Nama : Adi Muhammad Wiguna

Kelas : XII – Geomatika 01

Absen : 02

Konsep pengolahan citra

Secara umum, pengolahan citra terbagi menjadi 2 yaitu; pre-processing citra dan
klasifikasi citra

a. Pre- processing citra

Untuk keperluan penginderaan jauh,sebuah citra dari satelit maupun foto udara
harus terlebih dahulu melewati suatu kegiatan yang disebut pre-processing untuk
kemudian informasi yang terdapat pada citra dapat diambil.Pre – processing ini dapat
diklasifisikan menjadi 2 bagian, yaitu koreksi geometrik dan koreksi radiometrik.

Pre - processing

Geometric Radiometric

corrections corrections

Atmospheric Calibrations

corrections radiometric

Gambar 1. Diagram Air Proses Pre- processing

Koreksi Geometrik dilakukan karena kemungkinan satelit melakukan kesalahan

perekaman cukup tinggi (distorsi geometrik). Untuk mengurangi distorsi geometrik ini
maka dicapai dengann menentukan hubungan antara sistem koordinat citra dan sistem
koordinat geografis menggunakan data kalibrasi dari sensor,posisi dan ketinggian dari
data hasil ukuran ,titik kontrol tanah,kondisi atmosfer dan sebagainya. Koreksi
geometrik dapat dilakukan dengan langkah langkah berikut :
1. Pemilihan metode
Metode yang dipilih haruslah sesuai setelah mempertimbangkan karakteristik
distorsi geometrik beserta referensi data yang tersedia.terdapat tiga metode
koreksi geomterik yaitu ; a).koreksi sistematik b).koreksi tidak sistematik
c). metode kombinasi.

2. Penentuan parameter
Parameter – parameter yang tidak diketahui yang mendefinisikan persamaan
matematis diantara sistem koordinat citra dan sistem koordinat geografis
sebaiknya ditentukan menggunakan data kalibrasi dan titik kontrol tanah.

3. Pengujian ketepatan
Ketepatan dari koreksi geometri haruslah diuji dan diverifikasi. Jika ketepatan
yang dihasilkan tidak memenuhi kriteria, metode atau data kalibrasi dan atau
titik kontrol tanah.

4. Interpolasi dan Resampling

Citra yang telah teridentifikasi dengan fitur di Bumi seharusnya diproduksi
menggunakan teknik resampling (proses transformasi dari nilai input raster
menuju nilai output raster) dan interpolasi (metode penentuan nilai yang
didasarkan pada sejumlah nilai acuan dengan pendekatan fungsi matematika)
yang akan menghasilkan citra geocoded yang akurat.

Gambar 2. Hasil Koreksi Geometrik

 Koreksi radiometrik bertujuan untuk menghilangkan kesalahan – kesalahan
radiometrik. Ketika energi dari gelombang elektromagnetik yang dipancarkan atau
dipantulkan ditangkap oleh sensor pada pesawat udara dan pesawat ruang angkasa,
energi yang ditangkap disebut tidak sama persis dengan energi yang berasal dari objek
tersebut.Hal inilah yang menyebabkan kesalahan – kesalahan radiometrik sehingga
membutuhkan proses koreksi.Koreksi Radiometrik dibagi menjadi 2 yaitu

1. Koreksi radiometrik untuk sudut matahari dan topografi

Relief dari permukaan bumi juga dapat menyebabkan suatu bagian dari
permukaan bumi terlihat hitam ,sehingga memerlukan koreksi.

2. Koreksi atmosfer
Berbagai efek atmosfer dapat menyebabkan penyerapan dan penghamburan
radiasi sinar matahari.

Berikut langkah langkah untuk melakukan koreksi radiometrik

1. Koreksi atmosfer
Metode yang digunakan pada koreksi atmosfer ini terdapat 2 yaitu ;
metode DOS dan metode 6SV

 Metode DOS
Tahapan dalam melakukan metode ini adalah :
 Data dari citra satelit diubah terlebih dahulu ke dalam
format reflektan dengan cara kalibrasi radiometrik ke dalam
format reflektan sensor (ρtoa).
 Nilai Pixel minimum pada citra harus bernilai NOL.Jika
tidak bernilai NOL maka masih dipengaruhi oleh atmosfer .
 Menggunakan nilai NPM paling rendah/minimum. Jika
sudah mendapatkan nilai 1 masukkan kedalam rumus
sebagai berikut ( ρToa = ρBoa + ρPath)
 Namun jika nilai min.bukan NOL melainkan 1 dapat
diubah dengan rumus (ρToa = ρBoa +1)
 Semua nilai pada pixel dikurangi dengan NPM setiap
pixelnya,hasil akhirnya berupa reflektan permukaan (ρboa)
  Metode 6SV
Tahapan dalam melakukan metode ini adalah :
 Data dalam format radian
 Citra dikoreksi dengan menggunakan rumus
(acrλ = yλ/1(1.+xcλ*yλ)
Yλ=xaλ*(Lλ)-xbλ
 Acrλ adalah reflektan permukaan Lλ adalah radian
 Parameter koreksi diperoleh dengan menjalankan perangkat
lunak 6SV berbasis web yang ada http://6s.Itdri.org/

2. Kalibrasi radiometrik
Dapat dilakukan dengan cara yaitu ;
 Menggunakan Gain dan Offset data yang diperlukan adalah
radiance atau reflectance multiple rescalling factor (GAIN) dan
additive rescalling factor (OFFSET)
 Menggunakan nilai radiance atau reflectance maksimum dan
minimum

Gambar 3. Hasil Koreksi Radiometrik

 b. Klasifikasi citra
Klasifikasi citra merupakan proses pengelompokan piksel ke dalam kelas – kelas
tertentu ,seperti perbedaan nilai warna. Perbedaan warna ini dimulai dari 0 – hingga
gradasi warna. Semakin banyak klasifikasi citra,maka semakin banyak warna yang
digunakan dan semakin bagus pula hasilnya. Pada umumnya klasifikasi citra terbagi
kedalam 2 jenis yaitu supervised dan unsupervised.

Klasifikasi citra

 Komputer Data
desain
 Citra satelit
 Administrasi
digital Analisis

Menggabungkan
band citra

Penajaman
resolusi

supervised unsupervised

Tutupan Lahan

Gambar 4. Diagram air klasifikasi citra

 Klasifikasi supervised dapat didefinisikan sebagai pengelompokan nilai warna yang
telah terintegrasi oleh data survei secara primer, misalnya data mengenai
vegetasi,kawasan,pola lahan terbangun, dan sebagainya.sederhananya kita menentukan objek
apa saja yang ada di peta dengan membuat semacam polygon untuk daerah tertentu kemudian
aplikasi akan mencari daerah yang mempunyai kesamaan dengan berdasarkan data signature
yang telah dibuat.

Langkah – Langkah klasifikasi citra supervised dengan menggunakan software Arcgis

1. Buka ArcGis
2. Tampilkan data citra yang akan diklasifikasi
3. Buat signature. Klik ArcToolbox > Spatial Analyst > Multivariate > Create
Siganatures.
4. Aktifkan toolbar Image Classifcation terlebih dahulu. (Customize > Toolbar > Image
Classification)
5. Buat Training Area dengan menggunakan draw polygon, pertama buat trainin area
untu hutan. Gunakan zoom in untuk mengenali kenampakan hutan. Gunakan cara
yang sama buat training area yan lain seperti sawah,lahan kosong dan pemukiman

Klik pada training sample manajer untuk menuliskan hasil draw polygon.

6. Simpan hasil training sample manager dengan mengklik create a signature

7. Mengeksekusi hasil create signature, pilih maximum likelilhood classification dalam
toolbox image classification

8. Masukkan input raster bands-nya dan inpu file signature dengan file signature hasil
create signature dan simpan output raster yang terklasifikasi pada lokasi yang
diinginkan. Klik OK
9. Hasilnya akan seperti berikut
 Klasifikasi unsupervised merupakan pengelompokan warna yang belum terintegrasi dan
dapat dijadikan sebagai data awal atau sementara untuk keperluan tertentu semisal studi
selanjutnya untuk meningkatkan keakuratanya perlu dilakukan pengecekan di lapangan
apakah yang telah diklasifikasi sesuai atau tidak.

Langkah langkah membuat klasifikasi unsupervised yaitu ;

1. Tampilkan data citra yang akan diklasifikasikan dengan iso cluster

2. Klik ArcToolbox buka Spatial Analyst Tools > Multivariate > Iso cluster
unsupervised classification
3. Pada tab isocluster pilih input raster ,number of dasses simpan lalu klik ok dan
tunggu hingga selesai
4. Pilih ArcToolbox > Spatial Analyst > Multivariate > Maximum Likelilhood
5. Isikan seperti pada langkah sebelumnya
6. Hasilnya sebagai berikut