DISUSUN OLEH:
LEMBAR PENGESAHAN
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.
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.
Penulis
ii
`
DAFTAR ISI
iii
`
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.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.
2
`
BAB II
METODOLOGI PELAKSANAAN
II.1. Persiapan
Persiapan yang dilakukan selama proses kerja praktek meliputi:
3
`
BAB III
PELAKSANAAN
III.1 Pengenalan Instansi
4
`
4. Kerjasama
a. Pemerintah Regional yang terdiri atas :
- Dinas Tata Ruang DKI Jakarta
- Dinas Pekerjaan Umum Prov DKI Jakarta
5
`
- 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
`
8
`
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.
10
`
11
`
Tabel 3. Perbedaan UAV fotogrametri dengan aerial dan close range fotogrametri
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
12
`
13
`
A. Alat
1. Komputer atau PC 4 buah
2. Perangkat lunak Microstation 1 buah
B. Bahan
1. Modul 1 buah
2. Jurnal disesuaikan
2. Data awal yang diberikan berupa Laser Raw (Folder Data Raw).
14
`
7. Open file dengan pilih Project yang sudah dibuat berformat DGN.
8. Akan muncul tampilan seperti berikut ini.
15
`
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.
17
`
C. Mengatur Trajectories
1. Pilih Manage Trajectories dengan klik dan tahan TSCAN Settings , lalu
akan muncul tampilan seperti berikut.
3. Setelah folder dipilih, klik file pada TSCAN Import files : sbet_Mission1
pada folder trajectory raw Done.
18
`
19
`
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
`
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.
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.
23
`
18. Pada project klik File klik import point into project.
24
`
25
`
22. Blok seluruh points pilih Block pada project Draw boundaries OK.
26
`
25. Pilih semua blok kemudian klik Block pilih add by boundaries.
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.
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.
30
`
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
`
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
`
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.
33
`
5. Langkah kedua klik add lalu pada kanal routine pilih isolated points.
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.
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
`
37
`
38
`
7. Klik save as pada folder macro lalu beri nama cut overlap.
39
`
9. Pada kotak macro klik browse lalu pilih file macro yang sebelumnya disimpan.
10. Berikut adalah hasil report dari proses macro cut overlap:
40
`
A. Macro : Reclassify
1. Reclassify bertujuan untuk mengekstraksi points ke Class default, dengan
klik tools pada TScan macro.
41
`
5. Lalu klik save as pilih folder macro lalu beri nama file.
7. Pada kotak macro klik browse lalu pilih file yang sebelumnya disimpan.
42
`
43
`
44
`
11. Kemudian klik save as pada folder macro lalu beri nama pada file.
45
`
13. Pada kotak macro klik browse lalu pilih file yang sebelumnya disimpan.
46
`
47
`
48
`
7. Untuk memberikan tampilan tersebut: pada tool TSCAN klik View Display
Mode.
Apabila terdapat anomali pada hasil data DEM seperti gambar di atas, maka
perlu dilakukan klasifikasi manual untuk memindah point yang anomali.
49
`
50
`
5. Hapus anomali, klik classify above line (untuk anomali atas) atau
classify below line untuk anomali di bawah, isi seperti di bawah ini:
51
`
11. Klik Rebuild Editable Model untuk penggambaran hasil yang telah
terkoreksi.
52
`
53
`
4. Kemudian isikan parameter untuk small bushes, cars, dll. Sebagai berikut:
6. Kemudian isikan parameter untuk small bushes, cars, dll. Sebagai berikut:
54
`
8. Kemudian isikan parameter untuk small bushes, cars, dll. Sebagai berikut:
10. Setelah itu, lakukan Run Macro, maka tampil hasilnya sebagai berikut:
55
`
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.
4. Menghapus anomali, dengan cara klik dan tahan tool Model: Create Editable
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
`
1. Membuat file las yang telah tersimpan. Klik file pada TSCAN Read points
pilih semua file done.
3. Pilih tool Display Surface pilih Display Shaded Surface, isikan seperti
berikut ini, OK.
58
`
59
`
60
`
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.
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