Anda di halaman 1dari 14

Perancangan Aplikasi Fusi Citra Multispektral Dan

Citra Pankromatik Untuk Penajaman Citra


Dengan Menerapkan Metode
Transformasi Brovey

Imam Saputra (1011434)

Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan


Jl. Sisingamangaraja No. 338 Simpang Limun Medan
http://stmik-budidarma.ac.id // Email : ramaberbagi@gmail.com

ABSTRAK

Perkembangan teknologi remote sensing atau penginderaan jauh menawarkan kemudahan dalam
pemetaan suatu wilayah. Hal ini dapat dilihat dari penggunaan peta digital yang sangat sering digunakan untuk
pemetaan suatu wilayah. Sekarang ini sistem sensor satelit penginderaan jauh dapat beroperasi dengan mode
multispektral dan mode pankromatik secara simultan. Satelit penginderaan jauh mampu menghasilkan citra
multispektral dan citra pankromatik dengan resolusi spasial yang tinggi, namun citra pankromatik yang
dihasilkan memiliki resolusi spasial yang lebih tinggi dibandingkan dengan citra resolusi spasial citra
multispektral yang dihasilkan oleh satelit penginderaan jauh tersebut. Hal inilah yang melatarbelakangi
aplikasi penggabungan citra multispektral dan citra pankromatik dibuat yaitu untuk menghasilkan citra yang
memiliki resolusi spasial yang tinggi.Aplikasi fusi citra ini bekerja dengan cara menggabungkan citra
multispektral dengan resolusi spasial yang rendah dengan citra pankromatik dengan resolusi spasial yang
tinggi sehingga akan dihasilkan citra keluaran yang memiliki kelebihan yang dimiliki oleh citra multispektral
dan kelebihan yang dimiliki oleh citra pankromatik. Untuk menyelesaikan masalah aplikasi fusi citra ini, penulis
menggunakan suatu metode penajaman citra yang dikenal dengan metode transformasi brovey. Dengan metode
ini diharapkan mampu menyelesaikan masalah fusi citra untuk penajaman citra pada aplikasi fusi citra.Dalam
skripsi ini akan dibahas tentang cara menciptakan aplikasi fusi citra dengan metode transformasi brovey
menggunakan bahasa pemrograman visual basic. Aplikasi ini dibangin dengan menggunakan microsoft visual
studio.net 2008 sebagai editor untuk mengedit program.

Kata Kunci : penggabungan citra ,penajaman citra, dan transformasi brovey.

1. PENDAHULUAN
1.1 Latar Belakang Masalah
Teknologi remote sensing atau penginderaan jauh menawarkan kemudahan dalam pemetaan suatu wilayah.
Saat ini penginderaan jauh sangat sering digunakan karena citra dapat dibuat secara cepat meskipun berada pada
daerah yang sulit ditempuh melalui daratan sehingga sangat di perlukan untuk pemetaan daerah bencana dan
citra yang dihasilkan menggambarkan objek di permukaan bumi dengan wujud dan letak objek yang mirip
dengan objek yang sebenarnya. Citra penginderaan jauh juga dapat menggambarkan objek yang berada di dalam
tanah ataupun objek yang berada di dasar laut yang mencapai kedalaman tertentu sehingga dapat dilakukan
pengenalan objeknya.
Citra multispektral merupakan citra yang mempunyai saluran multispektrum yang tinggi sehingga
memberikan informasi warna berdasarkan pantulan dan penyerapan sinar elektromatik oleh objek yang
ditangkap oleh sensor. Pada umumnya citra multispekral memiliki resolusi spasial yang rendah namun
memberikan informasi warna yang tinggi. Citra pankromatik merupakan citra yang memiliki resolusi spasial
yang tinggi sehingga dapat membantu untuk melokasikan suatu objek di permukaan bumi. Pada umumya citra
pankromatik merupakan citra keabuan sehingga warna dari objek yang ditangkap tidak sesuai dengan warna
aslinya.
Pada sistem sensor penginderaan jauh resolusi spasial dan resolusi spektral merupakan hal yang bertolak
belakang. Beberapa satelit penginderaan mampu memberikan citra dengan resolusi spasial yang tinggi tetapi
memiliki resolusi spasial yang rendah, begitu juga sebaliknya. Untuk mengatasi kelemahan yang di miliki oleh
citra multispektral dan kelemahan yang dimiliki oleh citra pankromatik maka dilakukan proses fusi kedua citra
tersebut.
Fusi citra atau image fusion merupakan proses penggabungan beberapa citra menjadi citra komposit
tunggal. Tujuan fusi citra adalah untuk menghasilkan citra yang informatif yaitu citra yang memiliki resolusi
spektral dan resolusi spasial yang tinggi. Dengan melakukan fusi citra antara citra multispektral dan citra
pankromatik maka akan didapatkan hasil keluaran citra yang memiliki resolusi spasial dan resolusi spektral yang
tinggi sehingga memudahkan manusia untuk mendeskripsikan objek yang terdapat pada citra tersebut.
Ada beberapa metode yang digunakan untuk melakukan proses fusi citra, diantaranya adalah metode
Principal Component Analysis (PCA). Transformasi PCA bertujuan mereduksi komponen yang saling
berkorelasi menjadi komponen tereduksi baru yang saling tidak berkorelasi. Dalam teknik fusi citra, PCA
digunakan untuk mentransformasikan citra multispektral resolusi rendah untuk mendapatkan komponen penting
(principal component) representatif baru yang saling tidak berkorelasi.
Metode transformasi brovey merupakan metode yang paling populer untuk fusi dua macam citra yang
memiliki perbedaan resolusi spasial. Transformasi brovey mengkombinasikan data dari sensor berbeda hanya
saja terbatas untuk komposisi tiga kanal spektral dengan mengubah nilai spektral asli pada setiap saluran
multispektral. Metode transformasi brovey merupakan metode perkalian antara citra multispektral dan citra
pankromatik. Transformasi ini dapat meningkatkan kekontrasan citra hasil. Dengan demikian akan dihasilkan
citra yang lebih terang dan lebih tajam dari segi spektral warna .
Tools yang akan digunakan untuk merancang aplikasi ini adalah microsoft visual studio.net 2008. Windows
Form Designer memungkinkan developer memperoleh aplikasi desktop dalam waktu singkat. Selain itu, dapat
menggunakan OCX/Component yang disediakan oleh pihak ketiga sebagai tool pengembangan. Dalam
pengolahan citra digital maka komponen OpenCV (Open Computer Vision) dapat ditambahkan menjadi tool
dalam microsoft visual studio.net 2008. OpenCV merupakan sebuah API (Application Programming Interface)
Library yang memungkinkan komputer dapat melihat seperti manusia.

1.2 Perumusan Masalah


Berdasarkan latar belakang yang telah penulis jelaskan di atas, maka penulis merumuskan masalah sebagai
berikut :
1. Bagaimana proses penggabungan dua buah citra menjadi citra komposit tunggal?
2. Bagaimana proses yang dilakukan untuk meningkatkan resolusi spasial citra hasil fusi?
3. Bagaimana menerapkan metode transformasi brovey untuk fusi citra multispektral dan citra pankromatik?
4. Bagaimana merancang aplikasi fusi citra multispektral dan citra pankromatik untuk penajaman citra dengan
menerapkan metode transformasi brovey?

1.3 Batasan Masalah


Dalam melakukan penelitian, penulis menetapkan beberapa batasan masalah agar masalah yang dibahas
tidak melebar. Adapun yang menjadi batasan masalah dalam penelitian ini adalah :
1. Format citra yang digunakan adalah citra dengan format JPG.
2. Citra multispektral berwarna yang memiliki resolusi spasial rendah.
3. Citra pankromatik hitam putih yang memiliki resolusi spasial tinggi.
4. Teknik yang digunakan dalam proses penajaman citra adalah teknik penggabungan citra digital (image
fusion).
5. Metode fusi citra yang digunakan adalah metode transformasi brovey.
6. Bahasa pemrograman yang digunakan adalah Visual Studio.Net 2008.

1.4 Tujuan dan Manfaat Penelitian


Suatu penelitian yang ilmiah memiliki tujuan dan manfaat. Adapun tujuan dari peneletian ini adalah :
1. Untuk mengetahui proses penggabungan dua buah citra menjadi citra komposit tunggal.
2. Untuk mengetahui proses yang dilakukan untuk meningkatkan resolusi spasial citra hasil fusi.
3. Untuk menerapkan metode transformasi brovey untuk fusi citra multispektral dan citra pankromatik.
4. Untuk merancang aplikasi fusi citra multispektral dan citra pankromatik untuk penajaman citra dengan
menerapkan metode transformasi brovey.
Sedangkan manfaat yang diharapkan dapat diperoleh dari penelitian ini adalah :
1. Meningkatkan kekontrasan citra dengan menggabungkan kelebihan yang dimiliki oleh citra multispektral dan
citra pankromatik.
2. Mempermudah meningkatkan resolusi spasial citra hasil fusi.

2. LANDASAN TEORI
2.1 Perancangan
Menurut Jogiyanto perancangan adalah penggambaran, perencanaan dan pembuatan sketsa atau pengaturan
dari beberapa elemen terpisah dan satu kesatuan yang utuh dan berfungsi (Riyan Syah Putra, 2013). Berdasarkan
pengertian diatas penulis dapat mengambil kesimpulan bahwa perancangan adalah suatu pola yang dibuat untuk
mengatasi masalah yang dihadapi setelah melakukan analisis terlebih dahulu.

2.2 Aplikasi
Menurut Shelly, Aplikasi adalah seperangkat instruksi khusus dalam komputer yang dirancang agar kita
dapat menyelesaikan tugas-tugas tertentu. Aplikasi disebut juga software yang merupakan salah satu dari
komponen sistem informasi (Riyan Syah Putra, 2013 ). Aplikasi merupakan perangkat lunak komputer yang
dimanfaatkan pengguna untuk menyelesaikan atau mempermudah pengguna dalam menyelesaikan tugas.
Beberapa aplikasi yang digabung bersama menjadi satu paket kadang disebut sebagai suatu paket atau suite
aplikasi (application suite). Contohnya adalah Microsoft Office dan OpenOffice.org, yang menggabungkan
suatu aplikasi pengelolah kata, lembar kerja, serta beberapa aplikasi lainnya. Aplikasi-aplikasi dalam satu paket
biasanya memiliki antar muka pengguna yang memiliki kesamaan sehingga memudahkan pengguna untuk
mempelajari tiap aplikasi.
Jadi dapat disimpulkan Aplikasi adalah perangkat lunak komputer yang berisi kumpulan perintah program
yang dibuat untuk melakukan pekerjaan-pekerjaan tertentu.

2.3 Fusi Citra (Image Fusion)


Image Fusion is a process of combining the relevant information from a set of images of the same scene
into a single image and the resultant fused image will be more informative and complete than any of the input
images. Input images could be multi sensor, multimodal, multifocus or multi temporal. There are some important
requirements for the image fusion process (Kusum Rani, et all, 2013 :288).
Fusi citra merupakan proses penggabungan dua data citra (pankromatik dan multispektral) dengan tanggal
perekaman yang sama untuk memperoleh citra berwarna dengan resolusi spasial yang sama dengan kanal
pankromatiknya. Tujuan dari fusi citra adalah penajaman citra, meningkatkan ketelitian registrasi citra,
klasifikasi dan menutupi informasi yang hilang. Pada umumnya band multispektral memiliki resolusi lebih
rendah dari saluran pankromatiknya (Bambang Rudianto, 2010).
Dari kedua defenisi diatas dapat diambil kesimpulan bahwa fusi citra adalah proses penggabungan dua citra
yang berbeda menjadi sebuah citra komposit tunggal.

2.4 Citra Multispektral


Citra multispektral adalah citra suatu objek dengan menggunakan lebih dari satu spektrum elektromagnetik
yang penginderaannya dilakukan pada saat tempat dan ketinggian yang sama. Kamera yang digunakan adalah
kamera tunggal berlensa jamak. Citra multispektral biasanya terdiri dari empat buah citra yang menggambarkan
suatu daerah dengan menggunakan saluran biru (0,4µm – 0,5µm), hijau (0,5µm – 0,6µm), merah (0,6µm –
0,7µm), dan inframerah dekat (0,7µm – 1,1µm). Citra multispektral hitam putih dapat dibentuk berbagai citra
berwarna sehingga lebih memudahkan pengenalan benda yang tergambar pada citra. Keunggulan citra
multispektral terletak pada kemampuannya mempertajam perbedaan rona antara dua objek atau lebih.

2.5 Citra Pankromatik


Film ini peka terhadap panjang gelombang 0,36µm – 0,72µm. Kepekaannya hampir sama dengan kepekaan
mata manusia. Hal ini merupakan kelebihan dari citra pankromatik hitam putih dibanding dengan film-film
lainnya. Berikut ini adalah keunggulan dari citra pankromatik hitam putih :
1. Kesan rona objek sama dengan kesan mata memandang objek aslinya, karena kepekaan film sama dengan
kepekaan mata manusia.
2. Resolusi spasialnya halus sehingga sangat memungkinkan mengenai objek yang berukuran kecil.
3. Stabilitas dimensional tinggi, sehingga banyak digunakan dalam bidang citra grametri.
4. Film pankromatik hitam putih telah lama dikembangkan sehingga orang sudah terbiasa menggunakannya.
Film pankromatik dapat digunakan untuk pemetaan penutup lahan, penggunaan lahan dan juga dalam
pemetaan geologi. Hingga kini citra pankromatik merupakan citra udara yang paling banyak tersedia, paling luas
penggunaannya dan paling jauh dikembangkan.

2.6 Penajaman Citra (Image Sharpening)


Penajaman Citra bertujuan memperjelas tepi pada objek didalam citra. Penajaman Citra dilakukan
dengan melewatkan citra pada penapis lolos-tinggi (high-pass filter) (Harvei Desmon Hutahaen, 40 : 2013).
Karena penajaman citra lebih berpengaruh pada tepi (edge) objek, maka penajaman citra disebut juga penajaman
tepi (edge sharpening) atau peningkatan kualitas tepi (edge enhancement). Akibatnya, pinggiran objek
terlihat lebih tajam dibandingkan sekitarnya Ada beberapa teknik yang digunakan untuk penajaman citra
diantaranya adalah :
1. Teknik Fusi Citra Multisensor
Teknik fusi citra multisensor digunakan secara otomatis untuk menggabungkan (fusi) suatu citra
multispektral yang mempunyai resolusi rendah dengan citra tingkat tingkat keabuan yang mempunyai resolusi
spasial tinggi (Gokmaria Sitanggang, 36 : 2013). Dengan menggabungkan kedua citra tersebut maka akan
diperoleh citra yang memiliki resolusi spasial yang tinggi yang diambil dari citra pankromatik dan warna yang
diambil dari citra multispektral sehingga akan meningkatkan ketajaman citra hasil fusi.
2. Teknik Normalisasi Warna (Color Normalized)
Teknik normalisasi warna dilakukan dengan mengaplikasikan suatu teknik penajaman citra yang
menggunakan suatu kombinasi matematik dari citra warna dan data citra resolusi spasial tinggi (Gokmaria
Sitanggang, 36 : 2013). Setiap kanal di dalam citra warna tersebut dikalikan dengan suatu rasio dari data resolusi
spasial tinggi yang dibagi dengan jumlah kanal-kanal warna tersebut. Dengan melakukan teknik normalisasi
warna maka akan menghasilkan citra dengan resolusi spasial yang tinggi dan memiliki warna setelah difusikan
dengan citra multispektral dengan resolusi spasial yang rendah.
3. Teknik Hue Saturation Value (HSV)
Teknik hue saturation value dilakukan dengan mentransformasikan suatu citra dalam ruang warna RGB
menjadi citra dalam ruang warna HSV (Gokmaria Sitanggang, 36 : 2013). Teknik ini dilakukan dengan cara
menggantikan kanal nilai (Value-V) dengan citra resolusi spasial tinggi dan melakukan resampling kanal Hue
(H) dan Saturation (S), menjadi ukuran elemen citra resolusi spasial tinggi.

2.7 Transformasi Brovey


The Brovey Transforme, established and promoted by an American scientist, Brovey, is also called the
color normalization transform because it involves a red-green-blue (RGB) color transform method. The Brovey
transformation was developed to avoid the disadvantages of the multiplicative method. It is a simple method for
combining data from different sensors. It is a combination of arithmetic operations and normalizes the spectral
bands before they are multiplied with the panchromatic image. It retains the corresponding spectral feature of
each pixel, and transforms all the luminance information into a panchromatic image of high resolution (Rohan
Ashok Mandhare, 2013).
Metode transformasi brovey merupakan metode yang paling popular untuk memadukan dua macam citra
yang berbeda resolusi spasial. Transformasi brovey mengubah nilai spektral asli pada setiap saluran
multispektral, misalnya saluran Merah berkode (M), Hijau (H) dan Biru (B), menjadi saluran-saluran baru (MP,
HP, BP) yang msing-masing telah diperinci secara spasial oleh citra pankromatik (P) dan dinormalisasi nilai
kecerahannya dengan pertimbangankan nilai-nilai pada saluran lainnya.
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝑀
Saluran_MP=( )×Saluran_P
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝑀+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻
Saluran_HP=( )×Saluran_P
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝑀+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵
Saluran_BP=( )×Saluran_P
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝑀+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵
Dimana:
MP= saluran merah hasil fusi.
HP= saluran hijau citra hasil fusi.
BP= saluran biru citra hasil fusi.
Contoh :
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝑀
Saluran_MP = ( )×SaluranP
𝑠𝑎𝑙𝑢𝑟𝑎_𝑀+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵
5 63 ] 5 63
[11
70 3 5 [ 11 70] 3 5
= ( 5 63 22 3 1 )x [ ] =( 30 )x[ ]
[ ]+[ 13 30
1 ]+ [9 17] 60 13 [ 33 100
88 ] 60 13
11 70
5 63
3 5 0,166 0,63 3 5
= (30
11
100
70)x[60 ]=[ ]x[ ]
13 0,333 0,795 60 13
33 88
0,49 3,15
=[ ]
19,98 10,33
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻
Saluran_HP =( )×SaluranP
𝑠𝑎𝑙𝑢𝑟𝑎_𝑀+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵
[ 22 30
1] 35 [22 30 ]
35
= ( 5 63 13 )x [ ] = ( 13 1
94 ]) x[ ]
[ ]+[22 30]+ [ 3 1 ] 60 13 [ 30 60 13
11 70 13 1 9 17 33 88
22 30
30 94 35 0,733 0,319 35
= (13 1) x[ ]=[ ]x[ ]
60 13 0,393 0,011 60 13
33 88
2,19 1,59
=[ ]
23,58 0,14
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵
Saluran_BP=( )×SaluranP
𝑠𝑎𝑙𝑢𝑟𝑎_𝑀+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵
[3 1
9 17 ] 3 5
3 1
[9 17] 35
= ( 5 63 22 3 1)x[ ] = ( 30 94]) x [ ]
[ ]+[ 13 30 60 13 60 13
1 ]+ [ 9 17 ]
[33 88
11 70
3 1
35 0,1 0,010 35
= (30
9
94
17 ) x [ ]=[ ]x[ ]
60 13 0,272 0,193 60 13
33 88
0,3 0,05
=[ ]
16,32 2,5

3. PERANCANGAN
3.1 Analisa Fusi Citra
Penggabungan citra atau image fusion merupakan salah satu teknik pemrosesan citra digital yang banyak
mendapat perhatian dalam dunia penginderaan jauh. Ini dikarenakan image fusion dapat mengakomodasi
kebutuhan citra resolusi tinggi tanpa harus mengusahakan sistem pencitraan dengan resolving power yang tinggi,
sehingga dapat menghemat banyak waktu dan biaya. Terlebih kebanyakan sensor-sensor pada satelit sumberdaya
alam modern sekarang ini dapat beroperasi pada mode multispektral dan pankromatik secara simultan, sehingga
citra dari kedua mode dapat difusikan untuk memperoleh citra sintesis yang mengintegrasikan kelebihan spektral
citra multispektral dan kelebihan spasial citra pankromatik.
Kemajuan teknologi penginderaan jauh mampu menyediakan citra penginderaan jauh yang mempunyai
resolusi spasial, resolusi spektral dan resolusi temporal yang cukup tinggi. Hal ini tentu saja sangat membantu
pelaksanaan aplikasi citra penginderaan jauh dalam hal pengukuran, pemetaan, pantauan dan pemodelan dengan
lebih efisien dibandingkan pemetaan secara konvensional. Pada sistem sensor satelit penginderaan jauh, resolusi
spasial dan resolusi spektral citra merupakan hal yang saling bertolak belakang. Beberapa satelit pengideraan
jauh mampu memberikan citra dengan informasi multispektral yang dapat membedakan fitur secara spektral
tetapi tidak secara spasial, begitu pula sebaliknya. Keterbatasan pada penyediaan citra multispektral beresolusi
tinggi ini menyebabkan diperlukannya solusi untuk menghasilkan citra multispektral yang kaya akan informasi
spasial maupun informasi warna (spektral).
Fusi citra atau pansharpening adalah salah satu teknik yang tepat untuk menggabungkan detil geometri
(spasial) dan detil warna (spektral) pada pasangan citra awal sehingga didapatkan citra multispektral baru dengan
informasi spasial dan spektral setajam mungkin. Proses fusi citra pada bidang penginderaan jauh bertujuan
mempermudah langkah analisis yang memerlukan ekstraksi obyek citra secara detail, antara lain pada metode
klasifikasi untuk analisis pemetaan penggunaan lahan (land use) dan penutup lahan (land cover). Dengan
kenampakan resolusi spasial yang lebih baik berdasarkan fusi citra, proses klasifikasi diharapkan dapat menjadi
lebih terbantu dalam interpretasi visual dan mengelompokan objek-objek ke dalam kelas-kelas sesuai dengan
kenampakan objek di lapangan yang ada pada daerah penelitian. Meningkatnya kemampuan interpretasi visual
dan pengklasan objek menghasilkan akurasi klasifikasi yang lebih baik dibandingkan jika menggunakan salah
satu data saja. Harus dipahami bahwa penggabungan citra dilakukan pada tingkat resolusi spasial dengan
perbedaan yang tidak terlalu signifikan, misalnya melakukan fusi terhadap citra multispektral yang memiliki
resolusi spasial 0,8 meter dengan citra pankromatik yang memiliki resolusi spasial 0,5 meter. Dengan demikian
maka skala kedua citra tersebut dapat ditentukan dengan aturan Wado R. Tobler sebagai berikut :
Skala citra multispektral = resolusi spasial citra multispektral x 2 x 1000
Skala citra multispektral = 0,8 m x 2 x 1000
Skala citra multispektral = 1600 atau 1:1600
Dari hasil perhitungan diatas maka citra multispektral dengan resolusi spasial 0,8 meter memiliki skala 1:
1600
Skala citra pankromatik = resolusi spasial citra pankromatik x 2 x 1000
Skala citra pankromatik = 0,5 x 2 x 1000
Skala citra pankromatik = 1000 atau 1:1000
Dari hasil perhitungan diatas maka citra pankromatik dengan resolusi spasial 0,5 meter memiliki skala
1:1000. Dengan melakukan fusi citra atau penggabungan kedua citra tersebut maka akan meningkatkan resolusi
spasial citra multispektral 0,8 meter menjadi 0,5 meter meskipun warna yang dimiliki citra tersebut akan
memudar, namun resolusinya akan meningkat, karena semakin besar skala citra maka akan semakin detil objek
yang tampak pada citra tersebut.

3.2 Analisa Fusi Citra Dengan Metode Transformasi Brovey


Metode transformasi brovey merupakan metode yang paling popular dan metode yang paling sederhana
untuk memadukan dua macam citra yang berbeda resolusi spasial. Transformasi brovey mengubah nilai spektral
asli pada setiap saluran multispektral, misalnya saluran Merah berkode (M), Hijau (H) dan Biru (B), menjadi
saluran-saluran baru (MP, HP, BP) yang msing-masing telah diperinci secara spasial oleh citra pankromatik (P)
dan dinormalisasi nilai kecerahannya dengan pertimbangankan nilai-nilai pada saluran lainnya sehingga akan
meningkatkan komponen intensitas dari citra hasil fusi tersebut.
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝑀
Saluran_MP=( )×Saluran_P
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝑀+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻
Saluran_HP=( )×Saluran_P
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝑀+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵
Saluran_BP=( )×Saluran_P
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝑀+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵
Dimana:
MP = hasil fusi saluran merah.
HP = hasil fusi saluran hijau.
BP = hasil fusi saluran biru.
Contoh :
Citra input yang digunakan pada contoh ini adalah citra satelit GeoEye1 dengan resolusi spasial untuk citra
multispektral 1,65 meter dan resolusi spasial untuk citra pankromatik 0,5 meter. Untuk menganalisa fusi citra
dengan metode transformasi brovey maka harus diketahui nilai setiap pixel citra tersebut. Untuk mengetahui nilai
pixel citra tersebut menggunakan bantuan software matlab versi 7.10.0.499 (R2010a). Untuk analisa ini yang
digunakan hanya nilai pixel dari baris pertama sampai baris keenam dan dari kolom pertama sampai kolom
keenam. Untuk citra input diatas dapat diperoleh skalanya sebagai berikut :
Skala citra multispektral = resolusi spasial citra multispektral x 2 x 1000
Skala citra multispektral = 1,65 m x 2 x 1000
Skala citra multispektral = 3300 atau 1:3300
Dari hasil perhitungan diatas maka citra multispektral dengan resolusi spasial 1,65 meter memiliki skala 1:
3300
Skala citra pankromatik = resolusi spasial citra pankromatik x 2 x 1000
Skala citra pankromatik = 0,5 x 2 x 1000
Skala citra pankromatik = 1000 atau 1:1000
Dari hasil perhitungan diatas maka citra pankromatik dengan resolusi spasial 0,5 meter memiliki skala
1:1000
Input citra multispektral

Gambar 3.1 Citra Multispektral dengan nilai pixel


http://content.satimagingcorp.com/static/galleryimages/geoeye-1-kutztown.jpg
diakses pada tanggal 29 Mei 2014
163 85 93 94 99 51
140 68 66 72 47 14
55 9 7 20 5 1
Saluran_M =
18 3 5 12 30 38
8 3 19 30 60 70
[17 5 32 64 67 75 ]
165 87 93 94 99 51
142 70 66 72 47 14
57 11 9 22 7 3
Saluran_H =
19 5 6 14 31 40
9 4 20 34 61 71
[18 6 33 65 68 76 ]
151 73 81 82 87 39
129 57 54 60 35 2
46 0 0 11 0 0
Saluran_B =
11 0 0 3 23 29
3 0 14 26 55 63
[ 12 0 27 59 62 70 ]
Input Citra Pankromatik

Gambar 3.2 Citra Pankromatik dengan nilai pixel


Sumber : http://content.satimagingcorp.com/static/galleryimages/worldview-2
mount-merapi-crop.jpg diakses pada tanggal 29 Mei 2014
4.
160 78 89 85 92 50
136 64 61 65 42 6
53 9 2 14 5 1
Saluran_P =
16 1 4 10 27 37
7 0 14 30 53 67
[13 2 29 60 65 75 ]
Proses :
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝑀
Saluran_MP =( )×Saluran_P
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝑀+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵
163 85 93 94 99 51
140 68 66 72 47 14
55 9 7 20 5 1
18 3 5 12 30 38
8 3 19 30 60 70
[17 5 32 64 67 75 ]
= 163 85 93 94 99 51 165 87 93 94 99 51 151 73 81 82 87 39 x
140 68 66 72 47 14 142 70 66 72 47 14 129 57 54 60 35 2
55 9 7 20 5 1 57 11 9 22 7 3 46 0 0 11 0 0
+ +
18 3 5 12 30 38 19 5 6 14 31 40 11 0 0 3 23 29
8 3 19 30 60 70 9 4 20 34 61 71 3 0 14 26 55 63
([17 5 32 64 67 75 ] [18 6 33 65 68 76 ] [ 12 0 27 59 62 70 ] )
160 78 89 85 92 50
136 64 61 65 42 6
53 9 2 14 5 1
=
16 1 4 10 27 37
7 0 14 30 53 67
[13 2 29 60 65 75 ]
163 85 93 94 99 51
140 68 66 72 47 14
55 9 7 20 5 1 160 78 89 85 92 50
18 3 5 12 30 38 136 64 61 65 42 6
8 3 19 30 60 70
[17 5 32 64 67 75 ] 53 9 2 14 5 1
= 479 245 267 270 285 141 x
411 195 186 240 129 30
16 1 4 10 27 37
158 20 16 53 12 4 7 0 14 30 53 67
48 8 11 31 84 107 [13 2 29 60 65 75 ]
20 7 53 90 176 204
( [ 47 11 82 188 197 221 ])
163 85 93 94 99 51
479 245 267 270 285 141
140 68 66 72 47 14
411 195 186 240 129 30
160 78 89 85 92 50
55 9 7 20 5 1 136 64 61 65 42 6
158 20 16 53 12 4 53 9 2 14 5 1
= x
18 3 5 12 30 38 16 1 4 10 27 37
48 8 11 31 84 107 7 0 14 30 53 67
8 3 19 30 60 70
[13 2 29 60 65 75 ]
20 7 53 90 176 204
17 5 32 64 67 75
( 47 11 82 188 197 221)
0,340 0,346 0,348 0,348 0,347 0,361 160 78 89 85 92 50
0,340 0,348 0,354 0,300 0,364 0,466 136 64 61 65 42 6
0,348 0,450 0,437 0,377 0,416 0,250 53 9 2 14 5 1
= x
0,375 0,375 0,454 0,387 0,357 0,355 16 1 4 10 27 37
0,400 0,428 0,358 0,333 0,340 0,343 7 0 14 30 53 67
[0,361 0,454 0,390 0,340 0,340 0,339] [13 2 29 60 65 75 ]
54,40 26,98 30,97 29,58 31,92 18,05
46,24 22,27 21,59 19,50 15,28 2,796
18,44 4,050 0,874 5,278 2,080 0,250
=
6,000 0,375 1,816 3,870 9,639 13,13
2,800 0,000 4,654 9,990 18,02 22,98
[4,693 0,908 11,31 20,40 22,10 25,42]
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻
Saluran_HP =( )×SaluranP
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝑀+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵

165 87 93 94 99 51
142 70 66 72 47 14
57 11 9 22 7 3
19 5 6 14 31 40
9 4 20 34 61 71
[18 6 33 65 68 76 ]
= 163 85 93 94 99 51 165 87 93 94 99 51 151 73 81 82 87 39 x
140 68 66 72 47 14 142 70 66 72 47 14 129 57 54 60 35 2
55 9 7 20 5 1 57 11 9 22 7 3 46 0 0 11 0 0
+ +
18 3 5 12 30 38 19 5 6 14 31 40 11 0 0 3 23 29
8 3 19 30 60 70 9 4 20 34 61 71 3 0 14 26 55 63
([17 5 32 64 67 75 ] [18 6 33 65 68 76 ] [ 12 0 27 59 62 70 ] )

160 78 89 85 92 50
136 64 61 65 42 6
53 9 2 14 5 1
=
16 1 4 10 27 37
7 0 14 30 53 67
[13 2 29 60 65 75 ]
165 87 93 94 99 51
142 70 66 72 47 14
57 11 9 22 7 3 160 78 89 85 92 50
19 5 6 14 31 40 136 64 61 65 42 6
9 4 20 34 61 71
[18 6 33 65 68 76 ] 53 9 2 14 5 1
= 479 245 267 270 285 141 x
411 195 186 240 129 30
16 1 4 10 27 37
158 20 16 53 12 4 7 0 14 30 53 67
48 8 11 31 84 107 [13 2 29 60 65 75 ]
20 7 53 90 176 204
( [ 47 11 82 188 197 221 ])
165 87 93 94 99 51
479 245 267 270 285 141
142 70 66 72 47 14
411 195 186 240 129 30
160 78 89 85 92 50
57 11 9 22 7 3 136 64 61 65 42 6
158 20 16 53 12 4 53 9 2 14 5 1
= x
19 5 6 14 31 40 16 1 4 10 27 37
48 8 11 31 84 107 7 0 14 30 53 67
9 4 20 34 61 71
[13 2 29 60 65 75 ]
20 7 53 90 176 204
18 6 33 65 68 76
( 47 11 82 188 197 221)
0,344 0,355 0,348 0,348 0,347 0,361 160 78 89 85 92 50
0,345 0,358 0,354 0,300 0,364 0,466 136 64 61 65 42 6
0,360 0,550 0,562 0,415 0,583 0,750 53 9 2 14 5 1
= x
0,395 0,625 0,545 0,451 0,369 0.373 16 1 4 10 27 37
0,450 0,571 0,377 0,377 0,346 0,348 7 0 14 30 53 67
[0,382 0,545 0,402 0,345 0,345 0,343] [13 2 29 60 65 75 ]
55,04 27,69 30,97 29.58 31,92 18,05
46,92 22,91 21,59 19,50 15,28 2,796
19,08 4,950 1,124 5,810 2,915 0,750
=
6,320 0,625 2,180 4,510 9,963 13,80
3,150 0,000 5,278 11,31 18,33 23,31
[4,966 1,090 11,65 20,70 22,42 25,72]

𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵
Saluran_BP=( )×SaluranP=
𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝑀+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐻+𝑠𝑎𝑙𝑢𝑟𝑎𝑛_𝐵
151 73 81 82 87 39
129 57 54 60 35 2
46 0 0 11 0 0
11 0 0 3 23 29
3 0 14 26 55 63
[ 12 0 27 59 62 70 ]
163 85 93 94 99 51 165 87 93 94 99 51 151 73 81 82 87 39 x
140 68 66 72 47 14 142 70 66 72 47 14 129 57 54 60 35 2
55 9 7 20 5 1 57 11 9 22 7 3 46 0 0 11 0 0
+ +
18 3 5 12 30 38 19 5 6 14 31 40 11 0 0 3 23 29
8 3 19 30 60 70 9 4 20 34 61 71 3 0 14 26 55 63
([17 5 32 64 67 75 ] [18 6 33 65 68 76 ] [ 12 0 27 59 62 70 ] )

160 78 89 85 92 50
136 64 61 65 42 6
53 9 2 14 5 1
=
16 1 4 10 27 37
7 0 14 30 53 67
[13 2 29 60 65 75 ]
151 73 81 82 87 39
129 57 54 60 35 2
46 0 0 11 0 0 160 78 89 85 92 50
11 0 0 3 23 29 136 64 61 65 42 6
3 0 14 26 55 63
[ 12 0 27 59 62 70 ] 53 9 2 14 5 1
= 479 245 267 270 285 141 x
411 195 186 240 129 30
16 1 4 10 27 37
158 20 16 53 12 4 7 0 14 30 53 67
48 8 11 31 84 107 [13 2 29 60 65 75 ]
20 7 53 90 176 204
([ 47 11 82 188 197 221 ])
151 73 81 82 87 39
479 245 267 270 285 141
129 57 54 60 35 2
411 195 186 240 129 30
160 78 89 85 92 50
46 0 0 11 0 0 136 64 61 65 42 6
158 20 16 53 12 4 53 9 2 14 5 1
= 23 x
11 0 0 3 29 16 1 4 10 27 37
48 8 11 31 84 107 7 0 14 30 53 67
3 0 14 26 55 63
[13 2 29 60 65 75 ]
20 7 53 90 176 204
12 0 27 59 62 70
( 47 11 82 188 197 221)
0,315 0,297 0,303 0,303 0,305 0,276 160 78 89 85 92 50
0,313 0,292 0,290 0,250 0,271 0,066 136 64 61 65 42 6
0,291 0,000 0,000 0,207 0,000 0,000 53 9 2 14 5 1
= x
0,229 0,000 0,000 0,096 0,273 0,271 16 1 4 10 27 37
0,150 0,000 0,264 0,288 0,312 0,308 7 0 14 30 53 67
[0,255 0,000 0,329 0,313 0,314 0,316] [13 2 29 60 65 75 ]
50,40 23,16 26,96 25,75 28,06 13,80
42,56 18,68 17,69 16,25 11,38 0,396
15,42 0,000 0,000 2,898 0,000 0,000
=
3,664 0,000 0,000 0,960 7,371 10,02
1,050 0,000 3,696 8,640 16,53 20,63
[3,315 0,000 9,541 18,78 20,41 23,70]
Output :
54 27 31 30 32 18
46 22 22 20 15 3
18 4 1 5 2 0
Saluran_MP =
6 0 2 4 10 13
3 0 5 10 18 23
[ 5 1 11 20 22 25]
55 28 31 30 32 18
47 23 22 20 15 3
19 5 1 6 3 1
Saluran_HP =
6 1 2 4 10 14
3 0 5 11 18 23
[ 5 1 12 21 22 26]
50 23 27 26 28 14
43 19 18 16 11 0
15 0 0 3 0 0
Saluran_BP =
4 0 0 1 7 10
1 0 4 9 16 21
[ 3 0 10 19 20 24]
Dengan melakukan fusi citra multispektral dengan resolusi spasial 1,68 meter dan citra pankromatik dengan
resolusi spasial 0,5 meter maka citra hasil fusi tersebut akan memiliki resolusi spasial 0,5 meter karena setiap
kanal RGB pada citra multispektral telah dikalikan dengan kanal RGB citra pankromatik sehingga akan
meningkatkan resolusi spasial citra multispektral, meskipun warna pada citra hasil fusi lebih pudar bila
dibandingkan dengan warna pada citra multispektral tetapi resolusi spasial citra hasil meningkat dan lebih mudah
melakukan identifikasi objek yang terdapat pada citra tersebut karena citra hasil fusi tersebut telah memiliki
warna dan resolusi spasialnya juga meningkat. Dengan demikian maka skala citra hasil fusi dapat diperoleh
sebagai berikut :
Skala citra hasil fusi = resolusi spasial citra hasil fusi x 2 x 1000
Skala citra hasil fusi = 0,5 x 2 x 1000
Skala citra hasil fusi = 1000 atau 1:1000
Dengan semakin besarnya skala citra hasil fusi maka semakin detil pula objek yang tampak pada citra tersebut.

3.3 Perancangan Aplikasi


3.3.1Use Case Diagram
Use case diagram ini menjelaskan dan menerangkan kebutuhan (requirement) yang diinginkan atau
dikehendaki user (pengguna), dan sangat berguna dalam menentukan struktur organisasi dan model dari sebuah
sistem. Use case diagram mendeskripsikan sebuah interaksi antara satu atau lebih aktor dengan sistem informasi
yang akan dibuat, sehingga dapat memudahkan dalam hal perancangan sistem. Use case diagram dapat
digunakan selama proses analisis untuk menangkap requirement system dan untuk memahami bagaimana
seharusnya sistem seharusnya bekerja. Dalam tahap desain use case diagram berperan untuk menetapkan
perilaku (behaviour) sistem saat diimplementasikan dan digunakan untuk mengetahui fungsi apa saja yang ada
didalam sebuah sistem yang sedang dirancang. Berikut ini gambar use case diagram pada aplikasi fusi citra
multiresolusi :
Gambar 3.3 Use Case Diagram Aplikasi Fusi Citra
Skenario user pada form fusi citra yaitu user memuat citra asli dan citra pankromatik. Sistem mengecek
ukuran antara citra multispektral dan citra pankromatik, apabila resolusi kedua citra tersebut, apabila resolusi
citra tersebut tidak sama maka user di perintahkan untuk memuat citra dengan resolusi yang sama, apabila
resolusi citra sama maka user dapat melankutkan proses fusi citra. user memberikan perintah untuk melakukan
fusi citra multispektral dan citra pankromatik dengan metode transformasi brovey, user menerima hasil fusi
antara citra asli dan citra pankromatik berupa file citra digital dan user dapat menyimpan citra hasil
penggabungan antara citra asli dan citra pankromatik. Skenario user pada form tutorial yaitu user dapat melihat
cara mengoperasikan aplikasi ini untuk melakukan fusi antara citra multispektral dan citra pankromatik.
Skenario user pada form about me yaitu user dapat melihat informasi biografi pembuat aplikasi fusi citra.

3.3.2 Flowchart
Flowchart merupakan alat bantu untuk menggambarkan sistem secara fisikal. Adapun tujuan dari
penggunaan flowchart adalah untuk menggambarkan suatu tahapan penyelesaian masalah secara sederhana,
terurai, rapi dan jelas dengan menggunakan simbol-simbol standar.

Gambar 3.4 Flowchart Form Fusi Citra


4. Algoritma dan Implementasi
4.1 Algoritma Fusi Citra
Algoritma adalah urutan langkah-langkah yang dinyatakan dengan jelas dan tidak rancu untuk memecahkan
suatu masalah (jika ada pemecahannya) dalam rentang waktu tertentu. Artinya, setiap langkah harus dapat
dikerjakan dan mempunyai efek tertentu. Langkah-langkah yang tidak dapat dikerjakan dan tidak menghasilkan
efek tertentu tidak dapat disebut sebuah algoritma. Efek-efek setiap langkah pada akhirnya akan memecahkan
masalah secara keseluruhan. Adapun algoritma dari aplikasi fusi citra multispektral dan citra pankromatik ini
adalah sebagai berikut :
Berikut ini adalah algoritma fusi citra transformasi brovey
Input : CM = Citra Multispektral
CP = Citra Pankromatik
Output : CH = Citra Hasil Fusi
Proses : For i = 0 To CM.Height – 1;
For j = 0 To CA.Width – 1;
MM = CA.GetPixel(i, j).R;
MH = CA.GetPixel(i, j).G;
MB = CA.GetPixel(i, j).B;
PM = CP.GetPixel(i, j).R;
PH = CP.GetPixel(i, j).G;
PB = CP.GetPixel(i, j).B;
HM = (MM/(MM + MH + MB)) * PM
HH = (MH/(MM + MH + MB)) * PH
HB = (MB/(MM + MH + MB)) * PB
CH.SetPixel(i, j, Color.FromArgb(HM, HH, HB));
end for;
end for;

4.2 Implementasi Program


Aplikasi fusi citra multispektral dan citra pankromatik yang telah dirancang merupakan aplikasi berbasis
.netframework 3.5 yang dibuat menggunakan tools Microsoft Visual Studio 2008. Aplikasi fusi citra ini dapat
dijalankan pada sistem operasi windows yang mendukung .netframework 3.5.
Aplikasi fusi citra multispektral dan citra pankromatik menggunakan metode transformasi brovey untuk
proses fusi/penggabungan citra yang berbeda resolusi spasial. Dimana metode transformasi brovey ini berguna
untuk membantu proses fusi/penggabungan citra multispektral dan citra pankromatik yang berbeda resolusi
spasial. Berikut hasil dari implementasi keseluruhan aplikasi yang telah dirancang :
1. Form Fusi Citra
Pada Form Fusi Citra terdapat beberapa langkah yang dapat dilakukan oleh user untuk menjalankan proses
fusi citra multispektral dan citra pankromatik diantaranya adalah muat citra multispektral, muat citra
pankromatik, proses fusi citra dan simpan citra hasil fusi. Gambar untuk tampilan Form Fusi Citra dapat dilihat
pada gambar dibawah ini :

Gambar 4.1 Form Fusi Citra


2. Form Tutorial
Pada Form Tutorial terdapat informasi tentang langkah-langkah untuk menggunakan aplikasi fusi citra
multispektral dan citra pankromatik. Pada tutorial ini terdapat lima point langkah-langkah menggunakan aplikasi
fusi citra disertai dengan gambar-gambarnya. Gambar untuk tampilan Form Tutorial dapat dilihat pada gambar
dibawah ini.

Gambar 4.2 Form Tutorial


3. Form About Me
Pada Form About Me terdapat informasi tentang pembuat aplikasi fusi citra multispektral dan citra
pankromatik. Pada Form ini menampilkan biografi pembuat aplikasi dan juga menampilkan foto pembuat
aplikasi. Gambar tampilan Form About Me dapat dilihat pada gambar dibawah ini.

Gambar 4.3 Form About Me

5. Kesimpulan dan Saran


5.1 Kesimpulan
Dari hasil penulisan dan analisa dari bab-bab sebelumnya, maka dapat diambil kesimpulan, dimana
kesimpulan-kesimpulan tersebut kiranya dapat berguna bagi para pembaca, sehingga penulisan skripsi ini dapat
lebih bermanfaat. Adapun kesimpulan-kesimpulan tersebut adalah sebagai berikut :
1. Aplikasi fusi citra telah dapat meningkatkan resolusi spasial citra multispektral dengan melakukan fusi
terhadap citra pankromatik.
2. Algoritma transformasi brovey dapat diterapkan dalam perancangan aplikasi fusi citra multispektral dan citra
pankromatik sehingga dapat memudahkan pengguna melakukan fusi citra untuk meningkatkan resolusi
spasialnya.
3. Aplikasi fusi citra multispektral dan citra pankromatik telah selesai dirancang dengan menggunakan tools
Microsoft Visual Studio 2008 dan dapat dijalankan pada sistem operasi windows yang mendukung
.netframework 3.5.
5.2 Saran
Untuk pengembangan aplikasi ini kedepannya, berikut beberapa hal yang dapat disarankan :
1. Untuk pengembangan aplikasi ini dapat disempurnakan agar aplikasi dapat membedakan antara citra
multispektral dan citra pankromatik.
2. Untuk pengembangan aplikasi ini dapat di tambahkan fitur untuk menghitung resolusi spasial citra yang
digunakan.
3. Untuk pengembangan aplikasi ini dapat ditambahkan fitur untuk menghitung skala citra yang hasil fusi.
4. Teknik penajaman citra dapat digantikan dengan teknik penajaman citra yang lain seperti metode Principal
Component Analysis.

DAFTAR PUSTAKA

[1] A.S, Rosa dan M. Shalahuddin. 2011. Rekayasa Perangkat Lunak. Yogyakarta. Modula
[2] Bambang Rudianto. 2010. Analisis Ketelitian Objek Pada Peta Citra Quickbird RS 0,68 m Dan Ikonos
RS 1,0 m. Jurnal Rekayasa Institut Teknologi Nasional, 3
[3] Darma Putra. 2010. Pengolahan Citra Digital. Yogyakarta. Andi
[4] Gokmaria Sitanggang.(2008, Maret). Teknik Dan Metode Fusi (Pansharpening) Data Alos (Avnir-2 dan
Prism) Untuk Identifikasi Penutup Lahan/Tanaman Pertanian Sawah. Majalah Sains Dan Teknologi
Dirgantara, 3(1), 33-49
[5] Harvei Desmon Hutahaean. 2013. Teknik Penajaman Citra Digital Dengan Menggunakan Metode
Contrast Streching. Pelita Informatika Budidarma, 3, 2301-9425
[6] Heri Sismoro. 2005. Pengantar Logika Informatika, Algoritma Dan Pemrograman Komputer.
Yogyakarta. Andi
[7] I Ketut Darmayuda. 2010. Pemrograman Aplikasi Database Microsoft Visual Basic.Net. Bandung.
Informatika
[8] Julius Hermawan. 2005. Analisa Desain Dan Pemrograman Berorientasi Objek Dengan UML Dan
Visual Basic.Net. Yogyakarta. Andi
[9] Kusum Rani dan Reecha Sharma. 2013. Study Of Different Image Fusion Algorithm. International
Journal Of Emerging Technology And Advanced Engineering, 3, 2250-2459
[10] Laju Gandharum. (2011, April). Kesepadanan Skala Peta dan Resolusi Spasial Citra [Geospasial]. Pusat
Penelitian Geografi Terapan, 1528-3725
[11] Riyan Syah Putra. 2013. Perancangan Aplikasi Absensi Dengan Deteksi Wajah Menggunakan Metode
Eigenface. Pelita Informatika Budidarma, 4, 2301-9425
[12] Rohan Ashok Mandhare dkk. 2013. Pixel Level Image Fusion Using Brovey Transforme And Wavelet
Transform. International Journal Of Advanced Research In Electrical, Electronics And Instrumentation
Engineering, 2, 2320-3765
[13] Totok Gunawan dkk. 2007. Fakta Dan Konsep Geografi. Bekasi. Inter Plus