LAPORAN RESMI PRAKTIKUM

PENGINDERAAN JAUH
MODUL 2 : KOREKSI RADIOMETRI

Disusun Oleh:
Dzaki Al Furqon
26050120140160
Oseanografi B

Koordinator Mata Kuliah Penginderaan Jauh :

Ir. Petrus Subardjo, M.Si
NIP. 19561020 198703 1 001

Tim Asisten
Warisatul Anbiya Selkofa M 26050117120018
Muhammad Farras Ayasy 26050117140023
Riefchi Wicaksono Haris 26040117140065
Octa Firta 26040117140070
Rahmat Yolansyah Putra 26050117120026
Tiara Anggita 26050118130051
Zahra Sadza Salma 26050118120009
Ferdian Agung Baskoro 26050118120025
Maryam S Taib 26050118140091
Danang Imaddudin Mahardika 26050118140076
Muhammad Farhan 26050118140101
Rofiatul Mutmainah 26050118120030

DEPARTEMEN OSEANOGRAFI
FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS DIPONEGORO
SEMARANG
2020
 Tgl Praktikum : 7 Oktober 2020
Tgl Pengumpulan : 29 Oktober 2020

LEMBAR PENILAIAN

MODUL 2 : Koreksi Radiometri

Nama : Dzaki Al Furqon NIM : 26050120140160 Ttd :

NO. KETERANGAN NILAI

1. Pendahuluan
2. Tinjauan Pustaka
3. Materi dan Metode
4. Hasil dan Pembahasan
5. Penutup
6. Daftar Pustaka
TOTAL

Mengetahui,
Koordinator Praktikum Asisten

Warisatul Anbiya Selkofa M Maryam S Taib

26050117120018 26050118140091
 I. PENDAHULUAN

1.1 Latar Belakang

Menurut Lillesand dan Kiefer (1979) dalam Helmi et al. (2012), menyatakan
Penginderaan jauh (remote sensing) adalah seni dan ilmu untuk mendapatkan
informasi tentang obyek, area atau fenomena melalui analisa terhadap data yang
diperoleh dengan menggunakan alat tanpa kontak langsung dengan obyek, daerah
ataupun fenomena yang dikaji. Alat tanpa kontak langsung yang dimaksud adalah
sensor yang biasanya di bawa oleh wahana berupa pesawat terbang dan satelit. Alat
tanpa kontak atau sensor tersebut dapat menangkap suatu gambaran permukaan
bumi dari jarak yang jauh. Kemudian gambaran permukaan tersebut di proses
sehingga menghasilkan suatu citra. Namun pada kenyataannya citra yang
dihasilkan belum memenuhi sebagai citra satelit yang baik, hal ini di karenakan
adanya gangguan yang terjadi di atmosfer sehingga menghalangi detector dalam
hal menangkap pantulan cahaya permukan, hal ini yang menyebabkan efek bias
pada citra. Untuk mengatasi gangguan yang disebabkan oleh efek atmosfer dapat
dilakukan dengan salah satu caranya adalah melakukan koreksi radiometri.

Menurut Utomowati et al. (2012), menyatakan koreksi radiometri adalah

koreksi yang digunakan untuk memperbaiki nilai piksel supaya sesuai dengan yang
seharusnya, biasanya mempertimbangkan faktor gangguan atmosfer sebagai
kesalahan utama. Kesalahan atmosfer tersebut dapat berupa debu, asap, dan partikel
yang ada di atmosfer yang dapat mengahalangi detector dalam menerima pantulan
cahaya sehingga citra yang dihasilkan akan memiliki efek bias atau adanya
hamburan cahaya.

Koreksi radiometri sangat penting dalam hal pengolahan data citra satelit
karena dengan koreksi radiomteri data citra yang dihasilkan akan menjadi lebih
akurat sehingga pada keadaan tertentu kita dapat melihat parameter fisik suatu
permukaan. Koreksi radiometri ini berguna untuk memperbaiki adanya kesalahan
radiometri yang disebabkan oleh aspek eksternal yang berupa gangguan oleh
atmosfer yang terjadi pada saat proses perekaman (Ihlas et al.,2018).

Melihat betapa pentingnya koreksi radiometri dalam hal pengolahan citra

yang erat kaitannya dalam materi penginderaan jauh yang merupakan salah satu
materi wajib yang dikuasai oleh mahasiswa oseanografi, maka sebagai mahasiswa
oseanografi ini dirasa perlu untuk mempelajarinya dengan salah satu caranya adalah
melakukan praktikum.

2.1 Tujuan
1. Mahasiswa Mampu Melakukan Koreksi Radiometri
2. Mahasiswa Mampu Memeriksa Atmospheric Bias Citra
3. Mahasiswa Dapat Menggunakan Metode Penyesuaian Histogram
4. Mahasiswa Mampu Melakukan Teknik Penyesuaian Histogram Dark Pixel
Correction
5. Mahasiswa Mampu Melakukan Teknik Penyesuaian Histogram Enhanced
Dark Pixel Correction
6. Mahasiswa Mampu Melakukan Teknik Penyesuaian Histogram Cut Off
Scattergram

3.1 Manfaat
1. Mahasiswa dapat mengetahui fungsi dari koreksi radiometri
2. Mahasiswa dapat memriksa Atmospheric Bias Citra
3. Mahasiswa dapat membedakan fungsi DPC, EDPC, dan Cut Off
scattergram
 II. TINJAUAN PUSTAKA

2.1 Koreksi Radiometri

2.1.1 Definisi Koreksi Radiometri
Koreksi radiometri adalah koreksi yang digunakan untuk memperbaiki nilai
piksel supaya sesuai dengan yang seharusnya, biasanya mempertimbangkan faktor
gangguan atmosfer sebagai kesalahan utama. (utomowati et al.,2012). Efek
atmosfer dapat meningkatkan nilai spektral karena partikel atmosfer memiliki
pantulan lebih tinggi, sehingga keberadaan partikel ini dapat menimbulkan bias.
Untuk itu dibutuhkan koreksi nilai spektral dari citra yang disebapkan oleh partikel-
partikel yang ada di atmosfer.
Menurut Ihlas et al. (2018), menyatakan koreksi radiometri adalah proses
untuk memperbaiki kualitas visual citra, dalam hal memperbaiki nilai piksel yang
tidak sesuai dengan nilai pantulan atau pancaran spektral objek yang sebenarnya.
Koreksi radiometri dilakukan untuk memperbaiki kesalahan atau distorsi yang
diakibatkan oleh tidak sempurnanya operasi dan sensor, adanya atenuasi
gelombang elektromagnetik oleh atmosfer, variasi sudut pengambilan data dan lain
lain yang terjadi saat pengambilan, dan pengiriman data.

2.1.2 Kegunaan Koreksi Radiometri

Koreksi radiometri digunakan memperbaiki adanya kesalahan radiometri
yang disebabkan oleh aspek eksternal yang berupa gangguan oleh atmosfer yang
terjadi pada saat proses perekaman (Ihlas et al., 2018). Biasanya gangguan atmosfer
ini dapat berupa serapan, hamburan, dan pantulan yang menyebabkan nilai piksel
pada citra hasil perekaman tidak sesuai dengan nilai piksel obyek sebenarnya di
lapangan. Koreksi radiometri ini di perlukan atas dasar dua alasan , yaitu untuk
memperbaiki kualitas visual citra sekaligus memperbaiki nilai piksel yang tidak
sesuai dengan nilai pantulan atau pancaran spektral yang sebenarnya.
 Koreksi radiometri citra juga ditujukan untuk memperbaiki visual citra
berupa pengisian Kembali baris yang kosong karena dropout baris maupun
kesalahan pada saat scanning di awal, dan digunakan dalam perbaikan nilai
pantulan obyek yang tidak sesuai karena efek atmosfer. Koreksi radiometri ini
digunakan untuk mengatasi berbagai kesalahan yang biasanya terjadi, seperti
stripping atau banding yaitu kesalahan pada citra yang terjadi karena
ketidakstabilan detector, kemudian ada line dropout yang terjadi karean detector
yang mati secara tiba – tiba, dan yang terakhir adalah kesalahan yang disebabkan
oleh efek atmosferik, yang biasanya disebabkan oleh debu, kabut, atau asap yang
seringkali menutupi detector sehingga menyebabkan efek bias.(Rahayu et al., 2014)

2.1.3 Kelebihan Dan Kekurangan Koreksi Radiometri

Menurut Putra (2018), menyatakan bahwa Kelebihan dari adanya koreksi
radiometri ini adalah dapat memperbaiki kualitas citra akibat dari kesalahan
pantulan permukaan dan kelengkungan bumi serta faktor lain. Faktor tersebut
antara lain arah sinar matahari, kondisi atmosfer, kondisi cuaca dan faktor lain yang
dapat menyebabkan nilai bias pada citra. sehingga Ketika kita melakukan koreksi
radiometri dapat menghasilkan informasi yang lebih akurat seperti dapat
memperkirakan perbedaan parameter fisik suatu permukaan. Selain itu koreksi
radiometri dapat dimanfaatkan untuk menganalisis data multitemporal dan
multisensor yang digunakan untuk interpretasi dan mendeteksi perubahan secara
kontinu. Sehingga dapat dihasilkan
Kekurangan dari koreksi radiometri adalah gambaran hasil koreksi
radiometri akan memberikan kenampakan visual yang lebih gelap dibandingkan
dengan citra sebelum dikoreksi. Hal ini disebabkan karena Ketika melakukan
koreksi radiometri seluruh nilai piksel akan dibuat lebih rendah nilainya dari nilai
citra yang belum dikoreksi sebelumnya sehingga memiliki rona yang lebih gelap
karena menurunya nilai digital masing – masing piksel setelah dikurangi nilai bias.
Selain itu kekurangannnya terletak pada dalam hal metode. Kekurangan dalam
metode ini adalah dalam proses coding digital oleh sensor. Obyek yang
memberikan respon spektral yang paling rendah seharusnya bernilai 0. Apabila nilai
ini ternyata melebihi angka 0 sehingga tidak memenuhi persyaratan dan tidak
menghasilkan data nilai yang sempurna,maka nilai tersebut dihitung sebagai offset
dan koreksi dilakukan dengan mengurangi seluruh nilai pada saluran tersebut
dengan offset-nya ( Sinaga et al., 2018)

2.2 Penyesuaian Histogram

Menurut Danoedoro (1996), menyatakan Penyesuaian Hitogram adalah
salah satu metode dari koreksi radiomteri, yang dimana dengan melakukan
penyesuaian histogram dapat mengetahui nilai pixel minimum dan maximum dari
suatu saluran. Dalam tahapan penyesuaian histogram dapat diasumsikan bahwa
nilai piksel terendah pada suatu kerangka liputan (scene) seharusnya nol, sesuai
dengan bit-coding sensor. Apabila nilai terendah piksel pada kerangka liputan
tersebut bukan nol, maka nilai penambah (offset) tersebut dipandang sebagai hasil
dari hamburan atmosfer. Metode ini adalah yang paling sederhana, yaitu hanya
dengan cara melihat nilai histogram pada tiap – tiap saluran secara tersendiri.
(Rahayu et al ., 2014 )
Penyesuaian histogram meliputi evaluasi histogram pada setiap band dari
data penginderaan jauh. Biasanya pada gelombang tampak yaitu band TM 1 - TM
3 memiliki nilai minimum yang lebih tinggi karena dipengaruhi oleh nilai bias
atmosfer. Sebaliknya jika pada band saluran TM 4,5,7 penyerapan atau atmosfer
bias atmosfer akan membuat nilai kecerahan pada saluran menurun. Hal ini yang
membuat nilai minimum band tersebut mendekati 0. Penyesuaian histogram
melalui beberapa tahap, dan hasilnya tidak selalu naik, hal ini dikarenakan tidak
semua citra memiliki nilai objek yang ideal untuk dikoreksi. (Biday et al.,2012)

2.3 Penyesuaian Regresi

Penyesuaian regresi merupakan metode kedua yang dipakai untuk
melakukan koreksi radiomteri. Penyesuaian regresi dapat diterapkan dengan
memplot nilai -nilai piksel hasil pengamatan dengan beberapa saluran band
sekaligus. Hal ini diterapkan apabila ada saluran rujukan (yang relatif bebas
gangguan) yang menyajikan nilai nol untuk obyek tertentu, biasanya air laut dalam
atau bayangan. Kemudian tiap saluran dipasangkan dengan saluran rujukan tersebut
untuk membentuk diagram pancar nilai piksel yang diamati. Saluran rujukan yang
digunakan adalah saluran infra merah dekat. Cara ini efektif mengurangi gangguan
atmosfer yang terjadi hampir pada semua saluran tampak bahkan mendekati
perhitungan koreksi radiometrik metode absolut. Walaupun metode ini melewati
beberapa tahap yang cukup rumit, akan tetapi hasilnya tidak selalu baik. Hal ini
disebabkan karena tidak setiap citra mempunyai nilai piksel objek yang ideal
sebagai rujukan, seperti air dalam atau bayangan awan. (Ihlas et al.,2018)
Penyesuaian regresi pada prinsipnya menghendaki untuk melakukan
analisis yang diguaka utuk mengidentifikasi obyek bayangan atau air jernih pada
citra yang dikoreksi.(Sinaga et al,2018 ). Nilai kecerahan objek dari setiap saluran
dimasukan kedalam sumbu koordinat secara berlawanan arah antara saluran tampak
dengan saluran infra merah. Perpotongan dengan sumbu x akan menunjukan
besarnya nilai bias , hal ini berlaku untuk saluran yang lain.(Anonim,2012)

2.3.1 DPC (Dark Pixel Correction)

Dpc (Dark Pixel Correction) merupakan suatu bagian metode dari
penyesuaian regresi. metode ini merupakan koreksi sederahana yang bertujuan
untuk menghilangkan pengaruh atmosfer yang cenderung memperbesar nilai pixel.
Salah satu cara untuk dapat mengkoreksi efek atmosfer adalah dengan
mengidentifikasi bayangan pixel, menemukan digital number dan mengubahnya
menjadi 0 serta mengatur nilai pixel saluran lainnya. (Putra et al,2017)
Dark pixel correction merupakan metode sederhana yang digunakan untuk
menghilangkan efek gelap yang ditimbulkan oleh atmosfer pada citra. Salah satu
metode yang dapat digunakan adalah metode Dark Pixel Subtraction, yaitu dengan
mengambil sejumlah sampel piksel pada masing-masing kanal dilaut dalam,
kemudian rata-rata dari nilai-nilai piksel tersebut digunakan sebagai faktor
pengurang nilai piksel pada masing-masing kanal. (Ihlas et al,2018).

2.3.2 EDPC (Enhanced Dark Pixel Correction)

EDPC atau Enhanced Dark Pixel Correction merupakan bagian dari metode
penyesuaian regresi yang digunakan untuk menghilangkan efek dari atmosfer untuk
image Enhancement (penajaman citra). Metode EDPC ini memiliki sistem kerja
yang hampir mirip dengan DPC, yang membedakan metode ini dengan metode
DPC terdapat dalam segi kegunaannya. Jika pada DPC ditampilkan untuk
mengkoreksi kesalahan radiometri suatu citra, sedangkan EDPC sebagai hasilnya
lebih digunakan untuk diinterpretasikan kepada aplikasi tertentu. Metode ini, harus
memasukan nilai range yang tercantum dalam aktual input limit. Pada Enhanced
Dark Pixel Correction memiliki dua layer yang berbeda, yang dimana layer kedua
lebih terang dibandingkan layer pertama. (Sinaga et al.,2018)
Terdapat beberapa faktor yang mempengaruhi Hasil akurat dari deteksi
perubahan terhadap dua atau lebih citra waktu, seperti citra yang sebanding, citra
yang dapat diinterpretasikan, dan metode untuk mendapatkan perbedaan yang
bermakna dari deteksi perubahan citra. Piksel ke piksel antara citra biasa
ditampilkan untuk mendapatkan citra yang baik. Dark Pixel Correction ditampilkan
untuk mengkoreksi kesalahan radiometrik dari suatu citra, maka Enchanged Dark
Pixel Correction sebagai hasilnya lebih diinterpretasikan untuk aplikasi tertentu.
Dengan mengurangkan masing - masing band dengan minimum digital number
value-nya, maka setiap band akan memiliki minimal digital number dari nol.
(Frasetya et al,2018)

2.3.3 Cut Off Scattergram

Selain menggunakan metode DPC dan EDPC dalam melakukan
penyesuaian regresi, dapat dilakukan dengan metode Cutt Off Scattergram.Metode
ini merupakan metode yang dapat menganalisis data yang bekerja dalam mode
spektral. Scattergram juga berguna untuk klasifikasi tanah, membuat raster daerah
dan membuat polygon vector. (Helmi et al., 2012)
Scattering terjadi apabila partikel atau molekul gas yang besar yang terdapat
pada atmosfer berinteraksi dan menyebabkan arah radiasi elektromagnetik
melenceng pada jalur yang sebenarnya. (Sinaga et al,2018). Ada beberapa faktor
yang dapat memengaruhi besarnya penyimpangan arah radiasi gelombang
elektromagnetik yaitu Panjang gelombang radiasi, kelimpahan partikel dan gas,
serta jarak perjalanan radiasi.
 III. MATERI DAN METODE

3.1 Waktu dan Tempat

Waktu praktikum : Rabu, 7 Oktober 2020 , pukul 8.00 – 10.50 WIB

Tempat praktikum : secara daring dari rumah masing - masing

3.2 Materi

1. Memeriksa nilai atmospheric bias citra

2. Penyesuaian histogram
3. Pengecekan data penyesuaian histogram
4. Regresi
o DPC
o EDPC
o Cut Off Scattergram

3.3 Metode
3.3.1. Memeriksa nilai atmospheric bias citra

1. Buka aplikasi er mapper , kemudian pada menu utama klik edit algorithm
, lalu isi kolom deskripsi dengan format : Nama_NIM_Kelas.
2. Setelah itu kita dapat menampilkan citra dengan cara klik load dataset
> volume > folder shared data > pilih citra Landsat_TM_23Apr85.ers >
pilih OK.

3. Kemudian akan muncul tampilan citra , lalu klik duplicate layer

sampai menjadi 6 , lalu rename layer menjadi Band 1 , Band 2, Band 3,
Band 4, Band 5, Band 7.> lalu isi setiap Band sesuai dengan file Band
menurut nomornya ( Band 1 : B1:0485_um)
 4. Setelah file Band telah disesuaikan dengan penomoran Band, kemudian

klik edit transforms limit > kemudian akan tampil window yang
menampilkan nilai atmospheric bias citra (contoh jika pada Band 1
menunjukan nilai bias minimum 68 to 255 )

3.3.2. Penyesuaian Histogram

1. Penyesuaian histogram dilakukan setelah melihat nilai bias citra. Ketika
pada saat Langkah yang terkahir Ketika melihat nilai bias citra, kita

lanjutkan dengan klik ikon edit formula , sehingga akan muncul

tampilan seperti berikut.
2. Setelah muncul window seperti gambar diatas, kemudian pada bagian
window tersebut yang terdapat tulisan “ INPUT1” kita kurangi dengan
nilai bias citra yang ada pada setiap Band . ( contoh :
pada Band 1 nilai bias menunjukan 68 maka nilai
input kita kurangi 68 “ INPUT1 – 68 ’’) > lalu klik apply change

3. Ketika sudah di apply changes , nilai bias akan berubah menjadi “ 0 ”

seperti gambar berikut
4. Setelah nilai bias berubah menjadi 0 , Langkah selanjutnya adalah klik
edit > delete this transforms.

5. kemudian tampilan grafik transforms akan kosong. Setelah itu lakukan

Langkah – Langkah yang sebelumnya kepada setiap Band untuk
mengkoreksi histogram.

6. langkah selanjutnya adalah menyimpan hasil koreksi dengan cara klik

menu file > pilih save as > simpan file dengan format
“koreksi_histogram_nama_NIM_kelas” dengan file type Er mapper raster
dataset > lalu pilih ok
 7. kemudian akan tampil window lagi , langsung saja klik ok dan tunggu
proses penyimpanan selesai.

3.3.3. Penyesuaian Regresi

3.3.3.1. Dpc ( Dark Pixels Correction )

1. langkah pertama adalah membuka aplikasi er mapper, pada saat tampilan

utama pilih land application wizard , pada window pertama klik next,
pada window kedua, pilih Process TM Imagery dan klik next . pada
window ketiga, pilih Atmospheric Effect Correction dan klik next. Pada
window terkahir pilih Dark Pixel Correction lalu pilih next.
2. kemudian akan muncul window, pada menu input kita masukan file
“Landsat _TM_23Apr85.ers” setelah itu klik ok. Lalu pada menu output
di tulis dengan format file “ dpcbelumkoreksi_Nama_NIM_Kelas” dengan
file type ermapper raster dataset (ers). > klik finish.

3. kemudian akan muncul gambar citra tersebut, lalu pilih ikon edit
alghorithm , > isi deskripsi dengan format “ Nama _NIM_kelas” >
lalu cut Band ‘DPC_TM6’ dengan mengklik Band 6 tersebut lalu klik
ikon cut .
4. lalu klik Band DPC_TM1, kemudian pilih ikon edit transform limits
, akan muncul window yang menampilkan grafik , setelah itu klik edit >
pilih delete this transforms.

5. kemudian tampilan grafik transforms akan hilang seperti gambar berikut.

Lakukan seperti langkah 4, kepada semua Band.

6. setelah melakukan terhadap semua Band. Klik menu file , kemudian piih
save as > ubah nama file dengan format “dpcsudahkoreksi_Nama_NIM
_kelas ” dan file type ermapper raster dataset (.ers) > pillih OK
7. kemudian akan muncul mindow seperti berikut. Lalu pastikan pilihan
‘maintain aspect ratio’,’delete output transforms’, ‘preserve exact
extents’ sudah aktif dengan cara diklik , dan pastikan juga nul value 0.

8. setelah itu pilih ok, dan kemudian tunggu sampai data file tersimpan
.
3.3.3.2 EDPC ( Enhanced Dark Pixel Correction)

1. langkah pertama adalah membuka aplikasi er mapper, pada saat tampilan

utama pilih land application wizard , pada window pertama klik
next, pada window kedua, pilih Process TM Imagery dan klik next . pada
window ketiga, pilih Atmospheric Effect Correction dan klik next. Pada
window terkahir pilih Enhanced Dark Pixel Correction lalu pilih next.

2. lalu akan muncul window,pada menu input masukan file

Landsat_TM_23Apr85. dengan file type Ermapper raster dataset(ers)>
pilih OK > Next
3. lalu akan muncul window seperti berikut ini. Pilih option “TM1_as initial
Band ” kemudian isi cut off value sesuai dengan nilai yang ada di bagian
bawah grafik (actual transforms limit) yaitu 67. > pilih next

4. akan muncul tampilan berikut . pilih option kedua yaitu clear > kemudian
pada menu output diisi dengan format file edpcbelumkoreksi_nama_nim
> klik OK> Next
5. lalu akan tampil layer citra. Setelah itu klik ikon edit algorithm ,
setelah muncul window , isi deskripsi dengan format Nama_NIM_kelas
kemudian hapus Band TM6 dengan cara klik Band tersebut dan pilih ikon

cut . > klik ikon edit transform limit . Sehingga muncul gambar
seperti berikut

6. langkah selanjutnya adalah klik edit > delete this transforms,

7. langkah selanjutnya adalah menyimpan file dengan cara pilih menu file
> save as> ganti nama file dengan format edpcsudahkoreksi_nama_NIM
dengan file type ermapper raster dataset(ers.) > Klik OK
 8. kemudian akan muncul window berikut ini, pastikan nul value 0 dan
pastikan pilihan ‘maintain aspect ratio’,’delete output transforms’,
‘preserve exact extents’ sudah aktif dengan cara diklik, lalu pilih Ok
kemudian tunggu sampai proses penyimpanan telah selesai.

3.3.3.3 Cut Off Scaterrgram

1. langkah pertama adalah membuka aplikasi er mapper, pada saat tampilan

utama pilih land application wizard , pada window pertama klik next,
pada window kedua, pilih Process TM Imagery dan klik next . pada window
ketiga, pilih Atmospheric Effect Correction dan klik next. Pada window
terkahir pilih Cutt Off value( Scattergram) lalu pilih next
 2. selanjutnya pada menu input , pilih file ‘landsat_TM_28Apr’ dengan
tipe file ermapper raster dataset (ers.) > ok

3. Lalu pada menu output, masukan file dengan

belumkoreksi_cutoff_nama_nim_kelas dengan file type ermapper raster
dataset (ers.) > OK>Next

4. Kemudian akan muncul beberapa window. Pada window yang berisi nilai
cut off yang masih kosong akan kita isi dengan nilai input minimum .
Dengan cara klik setup, lalu akan muncul window lagi. Setelah itu ‘x axis’
dan’ y axis’ di samakan Band nya.
5. Setelah dimakan Band dari kedua axis tersebut maka akan didapat nilai cut
off yang sama antara X axis dan Y axis, yang kemudian nilai tersebut di
masukan kedalam nilai cut off pada setiap Band. Lakukan langkah
sebelumnya secara berulang untuk setiap Band sampai nilai cut off Band
terisi semua.

6. Setelah terisi semua nilai, klik next, akan muncul gambar citra pada
window. Kemudian kita close window yang sebelumnya sudah digunakan.
lalu akan tampil layer citra. Setelah itu klik ikon edit algorithm ,
setelah muncul window , isi deskripsi dengan format Nama_NIM_kelas
kemudian hapus Band TM6 dengan cara klik Band tersebut dan pilih ikon

cut . > klik ikon edit transform limit . Sehingga muncul gambar
seperti berikut
7. Langkah selanjutnya adalah klik edit > delete this transforms, sehingga
akan menampilkan gambar seperti berikut. Kemudian lakukan langkah
sebelumnya untuk semua Band .

8. Setelah langkah dilakukan untuk semua Band , maka sleanjutnya adalah

dengan mpilih menu file > save as > isi file nam dengan
sudahkoreksi_cutoff_nama_nim_kelas dengan tipe file ermapper raster
dataset > ok

9. Kemudian akan muncul window, pastikan nul value 0 lalu klik ok. Dan
tunggu sampai proses penyimpanan selesai
 IV. HASIL DAN PEMBAHASAN

4.1 Hasil

4.1.1 Memeriksa Nilai Atmospheric Bias Citra

Tabel 1. Nilai Atmospheric Bias Citra Sebelum Koreksi
Band Minimum Maksimum
Band 1 68 255
Band 2 21 223
Band 3 15 254
Band 4 4 220
Band 5 2 255
Band 7 1 247

B1 ; Band 1

Gambar 1. B1 : Band 1
B2 : Band 2

Gambar 2. B2 : Band 2

B3 : Band 3

Gambar 3. B3 : Band 3
B4 : Band 4

Gambar 4. B4 : Band 4
B5 : Band 5

Gambar 5. B5 : Band 5

B7 ; Band 7

Gambar 6. B7 : Band 7
4.1.2 Penyesuaian Histogram
Tabel 1. Nilai Bias Histogram Setelah Dikoreksi
Band Minimum Maksimum
Band 1 1 187
Band 2 1 202
Band 3 1 239
Band 4 1 216
Band 5 1 253
Band 7 1 246

B1 : Band 1

Gambar 7. B1 : Band 1
B2 : Band 2

Gambar 8. B2 : Band 2
B3 : Band 3

Gambar9. B3 : Band 3

B4 : Band 4

Gambar 10. B4: Band 4

B5 : Band 5

Gambar 11. B5 : Band 5

B7 : Band 7

Gambar 12. B7: Band 7

4.1.3 Penyesuaian Regresi

4.1.3.1. Dpc ( Dark Pixel Correction)

Tabel 2. DPC (Dark Pixel Correction ) sebelum dan Setelah Dikoreksi

Sebelum Sesudah
Band Minimum Maksimum Band Minimum Maksimum
Band 1 0 188 Band 1 1 188
Band 2 1 196 Band 2 1 203
Band 3 0 239 Band 3 1 239
Band 4 -2 205 Band 4 1 215
Band 5 -1 253 Band 5 1 253
Band 7 0 246 Band 7 1 246

Dpc Nilai bias Histogram sebelum dikoreksi :

B1 : Band 1

Gambar 13. B1 : Band 1 belum koreksi

B2 : Band 2

Gambar 14. B2 : Band 2 belum koreksi

B3 : Band 3

Gambar 15. B3 : Band 3 belum koreksi

B4 : Band 4

Gambar 16. B4 : Band 4 belum koreksi

B5: Band 5

Gambar 17. B5 : Band 5 belum koreksi

B7 : Band 7

Gambar 18. B7 : Band 7 belum koreksi

Dpc Nilai Bias setelah dikoreksi :

B1 : Band 1

Gambar 19. B1: Band 1 Setelah Koreksi

B2 : Band 2

Gambar 20. B2 : Band 2 setelah koreksi

B3 : Band 3

Gambar 21. B3: Band 3 setelah koreksi

B4: Band 4

Gambar 22. B4:Band 4 setelah koreksi

B5 : Band 5

Gambar 23. B5 : Band 5 setelah koreksi

B7 : Band 7

Gambar 24.B7 : Band 7 setelah koreksi

4.1.3.2 Edpc ( Enhanced Dark Pixel Correction )

Tabel 4. EDPC ( Enhanced Dark Pixel Correction) Sebelum Dan Sesudah

Koreksi
Sebelum Sesudah

Band Minimum Maksimum Band Minimum Maksimum

Band 1 0 188 Band 1 1 188

Band 2 -6.08065 188.91935 Band 2 1 196

Band 3 -9.887156 229.112844 Band 3 1 229

Band 4 -14.1118316 192.8881684 Band 4 1 203

Band 5 -29.1111868 224.8888132 Band 5 1 225

Band 7 -30.22893 215.7710688 Band 7 1 216

Edpc (Enhanced Dark Pixel Correction ) belum koreksi :

B1 : Band 1

Gambar 25. B1: Band 1 belum koreksi

B2 : Band 2

Gambar 26 . B2 : Band 2 belum koreksi

B3 : Band 3

Gambar 27. B3 : Band 3 Belum koreksi

B4 : Band 4

Gambar 28. B4 : Band 4 belum koreksi

B5 : Band 5

Gambar 29. B5:Band 5 belum koreksi

B7 : Band 7

Gambar 30. B7:Band 7 belum koreksi

Edpc (Enhanced Dark Pixel Correction) setelah koreksi :
B1 : Band 1

Gambar 31. B1 : band 1 setelah koreksi

B2 : Band 2

Gambar 32.B2:Band 2 setelah koreksi

B3 : Band 3

Gambar 33.B3: Band 3 setelah koreksi

B4 : Band 4

Gambar 34. B4 : Band 4 setelah koreksi

B5 : Band 5

Gambar 35. B5:Band 5 setelah koreksi

B7 : Band 7

Gambar 36. B7: Band 7 setelah koreksi

4.1.3.3. Cut Off Scattergram

Tabel 4. Nilai Bias Edpc (Enhanced Dark Pixel Correction) Sebelum Dan
Sesudah Koreksi
Sebelum Sesudah

Band Minimum Maksimum Band Minimum Maksimum

Band 1 -1 187 Band 1 1 187
Band 2 0 195 Band 2 1 202
Band 3 0 239 Band 3 1 239
Band 4 -2 205 Band 4 1 215

Band 5 0 254 Band 5 1 254

Band 7 0 246 Band 7 1 246

Cut Off sebelum Koreksi :

B1 : Band 1

Gambar 37 . B1 : Band 1 belum koreksi

B2 : Band 2

Gambar 38. B2 : Band 2 belum koreksi

B3 : Band 3

Gambar 39. B3 : Band 3 belum koreksi

B4 : band 4

Gambar 40. B4 :Band 4 belum koreksi

B5: Band 5

Gambar 41. B5: Band 5 belum koreksi

B7 : Band 7

Gambar 42. B7: Band 7 belum koreksi

Cut Off setelah Koreksi :

B1 : Band 1

Gambar 43. B1:Band 1 Setelah koreksi

B2 : Band 2

Gambar 43 . B2 : Band 2 setelah koreksi

B3 : Band 3

Gambar 44. B3 : Band 3 setelah koreksi

B4 : Band 4

Gambar 45.B4 : Band 4 setelah koreksi

B5 : Band 5

Gambar 46. B5 : Band 5 setelah koreksi

B7:Band 7

Gambar 47. B7: Band 7 setelah koreksi

4.1 Pembahasan
4.2.1 Memeriksa Nilai Atmospheric Bias Citra
Tujuan dari memeriksa nilai atmosferik bias citra adalah untuk mengetahui
bias yang terjadi pada citra akibat dari adanya hamburan awan. Pemeriksaan ini
dilakukan dengan menggunakan edit transform limit dimana yang ditampilkan
berupa grafik kurva. Bila semakin tinggi nilai minimum actual limits menunjukan
bahwa nilai bias yang semakin tinggi pula yang di indikasikan bahwa citra tersebut
terdapat banyak awan. Koreksi sangat dibutuhkan untuk menghilangkan awan yang
menutupi daerah tersebut. Nilai atmospheric citra yang di periksa adalah Landsat
_TM_23Apr. yang dimana nilai bias untuk band 1 adalah minimum 68 dan
maksimum 255; band 2 minimum 21 dan maksimum 223; band 3 minimum 15 dan
maksimum 254 ; band 4 minimum 4 dan maksimum 220 ; band 5 minimum 2 dan
maksimum 225 ; band 7 minimum 1 dan maksimum 247.
4.2.2 Penyesuaian Histogram
Penyesuaian histogram merupakan koreksi dari nilai atmosperik bias citra
yang sudah di periksa sebelumnya. Penyesuaian histogram bertujuan untuk
menghilangkan nilai bias pada citra sehingga data citra bebas dari error yang
didapat dari gangguan atmosfer. Setelah dikoreksi dengan metode penyesuaian
histogram maka nilai bias menjadi: semua band memiliki nilai maksimum 1,
dengan nilai maksimum pada band 1 adalah 187, band 2 adalah 202, band 3 adalah
239, band 4 adalah 216, band 5 adalah 253, dan untuk band 7 adalah 246.
Ketika sudah dilakukan metode penyesuaian histogram ini citra yang
dihasilkan akan lebih bersih dari hamburan atmosfer atau awan, sehingga citra ini
akan lebih mudah untuk dianalisis oleh pengguna. Setelah dikoreksi, nilai bias yang
berada dalam jangka bilangan -2, -1, 0, 1, 2. Yang menandakan bahwa citra berhasil
di koreksi.

4.2.3 Penyesuaian Regresi

4.2.3.1 DPC (Dark Pixel Correction)
Fungsi DPC ini adalah dapat menampilkan histogram yang dapat
menunjukan tiap saluran secara independent dan dapat diketahui nilai piksel
terendah dan tertinggi pada suatu saluran dan dapat diasumsikan bahwa metode ini
dilandasi proses pemotretan digital oleh sensor, obyek yang memberikan respon
spectral paling lemah atau tidak sama sekali seharusnya 0.
Nilai yang di dapatkan untuk band pada saat sebelum penyesuaian adalah
untuk band 1 nilai minimum, maksimum adalah 0,188; untuk band 2 minimum0,
maksimum 196; band 3 minimum 0, maksimum 239; band 4 minimum -2 dan
maksimum 205; band 5 minimum -1 dan maksimum 253; band 7 minnimum 0 dan
maksimum 246. Nilai yang didapat setelah penyesuaian adalah untuk semua band
minimum 1 dan untuk nilai maksimum adalah band 1 =188, band 2 = 203, band 3
= 235, band 4 = 215, band 5 = 253, band 7 = 246.
Setelah dilakukan proses DPC ini maka semua band akan memiliki nilai
minimum 1 yang menandakan bahwa citra sudah lebih bersih dan lebih jelas dari
sebelumnya.
4.2.3.2 Edpc (Enchanched Dark Pixel Correction)
Enchanced Dark Pixel Correction digunakan untuk mengkoreksi kesalahan
radiometri dari suatu citra dengan enchance sebagai hasilnya lebih diinterpretasi
untuk aplikasi tertentu. Metode ini di lakukan dengan mengurangkan masing -
masing band dengan minimum digital number nol. Nilai TM yang dijadikan acuan
hanya TM 1 saja. Sama seperti meotde DPC, citra yang telah di koreksi harus di
periksa terlebih dahulu unutk nilai actual input limitnya sudah berada dalam batas
toleransi yaitu -1 dan 2.
Awalnya, band 1 memiliki niliai minimal 0 dan nilai maksimal 188,band 2
memiliki nilai minimal -6.08 dan nilai maksimal 188.91, band 3memiliki nilai
minimal -9.88 dan nilai maksimal 229.11, band 4 memilikinilai minimal -14.11 dan
nlai maksimal 192.88, band 5 memiliki nilaiminimal -29.11 dan nilai maksimal
224.88, dan band 7 dengan nilai minimal -30.2 dan nilai maksimal 215.77. Dan
dengan metode ini dapat dihasilkan hasil koresksi mendapat nilai miniumum 1
untuk semua band.

4.2.3.3 Cut Off Scattergram

Spesifik value dari cut off adalah TM 1 sampa TM 5 dan TM 7. Sama
dengan proses sebelumnya untuk nilai band 6 di cut layer. Kemudian nilai yang di
dapatkan sebelum koreksi pada band 1 adalah minimum -1 dan maksimum 187;
untuk band 2 minimum 0 dan maksimum 195; untuk band 3 minimum 0 dan
maksimum 239; untuk band 4 minimum -2 dan maksimum 205; untuk band 5
minimum 0 dan maksimum 254; untuk band 7 minimum 0 dan maksimum 246.
Kemudian setelah mengalami penyesuaian di dapat hasil sebagai berikut; untuk
nilai minimum semua band adalah 1, dengan nilai maksimum band 1 = 187, band
2 = 202, band 3 = 239, band 4 = 215, band 5 = 254, band 7 = 246
 V. PENUTUP

5.1 Kesimpulan

1. Koreksi radiometri merupakan pemrosesan gambar digital untuk

meningkatkan nilai kecerahan. Tujuan dari koreksi radiometrik ini, untuk
menghilangkan ganguan yang ditimbulkan oleh kesalahan sistem optik pada
sensor, gangguan atmosfer, dan pengaruh sudut elevasi matahari.
2. Atmospheric bias cahaya merupakan metode paling mudah dan cepat untuk
dilakukan baik dari segi waktu maupun kerumitan karena tidak melibatkan
perhitungan matematis yang cukup rumit.
3. Penyesuaian histogram dilakukan untuk memperbaiki kualitas citra yang
akan digunakan dan dapat menunjukkan banyak hal tentang kecerahan
(brightness) dan kontras (contrast) dari sebuah citra.
4. Dark Pixel Correction merupakan metode yang digunakan untuk
menghilangkan efek gelap yang ditimbulkan oleh atmosfer pada citra.
Tujuan utamanya adalah untuk memperbaiki nilai radiometrik (pixel value).
5. Enhanced Dark Pixel Correction merupakan bagian dari
metodepenyesuaian regresi yang digunakan untuk menghilangkan efek dari
atmosfer untuk Image Enhancement (Penajaman Citra) dan prinsip serta
cara kerjanya hampir sama dengan DPC.
6. Cut Off Scattergram untuk membantu menganalisis data yang bekerja pada
data dalam mode spektral, scattegram juga berguna untuk klasifikasi tanah,
membuat raster daerah, dan membuat poligon vektor.
5.2. Saran

1. Sebaiknya praktikan sebelum melakukan praktikum ini sudah

membaca modul atau literatur yang berkaitan dengan koreksi
radiomteri
2. Untuk pratikan pada saat sedang dilaksanakan asistensi mohon
untuk lebih memperhatikan.
3. Kegiatan pretest sebaiknya dikemas dengan hal yang seru seperti
lewat quiziz
 DAFTAR PUSTAKA

Biday, S. G., dan Bhosle, U. 2012. Relative radiometric correction of multitemporal

satellite imagery using Fourier and wavelet transform. Journal of the
Indian Society of Remote Sensing, 40(2) : 201-213.
Frasetya, B. U. D. Y., et al. 2018. Pemanfaatan Citra Landsat 8 dan Google Earth
untuk Identifikasi Lahan Sawah di Kecamatan Cibiru KotaBandung. E-
Jurnal Agroekoteknologi Tropika, 7(3): 428-436.

Helmi, M., et al .2012. Analisis Respon Spektral Dan Ekstraksi Nilai Spektral
Terumbu Karang Pada Citra Digital Multispektral Satelit ALOS-AVNIR
Di Perairan Gugus Pulau Pari, Kepulauan Seribu, Jakarta. Buletin
Oseanografi Marina, 1(1) : 120 – 136

Ihlas, I., et al. 2018. Akuisisi Data Batimetri Menggunakan Citra Satelit Spot-7
Diperairan Teluk Halong Kota Ambon. Jurnal hidropilar, 4(1) : 9-17.

Octarina, T., et al. 2019. Penginderaan Jauh Pemrosesan Data Satelit Landsat 8
Untuk Deteksi Genangan. J. Ilm. Merpati Univ. Udayana, 7(1) : 77-85.

Putra, A. 2018. Pendekatan Metode Normalized Difference Vegetation Index

(Ndvi) Dan Lyzenga Untuk Pemetaan Sebaran Ekosistem Perairan Di
Kawasan Pesisir Teluk Benoa, Bali. Geomatika, 23(2) : 87-94.

Rahayu, C. D., et al.2014. Koreksi Radiometrik Citra Landsat-8 Kanal

Multispektral Menggunakan Top Of Atmosphere (Toa) Untuk Mendukung
Klasifikasi Penutup Lahan. In Seminar Nasional Penginderaan Jauh. 762 –
768
Sinaga, S. H., et al .2018. Analisis Ketersediaan Ruang Terbuka Hijau Dengan
Metode Normalized Difference Vegetation Index dan Soil Adjusted
Vegetation Index Menggunakan Citra Satelit Sentinel-2A (Studi Kasus:
Kabupaten Demak). Jurnal Geodesi Undip, 7(1): 202-211.