LAPORAN MAGANG

PEMBUATAN GARIS KONTUR MENGGUNAKAN DATA LIDAR

STUDI KASUS KOTA BALIKPAPAN
PT. WAINDO SPECTERRA INDONESIA

DISUSUN OLEH:

1. ESMERALDA SIHALOHO (18/432258/SV/16194)

2. RENZICO DESNAWAN F. (18/431871/SV/15842)
3. WILDAN CHOIRUL H. (18/432263/SV/16199)
4. WULAN ARNIANTI (18/426190/SV/15332)

PROGRAM STUDI DIPLOMA III TEKNIK GEOMATIKA

DEPARTEMEN TEKNOLOGI KEBUMIAN
SEKOLAH VOKASI
UNIVERSITAS GADJAH MADA
YOGYAKARTA
FEBRUARI 2020
`

LEMBAR PENGESAHAN

Laporan ini disusun sebagai hasil dari pelaksanaan Magang di PT.Waindo

Specterra Indonesia yang dilaksanakan pada:

Waktu : 06 Januari 2020 s.d 4 Februari 2020

Lokasi : Jalan Pejaten Raya No.2, Kompleks Perkantoran Pejaten Raya No.7-8,
Pejaten Baru, Pasar Minggu, Kota Jakarta Selatan.

Dengan mendapat persetujuan dan pengesahan pada :

Hari, tanggal : Selasa, 4 Januari 2020

Jakarta Selatan, 04 Januari 2020

Mengetahui,

Pembimbing Magang Pembimbing Magang

Koordinator Fotogrametri Koordinator LiDAR

Perdana Rian Juniarta S.T. Danang Santoso

10021080 11071109

i
`

KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa atas rahmat yang
diberikan-Nya kami dapat melaksanakan magang dan membuat Laporan Magang
Pembuatan Garis Kontur Menggunakan Data Lidar dengan tepat waktu. Laporan ini kami
buat setelah melaksanakan magang kurang kebih selama satu bulan.

Adapun tujuan dari magang ini adalah agar mahasiswa mampu mengenal dan
mengopreasikan data LiDAR sebagai dasar untuk pembuatan garis kontur. Semoga laporan
ini memberikan informasi yang berguna bagi pembaca serta bermanfaat untuk
pengembangan wawasan dan peningkatan ilmu pengetahuan bagi kita semua.

Kami menyampaikan terimakasih kepada berbagai pihak yang telah membantu

terselesaikannya laporan ini diantaranya :

1. Bapak Perdana Rian Juniarta S.T. selaku koordinator Fotogrametri PT. Waindo
Specterra Indonesia.
2. Bapak Danang Santoso selaku koordinator LiDAR PT. Waindo Specterra
Indonesia.
3. Rekan-rekan kerja di bidang LiDAR dan Fotogrametri PT. Waindo Specterra
Indonesia.
4. Rekan-rekan mahasiswa D3 Teknik Geomatika SV UGM 2018.

Kami menyadari bahwa dalam penyusunan Laporan Magang Pembuatan Garis

Kontur Menggunakan Data LiDAR ini masih banyak kekurangan dan semua ini tidak
lepas dari keterbatasan kemampuan kami dalam mencari buku referensi maupun
kekurangan ketelitian dalam mengerjakan tugas ini. Untuk itu kami mengharapkan dan
saran yang bersifat membangun untuk kesempurnaan laporan ini.

Jakarta Selatan, 04 Februari 2020

Penulis

ii
`

DAFTAR ISI

LEMBAR PENGESAHAN ................................................................................................ i

KATA PENGANTAR ...................................................................................................... ii
DAFTAR ISI ................................................................................................................... iii
BAB I PENDAHULUAN ................................................................................................ 1
I.1 Latar Belakang .................................................................................................... 1
I.2 Rumusan Masalah ............................................................................................... 1
I.3 Cakupan Kegiatan ............................................................................................... 2
I.4 Maksud dan Tujuan ............................................................................................ 2
I.5 Manfaat .............................................................................................................. 2
I.6 Lokasi dan Waktu Pelaksanaan ........................................................................... 2
BAB II METODOLOGI PELAKSANAAN ..................................................................... 3
II.1 Persiapan ............................................................................................................ 3
II.2 Alokasi Pelaksanaan ........................................................................................... 3
BAB III PELAKSANAAN ............................................................................................... 4
III.1 Pengenalan Instansi............................................................................................. 4
III.2 Studi Literatur ..................................................................................................... 8
III.2.1 LiDAR (Light Imaging Detection and Ranging)........................................... 8
III.2.2 Klasifikasi Data LiDAR ............................................................................... 9
III.2.3 UAV Fotogramteri ..................................................................................... 11
III.2.4 DEM (Digital Elevation Model) ................................................................. 12
III.2.5 Garis Kontur .............................................................................................. 13
III.3 Pengolahan Data ............................................................................................... 14
III.3.1 Alat dan Bahan yang Digunakan ................................................................ 14
III.3.2 Project Baru ............................................................................................... 14
III.3.3 Klasifikasi Otomatis .................................................................................. 41
III.3.4 Membuat Data DEM.................................................................................. 47
III.3.5 Koreksi Hasil DEM ................................................................................... 49
III.3.6 Klasifikasi Vegetasi dan Bangunan ............................................................ 53
III.3.7 Klasifikasi Manual ..................................................................................... 56
III.3.8 Menampilkan Garis Kontur........................................................................ 58
BAB IV HASIL PENGOLAHAN ................................................................................... 60

iii
`

BAB V PENUTUP ......................................................................................................... 62

5.1 Kesimpulan....................................................................................................... 62
5.2 Saran ................................................................................................................ 62
DAFTAR PUSTAKA ..................................................................................................... 63

iv
`

BAB I
PENDAHULUAN
I.1 Latar Belakang
Pembuatan garis kontur melalui beberapa tahapan yang cukup lama antara lain
pengumpulan dan pengolahan data hingga penyajiannya dalam bentuk peta. Manfaat dari
garis kontur yaitu berguna bagi para pengguna yang akan digunakan sebagai perencanaan
dan juga sebagai informasi perubahan keadaan suatu daerah dalam waktu tertentu.
Pembentukan garis kontur menggunakan data dari pemetaan terestris memiliki
akurasi yang tinggi tetapi pengukuran terestris memiliki beberapa kelemahan diantaranya
membutuhkan biaya, waktu dan tenaga yang besar karena semakin luas area yang
dipetakan semakin banyak pula titik yang harus diukur. Semakin rapat titik yang diambil,
maka semakin akurat pula kontur yang dihasilkan, begitu pula sebaliknya. Titik ketinggian
(spotheight) yang diambil dalam pengukuran terestris atau dari pengolahan data harus
memiliki kerapatan dan persebaran yang baik untuk mengurangi kesalahan pada
interpolasi kontur. Akan tetapi, tidak semua daerah dapat menggunakan pengukuran
terestris secara langsung karena daerah tersebut merupakan daerah yang sulit dijangkau
dan terlalu banyak objek lain yang akan menghalangi proses pengukuran terestris. Oleh
sebab itu ada salah satu solusi untuk memperoleh data ketinggian yaitu dengan
menggunakan data foto udara yang dihasilkan dari pemetaan menggunakan Unmanned
Aeral Vehicle (UAV). Data foto udara akan menghasilkan data Digital Surface Model
(DSM) yang kemudian dilakukan filterisasi untuk membentuk Digital Elevation Model
(DEM). Data DEM tersebut digunakan untuk mengekstrak spotheight untuk
mengoptimalisasi kerapatan titik ukur yang kurang. Contoh sumber data yang digunakan
untuk membuat data DEM yaitu dengan menggunakan data LiDAR (Light Detection and
Ranging). LiDAR adalah teknologi yang menerapkan sistem penginderaan jauh sensor
aktif untuk menentukan jarak dengan menembakkan sinar laser yang dipasang pada
wahana pesawat udara survei kecil atau helikopter. Salah satu metode untuk pengolahan
data foto udara untuk menghasilkan DEM yaitu dengan cara stereoplotting. Sedangkan,
pembentukan DEM dengan data LiDAR berdasarkan Triangular Irregular Network (TIN).
I.2 Rumusan Masalah
1. Bagaimana cara untuk membedakan setiap jenis objek dari data LiDAR?
2. Bagaimana cara membuat kontur dari data LiDAR?
3. Apa yang mempengaruhi pembuatan kontur dari data LiDAR?

1
`

I.3 Cakupan Kegiatan

1. Mempelajari dan melakukan klasifikasi otomatis data LiDAR;
2. Melakukan klasifikasi manual data LiDAR;
3. Melakukan pembuatan garis kontur dari hasil klasifikasi data LiDAR.

I.4 Maksud dan Tujuan

Adapun maksud dan tujuan praktikum tersebut antara lain :
1. Mahasiswa mampu mengetahui dan mengoperasikan Data Lidar menggunakan
perangkat lunak MicroStation.
2. Mahasiswa mampu melakukan klasifikasi otomatis dan manual dari Data Lidar
menggunakan perangkat lunak MicroStation.
3. Mahasiswa mampu menghasilkan Garis Kontur dari data Lidar menggunakan
perangkat lunak MicroStation.

I.5 Manfaat
1. Menampilkan Hasil Klasifikasi Otomatis dan Manual
2. Menampilkan data DEM dari hasil klasifikasi ground.
3. Menampilkan Hasil Pembuatan Garis Kontur dari hasil klasifikasi.

I.6 Lokasi dan Waktu Pelaksanaan

1.6.1 Lokasi Pelaksanaan
Pada kerja praktik pembuatan peta kontur secara digital ini dilaksanakan di
Lantai 4 Bidang Fotogrametri dan Lidar PT. Waindo Specterra Indonesia yang
terletak di Jl. Pejaten Raya No.7-8 Jakarta Selatan.
1.6.2 Waktu Pelaksanaan
Waktu untuk melaksanakan kerja praktik ini berlangsung selama kurang
lebih satu bulan yang dimulai dari tanggal 06 Januari 2020 s.d. 02 Februari 2020.

2
`

BAB II
METODOLOGI PELAKSANAAN
II.1. Persiapan
Persiapan yang dilakukan selama proses kerja praktek meliputi:

1. Topik Kerja Praktek

Topik kerja praktek yang dilakukan yaitu pembuatan peta kontur dari data LiDAR.
2. Cakupan Area Kegiatan
Lokasi yang dijadikan objek kajian adalah area survey Kota Balikpapan.

II.2. Alokasi Pelaksanaan

Kerja praktek direncanakan dan dilaksanakan dalam waktu 4 minggu mulai dari
tanggal 06 Januari 2020-02 Februari 2020. Kerja praktek memiliki rincian aloasi waktu
pelaksanaan sebagaimana dijelaskan pada tabel 1 dan tabel 2 berikut:

Tabel 1. Daftar Kegiatan Kerja Praktek

Minggu Ke-
No Nama Kegiatan Januari
1 2 3 4
1 Induksi Perusahaan
2 Mempelajari Data LiDAR
3 Pengolahan data matching data LiDAR
4 Mempelajari Klasifikasi Manual dan Otomatis
5 Mempelajari proses pembuatan DEM
Pembuatan peta kontur serta penyusunan dan
6
penyerahan laporan

3
`

Tabel 2. Daftar Detail Kegiatan Kerja Praktek

Kegiatan Minggu 1 Minggu 2 Minggu 3 Minggu 4
Induksi Perusahaan
Mempelajari data
LiDAR
Pengolahan data
mathcing data LiDAR
Mempelajari
Klasifikasi Manual dan
Otomatis
Pembuatan DEM dan
Koreksi DEM
Pembuatan Peta
Kontur
Penyusunan Laporan
Penyerahan Laporan

BAB III
PELAKSANAAN
III.1 Pengenalan Instansi

A. PT.Waindo Specterra Indonesia

PT. Waindo Specterra Indonesia merupakan perusahaan nasional yang
bergerak di bidang jasa konsultan dalam memberikan solusi pengelolaan sumber
daya alam baik darat maupun laut yang didukung oleh teknologi digital. Salah satu
kegiatannya adalah pemetaan digital menggunakan teknologi foto udara, LiDAR,
UAV dan Citra Sateit dalam berbagai ukuran skala.
B. Kebijakan PT.Waindo Specterra Indonesia
1. Kebijakan Keselamatan, Kesehatan Kerja dan Lingkungan (K3L)
PT. Waindo Specterra Indonesia berkomitmen memelihara standar
Keselamatan, Kesehatan Kerja, dan Lingkungan (K3L) untuk seluruh karyawan
PT. Waindo Specterra Indonesia dengan mencegah adanya kerusakan
lingkungan. Sebelum melaksanakan aktivitas pekerjaan, perusahaan akan
membuat perencanaan yang bertujuan untuk memastikan bahwa kegiatan
operasional perusahaan berupa sarana dan prasarana yang dikelola aman dan

4
`

efisien sehingga tida menyebabkan terjadinya kecelakaan kerja. Perusahaan

akan memelihara lingkungan kerja yang sehat dan aman, memelihara peralatan
dan melakukan sistem kerja yang aman. Perusahaan juga akan menyediakan
informasi, pelatihan dan pengawasan yang sesuai dengan tujuan kebijakan K3L
PT. Waindo Specterra Indonesia.
2. Kebijakan Alkohol dan Obat-Obatan
PT. Waindo Specterra Indonesia berkomitmen untuk membuat lingkungan
kerja yang aman bagi seluruh karyawan, rekan kerja dan tamu perusahaan.
Kebijakan ini melarang penggunaan alkohol dan obat-obatan terlarang untuk
seluruh karyawan yang bekerja di PT. Waindo Specterra Indonesia. Adapun
yang dimaksud alkohol dan obat-obatan dalam kebijakan ini mencakup
NAPZA (Narkotika, Psikotropika, Zat-zat Adiktif, sebagaimana yang
didefinisikan oleh pemerintah Indonesia) dan zat lainnya yang memiliki jenis
yang sama, seperti obat-obatan tanpa resep dan minamn beralkohol lainnya.
3. Susunan Organisasi
Struktur Organisasi PT. Waindo Specterra Indonesia adalah sebagai berikut:

Gambar 1. Struktur Organisasi PT. Waindo Specterra Indonesia

4. Kerjasama
a. Pemerintah Regional yang terdiri atas :
- Dinas Tata Ruang DKI Jakarta
- Dinas Pekerjaan Umum Prov DKI Jakarta

5
`

- Dinas Pertamanan Prov DKI Jakarta

- Dinas PU Prov Kalimantan Timur
- BPSPL Padang
- Badan Pengusahaan Kawasan Perdaganngan Bebas dan Pelabuhan
Bebas Sabang
- BAPPEDA : Malang, Palu, NTB, NTT, Riau, Sumatera Barat,
Kab.Toli-Toli, Kota Ampana, Kota LubukLinggau
b. Pertambangan, Minyak, dan Gas yang terdiri atas :
- PT. Freeport Indonesia
- PT. Perusahaan Gas Negara Tbk (PGN)
- TOTAL E&P Indonesia
- PT. Transportasi Gas Indonesia
- PT. Bajradaya Toba Hydro Power
- PT. Star Energy (Kakap) Ltd
- Exxon Mobil Indonesia
- PT. Bukit Asam (Persero)
- PT. Elnusa, Tbk
- Adaro Indonesia
- Titan Group
- PT. Putra Tambang Indonesia
- PT. Indika Indonesia Resources
- PT. International Nicki Indonesia Tbk.
c. Partner yang terdiri atas:
- MCAI (Millenium Challange Account Indonesia)
- UNDP (United Nation Development Program)
- SEAMEO BIOTROP
- Digital Globe
- SPOT Asia
- Earth Resource Mapping
- ESRI South Asia
d. Pemerintahan Pusat yang terdiri atas:
- BIG (Badan Informasi Geospasial)
- BPN (Badan Pertanahan Indonesia)/ Kementrian Agraria & Tata Ruang
- Kementerian Perhubungan
6
`

- Kementerian Pertanian
- Kementerian Lingkungan Hidup & Kehutanan
- Kementerian ESDM
- Kementerian Kelautan dan Perikanan
- Kementerian Pekerjaan Umum
- LAPAN
- BPPT
- BNPB
- Dinas Topografi Angkatan Darat
- Pusat Survey Geologi (PSG)
e. Perkebunan yang terdiri atas:
- Wilmar Cahaya Indonesia,Tbk
- Salim Ivomas Pratama, Tbk
- Makin Group
- BW Plantation, Tbk
- Genting Plantation Group
- Perum Perhutani
f. Universitas yang terdiri atas:
- Universitas Gadjah Mada, Yogyakarta
- Institut Pertanian Bogor, Bogor
- Institut Teknologi Nasional, Malang
- Universitas Diponegoro, Semarang

7
`

III.2 Studi Literatur

III.2.1. LiDAR (Light Imaging Detection and Ranging)

Menurut Soetaat (2009), LiDAR merupakan sistem penginderaan jauh aktif
menggunakan sinar laser yang dapat menghasilkan informasi mengenai karakteristik
topografi permukaan tanah dalam posisi horizontal dan vertikal. Sinar laser tersebut dapat
menembus celah dedaunan untuk mencapai permukaan tanah dan dipantulkan kembali
untuk ditangkap oleh sensor laser. Pernyataan serupa juga dijelaskan oleh Sutanta (2002),
bahwa LiDAR merupakan suatu metode pemetaan dengan teknologi baru yang
menggunakan sensor laser pada pesawat udara. Teknologi baru mempunyai makna bahwa
sensor lasernya diletakkan pada wahana yang bergerak. Sebelumnya laser digunakan untuk
pengukuran dengan objek dan sensor yang diam. Pada saat akuisisi data, sensor laser
memancarkan sinar laser dari wahana terbang ke arah permukaan bumi dengan sudut
pancaran tertentu. Apabila posisi wahana terbang dapat diketahui melalui pengamatan GPS
(Global Positioning System) dan IMU (Inertial Measurement Units), serta jarak antara
wahana terbang dengan permukaan bumi diketahui melalui sensor LiDAR, maka titik-titik
di permukaan bumi akan dapat diketahui posisinya. Ilustrasi akuisisi data LiDAR
ditunjukkan pada Gambar 1.

Gambar 2. Ilustrasi Akuisisi Data LiDAR (Zuriabangkit, 2013)

8
`

III.2.2. Klasifikasi Data LiDAR

Raw data hasil akuisisi LiDAR akan berupa point clouds yang belum terklasifikasi.
Data hasil pantulan dari semua objek akan tercampur menjadi satu sehingga sulit
dibedakan. Maka dari itu perlu dilakukan pemisahan data point clouds atau biasa disebut
point classification.

Proses klasifikasi atau penyaringan dilakukan untuk memisahkan antara point

clouds hasil pemantulan dari suatu jenis objek dengan jenis objek lainnya, maupun dengan
hasil pemantulan dari permukaan tanah. Pernyataan serupa juga dijelaskan oleh, bahwa
point clouds merupakan hasil dari pengukuran LiDAR dan dapat didefinisikan menjadi dua
bagian yaitu ground dan non ground feature. Untuk titik ground dapat menampilkan tanah
pada suatu daerah. Titik non ground merupakan hasil dari pantulan sinar laser yang
mengenai suatu objek sebelum laser sampai pada permukaan. Menurut Kandia (2012),
tahapan klasifikasi dapat dilakukan melalui dua metode klasifikasi, yaitu secara otomatis
dan manual. Metode otomatis dilakukan dengan memanfaatkan perangkat lunak
pengolahan data LiDAR dengan menggunakan beberapa parameter yang harus ditentukan
terlebih dahulu, sedangkan metode klasifikasi manual merupakan inspeksi manual yang
dilakukan langsung oleh pengguna dengan bantuan ortofoto dan identifikasi tampak
samping (cross section) untuk memeriksa dan memastikan bahwa seluruh point clouds
telah terklasifikasi dengan baik sesuai dengan kelasnya.

Gambar 3. Klasifikasi Data

9
`

Pada gambar di atas, untuk memisahkan point ground dan point non ground, maka
diperlukan klasifikasi yang terbagi menjadi 5 kelas, diantaranya non ground, low point
(groups of points), low point (single point), ground, dan below surface. Kelas non ground
berisikan point clouds yang merepresentasikan objek-objek selain tanah. Kelas low point
berisikan point clouds yang memiliki ketinggian lebih rendah daripada titik-titik di
sekitarnya, sehingga low point ini menunjukkan elevasi suatu titik berada di bawah tanah.
Kelas low point dibedakan menjadi 2 yaitu low point (groups of points) dan low point
(single points), yang ditunjukkan pada Gambar 3. Kelas ground berisikan point clouds
yang merepresentasikan tanah dan juga objek dengan permukaan yang keras seperti jalan.

(a) (b)
Gambar 4. (a) Kelas Low Point (Single Points); (b) Low Point (Groups of Point)
(Terrasolid, 2016)

Sama halnya dengan low point, kelas below surface pun berisikan point clouds
yang memiliki ketinggian lebih rendah daripada titik-titik di sekitarnya. Namun,
pengklasifikasian kelas below surface ini dapat dilakukan setelah klasifikasi ground
dikerjakan, sehingga pada saat penyusunan kelas, kelas below surface ini berada setelah
kelas ground. Kelas below surface ini lebih digunakan untuk memastikan bahwa elevasi
suatu titik berada di bawah tanah. Klasifikasi kelas below surface ditunjukkan pada
Gambar 5. Apabila klasifikasi data dari ke 5 kelas tersebut telah dilakukan, maka setiap
point clouds akan terpisah sesuai dengan kelasnya seperti yang ditunjukkan pada Gambar
6.

Gambar 5. Kelas Below Surface (Terrasolid, 2016)

10
`

Gambar 6. Hasil Klasifikasi Data LiDAR

III.2.3. UAV Fotogramteri

UAV fotogrametri adalah metode fotogrametri menggunakan wahana/media/
platform yang beroperasi dengan cara di kendalikan dari jarak jauh, semi-otomatis atau
otomatis, tanpa pilot duduk dalam wahana. pada wahana juga bisa diberikan sistem kamera
termal atau inframerah, sistem LIDAR udara (Eisenbeiss, 2009). UAV standar saat ini
sudah bisa dianggap sebagai alat ukur baru, memungkinkan untuk digunakan dalam proses
pengambilan data geospasial, dengan spesifikasi yang mencukupi dan kamera yang
memiliki resolusi yang bagus sudah bisa untuk melakukan pemotretan udara. Selain itu
juga ditambahkan perangkat lunak yang memadai UAV sudah menjadi alternatif yang
menggoda bagi perusahan geospasial. Berikut Tabel 1 Perbedaan foto udara, Close range
fotogrametri, dan UAV fotogrametri.

11
`

Tabel 3. Perbedaan UAV fotogrametri dengan aerial dan close range fotogrametri

Aerial Close Range UAV Photogrammetry

Perencanaan Semi Otomatis Manual Otomatis
Akuisisi Data Manual Otomatis Otomatis
Cakupan Area km² mm² - m² m² - km²
Resolusi Cm – m mm - dm mm – cm
Jarak Objek 100 m - 10 km cm – 300 m m - km

Orientasi Kamera Normal, terbaru bisa miring Normal / miring Normal / miring

Akurasi Cm – dm mm – m Cm – 10 m
Banyaknya
10 – 1000 1 – 500 1 - 1000
Scanning
Area kecil dan luas (Arkeologi,
Area luas (pemetaan hutan, Area kecil dan objek
pemantauan bencana, 3D
glasiologi, dan 3d city modeling) (Arkeologi, 3D bangunan)
bangunan)
Aplikasi dan Ciri- Arsitektural dan industrial Dapat dipalikasikan pada
-
ciri fotogrametri tmpat yang sulit diakses
Tampak atas Penampakan terestris Tampak atas
Monitoring/ Kebutuhan real-
- -
time

III.2.4. DEM (Digital Elevation Model)

DEM (Digital Elevation Model) Digital Eelevation Model atau yang sering disebut
dengan DEM memiliki beberapa pengertian yang pada dasarnya memiliki arti yang sama.
DEM adalah data digital yang menggambarkan geometri dari bentuk permukaan bumi atau
bagiannya yang terdiri dari himpunan titik-titik koordinat hasil sampling dari permukaan
dengan algoritma yang mendefinisikan permukaan tersebut menggunakan himpunan
koordinat (Tempfli, 1991). Model DEM ini bisa dibentuk berdasarkan titik-titik koordinat
yang kemudian dihubungan dengan segitiga tidak beraturan yang mempunyai texture,
sehingga dapat merepresentasikan permukaan objek yang dimodelkan. DEM terbagi
menjadi dua yaitu DSM dan DTM. Digital Terrain Model (DTM) merupakan gambaran
permukaan digital dari permukaan tanah tanpa ada bangunan di atasnya. Sedangkan
dengan Digital Surface Model (DSM) merupakan permukaan digital yang
merepresentasikan permukaan bumi beserta bangunan dan pohon di atas permukaan tanah.

12
`

III.2.5. Garis Kontur

Garis kontur adalah garis khayal dilapangan yang menghubungkan titik
dengan ketinggian yang sama atau garis kontur adalah garis kontinyu diatas peta
yang memperlihatkan titik-titik diatas peta dengan ketinggian yang sama. Dan garis
kontur ini merupkan ciri khas yang membedakan peta topografi dengan peta
lainnya dan digunakan untuk penggambaran relief atau tinggi rendahnya
permukaan bumi yang dipetakan. Nama lain dari garis kontur adalah garis tranches,
garis tinggi dan garis tinggi horizontal. Misalkan garis tinggi 25m, artinya garis
kontur ini menghubungkan titik-titik yang mempunyai ketinggian yang sama +
25m terhadap tinggi tertentu. Garis kontur disajikan diatas peta untuk
memperlihatkan naik turunnya keadaan permukaan tanah.

Aplikasi lebih lanjut adalah memberi informasi slope ( kemiringan tanah

rata-rata), irisan profil memanjang atau melintang permukaan tanah terhadap jalur
proyek (bangunan) dan perhitungan galian serta timbunan (cut fill) permukaan
tanah asli terhadap ketinggian vertikal garis atau bangunan. Garis kontur dapat
dibentuk dengan membuat proyeksi tegak garis-garis perpotongan bidang mendatar
dengan permukaan bumi kebidang mendatar peta. Garis-garis kontur merupakan
cara yang banyak dilakukan untuk melukiskan bentuk permukaan tanah dan
ketinggian pada peta, karena memberikan ketelitian yang lebih baik. Cara lain
untuk melukiskan bentuk permukaan tanah yaitu dengan cara hachures dan
shadding. Bidang pembanding ini dipakai umumnya adalah tinggi muka air laut
rata-rata, dan ini diambil dan disepakati sebagai titik ketinggian nol.

Gambar 7. Garis Kontur

13
`

III.3 Pengolahan Data

III.3.1 Alat dan Bahan yang Digunakan

A. Alat
1. Komputer atau PC 4 buah
2. Perangkat lunak Microstation 1 buah
B. Bahan
1. Modul 1 buah
2. Jurnal disesuaikan

III.3.2 Project Baru

A. Membuat Project Baru

1. Membuat folder untuk project Microstation baru. Terdiri dari beberapa folder,
yaitu :
- 01. Raw Data
- 02. Indeks
- 03. Laser
- 04. Macro
- 05. Trajectory Raw
- 06. Trajectory Scan
- 07. Report
- 08. Output

2. Data awal yang diberikan berupa Laser Raw (Folder Data Raw).

3. Data awal yang diberikan berupa Trajectory Raw.

14
`

4. Membuka Microstation dengan tampilan seperti berikut ini.

5. Pilih New File untuk membuat Project baru.

6. Pilih direktori penyimpanan (Indeks), beri nama file dan save.

7. Open file dengan pilih Project yang sudah dibuat berformat DGN.
8. Akan muncul tampilan seperti berikut ini.

15
`

9. Pilih View 2- Top, 3D View untuk tampilan Project dalam Microstation.

10. Ubah tampilan menjadi Wireframe, klik tool (Change Display)  klik
Display Style  pilih Wireframe.

16
`

11. Tampilan Project pada Microstation akan berubah menjadi seperti berikut.

B. Mengatur Sistem Koordinat Project

1. Mengatur sistem koordinat dengan pilih Terrascan  klik ikon  ikuti

langkah pada gambar di bawah ini. Lalu tutup kembali TerraScan Settings

17
`

C. Mengatur Trajectories

1. Pilih Manage Trajectories dengan klik dan tahan TSCAN Settings , lalu
akan muncul tampilan seperti berikut.

2. Pilih File  Set Directory… untuk memilih direktori penyimpanan, pilih

Trajectory Scan.

3. Setelah folder dipilih, klik file pada TSCAN  Import files : sbet_Mission1
pada folder trajectory raw  Done.

18
`

4. Muncul jendela seperti di bawah ini, kemudian atur seperti berikut:

5. Pilih tools pada Trajectories  klik Draw Into Design… OK

19
`

6. Klik Fit View untuk memunculkan data Trajectory Raw di layar

Microstation. Akan muncul tampilan seperti berikut ini.

7. Kemudian untuk membuat AOI, klik file pada TSCAN  read points  pilih
semua file pada RAW data  done.

8. Pada jendela Read points atur dengan spesifikasi seperti berikut, OK.

20
`

9. Maka points akan muncul seperti berikut:

10. Membuat layer Boundary pada Level manager. Pilih new level dengan nama
Boundary. Untuk mengaktifkan layer dengan klik kanan pada layer Boundary,
pilih Set Active.

21
`

11. Membuat Boundary menggunakan tool Place Block pilih (polygon) untuk
membuat polygon disekitar Point.

12. Kemudian pada Trajectories pilih tools  delete by polygon  OK.

13. Maka akan muncul points.

22
`

14. Hapus bagian luar poligon dan close points pada TSCAN, maka tampilan akan
seperti berikut:

15. Kemudian membuat project baru, klik dan tahan TSCAN settings  pilih
define project.

16. Isikan parameter seperti berikut:

23
`

17. Kemudian save project as di folder laser.

18. Pada project klik File  klik import point into project.

24
`

19. Pilih semua file pada RAW data  klik done.

20. Isikan parameter seperti berikut:

21. Buat layer baru untuk hasil project di Level Manager.

25
`

22. Blok seluruh points pilih Block pada project  Draw boundaries  OK.

23. Akan muncul sejumlah block seperti berikut:

24. Kemudian pilih semua points  klik Block  Delete definition.

26
`

25. Pilih semua blok kemudian klik Block  pilih add by boundaries.

26. Sesuaikan dengan parameter berikut:

27. Maka diperoleh data project yang baru tanpa points sebagai berikut:

27
`

28. Kemudian isikan points dengan klik File pada Project  Import points into
project.

29. Pilih semua file pada RAW data  klik done.

30. Sesuaikan dengan parameter seperti berikut  OK.

28
`

31. Project terisi oleh points sesuai dengan data LAS RAW seperti berikut.

32. Memperbesar ukuran huruf. Pilih Text style  sesuaikan dengan ukuran yang
diinginkan  Close. Kemudian hapus semua block.

29
`

33. Kemudian gambar kembali Block dengan klik Block pada Project lalu Draw
boundaries.

34. Maka hasilnya seperti gambar di bawah ini :

30
`

D. Macro : Deduce Line Numbers

1. Deduce line number bertujuan untuk menyelaraskan antara data trajectory
dengan data las point yang telah di import sehingga warna dari points las akan
selaras dengan jalur trajectory. Untuk membuatnya yaitu dengan klik tools
pada TScan lalu klik macro.

2. Masukkan description lalu Klik add dan pilih action deduce line numbers.

3. Lalu save as File kemudian pilih folder Macro yang telah dibuat dan beri nama
deduce line numbers lalu klik save.

31
`

4. Pada jendela project pilih tools lalu run macro.

5. Klik browse pada kotak macro lalu pilih file macro yang telah disimpan
sebelumnya, kemudian klik OK.

6. Berikut hasil report deduce line numbers. hasil tersebut kemudian disimpan ke
folder report dengan nama deduce line numbers.

32
`

E. Macro : Grounds Automatic Classification Per Flighlines

1. Grounds Automatic Classification Per Flighlines bertujuan untuk mengecek
kesesuian antara data las point dengan flighlines dengan klik tools pada TScan
 macro.

2. Beri deskripsi lalu centang pada kotak process line separately kemudian add.

3. Pada kanal action pilih classify points, pada kanal routine pilih by class.

4. Kemudian pada classify by class masukan seperti gambar berikut:

33
`

5. Langkah kedua klik add lalu pada kanal routine pilih isolated points.

6. Kemudian isikan spesifikasi sesuai gambar dibawah ini:

7. Langkah terakhir, klik add lalu pada kanal routine pilih grounds.

8. Pada jendela classify grounds, isi spesifikasi sesuai gambar di bawah ini:

34
`

9. Kemudian save as lalu pilih folder macro dan beri nama file  OK.

10. Pada jendela project pilih tools  run macro.

11. Pada kotak macro klik browse lalu pilih file macro yang telah disimpan
sebelumnya.

35
`

12. Berikut adalah report dari hasil proses macro Match Flightlines.

13. Save as report pada folder report, beri nama classify grounds PFL.

F. Measure Match
1. Measure Match bertujuan untuk mengecek apakah data hasil proses matching
anatar line dengan nilai besaran strip adjustment memenuhi standar dari Badan
Informasi Geospasial (BIG) atau tidak. Nilai strip adjustment yang memenuhi
adalah di bawah 0.1 m. untuk melakukannya yaitu Pada TMatch klik measure
match.

36
`

2. Kemudian pada jendela measure match isikan parameter seperti berikut:

3. Berikut adalah hasil dari measure match.

G. Macro : Cut Overlap (dilakukan apabila memeproses data flightlines di daerah

survey)
1. Gambar dari data dengan overlap las point
Dengan pilih tools pada trajectory  draw into design kemudian klik open block
pada TSCAN.
2. Cut overlap dengan cara klik tools pada TScan  macro.

37
`

3. Isikan deskripsi lalu klik add.

4. Isikan spesifikasi seperti berikut:

5. Pada jendela classify by class isikan spesifikasi berikut:

6. Kemudian klik add lalu isikan parameter berikut:

38
`

7. Klik save as pada folder macro lalu beri nama cut overlap.

8. Pada jendela project pilih tools  run macro.

39
`

9. Pada kotak macro klik browse lalu pilih file macro yang sebelumnya disimpan.

10. Berikut adalah hasil report dari proses macro cut overlap:

11. Save as kemudian beri nama pada file:

40
`

III.3.3 Klasifikasi Otomatis

A. Macro : Reclassify
1. Reclassify bertujuan untuk mengekstraksi points ke Class default, dengan
klik tools pada TScan  macro.

2. Beri deskripsi kemudian klik add.

3. Isikan klasifikasi seperti berikut:

4. Pada jendela classify by class isikan spesifikasi berikut:

41
`

5. Lalu klik save as  pilih folder macro lalu beri nama file.

6. Pada jendela project klik tools  run macro.

7. Pada kotak macro klik browse lalu pilih file yang sebelumnya disimpan.

8. Kemudian muncul report lalu save as dengan nama reclassify.

42
`

B. Macro : Grounds automatic classification

1. Klasifikasi Grounds Otomatis bertujuan untuk mengekstraksi point dari
grounds dengan klik tools pada TScan  macro.

2. Isikan deskripsi kemudian klik add.

3. Isikan spesifikasi seperti berikut:

43
`

4. Pada jendela classify low points isikan spesifikasi seperti berikut:

5. Klik add lalu pilih spesifikasi seperti berikut:

6. Pada jendela classify low points isikan spesifikasi seperti berikut:

7. Kemudian klik add lalu isikan spesifikasi seperti berikut:

8. Pada jendela classify low points isikan spesifikasi berikut:

44
`

9. Klik add kemudian isikan spesifikasi berikut:

10. Pada jendela classify ground isikan spesifikasi berikut:

11. Kemudian klik save as pada folder macro lalu beri nama pada file.

45
`

12. Pada jendela project pilih tools lalu run macro.

13. Pada kotak macro klik browse lalu pilih file yang sebelumnya disimpan.

14. Berikut adalah report dari hasil ground classify.

46
`

III.3.4 Membuat Data DEM

1. Pada toolbox TSCAN pilih Model  Create Editable Model.

2. Pilih Ground, lalu klik OK.

3. Beri nama Surface, lalu klik OK.

47
`

4. Setelah proses selesai gunakan toolbox TMODEL, pilih Display Surface 

Display Shaded Surface.

5. Isikan seperti berikut.

6. Hasil DEM yang terbuat:

48
`

7. Untuk memberikan tampilan tersebut: pada tool TSCAN klik View  Display
Mode.

8. Isikan parameter berikut ini:

III.3.5 Koreksi Hasil DEM

Apabila terdapat anomali pada hasil data DEM seperti gambar di atas, maka
perlu dilakukan klasifikasi manual untuk memindah point yang anomali.
49
`

1. Tampilkan 2 view di layer.

2. Gunakan toolbox TSCAN, pilih View Laser  Draw Vertical Section.

3. Pilih area yang diperbaiki.

4. Buat tampilan seperti berikut:

50
`

5. Hapus anomali, klik classify above line (untuk anomali atas) atau
classify below line untuk anomali di bawah, isi seperti di bawah ini:

6. Kemudian Tarik garis.

7. Kemudian pilih makro.

51
`

8. Klik add, lalu isikan seperti berikut:

9. Klik Run  On loaded points  OK.

10. Berikut merupakan hasil dari koreksi DEM.

11. Klik Rebuild Editable Model untuk penggambaran hasil yang telah
terkoreksi.

52
`

III.3.6 Klasifikasi Vegetasi dan Bangunan

Buat macro baru menggunakan parameter, sebagai berikut:

1. Pertama, pilih by height form ground  Klik OK.

2. Kemudian isikan parameter untuk noise, grass, dll. Sebagai berikut:

3. Kedua, pilih by height form ground  klik OK.

53
`

4. Kemudian isikan parameter untuk small bushes, cars, dll. Sebagai berikut:

5. Ketiga, pilih by height form ground  klik OK.

6. Kemudian isikan parameter untuk small bushes, cars, dll. Sebagai berikut:

7. Keempat, pilih buildings  klik OK.

54
`

8. Kemudian isikan parameter untuk small bushes, cars, dll. Sebagai berikut:

9. Maka terdapat tampilan 4 parameter.

10. Setelah itu, lakukan Run Macro, maka tampil hasilnya sebagai berikut:

55
`

III.3.7 Klasifikasi Manual

1. Kasifikasi menggunakan TerraScan

Setelah berhasil melakukan klasifikasi otomatis maka perlu dilakukan
klasifikasi manual karena hasil dari otomatis masih belum maksimal.
2. Membuka NLP tertentu. Klik file pada TSCAN  open block  klik

block/NLP yang dipilih  klik Rebuild Editable Model .

3. Klik dan tahan tool View Laser  pilih Draw Vertical Section  buat
kotakan seperti berikut  klik kiri pada view 1 dan klik kiri pada view 2.

Tampilan pada view 2 :

4. Menghapus anomali, dengan cara klik dan tahan tool Model: Create Editable

Model  pilih Classify Above Line (untuk anomaly di atas) atau

Classify Below Line (untuk anomaly di bawah)  buat garis dari ujung ke
ujung seperti gambar di bawah ini, anomaly yang akan dihapus harus terlihat
semua pada layar monitor. Anomaly yang terhapus akan berubah warna dari

56
`

putih menjadi biru. Lakukan penghapusan anomaly yang ada di atas dan di
bawah.

5. Kemudian pilih tools  Macro  Add, isikan sesuai di bawah ini, OK.

6. Klik run  On Loaded Points  OK. Kemudian klik Rebuild Editable Model
untuk menampilkan penggambaran hasil yang sudah benar dari proses
klasifikasi manual.

57
`

III.3.8 Menampilkan Garis Kontur

1. Membuat file las yang telah tersimpan. Klik file pada TSCAN  Read points
 pilih semua file  done.

2. Membuat tampilan surface dengan tool Model: Create Editable Model

 pilih ground, OK  Beri nama "Surface"  OK.

3. Pilih tool Display Surface pilih Display Shaded Surface, isikan seperti
berikut ini, OK.

4. Klik Rebuild Editable Model , hasilnya sebagai berikut:

58
`

5. Klik display kontur  sesuaikan Surface yang dipakai  klik OK.

6. Tampilan kontur seperti berikut:

59
`

BAB IV HASIL PENGOLAHAN

1. Hasil Matching

2. Hasil Klasifikasi Otomatis

60
`

3. Hasil Klasifikasi Manual

4. Hasil Pembuatan DEM dan Koreksi DEM

5. Hasil Pembuatan Garis Kontur

61
`

BAB V PENUTUP
5.1 Kesimpulan
Dari kegiatan ini diperoleh kesimpulan bahwa pengolahan data LiDAR
menggunakan perangkat lunak Microstation dari akuisisi di lapangan kemudian diolah
untuk dilakukan klasifikasi otomatis dan klasifikasi manual, lalu diproses untuk
menghasilkan data DEM dan koreksinya sehingga dapat diproses untuk pembuatan garis
kontur.
5.2 Saran
Berdasarkan hasil yang diperoleh maka terdspat saran yaitu data matching,
klasifikasi data, dan pembuatan DEM perlu dilakukan dengan baik sehingga data LiDAR
yang telah terkelaskan merupakan hasil terbaik. Hal tersebut tentu berpengaruh pada hasil
garis kontur yang dihasilkan. Apabila masih terdapat kesalahan maka hasilnya pun tidak
sesuai.

62
`

DAFTAR PUSTAKA

Kasjuaji, Kidhot. Garis Kontur : Fungsi, Karakteristik, Macam-Macam dan Contoh Soal. 20
Februari 2018. https://ilmugeografi.com/kartografi/garis-kontur (diakses Januari 30, 2020).

Nugroho, Hary, dan Febriana Puspasari. “Analisis Pemanfaatan Dan Ketelitian Lidar
Menggunakan.” Jurnal Teknik Geodesi, FTSP, Institut Teknologi Nasional Bandung, 2018.
vol 5, No 1: 1-15.

Solekhan. 26 Agustus 2016. http://eprints.uny.ac.id/62066/1/13510134036.pdf (diakses Januari 30,

2020).

Wardana, Kurniawan Putra Widya, Sawitri Subiyanto, dan Hani'ah. “ANALISIS TINGGI
TANAMAN PADI MENGGUNAKAN MODEL 3D.” Jurnal Geodesi UNDIP VOL 8.
NO. 1, 2019: 378-387.

63