderaan jauh modul 2 tentang Koreksi Radiometri ini
dilaksanakan pada:
Hari / Tanggal : Selasa, 26 September 201
Waktu : 14.00 WIB selesai
Tempat : Lab. Komputasi Ilmu Kelautan, Gedung E Lantai 2,
Jurusan Ilmu Kelautan, Fakultas Perikanan dan
Ilmu Kelautan, Universitas Diponegoro, Semarang.

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

1. Buka ER Mapper 7.0 dengan klik 2x pada icon ER Mapper 7.0

2. Buka file citra dengan klik icon edit algorithm pada active window ER

Mapper 7.0, lalu klik icon load dataset buka direktori

C:\ERMapper70\examples\Shared_Data lalu pilih file citra
Gabung_Naufal_26020216140078.ers

3. Gandakan pseudo layer dengan cara klik icon duplicate sebanyak

6 layer. Ganti pseudo layer menjadi Band 1, Band 2, Band 3, Band 4,
Band 5, dan Band 7. Dan masukkan Band sesuai dengan Band nya.
Ubah description menjadi Nama_NIM.
4. Pada setiap band, contohnya B1: band 1, klik icon edit transform limits

. Maka akan muncul window Transform. Kemudian cek nilai

atmospheric pada setiap band, yaitu nilai yang berada dibawah kiri
window yang bertuliskan Actual Input Limits.

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

transform. Lakukan pada setiap band.

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

2. Klik icon duplicate untuk menduplikat pseudo layer 5 kali. Ganti

pseudo layer menjadi Band 1, Band 2, Band 3, Band 4, Band 5, dan Band
7. Dan masukkan Band sesuai dengan Band nya. Ubah description
menjadi Nama_NIM.
3. Kemudian klik icon edit transform limit Lalu cek nilai
atmospheric bias setiap band.

3.3.3. Penyesuaian Regresi

3.3.3.1. DPC (Dark Pixel Correction)

1. Untuk koreksi DPC dapat digunakan diggunakan data yang sama, dengan

cara klik icon land application wizard .

2. Pada window land application wizard, lalu klik next

3. Pilih process TM Imagenary, lalu klik next

4. Pilih atmospheric effect correction, lalu klik next

5. Pilih dark pixel correction, lalu klik next

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.

9. Kemudian icon edit transform limits dan cek nilai atmospheric

bias pada window transform di setiap band. Kemudian pada window
transform klik edit, delete this transform. Lakukan pada setiap band
10. Simpan file dengan format .ers (ER Mapper Raster Dataset) Klik File lalu
Save as untuk menyimpan data. Simpan file histogram dengan nama file
DPC_SudahDikoreksi_MuhammadNaufalNurrahman_26020216140078.e
rs). klik Ok

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.

3.3.3.2. EDPC (Enhanched Dark Pixel Correction)

1. Lakukan proses yang sama dengan teknik DPC hingga langkah ke-4
2. Pada window processing TM Imagery Atmospheric, pilih enhanced
dark pixel correction, lalu klik next

3. Masukan file citra yang akan dikoreksi, Landsat_TM_23apr85.ers. klik

next
4. Pilih use TM1 as initial band dan masukan nilai atmospheric biasnya.
Nilai atmospheric bias dapat dilihat pada windows transform, lalu klik
next

5. Pada select an option pilih sesuai dengan nilai atmospheric biasnya dan

tuliskan.nama.file.outputnya.yaitu.EDPC_BelumDikoresi_MuhammadNaufal

Nurrahman_26020216140078.ers. Klik finish.

6. Akan muncul citra dengan 7 band yang belum terkoreksi. Lalu Klik icon

edit algorithm pada active window ER Mapper, lalu Cut pada Band
TM6. Ubah description menjadi Nama_NIM

7. Kemudian icon edit transform limits dan cek nilai atmospheric

bias pada window transform di setiap band. Kemudian pada window
transform klik edit, delete this transform. Lakukan pada setiap band
8. Klik.File.lalu.Save.as.untuk.menyimpan.data.Simpan.file.histogram.nama.
file.EDPC_SudahDikoreksi_MuhammadNaufalNurrahman_26020216140
078.ers pada file type pilih ER Mapper Raster Dataset(.ers). klik OK

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.

3.3.3.4. Cut off (Scattergram)

1. Lakukan proses yang sama dengan teknik EDPC hingga langkah ke-4
2. Pada window processing TM Imagery Atmospheric, pilih cut off, lalu
klik next.

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

216140078.ers kemudian klik next

5. Maka akan tampak pada window

6. Pada window new map composition, klik cancel
7. Pada window processing TM imagery-atmospheric effect correction
(cut off value), masukan nilai atmospheric bias masing-masing band.
Nilai atmospheric bias dapat dilihat pada window scattergram. Untuk
melihat nilai-nilai atmospheric bias lainnya klik set up, ubah X Axis dan
Y Axis nya. Lalu 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 TM6.
Ubah description menjadi Nama_NIM.

9. Kemudian icon edit transform limits dan cek nilai atmospheric

bias pada window transform di setiap band. Kemudian pada window
transform klik edit, delete this transform. Lakukan pada setiap band
10. Klik File lalu Save as untuk menyimpan data. Simpan file histogram
dengan nama file Cutoff_SudahKoreksi_MuhammadNaufalNurrahman_
26020114140078.ers pada file type pilih ER Mapper Raster
Dataset(.ers). klik OK

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

No Band Min Max

1. Band 1 8494 37343
2. Band 2 7565 45702
3. Band 3 6436 46016
4. Band 4 5795 47678
5. Band 5 5365 51754
6. Band 7 5020 26776

Band 1 Band 2 Band 3

Band 4 Band 5Band 7

4.1.2. Penyesuaian Hstogram
No Band Min Max
1. Band 1 0 187
2. Band 2 0 184
3. Band 3 0 238
4. Band 4 0 192
5. Band 5 0 253
6. Band 7 0 249

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

No Band Min Max

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 5 Band 7

 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

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 5 Band 7

 B. Sesudah Dikoreksi
No Band Min Max
1. Band 1 2 188
2. Band 2 1 210
3. Band 3 1 240
4. Band 4 3 221
5. Band 5 1 225
6. Band 7 1 254

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 5 Band 7

 B. Sesudah Dikoreksi
No Band Min Max
1. Band 1 1 188
2. Band 2 1 202
3. Band 3 1 239
4. Band 4 1 217
5. Band 5 1 254
6. Band 6 1 234

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.

4.2.2 Penyesuain Histogram

Penyesuaian histogram adalah penyesuaian terhadap bias atmosferik
yang dilakukan dengan menambahkan atau mengurangi nilai terendah pada
window Formula Editor. Jika nilai terendah pada Band 1 adalah 67 maka
kita tuliskan INPUT1-67. Setelah dilakukan koreksi dengan penyesuaian
histogram didapatkan nilai band adalah 0.
Penyesuaian histogram digunakan untuk mengevaluasi atau
memeriksa kembali histogram pada setiap band dari data citra. Data pada
panjang gelombang tampak (saluran 13) mempunyai nilai minimum yang
lebih tinggi karena dipengaruhi oleh hamburan dari atmosfer. Penyerapan
atau absorbansi pada atmosfer akan mengurangi ketajaman pada data yang
direkam dalam interval panjang gelombang yang lebih besar seperti saluran
4, 5, 7. Sehingga data pada band ini nilai minimum yang baik adalah
mendekati nilai nol.

4.2.3 Penyesuaian Regresi

4.2.4 DPC (Dark Pixel Correction)

Penyesuaian regresi DPC (Dark Pixel Correction) adalah metode lain
untuk menyesuaikan histogram dari suatu citra yang diolah. untuk
membuka Dark Pixel Correction, dapat dilakukan dengan cara klik icon 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.
 Melalui histogram yang dicek tiap saluran secara independen, maka
dapat diketahui nilai piksel 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.

4.2.5 EDPC (Enhanched Dark Pixel Correction)

EDPC (Enhanched Dark Pixel Correction) atau koreksi piksel gelap
merupakan metode yang dilakukan untuk menyesuaikan Histogram. Nilai
TM yang digunakan sebagai inisial Band adalah TM 1. Hal ini
dikarenakan TM 1 dianggap telah mewakili nilai TM yang lain dan nilai
TM 1 sudah merupakan acuan atau standar. Kemudian kita memakai kita
menggunakan metode koreksi Clear dengan syarat TM2 < =55.
Kita mengenai Enhanched Dark Pixel Correction dengan menggunakan
nilai TM yang paling kecil 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 TM2 adalah
>55<=75.
Berdasarkan pada koreksi Dark Pixel Correction maka dapat di
ketahui, bahwa nilai minimal atmosfer bias citra pada seluruh band nilainya
adalah 1. Ini menandakan bahwa proses koreksi menggunakan metode
Enhanched Dark Pixel Correction sudah sesuai dengan syarat toleransi
untuk nilai atmosfer bias citra pada setiap band yang nilainya berkisar dari
-3 sampai 3.

4.2.6 Cut-off Scattergram

Cut-off merupakan cara ketiga dalam koreksi atmosfer yang
menggunakan dua variasi scattergram. Fungsi ini dilakukan untuk
menganalisa data yang bekerja pada data modus spektral. Dengan
memasukkan nilai terendah tiap tiap band pada window Scattergram. Pada
kerja Cut-off ini spesifik value dari Cut-off adalah TM 1 sampai dengan
TM 5 dan TM 7. Setelah nilai TM yang ada dimasukkan, pada layer Cut
layer TM 6 yang tidak digunakan pada koresi kali ini.
Dari hasil koreksi Cut-Off Scattergram praktikan mendapat nilai
minimum atmosfer bias citra pada band 1 bernilai 1, begitu juga dengan
band 2, 3, 4, 5, dan 7. Hal ini menunjukan bahwa koreksi dengan
metode ini juga sudah sesuai dalam batas toleransi nilai atmosfer bias
citra.
Cahaya-cahaya yang berasal dari sinar matahari memiliki panjang
gelombang yang berbeda-beda. Semakin besar panjang gelombangnya,
maka semakin besar pula kemampuannya untuk menembus gangguan.
Dari praktikum ini dapat diketahui bahwa panjang gelombang yang
paling besar kemampuannya dalam menembus gangguan adalah Band 7
sebab atmospheric biasnya adalah satu.
 V. PENUTUP

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

Band 4 Band 5 Band 7

 B. Sesudah Dikoreksi
No Band Min Max
1. Band 1 2 188
2. Band 2 1 210
3. Band 3 1 240
4. Band 4 3 221
5. Band 5 1 225
6. Band 7 1 254

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

Band 4 Band 5 Band 7

 B. Sesudah Dikoreksi
No Band Min Max
1. Band 1 1 188
2. Band 2 1 202
3. Band 3 1 239
4. Band 4 1 217
5. Band 5 1 254
6. Band 6 1 234

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.

4.2.2 Penyesuain Histogram

Penyesuaian histogram adalah penyesuaian terhadap bias atmosferik
yang dilakukan dengan menambahkan atau mengurangi nilai terendah pada
window Formula Editor. Jika nilai terendah pada Band 1 adalah 67 maka
kita tuliskan INPUT1-67. Setelah dilakukan koreksi dengan penyesuaian
histogram didapatkan nilai band adalah 0.
Penyesuaian histogram digunakan untuk mengevaluasi atau
memeriksa kembali histogram pada setiap band dari data citra. Data pada
panjang gelombang tampak (saluran 13) mempunyai nilai minimum yang
lebih tinggi karena dipengaruhi oleh hamburan dari atmosfer. Penyerapan
atau absorbansi pada atmosfer akan mengurangi ketajaman pada data yang
direkam dalam interval panjang gelombang yang lebih besar seperti saluran
4, 5, 7. Sehingga data pada band ini nilai minimum yang baik adalah
mendekati nilai nol.

4.2.3 DPC (Dark Pixel Correction)

Penyesuaian regresi DPC (Dark Pixel Correction) adalah metode lain
untuk menyesuaikan histogram dari suatu citra yang diolah. untuk membuka
Dark Pixel Correction, dapat dilakukan dengan cara klik icon 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.
 Melalui histogram yang dicek tiap saluran secara independen, maka
dapat diketahui nilai piksel 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.

4.2.4 EDPC (Enhanched Dark Pixel Correction)

EDPC (Enhanched Dark Pixel Correction) atau koreksi piksel gelap
merupakan metode yang dilakukan untuk menyesuaikan Histogram. Nilai
TM yang digunakan sebagai inisial Band adalah TM 1. Hal ini
dikarenakan TM 1 dianggap telah mewakili nilai TM yang lain dan nilai
TM 1 sudah merupakan acuan atau standar. Kemudian kita memakai kita
menggunakan metode koreksi Clear dengan syarat TM2 < =55.
Kita mengenai Enhanched Dark Pixel Correction dengan
menggunakan nilai TM yang paling kecil 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 TM2 adalah >55<=75.
Berdasarkan pada koreksi Dark Pixel Correction maka dapat di
ketahui, bahwa nilai minimal atmosfer bias citra pada seluruh band nilainya
adalah 1. Ini menandakan bahwa proses koreksi menggunakan metode
Enhanched Dark Pixel Correction sudah sesuai dengan syarat toleransi
untuk nilai atmosfer bias citra pada setiap band yang nilainya berkisar dari
-3 sampai 3.

4.2.5 Cut-off Scattergram

Cut-off merupakan cara ketiga dalam koreksi atmosfer yang
menggunakan dua variasi scattergram. Fungsi ini dilakukan untuk
menganalisa data yang bekerja pada data modus spektral. Dengan
memasukkan nilai terendah tiap tiap band pada window Scattergram. Pada
kerja Cut-off ini spesifik value dari Cut-off adalah TM 1 sampai dengan TM
5 dan TM 7. Setelah nilai TM yang ada dimasukkan, pada layer Cut layer
TM 6 yang tidak digunakan pada koresi kali ini.
Dari hasil koreksi Cut-Off Scattergram praktikan mendapat nilai
minimum atmosfer bias citra pada band 1 bernilai 1, begitu juga dengan
band 2, 3, 4, 5, dan 7. Hal ini menunjukan bahwa koreksi dengan metode ini
juga sudah sesuai dalam batas toleransi nilai atmosfer bias citra.
Cahaya-cahaya yang berasal dari sinar matahari memiliki panjang
gelombang yang berbeda-beda. Semakin besar panjang gelombangnya,
maka semakin besar pula kemampuannya untuk menembus gangguan. Dari
praktikum ini dapat diketahui bahwa panjang gelombang yang paling besar
kemampuannya dalam menembus gangguan adalah Band 7 sebab
atmospheric biasnya adalah satu.
 V. PENUTUP

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