I.

PENDAHULUAN
1.1. Latar Belakang
Pada zaman sekarang ini khususnya di Indonesia informasi mengenai
permukaan bumi menyebabkan kegiatan survey pemetaan di Indonesia
semakinmeningkat. Pelaksanaan kegiatan survey pemetaan dapat dibedakan melalui
duamacam teknologi, yaitu Penginderaan Jauh (PJ) dan Sistem Informasi Geografi
(SIG). Penginderaan Jauh merupakan seni dan dalam ekstraksi informasimengenai
suatu objek, wilayah atau fenomena yang dikaji. Sedangkan Sistem Informasi
Geografi merupakan seperangkat sistemyang digunakan untuk melakukan
pengelolaan, analisis dan manipulasi informasiyang mempunyai rujukan keruangan
dalam suatu sistem pemecahan masalah.
Dalam penggunaan teknologi citra satelit lama kita memerlukan koreksi
radiometri. Koreksi radiometri bertujuan untuk mengurangi pengaruh hamburan
atmosfer (yang disebabkan adanya partikel-partikel di atmosfer yang memberikan
efek hamburan pada energi elektromagnet matahari yang berpengaruh pada
nilaispektral citra, sehingga nilainya akan lebih tinggi daripada sebenarnya) pada
citrasatelit, terutama pada saluran tampak. Sejalan dengan berjalannya waktu,
citrasatelit terbaru tidak perlu dilakukan lagi koreksi radiometri karena begitu
citratersebut diperoleh maka secara otomotis citra satelit tersebut sudah terkoreksi.
Praktikum penginderaan jauh modul 2 membahas tentang koreksi radiometri dimana
terdiri dari metode Penyesuaian Histogram, Dark Pixel Correction, Enhanced Dark
Pixel Correction, dan Cut Off Scattergram.
Koreksi radiometri digunakan untuk mengurangi pengaruh hamburan
atmosfer (yang disebabkan ada partikel-partikel di atmosfer yang memberikan efek
hamburan pada energi elektromagnet matahari yang berpengaruh pada nilaispectral
citra, sehingga nilainya akan lebih tinggi daripada sebenarnya) pada citrasatelit,
terutama pada saluran tampak (visible light).

1.2. Tujuan Praktikum

1. Mahasiswa mampu melakukan koreksi radiometri
2. Mahasiswa mampu memeriksa atmospheric bias citra
3. Mahasiswa dapat menggunakan metode penyesuaian histogram
 4. Mahasiswa mampu melakukan teknik penyesuaian histogram Dark Pixel
Correction
5. Mahasiswa mampu melakukan teknik penyesuaian histogram Enchanced
Dark Pixel Correction
6. Mahasiswa mampu melakukan teknik penyesuaian histogram Cut Off
Scattergram

1.3. Manfaat Praktikum

1. Mampu mengoreksi data citra yang masih mentah dan belum sesuai
dengan kenampakan aslinya
2. Mampu mengabungkan data 2 citra yang ada menjadi satu
3. Mampu melakukan koreksi radiometri dengan baik dan benar
4. Mampu mengetahui cara memeriksa atmospheric bias citra

5. Mampu melakukan metode penyesuaian histogram

6. Mampu melakukan Regresi yaitu DPC (Dark Pixel Correction), EDPC

(Enchanched Dark Pixel Correction), dan Cut Off Scattergram

II. TINJAUAN PUSTAKA

2.1. Koreksi Radiometri
2.1.1. Definisi Koreksi Radiometri
Koreksi radiometri adalah pemrosesan gambar digital untuk meningkatkan nilai
kecerahan. Koreksi radiometric mempunyai tujuan utama yaitu untuk mengurangi
kesalahan atau ketidak konsistenan nilai kecerahan gambar yang dapat membatasi
kemampuan seseorang untuk menafsirkan atau memproses secara kuantitatif dan
menganalisis citra. Konidisi citra satelit yang masih mentah diolah dengan
menggunakan software Er-Mapper.
Koreksi radiometri (satelite Image callibration) merupakan sistem
penginderaan jauh yang digunakan untuk mengurangi pengaruh hamburanatmosfer
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.

2.1.2. Kegunaan Koreksi Radiometri

Koreksi radiometrik digunakan untuk memperbaiki piksel agar sesuai dengan
yang seharusnya yang biasanya disebabkan oleh gangguan atmosfer . Hal-hal yang
harus dikoreksi adalah kesalahan pada gambar (bintik atau bergaris); antara gambar
yang berdekatan atau overlapping (mosaicing); antara bands (untuk beberapa teknik
multispektral); antara data temporal dan sensor.
Koreksi radiometrik mencakup koreksi efek-efek yang berhubungan dengan
sensor untuk meningkatkan kontras (enhancement) setiap pixel dari citra sehingga
suatu obyek dapat dengan mudah dianalisis sesuai gambar aslinya. Salah satu caranya
adalah degan menggunakan transformasi Gaussian Equalize. Citra MODIS atau
Moderate Resolution Imaging Spectroradiometer adalah instrumen penting diatas
satelit Terra (EOS AM) dan Aqua (EOS PM). Orbit Terra mengelilingi bumi dengan
melintasi ekuator dari utara ke selatan pada pagi hari, sementara Aqua melewati
ekuator dari selatan ke utara pada siang hari. Satelit ini memiliki ukuran 1.0 x 1.6 x
1.0 m dengan berat 228.7 kg. Resolusi spasialnya adalah 250 m (kanal 1-2), 500 m
(kanal 3-7), dan 1000m (kanal 8-36). Penyesuaian kanal spektral yang dapat diubah
dari 0.4 sampai 14.4 μm. Resolusi temporalnya 1-2 hari. MODIS juga memiliki
jendela/kanal yang lebih sempit dan beragam.

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
Kelemahan koreksi radiometri adalah hasil interpretasi sangat tergantung
kepada pendigit (interpreter), sehingga hasilnya bersifat subjektif

2.2. Penyesuaian Histogram

Penyesuaian histogram adalah sebuah proses untuk menyesuaikan tingkat
kecerahan suatu citra yang diinputkan, sehingga tingkat kecerahan citra tersebut
menjadi sesuai dengan tingkat kecerahan histogram yang juga diinputkan oleh user.
Penyesuaian histogram kurang lebih menghasilkan histogram yang merata. Kadang-
kadang, histogram yang tidak merta itu tidak sesuai dengan keinginan. Misalnya,
ketika diperlukan citra yang lebih cerah ataupun citra yang lebih gelap, atau ketika
diperlukan citra yang lebih kontras.
Penyesuaian histogram ini melewati beberapa tahap, dan hasilnya tidak selalu
naik. Hal ini disebabkan karena tidak setiap citra mempunyai nilaiobjek yang ideal
untuk dikoreksi, seperti air jernih atau bayangan awan. Dibandingkan dengan teknik
penyesuaian histogram hasilnya tidak jauh berbeda. Secara garis besar, proses ini
meliputi beberapa tahap, yaitu :
a. Melakukan perataan histogram terhadap citra yang diinput oleh user.
b. Melakukan perataan histogram terhadap histogram yang juga diinput oleh
user.
c. Melakukan kebalikan dari transformasi perataan histogram terhadap citra
yang telah diratakan. Proses ini dilakukan dengan mengganti setiap nilai
hasil perataan

2.3. Penyesuaian Regresi

Penyesuaian regresi (Regression Adjusment) diterapkan dengan memplot nilai-
nilai piksel hasil pengamatan dengan beberapa kanal sekaligus.Hal ini diterapkan
apabila ada saluran rujukan (yang relatif bebas gangguan) yang menyajikan nilai nol
untuk obyek tertentu, biasanya air laut dalam atau bayangan. Kemudian tiap saluran
dipasangkan dengan saluran rujukan tersebut untuk membentuk diagram pancar nilai
piksel yang diamati. Saluran rujukan yang digunakan adalah saluran infra merah
dekat. Cara ini efektif mengurangi gangguan atmosfer yang terjadi hampir pada
semua saluran tampak bahkan mendekati perhitungan koreksi radiometrik metode
absolut. Walaupun metode ini melewati beberapa tahap yang cukup rumit, akan tetapi
hasilnya tidak selalu baik. Hal ini disebabkan karena tidak setiap citra mempunyai
nilai piksel objek yang ideal sebagai rujukan, seperti air dalam atau bayangan awan.
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 plotkan 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 tidak jauh berbeda.

2.3.1. DPC (Dark Pixel Correction)

DPC atau Dark Pixel Correction adalah koreksi sederhana untuk
menghilangkan pengaruh atmosfer yang cenderung memperbear nilai pixel. Jika tidak
ada atmosfer, 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.
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.

2.3.2. EDPC (Enchanched Dark Pixel Correction)

Enhanced Dark Pixel Correction merupakan bagian dari metode penyesuaian
regresi yang digunakan untuk menghilangkan efek dariatmosfer untuk Image
Enhancement (Penajaman Citra). Pada metode inisystem kerjanya hampir mirip
dengan metode DPC. Pada metode ini, harusmemasukkan nilai range yang tercantum
dalam actual input limits. Pada Enhanced Dark Pixel Correction terdapat dua layer
yang berbeda, yangdimanan pada layer kedua lebih terang dibandingkan layer
pertama dan gambar layernya lebih tajam
Hasil akurat dari deteki perubahan terhadap dua atau lebih citra waktu
ditentukan oleh beberapa faktor; seperti citra yang sebanding, citra yang dapat
diinterpretasikan, dan metode untuk mendapatkan perbedaan yang bermakna dari
deteksi perubahan citra. Pixel ke pixel antara citra biasa ditampilkan untuk
mendapatkan citra yang baik. Dark Pixel Correction ditampilkan untuk mengkoreksi
kesalahan radiometrik dari suatu citra, maka Enhance sebagai hasilnya lebih
diinterpretasi untuk aplikasi tertentu. Dengan mengurangkan masing – masing band
dengan minimum digital number value – nya, maka setiap band akan memiliki
minimal digital number dari nol.

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 bands yang dihalangi poros panjang gelombang lebih pendek pada pendekatan
digital number komponen penghambur. Penyelesaian hal semacam ini menggunakan
cut-off
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 beberapafaktor termasuk panjang gelombang radiasi, kelimpahan
pertikel dan gasdan jarak perjalanan radiasi

III. MATERI DAN METODE

3.1 Waktu dan Tempat
Hari/Tanggal : Selasa, 9 April 2019
Waku : 08.00 – 09.40 WIB
Tempat : Laboratorium Komputasi Gedung E Lantai 2, Fakultas
Perikanan dan Ilmu Kelautan, Universitas Diponegoro,
Semarang.
3.2 Materi
Materi yang disampaikan pada praktikum kedua, mata kuliah penginderaan jauh,
yaitu :
1. Memeriksa Nilai Atmosferik Citra
2. Penyesuaian Histogram
3. Penyesuaian Regresi
a. DPC (Dark Pixel Correction)
b. EDPC (Enhanced Dark Pixel)
c. Cut-off (Scattergram)
3.3 Metode
3.3.1 Memeriksa Nilai Atmosferik Bias Citra
1. ER Mapper 7.1, klik icon Edit Algorithm

2. kemudian klik icon Load Dataset

3. Pilih Shared_Data\, Kemudian klik Landsat_TM_23Apr85.ers dan klik Ok

This Layer Only
4. Kemudian duplikat Pseudo Layer sebanyak 5 kali. Dengan cara klik icon

duplicate , Setelah selesai, ganti nama Pseudo Layer secara berurutan

menjadi Band - Band 7, tanpa Band 6 dan di cocokkan tiap BAND nya.

5. Klik icon Edit Transform Limit dan lakukan hal yang sama pada setiap
Band, untuk mengetahui nilai bias citra pada setiap Band

3.3.2 Penyesuaian Histogram

1. Kemudian klik Edit Formula

2. Kemudian masukkan nilai Actual Input Limit pada Formula Editor dan Klik
Apply changes

3. Selanjutnya klik Edit, lalu pilih Delete this transform

4. Selanjutnya Klik Ps dan lakukan langkah 2 dan 3 pada masing-masing band

5. Klik File dan klik Save As

6. Masukkan HistogramSudahKoreksi_NAMA_NIM pada Save as, pada File of

type diganti dengan ER Mapper Raster Dataset

7. Klik Default dan Null Velue dimasukkan nilai 0, dan di ceklist semua, lalu klik
ok

8. Apabila penyimpanan telah selesai akan mucul tampilan seperti dibawah lalu
klik OK

9. Tutup semua window, klik icon Edit Algorithm , kemudian klik icon Load

Dataset , pilih file

HistogramsudahKoreksiOctafirta26040117140070_23Apr85.ers untuk
pengecekan, kemudian klik OK.

10. Maka akan muncul window seperti gambar dibawah, kemudian isi kolom
Description dengan Nama_NIM.

11. Kemudian Duplicate Psedeo Layers 1-7, tanpa BAND 6 dan dicocokkan tiap
BANDnya

12. Klik iconEdit Transform Limit , lakukan dari Band 1-Band 7, dan cek
semua nilainya. Apabila telah mendekati nilai 0 maka DPC berhasil

3.3.3 Penyesuaian Regresi

3.3.3.1 DPC (Dark Pixel Correction)

1. Klik icon Land Application Wizard Klik Next

2. Pilih Process TM imagery, kemudian klik Next

3. Pilih Atmospheric Effect Correction, kemudian klik Next.

4. Pilih Dark Pixel Correction, kemudian klik Next.

5. Maka akan muncul window seperti dibawah

6. Untuk pengisian kolom Specify an input TM dataset,isi dengan

Landsat_TM_23Apr85.ers. caranya klik icon

7. Pada kolom Specify an output filename isi dengan Belum

DPCbelumkoreksi_Octafirta_26040117140070 dengan files of type nya ER

Mapper Raster Dataset (.ers), dengan cara klik icon

8. Sehingga hasilnya seperti gambar dibawah. Kemudian klik

9. Maka akan muncul Window Algorithm seperti dibawah.

10. Klik icon Edit Algorithm , kemudian isi kolom Description

Nama_NIM, kemudian Cut Layer DPC_TM6 dengan klik icon

11. Kemudian, klik Layer DPC_TM1, kemudian icon Edit Transform Limit

, maka akan muncul Window Transform seperti ini

12. Pada window Transform, klik , kemudian pilih Delete this
transform. Lakukan hal yang sama untuk setiap Band.

13. Klik File, Save As, kemudian beri nama file tersebut dengan format
DPC_sudahkoreksi_Nama_NIM dan Files of Type nya ER Mapper Raster

Dataset(.ers) lalu klik .

14. Maka akan muncul window Save As ER Mapper Dataset kemudian klik

, maka akan muncul seperti dibawah ini:

15. Tutup semua window, klik icon Edit Algorithm , kemudian klik icon

Load Dataset , pilih file

DPCSudahKoreksi_Octafirta_26040117140070.ers untuk pengecekan,
kemudian klik OK.

16. Maka akan muncul window seperti gambar dibawah, kemudian isi kolom
Description dengan Nama_NIM.

17. Kemudian Duplicate Psedeo Layers 1-7, tanpa BAND 6 dan dicocokkan
tiap BANDnya

18. Klik iconEdit Transform Limit , lakukan dari DPC_TM1 – DPC_TM,

dan cek semua nilainya. Apabila telah mendekati nilai 0 maka DPC
berhasil
 3.3.3.2 Enchanched Dark Pixel Correction (EDPC)

1. Klik icon Land Application Wizard Klik Next

2. Pilih Process TM imagery, kemudian klik Next

3. Pilih Atmospheric Effect Correction, kemudian klik Next.

4. Pilih Enhanced Dark Pixel Correction, kemudian klik Next

5. Maka akan muncul window seperti dibawah

6. Klik icon , untuk isi kolom Specify an input TM dataset. Pilih
fileLandsat_23Apr85.ers kemudian klik OK.

7. Maka akan muncul window seperti gambar dibawah, klik Next.

8. Pilih Use TM1 as initial band, kemudian pada kolom Type in the Cut-Off
value the initial band isi dengan nilai yang tertera pada kolom Actual Input
Limits pada window Transform. Kemudian klik Next.

9. Pilih Clear (TM1>55<=75)karena nilai Actual Input Limit-nya 68, dimana

angka tersebut terletak diantara 55 dan 75

10. Klik icon , untuk isi kolom Specify an output filename. Isi nama
dengan format EDPCbelumkoreksi_Nama_NIM serta files of type ER
Mapper Raster Dataset (.ers). kemudian klik OK.

11. Kemudian klik Finish

12. Maka akan muncul window seperti dibawah.

13. Klik icon Edit Algorithm , kolom Description isi dengan format
Nama_NIM, kemudian cut TM6 dengan klik icon hingga seperti
dibawah ini:

14. Pada window Transform, klik , kemudian pilih Delete this

transform. Lakukan hal yang sama untuk setiap Band.

15. Klik klik File, Save As, kemudian beri namafile tersebut dengan format
SudahKoreksi_EDPC_Nama_NIM dan Files of Type nya ER Mapper
Raster Dataset. Klik OK.

16. Klik Default dan klik OK

17. Maka akan muncul window Save As ER Mapper Dataset kemudian klik

, maka akan muncul seperti dibawah ini

18. Tutup semua window, klik icon Edit Algorithm , kemudian klik icon

Load Dataset , lalu buka kembali file yang sudah dibuat tadi, yaitu file
bernama EDPCSudahKoreksi__OctaFirta_26040117140070 untuk
pengecekan, kemudian klik OK.

19. Klik iconEdit Transform Limit , untuk pengecekan nilai atmosfer bias
citra. Lakukan untuk setiap Band dengan mengklik PS

3.3.3.3 Cut Off Value (Scattergram)

1. Klik icon Land Application Wizard Klik Next

2. Pilih Process TM imagery, kemudian klik Next

3. Pilih Atmospheric Effect Correction, kemudian klik Next.

4. Pilih Cut-Off Values (Scattergram), kemudian klik Next

5. Maka akan muncul window seperti dibawah.

6. Klik icon , untuk isi kolom Specify an input TM dataset. Pilih

fileLandsat_23Apr85.ers kemudian klik OK

7. Dan untuk kolom Specify an output filename isi dengan

CutoffValuebelumkoreksi_Octafirta_26040117140070 dengan files of type-
nya ER Mapper Raster Dataset (.ers) kemudian klik OK.
8. Maka hasilnya akan seperti gambar dibawah. Kemudian klik Next

9. Maka akan muncul beberapa window, untuk window New Map

Composition bisa di-close karena tidak terlalu penting. Pada windows
seperti dibawah ini

10. Pada window Scattergram hanya muncul nilai Actual Input Limits B1 dan
B2, maka untuk melihat nilai Actual Input Limits B3 hingga B7, klik
pada window Scattergram maka akan muncul window seperti
dibawah ini:

11. Pada kolom X Axis isi dengan B3:0.66_um dan pada kolom Y Axis isi
dengan B4:0.83_um

12. Lakukan hal yang sama untuk melihat nilai Actual Input LimitsB5 dan
B7serta inputannya pada kolom Specify Cut-Off Value. Apabila setelah
semua selesai, klik Finish. Maka hasilnya akan seperti gambar dibawah ini
setelah kolom Specify Cut-Off Value-nya telah diisi dengan nilai Actual
Input Limits yang bisa dilihat pada window Scattergram
13. Klik icon Edit Algorithm , pada kolom Description isi dengan

Nama_NIM dan cut layer TM6dengan klik icon hingga menjadi seperti
dibawah ini:

14. Klik icon Edit Transorm Limits

15. Pada window Transform, klik , kemudian pilih Delete this

transform. Lakukan hal yang sama untuk setiap Band sehingga menjadi
seperti dibawah ini:

16. Klik File, Save As, kemudian beri nama file tersebut dengan format
Cutoff_sudahkoreksi_Nama_NIM dan Files of Type nya ER Mapper
Raster Dataset. Klik OK.

17. Klik Default kemudian klik OK

 18. Apabila penyimpanan telah selesai maka akan muncul gambaran seperti
dibawah :

19. Tutup semua window, klik icon Edit Algorithm , kemudian klik icon

Load Dataset , pilih fileyang sudah dibuat tadi yaitu

Cutoff_sudahkoreksi_OctaFirta_26040117140070 untuk pengecekan,
kemudian klik OK

20. Klik iconEdit Transform Limit , untuk pengecekan nilai atmosfer bias
citra. Lakukan untuk setiap Band.

IV. HASIL DAN PEMBAHASAN

4.1 Hasil
4.1.1. Memeriksa Nilai Atmospheric Bias Citra
4.1.2. Penyesuaian Histogram
4.1.3. Penyesuaian Regresi
4.1.3.1. DPC (Dark Pixel Correction)
4.1.3.2. EDPC (Enchanched Dark Pixel Correction)
4.1.3.3. Cut Of Scattergram
4.2. Pembahasan
4.2.1. Memeriksa Nilai Atmospheric Bias Citra

4.2.2. Penyesuaian Histogram

Metode ini dilakukan dengan menambahkan nilai terendah pada window
Formula Editor. Misal nilai terendah pada Band1 adalah 68 maka kita tuliskan
INPUT1-68. Pengurangan angka dilakukan tanpa memperhatikan nilai positif (+) dan
negatif (-). Setelah dilakukan koreksi dengan penyesuaian histogram didapatkan nilai
band yang dimulai dari 1. Penyesuaian histogram digunakan untuk evaluasi histogram
pada setiap band dari data penginderaan jauh. Data pada panjang gelombang tampak
(saluran 1-3) mempunyai nilai minimum yang lebih tinggi karena dipengaruhi oleh
hamburan atmosfer. Sedangkan penyerapan atau absorbsi pada atmosfer akan
mengurangi kecerahan pada data yang direkam dalam interval panjang gelombang
yang lebih besar seperti saluran 4, 5, 7. Sehingga data pada band ini nilai
minimumnya mendekati nilai nol.
4.2.3. Penyesuaian Regresi
4.2.3.1. DPC (Dark Pixel Correction)
Untuk membuka Dark Pixel Correction, dapat melalui 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, dan file output nya DPC.Nama.NIM.ers. Dari
metode ini bisa diketahui nilai pixel 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.
4.2.3.2. EDPC (Enchanched Dark Pixel Correction)
EDPC adalah metode lain untuk mengkoreksi suatu citra. Nilai TM yang
digunakan adalah TM 1 karena TM 1 dianggap sudah mewakili nilai TM lainnya dan
merupakan acuan. Lalu 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 TM1 >55<=75.
4.2.3.3. Cut Of Scattergram
Metode ini memakai dua variasi scattergram, dengan memasukkan nilai
terendah tiap band pada window Scattergram. Cahaya yang berasal dari sinar
matahari memiliki panjang gelombang berbeda. Makin besar panjang gelombang,
makin besar kemampuannya untuk menembus gangguan.

V. PENUTUP
V.1. Kesimpulan
1. Koreksi radiometri dapat dilakukan dengan 4 metode, yaitu metode
Penyesuaian Histogram, Dark Pixel Correction, Enhanced Dark Pixel
Correction dan Cut-Off Values (Scattergram)
2. Praktikan dapat melakukan koreksi radiometri dengan citra Landsat
_TM_23April85.ers
3. Pada metode penyesuaian histogram dilakukan pengurangan nilai atmosfer
bias melalui formula editor
4. Metode Dark Pixel Correction kita menggunakan tool Remote sensing. Di
dalam proses akan muncul 7 band terkoreksi
5. Enhanced Dark Pixel Correction adalah metode dengan kita menuliskan
range nilaii atmosfer bias.
 6. Cut-Off Values (Scattergram) dapat dilihat nilai bias yang belum valid dapat
dilihat pada window Scattergram
V.2. Saran
1. Diharapkan praktikan datang tepat waktu
2. Saat praktikum berlangsung diharapkan praktikan agar kondusif supaya
tidak menggangu praktikan yang lain
3. Sebaiknya praktikan membaca modul terlebih dahulu sebelum melakukan
praktikum
4. Sebaiknya praktikan belajar terlebih dahulu sebelum melaksanakan
praktikum
5. Sebaiknya praktikum selesai pada waktunya

DAFTAR PUSTAKA
Contoh hasil
Dihasil ada nilai sebelum koreksi dan sesudah koreksi nah nilainya dibuat tabel terus
transformnya dimasukin dan citranya juga