Pembuatan Model Permukaan Digital PDF
Pembuatan Model Permukaan Digital PDF
SKRIPSI
Oleh :
SKRIPSI
diajukan oleh :
kepada :
i
SKRIPSI
Ketua/Pembimbing Anggota
1.
2.
Tanggal .........................................
ii
PERNYATAAN
Dengan ini saya menyatakan bahwa dalam skripsi ini tidak terdapat karya yang
pernah diajukan untuk memperoleh gelar kesarjanaan di suatu perguruan tinggi, dan
sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang pernah
ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis diacu dalam
naskah ini dan disebutkan dalam daftar pustaka.
iii
I dedicate this to…
iv
KATA PENGANTAR
v
BJC-1000SP-nya, dan juga saudaraku Ardhian Prabawa yang
meminjamkan CPU-nya pada saat-saat akhir penulisan.
10. Chris Triwarseno, Edi Suryanto, WS Andirachman, Laswanto, Adi
Permadi, Fachry Ansori, Yulieta, Niken ZS, Vitriani, Bisri Musthofa,
Bayu Triyogo, serta rekan-rekan lain yang tidak dapat penulis sebutkan
satu demi satu, atas dukungan moral dan persahabatan yang hangat.
11. Bapak Prayoga, Ibu Murwati, serta Kristi Puji Astuti atas semua
bantuannya.
Penulis
vi
DAFTAR ISI
Halaman Judul............................................................................................................ i
Halaman Pengesahan.................................................................................................. ii
Halaman Pernyataan................................................................................................... iii
Halaman Persembahan............................................................................................... iv
Kata Pengantar........................................................................................................... v
Daftar Isi..................................................................................................................... vii
Daftar Gambar............................................................................................................ ix
Daftar Tabel................................................................................................................ x
Daftar Lampiran......................................................................................................... xi
Intisari......................................................................................................................... xii
BAB I PENDAHULUAN
I.1. Latar Belakang....................................................................................... 1
I.2. Tujuan.................................................................................................... 2
I.3. Pembatasan Masalah.............................................................................. 2
I.4. Landasan Teori....................................................................................... 3
I.4.1. Sistem Satelit Terra.................................................................... 3
I.4.1.1. Karakteristik Sistem..................................................... 3
I.4.1.2. Sensor-sensor pada Satelit Terra..............................… 3
I.4.2. Sensor ASTER........................................................................... 3
I.4.2.1. Karakteristik Sensor ASTER........................................ 3
I.4.2.2. Sifat Stereoskopik pada Citra ASTER......................... 6
I.4.3. Data Citra ASTER..................................................................... 7
I.4.3.1. Pemrosesan Data Citra ASTER.................................... 7
I.4.3.2. Format Data Citra ASTER........................................... 7
I.4.4. Pembentukan Model Permukaan Digital................................... 7
I.4.4.1. Teknik Korelasi Silang................................................. 7
I.4.4.2. Penghitungan Paralaks dan Elevasi.............................. 11
I.4.4.3. Model Permukaan Digital............................................ 13
I.4.5. Noise filtering.................................... ....................................... 14
I.4.5.1. Simpangan Baku Lokal................................................ 14
I.4.5.2. Filter Median................................................................ 14
I.4.6. Hitung Kuadrat Terkecil............................................................ 15
I.4.7. Transformasi Polinomial............................................................ 17
I.4.8. Teori Kesalahan......................................................................... 18
I.4.9. Acuan Ketelitian Baku............................................................... 21
I.4.9. Perangkat Lunak Komputer....................................................... 21
I.4.9.1. IDL/ENVI..................................................................... 21
I.4.9.2. Delphi 5............................... ........................................ 22
BAB II PELAKSANAAN
II.1. Persiapan.................................... ......................................................... 24
II.2. Materi Penelitian.................................... ............................................. 24
II.3. Alat Penelitian.................................... ................................................ 24
II.4. Alur Penelitian.................................... ................................................ 25
vii
II.4.1. Pemrograman Komputer........................................................ 26
II.4.1.1. Perancangan Interface............................................. 26
II.4.1.2. Penulisan Kode Program......................................... 27
II.4.1.3. Uji Program dan Debugging.................................... 28
II.4.2. Ekstraksi Band 3N dan 3B..................................................... 29
II.4.3. Pengukuran Koordinat pada Peta Rupabumi......................... 31
II.4.3.1. Titik Kontrol Tanah dan Titik Ikat.......................... 33
II.4.3.2. Titik Cek.................................................................. 33
II.4.4. Pengukuran Koordinat Titik Ikat pada Citra.......................... 33
II.4.5. Pengolahan Data secara Otomatis.......................................... 34
II.4.5.1. Registrasi Band 3B ke 3N secara Otomatis............. 34
II.4.5.2. Korelasi Stereo secara Otomatis.............................. 36
II.4.5.3. Noise filtering Model Permukaan Digital............... 37
II.4.5.4. Koreksi Elevasi secara Otomatis............................. 39
II.4.5.5. Penyimpanan Data Model Permukaan Digital........ 39
II.4.6. Georeferensi Model Permukaan Digital................................ 41
II.4.7. Evaluasi Ketelitian Model Permukaan Digital...................... 43
II.4.8. Visualisasi Model Permukaan Digital................................... 44
Daftar Pustaka............................................................................................................ 56
Lampiran.................................................................................................................... 57
viii
DAFTAR GAMBAR
Gambar I.1. Diagram skematik linear array sensor.............................................. 4
Gambar I.2. Subsistem VNIR pada sistem sensor ASTER................................... 6
Gambar I.3. Geometri citra ASTER...................................................................... 6
Gambar I.4. Korelasi silang 2 dimensi.................................................................. 8
Gambar I.5. Estimasi koordinat sub-piksel............................................................ 10
Gambar I.6. Penentuan elevasi berdasarkan paralaks pada citra ASTER............. 12
Gambar I.7. Proses penghitungan median filter.................................................... 15
Gambar I.8. Kurva distribusi normal..................................................................... 19
Gambar II.1. Diagram alir penelitian...................................................................... 25
Gambar II.2. Properties dan Events dalam Object Inspector Delphi..................... 27
Gambar II.3. Code Editor pada Delphi................................................................... 28
Gambar II.4. Ukuran citra ASTER Level-1B full scene......................................... 29
Gambar II.5. Fasilitas New File Builder pada ENVI.............................................. 30
Gambar II.6. Distribusi titik GCP dan titik ikat yang digunakan........................... 32
Gambar II.7. Tampilan awal program DEMCreator 4............................................ 34
Gambar II.8. Bagian pengaturan proses dalam program DEMCreator 4............... 35
Gambar II.9. Daerah tepi yang tidak dapat dihitung nilai korelasi silangnya......... 36
Gambar II.10. Citra dengan noise dan citra yang telah dihilangkan noise-nya........ 37
Gambar II.11. Bagian pengaturan lanjut DEMCreator 4.......................................... 38
Gambar II.12. Pemilihan GCP untuk proses georeferensi........................................ 42
Gambar II.13. Fasilitas Image to Map Registration untuk melakukan georeferensi
model................................................................................................. 43
Gambar III.1. Selisih elevasi titik cek pada model terhadap elevasi titik cek pada
peta rupabumi.................................................................................... 51
ix
DAFTAR TABEL
Tabel I.1. Parameter orbit satelit Terra.................................................................. 3
Tabel I.2. Karakteristik band Citra ASTER........................................................... 5
Tabel I.3. Faktor pengali σ untuk berbagai tingkat kepercayaan.......................... 20
Tabel I.4. Hubungan antara skala peta, interval kontur, dan syarat tingkat
ketelitian................................................................................................ 21
Tabel III.1. Nilai parameter transformasi polinomial satu dimensi......................... 45
Tabel III.2. Pengaruh ukuran daerah sasaran terhadap ketelitian korelasi
otomatis................................................................................................. 47
Tabel III.3. Pengamatan secara visual hasil filter.................................................... 48
Tabel III.4. Nilai parameter transformasi dalam koreksi elevasi............................. 49
.
.
x
DAFTAR LAMPIRAN
Lampiran A Visualisasi Model Permukaan Digital................................................. 58
Lampiran B Daftar Koordinat GCP dan Titik Ikat.................................................. 65
Lampiran C Hasil Uji Korelasi Otomatis................................................................ 68
Lampiran D Hasil Uji Noise filtering....................................................................... 81
Lampiran E Hasil Uji Ketelitian Model Permukaan Digital................................... 87
Lampiran F Setting Program untuk Pembuatan Model Permukaan Digital
Daerah Parengan, Tuban...................................................................... 92
Lampiran G Panduan Singkat Penggunaan Program DEMCreator......................... 95
Lampiran H Flowchart Modul Program Korelasi Otomatis dan Filtering............... 113
Lampiran I CD-ROM............................................................................................. -
1. Dokumen Skripsi................................................ folder DOC
2. Data Mentah....................................................... folder RAW
3. Data Hasil Olahan.............................................. folder DEM
4. Paket Program DEMCreator 4........................... folder SOFT
xi
INTISARI
Perkembangan teknik fotogrametri ke arah sistem digital berjalan dengan
cepat seiring dengan semakin majunya teknologi komputer. Demikian pula dengan
perkembangan teknologi penginderaan jauh yang memberikan banyak inovasi baru
dalam kaitannya dengan kegiatan pemetaan. Salah satunya ditandai dengan
diluncurkannya satelit EOS-AM1/Terra yang memiliki sensor ASTER dengan
kemampuan yang istimewa yaitu mengindera tempat yang sama dari dua posisi
pencitraan dalam satu jalur orbit, sehingga didapatkan citra stereo. Dari pasangan
citra stereo tersebut, dapat dibentuk model tiga dimensi dari permukaan daerah yang
diindera.
Penelitian ini memanfaatkan prinsip paralaks untuk menentukan elevasi titik-
titik pada citra ASTER dalam pembentukan model permukaan digital. Dalam
menentukan elevasi hanya diperhatikan dua faktor, yaitu B/H ratio sebesar 0,6 dan
beda paralaks tiap piksel. Untuk menentukan titik-titik yang bersesuaian pada dua
buah citra, dilakukan proses image-matching secara otomatis dengan teknik korelasi
silang. Untuk melaksanakan korelasi otomatis serta penghitungan model permukaan
digital ini disusun sebuah program komputer dengan menggunakan perangkat lunak
pemrograman Delphi 5.
Hasil utama yang didapat dari penelitian ini adalah sebuah model permukaan
digital tergeoreferensi daerah Parengan, Tuban, Jawa Timur, berukuran 1132 piksel x
1131 piksel dengan resolusi spasial 15 meter secara horisontal dan 1 meter secara
vertikal. Berdasarkan 150 buah titik sampel yang diambil dari titik-titik tinggi pada
peta rupabumi didapatkan root mean square error (RMSE) pada komponen elevasi
sebesar 8,8 meter atau setara dengan tingkat ketelitian sebesar 14,48 meter pada
tingkat kepercayan 90%, sehingga memenuhi persyaratan ketelitian menurut United
States National Map Accuracy Standards untuk keperluan pembuatan peta topografi
dengan skala 1:100.000 atau lebih kecil lagi.
xii
BAB I
PENDAHULUAN
1
2
permukaan digital, proses otomasi mutlak diperlukan karena kuantitas data yang
besar dan kerumitan dalam hitungan matematis yang terlibat di dalamnya.
Salah satu metode yang digunakan untuk menentukan beda tinggi antar titik
dalam fotogrametri adalah penggunaan paralaks, yaitu perubahan kenampakan posisi
suatu objek terhadap kerangka acuan tertentu yang disebabkan oleh perpindahan
posisi pengamat. Selama ini, prinsip paralaks telah diaplikasikan dengan bantuan
stereoskop dan tongkat paralaks. Dari pengukuran beda paralaks dapat dihitung beda
tinggi dengan menggunakan suatu rumusan matematis yang relatif lebih sederhana
daripada penghitungan dengan prinsip kesegarisan dan kesebidangan.
Pembuatan model permukaan digital dari citra satelit telah dilakukan pada
citra-citra satelit yang mempunyai sifat stereoskopis, seperti SPOT, JERS-1, dan
MOMS. Salah satu kelemahan dari citra satelit sebagai sumber data untuk pembuatan
model permukaan digital adalah adanya selang waktu yang relatif lama antara dua
pengambilan gambar pada daerah yang akan dibentuk model permukaan digitalnya.
Adanya selang waktu ini memberikan dampak negatif pada proses pembentukan
model stereo karena daerah yang akan ditinjau akan mengalami berbagai perubahan
kenampakan, yang meliputi perubahan iluminasi, perubahan penutup lahan,
perubahan cuaca, maupun perubahan geomorfologis lainnya. Pada citra ASTER,
kelemahan ini dapat diatasi dengan adanya selang waktu yang singkat antara dua
pengambilan citra stereo, yaitu sekitar 9 detik.
Tabel I.1. Parameter orbit satelit Terra (ASTER Science Team, 2001)
Parameter Keterangan
Orbit Sun synchronous, descending
Sumbu semi-major (rerata) 7078 km
Eksentrisitas 0,0012
Waktu lintas (lokal) 10.30 ± 15 menit.
Kisaran ketinggian 700 - 737 km (705 km pada ekuator)
Inklinasi 98,2° ± 0,15°
Repeat cycle 16 hari (233 revolusi / 16 hari)
Jarak antara orbit yang berdekatan 172 km
Periode orbit 98,9 menit
Satelit Terra berada pada orbit kutub yang bersifat sun-synchronous, 30 menit
dibelakang Landsat ETM+; Terra melintasi ekuator pada sekitar pukul 10.30 pagi
waktu setempat. Parameter orbit satelit Terra ditunjukkan pada Tabel I.1.
Sensor ASTER pada subsistem VNIR termasuk tipe pushbroom dengan 5000
buah detektor CCD (Charge Coupled Device) yang terbuat dari silikon. Pushbroom
5
scanner atau linear array sensor adalah sebuah sistem penyiam (scanner) yang tidak
menggunakan cermin penyiam mekanis, melainkan menggunakan elemen-elemen
semikonduktor padat yang disusun dalam satu baris sehingga memungkinkan
perekaman satu baris citra secara simultan (JARS, 1993). Diagram skematik linear
array sensor ditunjukkan pada gambar I.1.
Tabel I.2. Karakteristik band Citra ASTER (ASTER Science Team, 2001).
Subsistem Band Kisaran spektral Resolusi Kuantisasi
(µm) Spasial sinyal
1 0.52 - 0.60
2 0.63 - 0.69
VNIR 15 m 8 bit
3N 0.78 - 0.86
3B 0.78 - 0.86
4 1.600 - 1.700
5 2.145 - 2.185
6 2.185 - 2.225
SWIR 30 m 8 bit
7 2.235 - 2.285
8 2.295 - 2.365
9 2.360 - 2.430
10 8.125 - 8.475
11 8.475 - 8.825
TIR 12 8.925 - 9.275 90 m 12 bit
13 10.25 - 10.95
14 10.95 – 11.65
Satu scene penuh dari citra ASTER meliputi daerah berukuran sekitar 60 km
x 60 km. Tabel I.2. menunjukkan karakteristik kisaran spektral, resolusi spasial, dan
kuantisasi sinyal dari semua band yang ada pada citra ASTER.
ASTER terdiri atas tiga buah subsistem, yaitu: Visible and Near-Infrared
Radiometer (VNIR), yang memiliki 3 band (ditambah satu band pandangan ke
belakang yang menggunakan sebuah teleskop lihat-belakang untuk kemampuan
pandangan stereo) dengan resolusi spasial 15 meter; Shortwave Infrared Radiometer
(SWIR) yang memiliki 6 band dengan resolusi spasial 30 meter; dan Thermal
Infrared Radiometer (TIR) yang memiliki 5 band dengan resolusi spasial 90 meter.
Kenampakan fisik dari subsistem VNIR ditunjukkan pada gambar I.2.
6
I.4.3.2. Format Data Citra ASTER. Format standar dari citra ASTER adalah
EOS-HDF, sebuah implementasi khusus dari format HDF (Hierarchical Data
Format), yang dapat dikenali oleh beberapa perangkat lunak seperti PCI Geomatica
OrthoEngine, Matlab, ILWIS, dan IDL/ENVI. Satu scene penuh dari citra ASTER
yang terdiri atas 14 band berukuran sekitar 120 MB. Data ini didistribusikan dalam
berbagai media data, seperti CD-ROM (Compact Disc – Read Only Memory), CCT
(Computer Compatible Tape), maupun transfer data secara langsung melalui Internet
dengan fasilitas FTP (File Transfer Protocol).
titik yang bersesuaian dicari pada citra pencarian. Untuk keperluan itu, citra referensi
digerakkan pada citra pencarian, dan posisi dari kesamaan maksimum dari tingkat
keabuan dapat dicari. Pada setiap posisi dari citra referensi dalam citra pencarian,
sebuah nilai kesamaan, yaitu koefisien korelasi silang dari tingkat-tingkat keabuan,
dihitung. Koefisien korelasi dihitung dengan persamaan I.1. (Rottensteiner, 2001).
t t
∑ ∑[g
x =1 y =1
( x, y ) − g m ][h( x , y ) − hm ]
δ= (I.1)
t t t t
∑ ∑[g
x =1 y =1
( x, y ) − g m ] ⋅ ∑ ∑ [ h( x , y ) − h m ]
2
x =1 y =1
2
δ = a 0 + a1 x + a 2 y + a 3 xy + a 4 x 2 + a 5 y 2 (I.2)
dengan
δ : koefisien korelasi
a0 – a5 : koefisien parameter polinomial
x, y : koordinat piksel
Ketelitian metode estimasi sub-piksel ini secara empiris diperoleh sekitar 0,2 – 0,3
piksel (Rottensteiner, 2001).
∂δ
∂x = 1 + 4
a 2a a 3 x max 0
∗ = (I.3)
∂δ a 2 a 3 2a 5 y max 0
∂y
Menurut Lang (1999), ketelitian elevasi secara teoritis yang dapat dihasilkan
dari citra satelit stereo dihitung dengan persamaan:
H∆p
∆h = (I.4)
B
dengan
∆h = ketelitian teoritis
∆p = asumsi kesalahan image-matching maksimum
H = tinggi orbit satelit
B = jarak basis
Apabila ketelitian pada proses korelasi silang diasumsikan sebesar 1 piksel (15
meter), maka berdasarkan persamaan I.4 resolusi elevasi model adalah 25 meter.
Sebuah model permukaan digital dengan resolusi elevasi sebesar 25 meter akan
tampak berteras-teras pada daerah yang miring. Efek berteras (terraced effect) ini
11
akan tampak nyata pada daerah yang landai maupun daerah yang mendekati datar.
Selain kualitas visual yang buruk, model dengan resolusi elevasi 25 meter akan
cenderung menghilangkan detil lokal dari permukaan bumi.
Untuk mengatasi masalah-masalah yang muncul pada model dengan resolusi
elevasi besar tersebut, digunakan proses korelasi silang dengan ketelitian sub-piksel
sehingga resolusi elevasi dari model permukaan digital dapat ditingkatkan.
Proses korelasi silang membutuhkan unjuk kerja komputasi yang handal
karena proses korelasi dilakukan pada tingkat piksel untuk tiap piksel pada citra serta
melibatkan banyak hitungan floating-point. Karena pada penghitungan elevasi
diperlukan nilai beda paralaks pada sumbu y, maka proses korelasi silang dapat
dipercepat dengan membatasi daerah sasaran dan selidik menjadi satu dimensi saja.
Namun demikian, pada kenyataan, diperlukan toleransi sebesar masing-masing satu
piksel ke arah sumbu x positif dan sumbu x negatif untuk mengkompensasi
perubahan ketinggian satelit.
Korelasi silang, sebagai salah satu metode image-matching berdasar area
(area-based image-matching) mempunyai beberapa kelemahan, yaitu:
a. tidak memberikan solusi untuk daerah yang tingkat keabuannya homogen,
misalnya salju, padang rumput, dataran pasir, dan lautan.
b. tidak memberikan solusi untuk daerah yang sangat gelap, maupun sangat
terang, seperti daerah bayang-bayang atau permukaan atas awan.
c. tidak memberikan hasil yang tepat untuk daerah dengan perulangan pola
tertentu (repeated patterns).
d. tidak memberikan hasil yang tepat pada daerah yang sama sekali tidak mirip,
misalnya apabila objek pada salah satu citra tertutup awan.
I.4.4.2. Penghitungan Paralaks dan Elevasi. Besarnya paralaks dari tiap piksel
pada citra dapat ditentukan dengan proses image-matching menggunakan teknik
korelasi silang, dimana untuk tiap piksel pada band 3N dicari piksel yang bersesuaian
pada band 3B. Beda koordinat pada komponen sumbu y adalah beda paralaks pada
sumbu y, sedangkan beda koordinat pada komponen sumbu x adalah beda paralaks
pada sumbu x. Koordinat x dan y adalah dalam koordinat citra, merupakan sistem
koordinat tangan kiri, dengan sumbu y sejajar arah orbit.
12
X1 − X 2
∆h = (I.5)
tan α
∆p
= (I.6)
tan α
H ⋅ ∆p
= (I.7)
B
Gambar I.6. Penentuan elevasi berdasarkan paralaks pada citra ASTER (Lang, 1999).
Beda paralaks pada sumbu x pada citra yang terkoreksi harus sama dengan 0.
Hal ini disebabkan karena sifat stereoskopis dari citra ASTER adalah untuk scene
13
yang terletak berurutan pada satu jalur terbang (along track), sehingga untuk kondisi
ideal, paralaks yang ada hanyalah paralaks pada sumbu y saja. Namun pada
kenyataannya, kemungkinan terdapat kesalahan geometrik sebesar 1 piksel pada
sumbu x, yang disebabkan karena perubahan tinggi satelit (Lang, 1999). Kesalahan
ini perlu dikompensasi pada saat proses image-matching.
I.4.5.1. Simpangan baku lokal. Salah satu cara untuk mendeteksi adanya
noise adalah dengan menggunakan simpangan baku lokal. Simpangan baku lokal
adalah simpangan baku nilai ketinggian pada sebuah daerah window bujur sangkar
berukuran tertentu. Nilai ketinggian yang melebihi ambang batas tertentu dianggap
sebagai noise. Ambang batas dihitung dengan mengalikan simpangan baku dengan
faktor pengali tertentu.
σ=
∑ (x i − x) 2
(I.8)
n
dengan
xi = nilai ketinggian pada piksel ke-i
x = nilai rerata ketinggian pada jendela
n = jumlah piksel pada jendela
σ = simpangan baku
I.4.5.2. Filter Median. Filter median adalah filter yang memeriksa setiap nilai
piksel yang tercakup dalam jendela filter dan mengurutkannya dari nilai terkecil
sampai terbesar. Hasil dari filter median adalah nilai yang tepat berada di tengah
urutan tersebut.
Sebagai contoh, pada gambar I.7 diilustrasikan sebuah jendela filter
berukuran 3 x 3 piksel. Nilai yang dihasilkan filter median pada ilustrasi tersebut
adalah nilai yang berada pada bagian tengah hasil pengurutan, atau dalam hal ini
nilai ke-4, yaitu 23. Nilai-nilai ekstrim akan berada pada awal maupun akhir dari
daftar pengurutan, sehingga dapat disimpulkan bahwa nilai-nilai ekstrim dapat
dihilangkan dengan filter median.
15
Jendela filter 3 x 3
23 25 24
23 35 22
22 24 23
22 22 23 23 23 24 24 25 35
dengan
V = matriks residual
A = matriks koefisien
X = matriks koefisien parameter
F = matriks vektor sisa
Jumlah kuadrat residual sama dengan transpos matriks V dikalikan matriks V. Supaya
jumlah kuadrat residual minimum, maka turunan pertama dari VTV (jumlah kuadrat
residual) terhadap X harus sama dengan nol.
17
∂V T V
=0 (I.14)
∂X
Karena
V T V = ( AX + F ) T ( AX + F ) (I.15)
maka
2 X T AT A + 2 F T A = 0 (I.16)
X T AT A + F T A = 0 (I.17)
dengan
σ 2 = varian posteriori
n = jumlah persamaan
u = jumlah parameter
X = xT ⋅ A⋅ y (I.21)
Y = xT ⋅ B ⋅ y (I.22)
18
dengan
a 00 a 01 a 02 ...
a a11 a12 ...
A = 10 (I.23)
a 20 a 21 a 22 ...
... ... ... ...
[
xT = 1 x x2 x3 ...] (I.25)
yT = [1 y y2 y3 ...] (I.26)
Hal ini juga berarti bahwa untuk tiap kelompok pengukuran, terdapat
kemungkinan sebesar 68% bahwa sebuah pengukuran mempunyai kesalahan diantara
–σ dan σ. Kesalahan baku didefinisikan sebagai akar pangkat dua dari rerata kuadrat
kesalahan (error).
σ=
∑ (x i − µ) 2
(I.27)
n
dengan
σ = kesalahan baku
xi = nilai hasil ukuran
µ = nilai sebenarnya
n = jumlah pengukuran
20
RMSE (Root Mean Square Error) adalah suatu nilai yang digunakan untuk
menunjukkan ketelitian dengan melibatkan semua faktor kesalahan yang terjadi
selama proses pengukuran atau produksi data. Definisi matematis dari RMSE mirip
dengan kesalahan baku, yaitu akar pangkat dua dari rata-rata kuadrat kesalahan.
Menurut Lang, 1999, nilai RMSE untuk elevasi (RMSEz) dihitung dengan
menggunakan persamaan berikut:
RMSEz =
∑ (Z MAP − Z DEM ) 2
(I.28)
n
dengan
RMSEz = nilai root mean square error elevasi
ZMAP = nilai elevasi pada titik cek, berdasarkan peta rupabumi.
ZDEM = nilai elevasi pada model permukaan digital.
n = banyaknya titik cek.
Tabel I.3. Faktor pengali σ untuk berbagai tingkat kepercayaan (Wolf, 1997).
Tingkat kepercayaan Faktor pengali σ
50 % 0,6745
90 % 1,6449
95 % 1,960
99 % 2,576
99,7 % 2,965
99,9 % 3,29
21
Untuk peta skala 1 : 25.000 sampai dengan skala 1 : 500.000, hubungan antara skala
peta, interval kontur dan syarat tingkat ketelitian menurut United States National
Map Accuracy Standards, diringkas dalam tabel III.5.
Tabel I.4. Hubungan antara skala peta, interval kontur, dan syarat tingkat ketelitian.
Skala peta Interval kontur Tingkat ketelitian (m)
(m) horizontal vertikal
1:25.000 12,5 12,7 6,25
1:50.000 25 25,4 12,5
1:100.000 50 50,8 25
1:250.000 125 127 62,5
1:500.000 250 254 125
dalam distribusi data citra ASTER dan mengkonversinya kedalam format lain.
Sebagai perangkat lunak pemrosesan citra, ENVI memiliki fasilitas yang cukup
lengkap untuk melakukan berbagai hal yang diperlukan dalam penelitian ini, seperti
pemilihan dan pengukuran GCPs (Ground Control Points), rektifikasi,
registrasi/geocoding citra, contrast-stretching, dan lain-lain. ENVI mampu mengukur
koordinat suatu titik sampai pada ketelitian sub-piksel. Dalam penelitian ini
digunakan ENVI versi 3.1, yang dijalankan dengan menggunakan IDL versi 5.1.1.
II.1. Persiapan
Pada tahap persiapan dilakukan studi pustaka, penentuan daerah penelitian,
pengajuan ijin penggunaan data citra ASTER, pencarian dan pengumpulan data
penelitian yang antara lain berupa citra ASTER dalam format HDF dan peta
rupabumi skala 1:25.000, serta penyiapan perangkat keras dan perangkat lunak
komputer yang akan digunakan.
II.2. Materi Penelitian
Materi yang dipergunakan dalam penelitian ini berupa :
1. Satu scene citra ASTER level 1B (local granule ID : pg-PR1B0000-
2000111402_006_001) dalam format EOS-HDF pada media CD-ROM
yang meliputi daerah Tuban, dicitrakan pada tanggal 9 September 2000.
Citra diperoleh dari LP-DAAC NASA, Amerika Serikat..
2. Peta rupabumi daerah Parengan, Tuban, skala 1:25.000. Peta ini diperoleh
dari Pusat Informasi Kebumian Bakosurtanal.
24
25
Georeferensi MPD
Visualisasi MPD
Pengumpulan data
Pengolahan data
Pembuatan program
Proses otomatis MPD : model permukaan digital
menggunakan window Code Editor (gambar II.3). Melalui proses pengujian program
kemungkinan besar akan timbul berbagai kesalahan yang disebabkan oleh kesalahan
penulisan kode (syntax error) program maupun kesalahan logika program. Untuk
mengatasi masalah tersebut, program perlu diperbaiki dan ditinjau ulang algoritma
serta implementasinya. Setelah diperbaiki, proses pengujian dilakukan lagi sampai
modul program yang bersangkutan dapat dipastikan berjalan dengan baik.
debugging. Pada proses debugging, program dapat dijalankan baris demi baris untuk
melihat nilai setiap variabel yang ada, serta dapat dilihat pula ke arah baris mana
program berjalan, dengan demikian dapat diketahui pada modul mana program mulai
berjalan tidak sesuai dengan yang diharapkan.
Setelah semua modul dapat berfungsi dengan benar, maka dilakukan
penulisan program penuh dengan menyatukan semua modul, satu demi satu, menurut
prioritas pemakaiannya. Setelah program dapat berjalan dengan benar, dilakukan
perbaikan-perbaikan kecil untuk mempermudah pemahaman algoritma,
menanggulangi kesalahan run-time, dan lain-lain. Program yang telah berjalan sesuai
yang direncanakan siap digunakan untuk pengolahan data secara otomatis, yaitu pada
tahap korelasi stereo otomatis, noise filtering, dan koreksi elevasi. Panduan singkat
penggunaan program terdapat pada lampiran G.
Citra ASTER level 1B full-scene berukuran 4980 x 4200 piksel untuk band
3N dan 4980 x 4600 piksel untuk band 3B. Karena daerah yang tercakup pada citra
ASTER full-scene jauh melebihi cakupan daerah penelitian yang hanya seluas 14 km
x 14 km, maka dilakukan pemotongan (cropping) pada citra. Proses pemotongan ini
dilakukan dengan menggunakan ENVI. Ukuran pemotongan pada band 3N adalah
1000 x 1000 piksel atau setara dengan daerah seluas 15 km x 15 km. Sedangkan pada
band 3B ukurannya 1000 x 1400 piksel. Diagram ukuran citra ASTER Level 1B full-
scene disajikan pada gambar II.4.
Daerah yang akan dipotong ditentukan koordinat batasnya (koordinat pojok
kiri atas dan kanan bawah) pada citra band 3N, kemudian untuk memperkirakan
daerah yang bersesuaian (bertampalan 100%) pada band 3B dilakukan penambahan
nilai ordinat pada koordinat pojok kanan bawah pada band 3N sebesar 400 piksel,
sehingga diperoleh nilai pojok kanan bawah yang baru. Nilai 400 piksel adalah besar
selisih posisi y untuk titik dengan elevasi 0, pada bidang referensi elipsoid WGS 84
(World Geodetic System 1984).
titik pada semua titik yang akan diukur, diberikan perintah LIST untuk menampilkan
daftar koordinat dari semua objek titik beserta informasi tambahan lain.
Perangkat lunak AutoCAD dipilih karena adanya fasilitas untuk
menampilkan data koordinat, sehingga tidak diperlukan proses key-in data koordinat
UTM secara manual. Transfer data dari tampilan koordinat AutoCAD hasil perintah
LIST dapat dilakukan dengan proses copy dan paste ke file teks ASCII dengan
editing seperlunya (membuang informasi yang tidak diperlukan). Dengan demikian,
proses penentuan koordinat dan elevasi suatu titik dapat dilakukan dengan cepat dan
mudah.
Gambar II.6. Distribusi titik GCP dan titik ikat yang digunakan.
33
II.4.3.2. Pengukuran Titik Cek. Titik cek diperlukan dalam tahap evaluasi
ketelitian model permukaan digital. Cara mengukur titik cek mirip dengan cara
mengukur koordinat titik kontrol tanah. Titik-titik yang dipilih adalah titik-titik tinggi
pada peta rupabumi yang tersebar secara merata di seluruh muka peta. Untuk
keperluan titik cek, diukur koordinat dan elevasi 150 buah titik tinggi pada peta
rupabumi. Daftar koordinat dan elevasi titik cek disertakan pada lampiran E.
sentral. Proyeksi sentral pada arah sejajar sumbu x inilah yang menyebabkan
timbulnya paralaks-x yang tidak diharapkan.
Proses registrasi band 3B ke 3N dilakukan untuk mengurangi adanya
paralaks-x pada citra, sehingga paralaks yang ada hanya paralaks-y yang disebabkan
karena perbedaan elevasi. Pada proses ini tidak dilakukan pengubahan apapun pada
citra, namun dilakukan transformasi untuk memberikan nilai absis dari pusat window
korelasi silang. Jenis transformasi yang digunakan adalah polinom orde 1 mengingat
daerah penelitian secara umum bertopografi datar sampai berbukit, variasi relief
tidak ekstrim dengan tinggi bukit terhadap daerah disekitarnya maksimum kurang
lebih 400 meter.
Parameter transformasi diperoleh dengan perhitungan kuadrat terkecil dari
data koordinat titik-titik ikat. Proses registrasi ini dilakukan secara otomatis di dalam
program komputer apabila disediakan titik-titik ikat antara band 3N dan band 3B
yang dimuat dalam file teks dengan format seperti yang dijelaskan pada lampiran G,
bagian III.1, dengan ekstensi *.pts.
Gambar II.9. Daerah tepi yang tidak dapat dihitung nilai korelasi silangnya.
37
Gambar II.10. Citra dengan noise (a), citra yang telah dihilangkan noise-nya (b).
Salah satu metode filtering yang cukup efektif untuk menghilangkan noise
adalah dengan menggunakan filter median, namun filter median cenderung
menghilangkan detil dari model (oversmoothing). Oleh karena itu, filter median tidak
diterapkan pada semua piksel pada model permukaan digital, melainkan hanya pada
piksel-piksel yang dianggap sebagai noise.
Proses deteksi dan eliminasi noise dapat dilakukan beberapa kali (gambar
II.11), sampai diperkirakan sebagian besar noise telah hilang. Namun, perlu
diperhatikan bahwa semakin banyak dilakukan noise filtering, maka akan terjadi
penghalusan permukaan model yang berlebihan sehingga detil model akan
berkurang, yang pada intinya akan menurunkan kualitas model permukaan digital
yang dihasilkan.
Pada tahap akhir filtering noise, pada model dilakukan penghalusan
(smoothing) dengan menggunakan filter rerata berukuran 3 x 3. Penghalusan ini
dilakukan dengan tujuan untuk menghilangkan noise yang masih tersisa dan
mengurangi sifat diskontinuitas model.
H = a⋅h + b (II.1)
dengan
H = elevasi sebenarnya (elevasi absolut)
h = elevasi pada model relatif
a, b = faktor pengali dan penambah.
utama komputer. Supaya data tersebut dapat digunakan pada proses pengolahan
selanjutnya maka data pada memori utama harus dipindahkan ke file pada media
penyimpanan karena memori utama komputer bersifat volatile, yaitu data pada
memori akan hilang apabila arus listrik dimatikan.
Format yang digunakan dalam penyimpanan data model permukaan digital
adalah format raster/grid biner dengan tipe bilangan bulat tak bertanda (unsigned
integer) dengan subtipe word, yaitu bilangan bulat antara 0 sampai 65535. Subtipe
word memerlukan memori sebanyak 16 bit atau 2 byte untuk menyimpan sebuah
nilai bilangan. Karena pengolahan data dilakukan pada komputer dengan prosesor
Intel, maka data yang dihasilkan akan mempunyai urutan Least Significant Byte First
(LSB).
Untuk mendeskripsikan dimensi dari data raster, diperlukan sebuah file yang
berisi keterangan tentang data raster yang bersangkutan, yang disebut file header.
Pada ENVI, struktur dari sebuah file header adalah susunan field-field tertentu.
Field-field yang mendasar dapat dijelaskan sebagai berikut :
description – sebuah string karakter yang mendeskripsikan citra atau
pengolahan yang dilakukan.
samples – jumlah piksel tiap baris citra untuk tiap band.
lines – jumlah baris citra untuk tiap band.
bands – jumlah band pada citra.
header offset – menunjukkan jumlah byte embedded header information
yang ada dalam file. Byte ini akan dilompati apabila file dibaca oleh ENVI.
file type – menunjukkan jenis file yang didefinisikan oleh ENVI, seperti
format data dan hasil pemrosesan tertentu.
data type – parameter yang menunjukkan jenis penyajian data, dengan
ketentuan 1=byte, 2=integer, 3=long integer, 4=floating point, 5=double
precision, 6=complex
interleave – menunjukkan apakah data disimpan dalam struktur band
sequential (BSQ), band interleaved by pixel (BIP), atau band interleaved by
line (BIL).
sensor type – menunjukkan jenis instrumen tertentu yang digunakan untuk
memperoleh data, seperti Landsat TM, SPOT, RadarSat, dan sebagainya.
41
byte order – menunjukkan urutan byte-byte dalam tipe data integer, long
integer, floating point, double precision, dan complex; dengan ketentuan :
- byte order=0 adalah data Least Significant Byte First (LSB), dipakai
pada sistem komputer DEC dan MS-DOS (berbasis prosesor Intel).
- byte order=1 adalah data Most Significant Byte First (MSB), dipakai
pada sistem komputer SUN, SGI, IBM, HP, DG (berbasis prosesor
Motorola).
map info – menyatakan informasi koordinat geografis dalam urutan sebagai
berikut : nama proyeksi, absis dalam koordinat piksel untuk piksel paling kiri
atas, ordinat dalam koordinat piksel untuk piksel paling kiri atas, absis dalam
koordinat tanah untuk piksel paling kiri atas, ordinat dalam koordinat tanah
untuk piksel paling kiri atas, ukuran x dari piksel, ukuran y dari piksel, dan
zona proyeksi.
pixel size – menunjukkan ukuran X dan Y piksel dalam meter.
c. Karena ukuran model permukaan digital sama dengan ukuran citra dibagi
dengan spasi grid model permukaan digital, maka nilai koordinat citra
diganti dengan koordinat citra tersebut dibagi dengan spasi grid model
dalam piksel. Misalnya resolusi model permukaan digital adalah 30 meter
maka berarti spasi grid-nya adalah 2 piksel, hal ini disebabkan karena tiap
piksel pada citra ASTER band 3 beresolusi spasial 15 meter. Sehingga
apabila koordinat sebuah GCP pada citra (126, 24), maka koordinat titik
126 24
tersebut pada model adalah , atau (63, 12). Proses editing
2 2
koordinat ini dilakukan secara otomatis oleh program DEMCreator 4.
43
d. Hasil editing koordinat ini disimpan pada file secara otomatis dengan
tambahan ekstensi .DEM.PTS.
45
46
otomatis ini perlu dievaluasi dengan cara membandingkan koordinat hasil proses
korelasi otomatis dengan koordinat yang diperoleh melalui pengukuran secara
manual dengan menggunakan ENVI.
III.4.1. Ukuran daerah selidik. Ukuran daerah selidik sangat bergantung dari
besar elevasi maksimum dan minimum yang diharapkan terjadi. Elevasi minimum
yang diasumsikan adalah 0 meter sedangkan elevasi maksimum 500 meter.
Berdasarkan persamaan I.7, rentang beda elevasi tersebut setara dengan beda
paralaks minimum (pymin) sebesar 0 piksel, dan maksimum (pymax) sebesar 20 piksel.
Karena ukuran jendela korelasi harus ganjil, maka ukuran jendela (dy) yang akan
digunakan dihitung dengan ketentuan berikut :
Apabila pymax – pymin adalah bilangan genap maka
dy = pymax – pymin + 1 (III.1)
sedangkan apabila pymax – pymin adalah bilangan ganjil maka
dy = pymax – pymin (III.2)
Karena pymax = 20 dan pymin = 0, maka dy = 21 piksel. Dengan demikian ukuran
daerah selidik yang digunakan adalah sebesar 3 x 21 piksel.
Tabel III.2. Pengaruh ukuran daerah sasaran terhadap ketelitian korelasi otomatis.
Ukuran daerah selidik 3 x 21 piksel, jumlah titik uji 30 buah.
No Ukuran daerah sasaran Jumlah
x (piksel) y (piksel) blunder
1 3 3 11
2 3 5 3
3 3 7 1
4 3 9 0
5 3 11 1
6 3 13 1
7 3 15 1
8 3 17 2
9 3 19 2
10 3 21 1
Ukuran jendela filter menunjukkan ukuran daerah yang akan dilibatkan dalam
proses evaluasi suatu piksel untuk menentukan apakah piksel tersebut noise atau
bukan. Untuk mengetahui pengaruh ukuran jendela filter serta faktor tingkat
48
ketidakpastian terhadap tingkat keberhasilan deteksi noise, dilakukan uji coba pada
sebuah citra ber-noise dengan menggunakan berbagai ukuran jendela filter dan
tingkat ambang batas.
Dari tabel III.3 dapat disimpulkan bahwa semakin tinggi tingkat
ketidakpastian maka semakin sedikit noise yang berhasil difilter. Sedangkan ukuran
jendela filter akan mempengaruhi ukuran luas maksimum noise-cluster yang bisa
difilter. Semakin besar ukuran jendela filter, maka semakin besar pula ukuran noise-
cluster yang bisa dieliminasi.
Namun demikian, semakin besar ukuran jendela filter, semakin lama pula
waktu yang diperlukan untuk melakukan proses filtering (berbanding lurus dengan
kuadrat ukuran jendela), serta semakin lebar pula daerah pada tepi model yang tidak
dapat difilter karena sebagian jendela filternya berada di luar model. Oleh karena itu,
ukuran jendela filter, threshold, serta jumlah pengulangan proses sangat tergantung
dari karakteristik masing-masing model permukaan digital.
Berdasarkan kesimpulan diatas dan hasil uji coba (trial and error) secara
langsung pada model yang diteliti, maka untuk kasus noise filtering model
permukaan digital daerah Parengan dengan resolusi model 15 meter, proses
dilakukan dua kali, ukuran jendela filter ditentukan sebesar 19 x 19 piksel, dengan
49
threshold sebesar 2σ. Noise-cluster yang ada pada model rata-rata berukuran sekitar
15 x 15 piksel. Dengan menggunakan parameter noise filtering tersebut hampir
semua noise yang tampak secara visual dapat dieliminasi, kecuali pada beberapa
daerah yang mempunyai noise cluster. Selain itu, detil permukaan model dapat
dipertahankan. Hasil uji noise filtering secara lengkap disajikan pada lampiran D.
Nilai simpangan baku transformasi linier satu dimensi untuk melakukan koreksi
elevasi sebesar 6,254 meter. Faktor pengali yang nilainya mendekati satu
menunjukkan bahwa skala vertikal dari model permukaan digital relatif sudah
hampir benar, sehingga untuk membawa dari elevasi relatif menjadi absolut hanya
diperlukan proses translasi.
dalam koordinat tanah dan berorientasi ke arah utara grid UTM. Model permukaan
digital yang telah tergeoreferensi ini siap digunakan untuk berbagai keperluan.
dapat disimpulkan bahwa model permukaan digital hasil penelitian ini dapat
digunakan untuk pembuatan peta topografi skala 1:100.000 atau lebih kecil lagi,
sesuai dengan persyaratan dari United States National Map Accuracy Standards.
60
50
Frekuensi (titik cek)
40
30
20
10
0
-40 -30 -20 -10 0 10 20 30 40
Selisih elevasi (meter)
Gambar III.1. Selisih elevasi titik cek pada model terhadap elevasi titik cek pada peta
rupabumi.
BAB IV
KESIMPULAN DAN SARAN
IV.1. Kesimpulan
Dengan menggunakan prinsip beda paralaks, dan hanya melibatkan dua
faktor utama, yaitu:
a. beda paralaks dari titik-titik yang bersesuaian di band 3N dan 3B.
b. perbandingan basis terhadap tinggi terbang sebesar 0,6
dan mengabaikan faktor-faktor berikut:
a. pengaruh kesalahan orientasi sumbu-sumbu kamera
b. pengaruh kelengkungan bumi
c. pengaruh kesalahan orbit satelit
d. pengaruh variasi skala dalam satu scene
e. pengaruh kesalahan radiometris
penelitian ini berhasil memperoleh sebuah model permukaan digital tergeoreferensi
berukuran 1132 piksel x 1131 piksel dengan resolusi spasial 15 meter yang
mempunyai root mean square error pada komponen elevasi sebesar 8,8 meter atau
setara dengan tingkat ketelitian sebesar 14,48 meter pada tingkat kepercayan 90%,
sehingga memenuhi persyaratan ketelitian menurut United States National Map
Accuracy Standards untuk keperluan pembuatan peta topografi dengan skala
1:100.000 atau lebih kecil lagi.
Pengolahan data dilakukan secara semi otomatis, dimana sebagian proses
dilakukan secara manual, dan sebagian lagi dilakukan secara otomatis penuh oleh
komputer. Tahapan pengolahan data yang dilakukan secara otomatis penuh adalah :
a. korelasi otomatis untuk pembuatan model permukaan digital
b. noise filtering
c. koreksi elevasi,
sedangkan intervensi dari operator diperlukan pada tahapan berikut :
a. pengukuran koordinat titik ikat
b. georeferensi model permukaan digital
52
53
IV.2. Saran
IV.2.1. Pengembangan Program
Beberapa hal yang dapat dilakukan untuk meningkatkan kualitas program
komputer:
1. Pemanfaatan model permukaan digital dengan resolusi rendah, seperti
GTOPO-30, model permukaan digital global beresolusi 30 detik busur
(sekitar 1 km), untuk mempercepat proses korelasi otomatis.
2. Pemanfaatan multi-scale matching untuk mempertinggi kualitas hasil korelasi
otomatis sekaligus mempercepat proses korelasi. Pendekatan multi-scale
dilakukan dengan menggunakan hasil korelasi otomatis pada citra beresolusi
rendah sebagai pendekatan untuk proses korelasi otomatis pada citra
beresolusi lebih tinggi.
3. Penggunaan metode yang umum digunakan untuk melakukan gridding seperti
interpolasi linier, krigging, nearest neighbor, dan lain-lain untuk menyusun
data berdistribusi teratur. Program yang dipakai dalam penelitian ini masih
menggunakan filter median untuk mengganti nilai piksel yang berkualitas
rendah (piksel yang proses korelasinya gagal atau piksel noise) dengan nilai
piksel lain disekitarnya.
4. Penambahan fasilitas untuk melakukan georeferensi model secara otomatis.
jendela filtering. Untuk mengatasi hal ini, diperlukan intervensi dari pengguna untuk
membersihkan noise secara manual.
Salah satu fasilitas ENVI untuk mengedit citra secara manual adalah Spatial
Pixel Editor. Fasilitas ini diakses dengan melalui menu FunctionsÆInteractive
AnalysisÆSpatial Pixel Editor, setelah terlebih dahulu Zoom Window ditempatkan di
daerah yang akan diedit. Melalui fasilitas ini, operator dapat mengubah secara
langsung nilai-nilai piksel secara individual maupun menghitung rata-rata dari
sejumlah piksel yang dipilih.
berkecepatan 800 MHz diperlukan waktu sekitar 30 menit untuk proses korelasi
otomatis, dan sekitar 10 menit untuk proses noise-filtering. Oleh karena itu, demi
efisiensi waktu, disarankan untuk menggunakan komputer dengan kecepatan yang
tinggi.
56
DAFTAR PUSTAKA
Abrams, M., dan Hook, S., 2002, ASTER User Handbook Version 2, NASA Jet
Propulsion Laboratory, Pasadena.
ASTER Science Team, 2001, ASTER User’s Guide, Earth Remote Sensing Data
Analysis Center, Sioux Falls.
ASTER Science Team, 1996, Algorithm Theoretical Basis Document for ASTER
Level-1 Data Processing, NASA Jet Propulsion Laboratory, Pasadena.
Bureau of the Budget, 1947, United States National Map Accuracy Standards, U.S.
Bureau of the Budget, Washington, D.C.
Hurtado, J.M., Jr., 2002, Extraction of a Digital Elevation Model from ASTER Level
1A stereo imagery using PCI Geomatica OthoEngine v.8.2.0, NASA Jet
Propulsion Laboratory, Pasadena
Lang, H.R., dan Welch, R., 1999, Algorithm Theoretical Basis Document for ASTER
Digital Elevation Models, NASA Jet Propulsion Laboratory, Pasadena.
Mauney, Thad, 2002, GPS Questions & Answers, Earth Observing Magazine
Online, www.eomonline.com.
Wahyu Heriyadi, 2002, Pembentukan Model Permukaan Digital dari Sumber Foto
Udara secara Semi Otomatis, Skripsi, Jurusan Teknik Geodesi, FT-UGM,
Yogyakarta
Wolf, P.R., dan Ghilani, C.D., 1997, Adjustment Computations, John Willey and
Sons, Inc., New York.
57
LAMPIRAN
58
LAMPIRAN A
VISUALISASI MODEL PERMUKAAN DIGITAL
59
62
63
63
64
COLORDRAPE
Parengan, Tuban, Jawa Timur
64
65
LAMPIRAN B
DAFTAR KOORDINAT GCP DAN TITIK IKAT
66
7 596055 9219758.6 126 908 479 pertigaan desa Pacing, dekat sekolah
8 585013.1 9222765.7 30 151 385 jembatan rel KA, dekat desa Binangun
66
67
LAMPIRAN C
HASIL UJI KORELASI OTOMATIS
HASIL UJI KORELASI OTOMATIS
DENGAN UKURAN WINDOW DAERAH SELIDIK 3 x 21 PIKSEL
69
30 287 390 290 789 288.00 799.00 10.00 0.91201
TargetSizeX = 3
TargetSizeY = 3
SearchSizeX = 3
SearchSizeY = 21
Mismatched = 11 points.
Total data = 30 points.
70
25 658 218 660.5 609 661.00 609.00 0.00 0.88503
26 908 478 910.75 872.75 910.24 872.98 0.23 0.91944
27 89 815 91.75 1208.75 91.00 1209.00 0.25 0.91918
28 359 483 361.5 882 361.64 882.18 0.18 0.93028
29 426 376 427.5 774 427.68 774.01 0.01 0.89340
30 287 390 290 789 289.65 788.65 0.35 0.91721
TargetSizeX = 3
TargetSizeY = 5
SearchSizeX = 3
SearchSizeY = 21
Mismatched = 3 points.
Total data = 30 points.
71
20 248 193 250.75 591.25 250.68 591.16 0.09 0.90116
21 282 857 284.5 1251.75 285.16 1252.32 0.57 0.94141
22 733 695 734.75 1093.25 735.00 1094.00 0.75 0.92877
23 584 929 585.75 1328.5 586.40 1329.24 0.74 0.96038
24 890 296 892.75 691.5 892.80 691.50 0.00 0.86561
25 658 218 660.5 609 661.00 609.00 0.00 0.88349
26 908 478 910.75 872.75 910.31 873.08 0.33 0.91264
27 89 815 91.75 1208.75 91.05 1209.76 1.01 0.89107
28 359 483 361.5 882 362.03 882.12 0.12 0.93308
29 426 376 427.5 774 427.65 774.36 0.36 0.82352
30 287 390 290 789 289.24 789.04 0.04 0.93986
TargetSizeX = 3
TargetSizeY = 7
SearchSizeX = 3
SearchSizeY = 21
Mismatched = 1 points.
Total data = 30 points.
72
15 116 481 119.5 879.75 118.22 879.70 0.05 0.96267
16 270 940 271.75 1338.75 273.41 1338.71 0.04 0.83335
17 234 645 236.25 1043 236.18 1043.39 0.39 0.90580
18 788 526 791.25 923.75 790.41 923.79 0.04 0.92558
19 751 670 752.5 1068.75 754.00 1069.00 0.25 0.92902
20 248 193 250.75 591.25 251.08 591.01 0.24 0.93119
21 282 857 284.5 1251.75 284.79 1252.59 0.84 0.94083
22 733 695 734.75 1093.25 735.30 1093.52 0.27 0.95712
23 584 929 585.75 1328.5 586.37 1329.06 0.56 0.95828
24 890 296 892.75 691.5 892.76 691.45 0.05 0.84337
25 658 218 660.5 609 661.00 609.00 0.00 0.90320
26 908 478 910.75 872.75 910.39 873.11 0.36 0.91179
27 89 815 91.75 1208.75 91.27 1208.92 0.17 0.92758
28 359 483 361.5 882 362.05 882.08 0.08 0.92199
29 426 376 427.5 774 427.60 774.30 0.30 0.79972
30 287 390 290 789 289.24 789.08 0.08 0.95026
TargetSizeX = 3
TargetSizeY = 9
SearchSizeX = 3
SearchSizeY = 21
Mismatched = 0 points.
Total data = 30 points.
73
10 751 39 753.75 429 753.39 429.47 0.47 0.95550
11 509 787 511.25 1186.5 511.22 1186.15 0.35 0.96066
12 351 644 353.5 1042.75 353.12 1042.91 0.16 0.96632
13 881 658 883 1055.5 883.31 1055.32 0.18 0.74562
14 896 462 898.75 856.75 898.50 857.25 0.50 0.91399
15 116 481 119.5 879.75 118.26 879.71 0.04 0.96364
16 270 940 271.75 1338.75 272.78 1338.96 0.21 0.86543
17 234 645 236.25 1043 236.16 1043.46 0.46 0.90877
18 788 526 791.25 923.75 790.62 923.54 0.21 0.89857
19 751 670 752.5 1068.75 754.00 1069.00 0.25 0.88902
20 248 193 250.75 591.25 251.03 591.02 0.23 0.91577
21 282 857 284.5 1251.75 284.72 1252.85 1.10 0.93962
22 733 695 734.75 1093.25 735.36 1093.92 0.67 0.96436
23 584 929 585.75 1328.5 586.36 1328.78 0.28 0.97364
24 890 296 892.75 691.5 892.64 691.53 0.03 0.83269
25 658 218 660.5 609 661.00 609.00 0.00 0.89718
26 908 478 910.75 872.75 910.37 873.00 0.25 0.91820
27 89 815 91.75 1208.75 91.17 1208.82 0.07 0.81155
28 359 483 361.5 882 361.98 881.80 0.20 0.88679
29 426 376 427.5 774 427.73 774.25 0.25 0.84089
30 287 390 290 789 289.25 789.03 0.03 0.96208
TargetSizeX = 3
TargetSizeY = 11
SearchSizeX = 3
SearchSizeY = 21
Mismatched = 1 points.
Total data = 30 points.
74
5 844 868 845 1267 845.97 1267.12 0.12 0.96204
6 516 462 518 859.5 518.47 860.04 0.54 0.95057
7 213 477 215.75 875.75 215.20 875.76 0.01 0.90755
8 929 133 931.5 522.5 931.57 522.15 0.35 0.96333
9 552 184 555.25 575.5 555.10 575.69 0.19 0.93314
10 751 39 753.75 429 753.34 429.50 0.50 0.96801
11 509 787 511.25 1186.5 511.20 1186.11 0.39 0.96209
12 351 644 353.5 1042.75 353.09 1042.94 0.19 0.96514
13 881 658 883 1055.5 883.29 1055.26 0.24 0.71256
14 896 462 898.75 856.75 898.51 857.25 0.50 0.90293
15 116 481 119.5 879.75 118.32 879.64 0.11 0.96086
16 270 940 271.75 1338.75 272.64 1339.12 0.37 0.86761
17 234 645 236.25 1043 236.12 1043.45 0.45 0.91101
18 788 526 791.25 923.75 790.00 924.00 0.25 0.89016
19 751 670 752.5 1068.75 754.00 1069.00 0.25 0.86976
20 248 193 250.75 591.25 250.93 591.08 0.17 0.89542
21 282 857 284.5 1251.75 284.68 1252.90 1.15 0.92069
22 733 695 734.75 1093.25 735.38 1093.93 0.68 0.96451
23 584 929 585.75 1328.5 586.30 1328.81 0.31 0.98567
24 890 296 892.75 691.5 892.58 691.60 0.10 0.81285
25 658 218 660.5 609 661.00 609.00 0.00 0.89176
26 908 478 910.75 872.75 910.30 873.05 0.30 0.91869
27 89 815 91.75 1208.75 91.77 1208.20 0.55 0.81958
28 359 483 361.5 882 361.71 881.81 0.19 0.83627
29 426 376 427.5 774 427.76 774.25 0.25 0.84599
30 287 390 290 789 289.26 788.99 0.01 0.96103
TargetSizeX = 3
TargetSizeY = 13
SearchSizeX = 3
SearchSizeY = 21
Mismatched = 1 points.
Total data = 30 points.
75
ID X3N Y3N X3B Y3B X3BM Y3BM DIFFY CORRELATION
1 176 132 178.25 530.25 179.31 530.53 0.28 0.90572
2 66 370 68.25 769.5 68.28 768.93 0.57 0.92409
3 429 592 431.25 990.75 431.51 991.09 0.34 0.93676
4 588 581 590.5 980 590.08 980.49 0.49 0.86803
5 844 868 845 1267 845.87 1266.94 0.06 0.95990
6 516 462 518 859.5 518.48 860.02 0.52 0.95291
7 213 477 215.75 875.75 215.20 875.95 0.20 0.92194
8 929 133 931.5 522.5 932.15 522.63 0.13 0.95378
9 552 184 555.25 575.5 555.40 575.57 0.07 0.93499
10 751 39 753.75 429 753.45 429.34 0.34 0.95434
11 509 787 511.25 1186.5 511.20 1186.02 0.48 0.96126
12 351 644 353.5 1042.75 353.12 1042.99 0.24 0.96704
13 881 658 883 1055.5 883.37 1055.26 0.24 0.68956
14 896 462 898.75 856.75 898.50 857.25 0.50 0.88665
15 116 481 119.5 879.75 118.32 879.61 0.14 0.95316
16 270 940 271.75 1338.75 272.63 1339.09 0.34 0.86052
17 234 645 236.25 1043 236.10 1043.47 0.47 0.90821
18 788 526 791.25 923.75 791.34 923.62 0.13 0.88624
19 751 670 752.5 1068.75 754.00 1069.00 0.25 0.85126
20 248 193 250.75 591.25 250.88 591.09 0.16 0.90633
21 282 857 284.5 1251.75 284.72 1252.89 1.14 0.92131
22 733 695 734.75 1093.25 735.38 1093.90 0.65 0.96387
23 584 929 585.75 1328.5 586.52 1328.79 0.29 0.98913
24 890 296 892.75 691.5 892.55 691.61 0.11 0.79024
25 658 218 660.5 609 661.00 609.00 0.00 0.88953
26 908 478 910.75 872.75 910.24 873.16 0.41 0.91304
27 89 815 91.75 1208.75 91.52 1208.41 0.34 0.83338
28 359 483 361.5 882 361.65 881.85 0.15 0.79369
29 426 376 427.5 774 427.85 774.19 0.19 0.85038
30 287 390 290 789 289.20 789.02 0.02 0.95921
TargetSizeX = 3
TargetSizeY = 15
SearchSizeX = 3
SearchSizeY = 21
76
Mismatched = 1 points.
Total data = 30 points.
77
TargetSizeX = 3
TargetSizeY = 17
SearchSizeX = 3
SearchSizeY = 21
Mismatched = 2 points.
Total data = 30 points.
78
26 908 478 910.75 872.75 910.23 873.03 0.28 0.91966
27 89 815 91.75 1208.75 91.64 1208.50 0.25 0.84522
28 359 483 361.5 882 361.61 882.01 0.01 0.78711
29 426 376 427.5 774 428.03 774.26 0.26 0.87792
30 287 390 290 789 289.16 788.98 0.02 0.95687
TargetSizeX = 3
TargetSizeY = 19
SearchSizeX = 3
SearchSizeY = 21
Mismatched = 2 points.
Total data = 30 points.
79
21 282 857 284.5 1251.75 284.57 1252.74 0.99 0.90648
22 733 695 734.75 1093.25 735.36 1093.83 0.58 0.96243
23 584 929 585.75 1328.5 586.64 1328.77 0.27 0.97928
24 890 296 892.75 691.5 892.40 691.58 0.08 0.70794
25 658 218 660.5 609 661.00 609.00 0.00 0.88417
26 908 478 910.75 872.75 910.27 872.99 0.24 0.92731
27 89 815 91.75 1208.75 91.71 1208.48 0.27 0.84923
28 359 483 361.5 882 361.62 881.98 0.02 0.80768
29 426 376 427.5 774 428.04 774.34 0.34 0.88100
30 287 390 290 789 289.17 789.00 0.00 0.95735
TargetSizeX = 3
TargetSizeY = 21
SearchSizeX = 3
SearchSizeY = 21
Mismatched = 1 points.
Total data = 30 points.
80
81
LAMPIRAN D
HASIL UJI NOISE FILTERING
82
POTONGAN
CITRA ASLI
1 1 7x7
2 2 7x7
83
3 3 7x7
4 1 11 x 11
5 2 11 x 11
84
6 3 11 x 11
7 1 15 x 15
8 2 15 x 15
85
9 3 15 x 15
10 1 19 x 19
11 2 19 x 19
86
12 3 19 x 19
87
LAMPIRAN E
HASIL UJI KETELITIAN
MODEL PERMUKAAN DIGITAL
88
RMSEz = 8.80
LAMPIRAN F
SETTING PROGRAM UNTUK PEMBUATAN
MODEL PERMUKAAN DIGITAL DAERAH
PARENGAN, TUBAN
93
PERFORMANCE
-----------
Filter Size : 19 x 19
LAMPIRAN G
PANDUAN SINGKAT PENGGUNAAN
PROGRAM DEMCREATOR
96
Fasilitas ini adalah fasilitas utama program yang berfungsi untuk melakukan
korelasi otomatis pada dua citra stereo, filtering model permukaan digital mentah,
dan koreksi elevasi model permukaan digital.
Langkah pelaksanaan :
1. File yang perlu dipersiapkan yaitu :
a. Citra daerah penelitian band 3N dan 3B (terpisah) dalam format
ENVI. Secara default, program akan mencari file dengan ekstensi
*.img. Citra dapat berupa citra band 3 full scene maupun citra hasil
cropping. Apabila yang dipergunakan adalah citra hasil cropping,
maka perlu diperhatikan bahwa citra kedua band harus sama panjang
dan citra band 3B harus lebih tinggi 400 piksel dari band 3N.
b. Daftar koordinat titik ikat antara band 3N dan 3B dalam format PTS
file ENVI.
c. Daftar koordinat GCP, baik GCP 2 dimensi (X,Y) maupun 3 dimensi
(X,Y,Z) dalam format PTS file ENVI.
d. Daftar koordinat titik cek, dalam format PTS file ENVI.
2. Jalankan program DEMCreator dengan meng-klik ganda icon program atau
melalui perintah Run pada Start Menu Windows.
3. Pada form pembuka, pilih Generate DEM untuk membuat sebuah model
permukaan digital dari citra ASTER, kemudian klik tombol Next.
4. Pada form Setting Band 3N and 3B, klik Load untuk memuat citra untuk
masing-masing band. Jika berhasil dimuat, maka akan muncul nama file citra
beserta ukuran dari masig-masing citra. Setelah itu, klik tombol Next.
5. Pada form DEM Generation Settings, masukkan nama pekerjaan yang akan
dilaksanakan. Nama pekerjaan ini akan digunakan untuk memberi nama file
hasil pengolahan. Elevation range diisi dengan perkiraan rentang ketinggian
pada daerah kerja. Resolusi model dipilih pada bagian DEM Resolution.
Metode deteksi dan eliminasi noise dapat dipilih pada bagian Noise
Detection dan Noise Elimination.
6. Untuk melakukan pengaturan lebih lanjut, klik tombol Advanced Options.
Pada form Advanced Options terdapat beberapa pilihan pengaturan berikut:
a. Ketelitian sub piksel (pada bagian Sub-pixel accuracy). Untuk
memperoleh hasil yang lebih baik, aktifkan pilihan ini.
99
Format PTS file ENVI adalah daftar koordinat yang tiap nilainya dipisahkan oleh
karakter spasi atau karakter tabulasi (TAB).
100
Misalnya :
1234,23 232,43 422.12 648.09
9734.25 620.42 600.85 902.94
…
dan seterusnya.
Apabila pada kolom pertama suatu baris terdapat karakter titik koma (semicolon),
maka baris tersebut tidak akan dibaca oleh program karena dianggap sebagai baris
komentar.
1. GCP 2D
2. GCP 3D
3. Titik Ikat
4. Titik Cek
Langkah pelaksanaan :
1. File yang perlu dipersiapkan yaitu :
a. Citra daerah penelitian band 3N dan 3B (terpisah) dalam format
ENVI. Secara default, program akan mencari file dengan ekstensi
*.img. Citra dapat berupa citra band 3 full scene maupun citra hasil
cropping. Apabila yang dipergunakan adalah citra hasil cropping,
maka perlu diperhatikan bahwa citra kedua band harus sama panjang
dan citra band 3B harus lebih tinggi 400 piksel dari band 3N.
b. Daftar koordinat titik ikat antara band 3N dan 3B dalam format PTS
file ENVI.
2. Jalankan program DEMCreator dengan meng-klik ganda icon program atau
melalui perintah Run pada Start Menu Windows.
3. Pada form pembuka, pilih Test Matching Quality, kemudian klik tombol
Next.
4. Isikan nama file citra band 3N, 3B, daftar koordinat titik ikat, serta nama file
tempat hasil laporan akan disimpan.
5. Isikan besar daerah selidik dan daerah sasaran sesuai dengan spesifikasi yang
akan diuji.
6. Klik tombol Match untuk memulai proses korelasi silang pada titik-titik yang
ada pada daftar koordinat titik ikat, sekaligus proses pembandingan.
Langkah pelaksanaan :
1. File yang perlu dipersiapkan yaitu :
a. Model permukaan digital yang belum difilter dalam format ENVI atau
GTOPO.
b. Daftar koordinat GCP 3 dimensi apabila dilakukan koreksi elevasi.
2. Jalankan program DEMCreator dengan meng-klik ganda icon program atau
melalui perintah Run pada Start Menu Windows.
3. Pada form pembuka, pilih Filter and Correct DEM, kemudian klik tombol
Next.
4. Pada form DEM Filtering Settings lakukan pengaturan berbagai parameter
noise filtering maupun koreksi elevasi.
5. Klik tombol Filter untuk memulai proses filtering dan/atau koreksi elevasi.
102
Langkah pelaksanaan :
1. File yang perlu dipersiapkan yaitu :
a. Model permukaan digital yang telah digeoreferensikan dalam format
ENVI atau GTOPO.
b. Daftar koordinat titik cek.
2. Jalankan program DEMCreator dengan meng-klik ganda icon program atau
melalui perintah Run pada Start Menu Windows.
3. Pada form pembuka, pilih Check RMSEz, kemudian klik tombol Next.
4. Isikan nama file model permukaan digital tergeoreferensi, daftar koordinat
titik cek, serta nama file tempat hasil pengukuran RMSEz disimpan.
5. Klik tombol Calculate untuk memulai proses penghitungan.
Tombol perintah :
1. Next. Berpindah ke tahap selanjutnya.
2. Close. Menghentikan program.
3. About. Menampilkan kotak dialog yang berisi keterangan program.
104
FORM 2
PEMUATAN CITRA DIGITAL ASTER LEVEL 1B
Tombol perintah :
1. Next. Berpindah ke tahap berikutnya.
2. Back. Kembali ke tahap sebelumnya.
3. Close. Menghentikan program.
4. Help. Menampilkan penjelasan program.
5. Load. Memilih file dan memuat citra ASTER dalam format ENVI secara
interaktif.
105
FORM 3
PENGATURAN PROSES PEMBUATAN MODEL PERMUKAAN DIGITAL
Tombol perintah :
1. Next. Berpindah ke tahap selanjutnya.
2. Back. Kembali ke tahap sebelumnya
3. Close. Menghentikan program
4. Help. Menampilkan penjelasan program
5. Advanced Options. Menampilkan kotak dialog pengaturan lanjut
6. Browse. Memilih nama file secara interaktif.
7. DEM Reg. Parameters. Menampilkan kotak dialog registrasi model
8. Options (pada Noise Detection). Menampilkan kotak dialog pengaturan
deteksi noise.
106
FORM 4
REVIEW PILIHAN PENGATURAN PROSES DAN EKSEKUSI PROGRAM
Tombol perintah :
1. Generate. Melakukan proses pembuatan model permukaan digital
2. Back. Kembali ke tahap sebelumnya.
3. Close. Menghentikan program
4. Help. Menampilkan penjelasan program.
107
Tombol perintah :
1. OK. Menutup kotak dialog dengan menerapkan pengubahan yang dilakukan.
2. Cancel. Menutup kotak dialog dengan mengabaikan pengubahan yang
dilakukan.
3. Help. Menampilkan penjelasan program.
108
Tombol perintah :
1. OK. Menutup kotak dialog dengan menerapkan pengubahan yang dilakukan.
2. Cancel. Menutup kotak dialog dengan mengabaikan pengubahan yang
dilakukan.
3. Help. Menampilkan penjelasan program.
4. Browse. Melakukan pemilihan nama file secara interaktif.
109
Tombol perintah :
1. OK. Menutup kotak dialog dengan menerapkan pengubahan yang dilakukan.
2. Cancel. Menutup kotak dialog dengan mengabaikan pengubahan yang
dilakukan.
110
Tombol perintah:
1. Match. Melakukan proses korelasi silang secara otomatis.
2. Close. Menutup kotak dialog.
3. Help. Menampilkan penjelasan program.
4. Browse. Memilih nama file secara interaktif.
111
Tombol perintah:
1. Calculate. Menghitung residual dan RMSEz.
2. Close. Menutup kotak dialog.
3. Help. Menampilkan penjelasan program.
4. Browse. Memilih nama file secara interaktif.
112
PENGUKURAN
RMSEz
3 PENGATURAN LANJUT
4
UJI KETELITIAN
KORELASI SILANG PENGATURAN
DETEKSI NOISE
1 : Check RMSEz
2 : Generate DEM
3 : Filter and Correct
DEM
4 : Test Matching Quality
112
113
LAMPIRAN H
FLOWCHART MODUL PROGRAM
KORELASI OTOMATIS DAN FILTERING
114
FLOWCHART
KORELASI OTOMATIS
START
1 2
115
1 2
i = jumlah piksel
pada model Interpolasi posisi sub-piksel titik
permukaan dengan koefisien korelasi
digital tertinggi
Hitung paralaks
Tulis log-file.
STOP
116
FLOWCHART
NOISE FILTERING
START
3
117
tidak
Smoothing?
ya
tidak
Koreksi?
ya
STOP