PENGGUNAAN FOTOGRAMETRI RENTANG DEKAT

SEBAGAI ALAT BANTU PEMBUATAN AS-BUILT

DRAWING

TUGAS AKHIR

Diajukan Sebagai Salah Satu Syarat Pengajuan Penyusunan Tugas Akhir

oleh

FAJAR IRAWAN

15107060

PROGRAM STUDI TEKNIK GEODESI DAN GEOMATIKA

FAKULTAS ILMU DAN TEKNOLOGI KEBUMIAN

INSTITUT TEKNOLOGI BANDUNG

2012
 LEMBAR PENGESAHAN

Tugas Akhir Sarjana

PENGGUNAAN FOTOGRAMETRI RENTANG DEKAT SEBAGAI ALAT BANTU
PEMBUATAN AS-BUILT DRAWING

Adalah benar dibuat oleh saya sendiri dan belum pernah dibuat dan diserahkan sebelumnya,
baik sebagian maupun seluruhnya, baik oleh saya maupun oleh orang lain, baik di ITB
maupun di instansi pendidikan lainnya.

Bandung, Maret 2012

Penulis,

Fajar Irawan
NIM. 151 07 060
Bandung, Maret 2012
Pembimbing
Pembimbing 1, Pembimbing 2,

Dr. Deni Suwardhi, ST., MT. Ir. Biemo W. Soemardi, MSE., Ph.D.
NIP. 19690920 199601 1 001 NIP. 19550327 198010 1 001

Disahkan Oleh :
Ketua Program Studi Teknik Geodesi dan Geomatika
Fakultas Ilmu dan Teknologi Kebumian
Institut Teknologi Bandung

Dr. Ir. Kosasih Prijatna, M.Sc

NIP. 19600702 198810 1 001

ii
 LEMBAR PENGHARGAAN

Bagian ini khusus ditujukan untuk menyatakan terima kasih kepada pihak-pihak yang
telah membantu dalam penyelesaian Tugas Akhir ini. Terima kasih kepada :

1. Allah SWT atas segala lindungan dan rahmat yang diberikan sehingga Tugas Akhir ini
dapat selesai dengan lancar.
2. Datio Laksono dan Tati Moeljati, SE selaku orang tua penulis yang selalu mendukung
setiap keputusan penulis dan memberikan dorongan luar biasa di setiap langkah yang
telah diambil.
3. Dr. Deni Suwardhi, ST., MT. sebagai pembimbing I yang telah memberikan waktu
dan saran yang berharga untuk membantu penyelesaian Tugas Akhir ini dan Ir. Biemo
W. Soemardi, MSE., Ph.D sebagai pembimbing II yang telah memberikan
pengetahuan yang sangat berguna dalam bidang konstruksi sipil.
4. Prof. Ir. Ketut Wikantika, M.Eng., Ph.D sebagai dosen wali penulis yang telah
memberikan saran dan perhatian yang sangat berarti selama proses studi penulis.
5. Dr. Ir. Kosasih Prijatna, M.Sc sebagai Ketua Program Studi Teknik Geodesi dan
Geomatika ITB.
6. Dr. Ir. Wedyanto Kuntjoro, M.Sc selaku direktur Sarana dan Prasarana ITB yang telah
membantu menyediakan data pendukung Tugas Akhir ini.
7. Staf pengajar Teknik Geodesi dan Geomatika yang telah membagi pengetahuan dan
pengalaman luar biasa selama penulis berkuliah.
8. Staf Tata Usaha Teknik Geodesi dan Geomatika untuk segala dedikasi dalam
membantu kelancaran proses administrasi selama penulis berkuliah.
9. Rekan-rekan mahasiswa Geodesi dan Geomatika.

iii
 UCAPAN TERIMA KASIH

Ucapan terima kasih sebesar-besarnya penulis sampaikan kepada :

1. Ahmad Barnes, Johan Pramono, dan Ihsan Ramadhan sebagai teman, sahabat, dan
saudara di setiap diskusi dan partner bersaing mengejar wisuda April 2012.
2. Raditya “Itong” Wahyu, Sam Dipowiguno, Renda Bhakticaksa, Sam Ade Rahadian,
Sam Najih Matlubi, Imam Syafril Hamdani, Manggala “Menggo” Mahardhika, Andi
Nugroho, Fachri Adya, Ranu Wirantono, Fadli Hartono sebagai teman-teman di kala
susah maupun senang di rumah kontrakan Jalan Cisitu Indah II no. 17.
3. Arnadi Dhestaratri Murtiyoso sebagai teman sekaligus guru yang selalu sabar
menjelaskan tentang fotogrametri rentang dekat.
4. David Ramot, Anggiat “Madox” M.H.S, Cahaya “Jeco” Danurwendi, M. Syaifudin,
Aditya Nugroho, Dimas Satya Manggala, Hanna Fadhila, Mochtar Sulaiman, Tengku
Emri Fauzan untuk semua persaudaraan, harapan, mimpi, dan pengalaman luar biasa
di PT. Procon Protelindo.
5. Diandra Arinita, Siska Rusdi Nengsih, Syarif Hidayatullah, Ferdi Raditya, Ariza
Aryani, Citra Khairunnisa, Yustisi Ardhitasari, Isfariani, Sitarani untuk semangat
belajar dan bekerja selama di SISTECH.
6. Diaz Adi Prasetyo dan Surahman Putra yang telah membantu pengambilan data Tugas
Akhir.
7. Nanda Mufli S, Hendra Kurniawan, Arif Kurniawan, dan Wiznu Praditama sebagai
sahabat, saudara yang selalu memberikan semangat dan doa di setiap kesempatan saat
di Malang.
8. Ossy Maulita yang telah meluangkan waktunya untuk kemampuan luar biasa sebagai
editor dalam Tugas Akhir ini. Terima kasih.
9. Semua pihak yang tidak dapat disebutkan satu per satu.

iv
 KATA PENGANTAR

Pemodelan tiga dimensi saat ini telah berkembang dengan pesat dengan digunakannya
dalam berbagai aplikasi. Salah satu aplikasi metode ini adalah di bidang konstruksi sipil.
Sebagaimana diketahui bangunan sipil merupakan salah satu kebutuhan dasar setiap manusia.
Ketersediaan gambar as-built dari bangunan konstruksi merupakan hal yang sangat penting
dalam dunia konstruksi karena dapat digunakan sebagai manajemen ruangan, penentuan
rencana renovasi, dan penentuan jalur evakuasi saat terjadi bencana. Oleh karena itu
kebutuhan pembuatan gambar as-built terbaru semakin mendesak untuk dilakukan.

Untuk itu dalam Tugas Akhir ini bertujuan untuk mencoba menggunakan metode
fotogrametri rentang dekat dalam pembuatan gambar as-built untuk kepentingan jangka
panjang dari suatu bangunan konstruksi. Dengan kelebihan seperti kecepatan pengambilan
data, pengolahan data yang sederhana, hingga hasil dengan kualitas geometri yang baik,
Tugas Akhir ini bertujuan untuk melihat apakah metode fotogrametri rentang dekat dapat
digunakan sebagai metode baru dalam pembuatan gambar as-built.

Dalam pengerjaan Tugas Akhir ini tentu masih terdapat banyak kekurangan yang
dilakukan penulis baik dalam proses maupun hasil yang diperoleh. Namun dengan
kekurangan tersebut akan membuka ruang untuk penelitian lebih lanjut dan inovasi yang
baru. Walaupun tidak sempurna, penelitian ini akan menjadi suatu catatan penting dalam
pengembangan di masa depan.

Bandung, 14 Februari 2012

Penulis

v
Kupersembahkan untuk Kedua Orang Tuaku

Datio Laksono dan Tati Moeljati

vi
 ABSTRAK

Ketersediaan As-Built Drawing dari setiap bangunan gedung merupakan hal penting
dalam dunia konstruksi sipil. Berbagai pengambilan keputusan selalu dilakukan dengan
melihat As-Built Drawing terbaru. Bangunan gedung yang tidak memiliki As-Built Drawing
diperlukan pembuatan gambar terbaru untuk berbagai keperluan di masa mendatang. Studi
kasus yang dilakukan merupakan bangunan gedung Campus Centre Barat Institut Teknologi
Bandung. Metode fotogrametri rentang dekat dapat digunakan untuk membantu pembuatan
As-Built Drawing yang berkualitas, dan murah. Dalam Tugas Akhir ini dijelaskan mengenai
penggunaan fotogrametri rentang dekat untuk membantu pengerjaan pembuatan As-Built
Drawing. Metode ini diawali dengan pengambilan foto objek dari berbagai sudut untuk
merekonstruksi secara dijital bangunan gedung. Foto tersebut diolah dengan perangkat lunak
Photomodeler Scanner untuk menghasilkan model sparse point cloud. Hasil pemodelan
tersebut kemudian diproyeksikan secara orthogonal untuk dibuat As-Built Drawing. Dari
hasil penelitian menunjukkan metode fotogrametri rentang dekat dapat digunakan sebagai
metode baru pembuatan As-Built Drawing setelah membandingkan ketelitiannya dengan
pengukuran menggunakan pita ukur dan Electronic Total Station (ETS). Hasil yang diberikan
metode ini merupakan model yang akurat menggunakan alat dan pengolahan data yang
sederhana.

Kata kunci— Fotogrametri rentang dekat, As-Built Drawing, Campus Centre Barat ITB,
Photomodeler Scanner

vii
 ABSTRACT

As-Built Drawing availability of any building is an important thing in the civil

construction. Various decision-making is always done based on the latest as-built drawings.
Buildings that do not have as-built drawing require new as-built drawing for various purposes
in the future. Close range photogrammetry method can be used to help creates an inexpensive
and high quality as-built drawing. This method only needs unsophisticated tool and allows
simple data processing calculation to create an accurate model. In this final assignment
describes the use of close range photogrammetry to assist the making of as-built drawings.
West Campus Center ITB is the object of this final assignment. This method began with
taking pictures of objects using camera from different angles to reconstruct the digital
building. The pictures were processed using photomodeler scanner software to produce a
sparse point cloud model. Then, this model projected orthogonally to create as-built drawing.
By comparing the measurement accuracy by using a tape measurement and Electronic Total
Station tools, the result shows the close range photogrammetric method can be used as a new
method of creating as-built drawing.

Keywords close-range photogrammetry, As-Built Drawing, West Campus Centre ITB,

photomodeler scanner

viii
 DAFTAR ISI

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

LEMBAR PENGHARGAAN...................................................................................................ii

UCAPAN TERIMA KASIH....................................................................................................iii

KATA PENGANTAR..............................................................................................................iv

ABSTRAK................................................................................................................................vi

ABSTRACT............................................................................................................................viii

DAFTAR ISI...........................................................................................................................viii

DAFTAR GAMBAR................................................................................................................xi

DAFTAR TABEL...................................................................................................................xiii

BAB 1 PENDAHULUAN.........................................................................................................1

1.1 Latar Belakang.............................................................................................................1

1.2 Rumusan Masalah.......................................................................................................3

1.3 Tujuan..........................................................................................................................3

1.4 Batasan Masalah..........................................................................................................3

1.5 Metodologi..................................................................................................................4

1.6 Sistematika Penulisan..................................................................................................6

BAB 2 STUDI LITERATUR.....................................................................................................7

2.1 Fotogrametri Rentang Dekat.......................................................................................7

2.1.1 Metode Kalibrasi dalam Fotogrametri Rentang Dekat........................................9

2.1.2 Prinsip Kesegarisan dalam Fotogrametri Rentang Dekat..................................11

2.1.3 Geometri Satu Kamera.......................................................................................13

2.1.4 Geometri Banyak Kamera..................................................................................14

2.1.5 Perataan Berkas (Bundle Adjustment)................................................................15

2.1.6 Target.................................................................................................................15

ix
 2.2 Pemodelan 3 dimensi.................................................................................................17

2.2.1 Sparse Point.......................................................................................................17

2.2.2 Dense Point Cloud.............................................................................................18

2.3 Manajemen Konstruksi..............................................................................................19

2.4 Penggunaan Fotogrametri Rentang Dekat dalam Konstruksi...................................20

2.5 Resume......................................................................................................................23

BAB 3 TAHAPAN STUDI......................................................................................................25

3.1 Studi Kasus................................................................................................................25

3.2 Peralatan....................................................................................................................26

3.3 Kalibrasi Kamera.......................................................................................................27

3.4 Uji Coba Awal...........................................................................................................29

3.5 Pengambilan Data......................................................................................................31

3.6 Pemodelan 3 Dimensi................................................................................................33

3.6.1 Marking..............................................................................................................33

3.6.2 Perataan Berkas..................................................................................................34

3.6.3 Penyekalaan (Scalling).......................................................................................35

3.7 Pembuatan Gambar As-Built.....................................................................................36

BAB 4 HASIL DAN ANALISIS.............................................................................................37

4.1 Uji Coba Awal...........................................................................................................37

4.1.1 Hasil Uji Coba....................................................................................................37

4.1.2 Analisis Uji Coba...............................................................................................39

4.2 Kalibrasi....................................................................................................................39

4.2.1 Hasil Kalibrasi....................................................................................................40

4.2.2 Analisis Kalibrasi...............................................................................................41

4.3 Pemodelan 3 Dimensi................................................................................................41

4.3.1 Hasil Pemodelan.................................................................................................41

4.3.2 Analisis Pemodelan............................................................................................44

x
 4.4 Pembuatan As-Built Drawing Konstruksi.................................................................55

4.4.1 Hasil As-Built Drawing......................................................................................55

4.4.2 Analisis As-Built Drawing.................................................................................56

BAB 5 KESIMPULAN DAN SARAN....................................................................................59

5.1 Kesimpulan................................................................................................................59

5.2 Saran..........................................................................................................................59

DAFTAR REFERENSI...........................................................................................................61

LAMPIRAN.............................................................................................................................63

xi
 DAFTAR GAMBAR

Gambar 1.1 Gedung PAU ITB...................................................................................................2

Gambar 1.2 Hasil pemodelan gedung PAU ITB........................................................................3
Gambar 1.3 Diagram alur penelitian..........................................................................................5
Gambar 2.1 Diagram alir pemodelan fotogrametri rentang dekat (Suwardhi, 2007)................7
Gambar 2.2 Lembar Kalibrasi Photomodeler..........................................................................10
Gambar 2.3 Prinsip Kolinearitas (Wolf & Dewitt, 2000)........................................................12
Gambar 2.4 Geometri satu kamera (Suwardhi, 2007)..............................................................13
Gambar 2.5 Geometri banyak kamera (Atkinson, 1996).........................................................14
Gambar 2.6 Target tanpa kode (Marker)..................................................................................16
Gambar 2.7 Target Berkode (Coded target) Lingkaran Konsentris, a) 8-bit, b) 10-bit, c) 12-
bit..............................................................................................................................................16
Gambar 2.8 Target berkode (Coded target) sebaran titik........................................................17
Gambar 2.9 Pembacaan coded target sebaran titik (Moe et al., 2010)....................................17
Gambar 2.10 Bentuk geometri pengambilan gambar secara konvergen (Murtiyoso, 2011)...18
Gambar 2.11 Bentuk geometri pengambilan data secara stereo (Murtiyoso, 2011)................18
Gambar 2.12 Bentuk gambar As-Built dan As-planned secara analog.....................................21
Gambar 3.1 Situasi gedung CC Barat ITB...............................................................................25
Gambar 3.2 Kamera Nikon D5000 yang digunakan saat pengambilan data...........................27
Gambar 3.3 Perbedaan sistem koordinat Australis dan Photomodeler (Suwardhi, 2011).......28
Gambar 3.4 Situasi ruangan tempat pengambilan data kalibrasi.............................................29
Gambar 3.5 Tampak depan gedung PAU yang digunakan sebagai uji coba...........................30
Gambar 3.6 Denah situasi gedung CC Barat dan jalur pengambilan data...............................31
Gambar 3.7 Foto hasil pengambilan data.................................................................................32
Gambar 3.8 Hasil marking pada Gedung CC Barat.................................................................34
Gambar 3.9 Konfigurasi kamera saat pengambilan data dan hasil perataan berkas................34
Gambar 4.1 Model sparse 3 dimensi gedung PAU..................................................................38
Gambar 4.2 Tampak atas model sparse 3D gedung PAU........................................................38
Gambar 4.3 Gambar 2 dimensi hasil proyeksi gedung PAU...................................................38

xii
Gambar 4.4 Hasil pemodelan bangunan gedung Campus Center Barat ITB...........................41
Gambar 4.5 Hasil pemodelan tampak depan eksterior.............................................................42
Gambar 4.6 Hasil pemodelan tampak samping kanan eksterior..............................................42
Gambar 4.7 Hasil pemodelan interior......................................................................................42
Gambar 4.8 Hasil pemodelan interior......................................................................................43
Gambar 4.9 Hasil pemodelan basement...................................................................................43
Gambar 4.10 Hasil pemodelan basement.................................................................................43
Gambar 4.11 Situasi basement Campus Center ITB................................................................46
Gambar 4.12 Sketsa posisi titik di bangunan gedung CC Barat ITB.......................................48
Gambar 4.13 Persebaran jumlah titik berdasarkan sudut pengambilan foto............................49
Gambar 4.14 Perbandingan geometri sudut.............................................................................50
Gambar 4.15 Persebaran posisi pengambilan foto...................................................................51
Gambar 4.16 Kriteria pemodelan yang baik............................................................................52
Gambar 4.17 Penempatan titik ikat antar project.....................................................................53
Gambar 4.18 Denah penempatan titik ikat antar project.........................................................53
Gambar 4.19 Gambar As-Built tampak depan bangunan gedung CC barat ITB.....................55
Gambar 4.20 Gambar As-Built tampak atas bangunan gedung CC barat ITB.........................56
Gambar 4.21 Gambar As-Built interior bangunan gedung CC barat ITB................................56
Gambar 4.22 Sketsa posisi pengukuran jarak..........................................................................58

xiii
 DAFTAR TABEL

Tabel 2.1 Parameter orientasi dalam kamera yang ditentukan saat kalibrasi kamera..............10
Tabel 3.1 Spesifikasi kamera Nikon D5000............................................................................26
Tabel 4.1 Parameter kalibrasi kamera Canon EOS 450D........................................................37
Tabel 4.2 Hasil kalibrasi kamera Nikon D5000.......................................................................40
Tabel 4.3 Hasil transformasi koordinat Australis ke Photomodeler........................................40
Tabel 4.4 Perbandingan titik menggunakan parameter kalibrasi dan tanpa parameter kalibrasi
..................................................................................................................................................44
Tabel 4.5 Statistik hasil pemodelan bagian eksterior CC Barat ITB.......................................44
Tabel 4.6 Statistik hasil pemodelan interior gedung Campus Center Barat ITB.....................45
Tabel 4.7 Statistik hasil pemodelan basement gedung Campus Center Barat ITB..................45
Tabel 4.8 Koordinat titik untuk perhitungan ketelitian garis pada model................................46
Tabel 4.9 Ketelitian dari garis pada model..............................................................................47
Tabel 4.10 Perbandingan ukuran dan ketelitian fotogrametri rentang dekat, pita ukur, dan
ETS...........................................................................................................................................49
Tabel 4.11 Tingkat presisi dan akurasi tiap sumbu..................................................................51
Tabel 4.12 Koordinat titik ikat antar project di eksterior.........................................................52
Tabel 4.13 Hasil transformasi interior ke eksterior..................................................................53
Tabel 4.14 Statistik transformasi koordinat interior ke eksterior.............................................54
Tabel 4.15 Koordinat titik ikat antar project di eksterior.........................................................54
Tabel 4.16 Hasil transformasi basement ke eksterior..............................................................54
Tabel 4. 17 Statistik transformasi koordinat basement ke eksterior........................................54
Tabel 4.18 Selisih ukuran jarak Campus Center ITB..............................................................57
Tabel 4.19 Tabel prosentase kesalahan ukuran jarak...............................................................57

xiv
 BAB 1

PENDAHULUAN

1.1 Latar Belakang

Kebutuhan As-Built Drawing dari suatu bangunan konstruksi merupakan hal yang
sangat mendasar untuk berbagai keperluan di bidang konstruksi sipil. Contoh paling nyata
yaitu jika akan melakukan renovasi suatu bangunan, gambar yang pertama dilihat adalah As-
Built Drawing dan bukannya gambar As-planned. Hal ini dilakukan karena kebutuhan untuk
melihat kondisi yang terbaru dan sebenarnya dari suatu bangunan konstruksi. Berbagai
macam gambar terdapat dalam suatu As-Built Drawing, diantaranya adalah jaringan listrik,
jaringan air, denah ruangan, ukuran bangunan, dan tampak luar dari bangunan.
Pengertian dari As-Built drawing sendiri adalah suatu gambar yang dibuat setelah
suatu pekerjaan konstruksi selesai dilakukan. Secara umum pembuatan As-Built Drawing
adalah tanggung jawab kontraktor sebagai pihak yang melakukan pembangunan konstruksi,
kecuali jika kontraktor tersebut menggunakan jasa konsultan untuk membantunya maka pihak
konsultan ini yang akan membantu dalam pembuatan As-Built Drawing dari construction
drawing disertai dengan perubahan-perubahan yang ada selama masa konstruksi. Dalam
kasus ini, biaya konsultasi masuk ke dalam nilai proyek yang dimiliki oleh kontraktor utama.
Menurut hasil survey di Inggris pada tahun 1986, perubahan desain yang sering
mengakibatkan klaim pada pekerjaan atap mencapai 25%, pekerjaan strukstural mencapai
20%, dan pekerjaan sub-struktur mencapai 16%. 80% permasalahan yang terjadi berasal dari
claim pemilik bangunan terhadap konsultan (Cornes, 1994). Dengan melihat statistik
tersebut, sebagai upaya pencegahan bagi masalah klaim yang mungkin terjadi maka segala
usaha perubahan dari suatu konstruksi sipil akan memerlukan As-Built Drawing terbaru.
Meskipun merupakan suatu keharusan, As-Built Drawing suatu bangunan gedung
sering kali tidak tersedia sementara kebutuhan akan As-Built Drawing tersebut sangat penting
dan mendesak, khususnya untuk keperluan manajemen ruang, pemeliharaan, dan operasional
gedung. Masalah dapat muncul saat suatu pekerjaan konstruksi bangunan selesai dilakukan
namun kontraktor tidak melakukan pembuatan As-Built drawing terbaru. Hal ini akan
mempersulit keadaan jika di masa mendatang terjadi keterbatasan informasi gambar saat akan
dilakukan analisis terhadap bangunan tersebut.

xv
 Proses pembuatan As-Built Drawing yang dilakukan setelah pekerjaan konstruksi
selesai, bukanlah suatu pekerjaan mudah. Pihak kontraktor akan datang ke lokasi bangunan
dan melakukan pengukuran setiap sisi dan sudut yang ada dengan pita ukur atau Electronic
Total Station (ETS), kemudian digambar kembali bangunan tersebut melalui proses
penyekalaan (scaling). Proses ini akan memakan waktu yang lama untuk jenis bangunan
berskala besar atau bangunan dengan tingkat kerumitan yang tinggi dalam desainnya.
Sementara kebutuhan pembuatan suatu As-Built Drawing yang cepat dan teliti sangat penting
dalam dunia konstruksi karena berfungsi sebagai suatu dasar dalam penentuan keputusan
selanjutnya terkait dengan perubahan yang akan terjadi. Hal ini menuntut perkembangan
metode pembuatan As-Built Drawing yang dapat mengatasi permasalahan tersebut.
Metode fotogrametri rentang dekat dapat menjadi salah satu solusi dalam pembuatan
As-Built Drawing. Penggunaan metode fotogrametri rentang dekat dalam pembuatan As-Built
Drawing memiliki beberapa kelebihan. Metode ini dapat dilakukan dengan pengukuran tanpa
harus bersentuhan secara langsung dengan objek terutama untuk objek dengan tingkat
kerumitan tinggi dan sulit diakses. Keuntungan utama dari metode ini adalah kecepatan
proses akuisisi data dan tingginya kualitas geometri yang dihasilkan. Selain itu biaya yang
harus dilakukan untuk melakukan metode ini juga tergolong kecil karena hanya
membutuhkan sebuah kamera.

Gambar 1.1 Gedung PAU ITB

Sebuah uji coba telah dilakukan untuk melihat keberhasilan metode fotogrametri
rentang dekat dalam memodelkan suatu bangunan gedung. Hasil dari model tersebut
kemudian diproyeksikan agar dapat dihasilkan As-Built Drawing. Uji coba dilakukan pada
gedung PAU yang terdapat di Institut Teknologi Bandung (ITB). Keadaan sebenarnya
gedung PAU dapat dilihat pada gambar 1.1. Sedangkan untuk hasil pemodelan dari gedung
PAU dapat dilihat pada gambar 1.2. Dengan melihat kualitas hasil pemodelan tersebut dapat
xvi
dilihat bahwa metode fotogrametri rentang dekat memiliki potensi untuk membantu
pembuatan As-Built Drawing.

Gambar 1.2 Hasil pemodelan gedung PAU ITB

Tugas akhir ini berisi tentang pembahasan mengenai penggunaan metode fotogrametri
rentang dekat dalam pembuatan suatu As-Built Drawing dari suatu bangunan konstruksi sipil.

1.2 Rumusan Masalah

Masalah yang akan dibahas dalam tugas akhir ini adalah tidak tersedianya suatu
gambar As-Built dari kebanyakan bangunan gedung terutama untuk yang telah lama berdiri.
Contoh utama dari masalah ini adalah di kampus Institut Teknologi Bandung.
Berdasarkan masalah tersebut metode fotogrametri rentang dekat akan membantu
dalam hal pembuatan gambar As-Built dari bangunan gedung. Dengan metode fotogrametri
rentang dekat akan dicari tahu sejauh apa metode ini dapat membantu dalam pembuatan
gambar As-Built baik dalam hal kualitas maupun kemudahan dalam penggunaannya.

1.3 Tujuan
Tujuan dari penelitian ini adalah untuk mengetahui seberapa jauh metode fotogrametri
rentang dekat dapat membantu pembuatan As-Built Drawing dari suatu bangunan gedung
untuk digunakan sebagai dokumentasi digital dari bangunan gedung.

1.4 Batasan Masalah

Oleh karena masalah yang dibahas dapat menjadi sangat luas maka batasan dalam
mengerjakan tugas akhir ini meliputi :
1. Studi kasus penelitian adalah bangunan gedung Campus Centre Barat yang berlokasi
di Institut Teknologi Bandung.

xvii
 2. Metode yang digunakan adalah fotogrametri rentang dekat dengan kamera non-metrik
tipe DSLR.
3. Rekonstruksi model 3 dimensi dari foto konstruksi di lapangan dilakukan dengan
metode sparse point.
4. As-Built Drawing dibuat hanya dari model 3 dimensi yang telah direkonstruksi
sebelumnya.

1.5 Metodologi
Metodologi penelitian yang dilakukan dalam penelitian ini mencakup 5 langkah
utama yaitu studi literatur, pengambilan data, pengolahan data, pembuatan gambar As-Built,
analisis hasil, dan penarikan kesimpulan. Untuk penjelasan lebih lanjut dari metodologi
penelitian adalah sebagai berikut:
1. Studi literatur merupakan tahap-tahap awal sebelum penelitian dilakukan dengan
mencari referensi baik dari buku tentang konstruksi, buku tentang fotogrametri
rentang dekat, laporan penelitian yang pernah dilakukan, dan juga informasi dari
internet.
2. Pengambilan data dilakukan dengan menggunakan kamera non-metrik tipe DSLR.
Data yang diambil adalah foto tampak luar dari suatu bangunan konstruksi di
lapangan.
3. Pengolahan data lapangan dilakukan dengan cara merekonstruksi model 3 dimensi
dari data citra As-Built bangunan konstruksi yang telah diambil sebelumnya,
kemudian dibuat gambar As-Built dari model 3 dimensi tersebut.
4. Analisis dilakukan dengan membahas hasil yang telah diperoleh dari pengolahan data.
Pembahasan mencakup hasil pemodelan 3 dimensi, gambar As-Built, dan kekurangan
yang dihasilkan dari penelitian ini.
5. Penarikan analisis, kesimpulan, dan saran dilakukan dengan memperhatikan hasil
yang telah diperoleh dari semua proses penelitian agar dapat berguna untuk penelitian
selanjutnya.

Secara umum skema metodologi penelitian yang dilakukan penulis dalam penulisan tugas
akhir ini adalah sebagai berikut :

xviii
Gambar 1.3 Diagram alur penelitian

xix
1.6 Sistematika Penulisan
Sistematika penulisan Tugas Akhir ini adalah sebagai berikut :

Bab 1 Pendahuluan
Bab ini menjelaskan tentang hal-hal mendasar penulisan tugas akhir yang meliputi latar
belakang, rumusan masalah, tujuan, batasan masalah, metodologi penelitian, dan
sistematika penulisan.

Bab 2 Studi Literatur

Bab ini akan membahas tentang teori-teori dasar yang terkait dengan penulisan Tugas
Akhir ini baik berupa kutipan, buku, maupun segala hal dijadikan referensi dalam
penulisan.

Bab 3 Tahapan Studi

Bab ini akan membahas tentang tahapan-tahapan yang dilakukan dalam penelitian ini
termasuk di dalamnya data yang digunakan, pembahasan yang sistematis dari setiap
tahapan selama pembuatan Tugas Akhir ini.

Bab 4 Hasil dan Analisis

Bab ini akan menjelaskan tentang hasil pengolahan data yang telah dilakukan dan juga
mengenai analisis dari proses dan hasil yang telah diperoleh.

Bab 5 Kesimpulan dan Saran

Bab ini akan menjelaskan kesimpulan dari pembahasan hasil penelitian yang telah
dilakukan dan saran-saran yang berkaitan dengan hasil penelitian jika terdapat hal-hal
yang perlu diperbaiki di kemudian hari.

xx
 BAB 2
STUDI LITERATUR

Dalam bab ini akan dibahas mengenai dasar-dasar teori yang digunakan dalam
penelitian ini, sekaligus hasil studi dari beberapa sumber referensi yang digunakan. Beberapa
hal yang dibahas antara lain mengenai pemodelan 3 dimensi dengan metode fotogrametri
rentang dekat sekaligus pemanfaatannya di bidang konstruksi sipil.

2.1 Fotogrametri Rentang Dekat

Fotogrametri rentang dekat didefinisikan sebagai kegiatan pengukuran suatu

objek dengan menggunakan kamera dalam jarak yang relatif dekat. Penggunaan
metode ini sangat membantu proses pengukuran objek karena dapat dilakukan dengan
cepat dan menghasilkan ketelitian yang tinggi. Untuk hasil maksimal, dalam
pelaksanaannya harus diperhatikan semua aspek fotogrametri baik dimulai dari besar
sudut pengambilan antar titik yang terkait langsung dengan pertampalan antar citra,
hingga fokus kamera yang digunakan. Secara umum proses fotogrametri rentang dekat
ditunjukkan pada gambar 2.1, sebagai berikut :

O b jec t

C am era 1 … n

Im a g e 1 … n

Im a g e p ro ce ssin g / M a tc h in g

In te rse c tio n in sp a c e

3D - M odel

Gambar 2.4 Diagram alir pemodelan fotogrametri rentang dekat (Suwardhi, 2007)

Berdasarkan gambar 2.1, dilakukan pengambilan foto dari objek dan data
kalibrasi dengan beberapa posisi kamera. Setiap posisi kamera mengambil beberapa

xxi
foto untuk dilakukan pengolahan kalibrasi dan juga pengolahan pemodelan. Foto
dilakukan dengan mencari foto yang bertampalan kemudian bersama-sama dengan
parameter kalibrasi kamera dilakukan interseksi untuk membentuk model 3
dimensinya.

Keuntungan utama dari metode ini adalah tentang kemampuannya untuk

menghasilkan ketelitian yang tinggi dan prosedur yang mudah bahkan bagi orang
awam sekalipun. Pengguna hanya perlu mengambil citra yang saling bertampalan
sehingga dapat dilakukan rekonstruksi model. Selain itu juga harus memastikan fokus
kamera tetap sama saat melakukan pengambilan data citra dari suatu objek.
Menurut Atkinson (1980) beberapa kelebihan lain dari teknik fotogrametri rentang
dekat ini antara lain:
1. Fotogrametri rentang dekat merupakan metode yang tidak memerlukan kontak
langsung dengan objek, sehingga pengukuran dapat dilakukan walaupun akses
langsung tidak memungkinkan. Cakupan dapat berupa keseluruhan objek
maupun sebagian dari objek yang diteliti.
2. Akuisisi data dengan menggunakan fotogrametri dapat dilakukan dengan cepat.
3. Repetisi untuk evaluasi selalu dimungkinkan.
4. Fotogrametri merupakan teknik yang sangat baik jika metode lain tidak
memungkinkan dilakukan atau tidak efektif dan efisien mengingat aksesibilitas
objek yang diukur, biaya, atau kendala lainnya.

Sedangkan kekurangan dari teknologi fotogrametri rentang dekat menurut Leitch

(2002) antara lain:
1. Hasil ukuran tidak dapat diperoleh secara langsung mengingat perlu
dilakukan pengolahan dan evaluasi.
2. Pengolahan data yang relatif lama.
3. Kesalahan selama pengambilan dan pengolahan foto dapat menyulitkan
pekerjaan.

Dasar lain dari penggunaan metode ini adalah biayanya yang murah baik dalam
hal perangkat pengambilan data maupun program pengolahan datanya. Dengan hanya
bermodalkan kamera yang hampir dimiliki oleh setiap orang metode ini dapat
dilakukan untuk mendapat hasil pengukuran yang teliti. Untuk ketelitian yang

xxii
memadai usahakan menggunakan kamera dengan resolusi yang tinggi. Biaya yang
murah inilah yang menjadi salah satu alasan metode ini dipilih dalam kegiatan
pembuatan gambar As-Built bangunan gedung.

2.1.1 Metode Kalibrasi dalam Fotogrametri Rentang Dekat

Kalibrasi kamera merupakan proses penentuan karakteristik dari
jalannya sinar yang masuk ke dalam kamera saat terjadi eksposur. Parameter
yang dihasilkan dari proses kalibrasi kamera ini disebut dengan parameter
orientasi dalam. Kalibrasi kamera dilakukan untuk menentukan parameter
internal kamera yang meliputi panjang fokus (f), titik pusat fidusial foto (x0,
y0), distorsi lensa (K1, K2, K3, P1 dan P2), serta distorsi akibat perbedaan
penyekalaan dan tidak ortogonalnya antara sumbu X dan Y (Fraser,1997).
Sebelum dilakukan pengukuran dengan metode fotogrametri rentang
dekat sebaiknya dilakukan proses kalibrasi terlebih dahulu. Kalibrasi kamera
sangat penting dilakukan karena hingga proses kalibrasi selesai dilakukan,
pengukuran fotogrametri dengan kamera non-metrik tidak dapat dilakukan
(Habib and Morgan, 2005). Terkait dengan kalibrasi, terdapat 3 jenis kalibrasi
yang terdiri dari :
1. Kalibrasi In-Situ : Metode ini digunakan untuk mendapatkan hasil kalibrasi yang
terbaik dari kamera, dan umumnya berukuran besar yang tidak bisa dilakukan di
dalam laboratorium. Kalibrasi ini umumnya dilakukan ketika kamera tengah
digunakan dengan menempatkan titik kontrol secara akurat yang terdistribusi secara
rapat dan merata baik horizontal maupun vertikal.
2. Peralatan Precision Multi-Colimator : Peralatan ini digunakan untuk mengkalibrasi
kamera berformat film. Langkah kalibrasinya dengan menempatkan kamera di atas
mesin dan mengatur fokus di tak hingga. Kemudian di ambil foto dari target
menggunakan peralatan multi-colimator. Perbedaan dari x,y yang diperoleh dengan
koordinat seharusnya digunakan untuk menentukan parameter kalibrasi kamera.
3. Kalibrasi diri (Self Calibration): Metode ini menggunakan informasi dari foto yang
diambil dari suatu kamera yang akan dikalibrasi untuk menentukan parameter-
parameter kalibrasi kamera.

xxiii
 Gambar 2.5 Lembar Kalibrasi Photomodeler

Gambar di atas adalah lembar kalibrasi yang umum digunakan pada

perangkat lunak Photomodeler. Foto diambil dari setiap sisi dengan posisi
horizontal dan vertikal untuk mendapat parameter kalibrasi yang akurat.
Prinsip utama dalam pengambilan data kalibrasi adalah kebutuhan untuk suatu
objek kalibrasi yang diam dan hanya kamera yang melakukan pergerakan
mengitari objek kalibrasi. Selain itu pergerakan kamera saat pengambilan data
kalibrasi tidak perlu diketahui (Mendonca and Cipolla, 1999). Secara singkat
parameter orientasi dalam yang akan ditentukan dituliskan dalam tabel 2.1,
sebagai berikut :

Tabel 2.1 Parameter orientasi dalam kamera yang ditentukan saat kalibrasi kamera

Simbol Deskripsi

f Panjang fokus kamera

K1, K2, K3 Parameter distorsi radial
P1, P2 Parameter distorsi desentral
B1, B2 Distorsi skala differensial
x0, y0 Lokasi titik utama relative terhadap bidang sistem piksel

xxiv
 Distorsi lensa dapat menyebabkan bergesernya titik pada foto dari
posisi yang sebenarnya sehingga memberikan ketelitian pengukuran yang
tidak baik, namun tidak mempengaruhi kualitas ketajaman citra yang
dihasilkan. Distorsi lensa dapat dibagi menjadi distorsi radial dan distorsi
tangensial.

Distorsi radial adalah pergeseran linier titik foto dalam arah radial
terhadap titik utama dari posisi idealnya (Hanifa, 2007). Distorsi lensa biasa
diekspresikan sebagai fungsi polinomial dari jarak radial (r) terhadap titik
utama foto (Atkinson, 2000), sebagai berikut :

.................................................(2.1)

Distorsi tangensial atau distorsi decentric adalah pergeseran linier titik

di foto pada arah normal (tegak lurus) garis radial melalui titik foto tersebut.
Distorsi tangensial disebabkan kesalahan sentering elemen-elemen lensa dalam
satu gabungan lensa dimana titik pusat elemen-elemen lensa dalam gabungan
lensa tersebut tidak terletak pada satu garis lurus. Pergeseran ini biasa
dideskripsikan dengan 2 persamaan polinomial untuk pergeserah arah x (δx)
dan arah y (δy), sebagai berikut :

....................................................(2.2)

2.1.2 Prinsip Kesegarisan dalam Fotogrametri Rentang Dekat

Dalam sistem fotogrametri rentang dekat, prinsip yang digunakan
adalah fotogrametri analitis yang digunakan dalam pemotretan terestris.
Prinsip utama yang digunakan adalah prinsip kesegarisan/kolinearitas, yaitu
bahwa posisi titik utama kamera, koordinat pada foto, dan posisi 3 dimensi
suatu titik di lapangan berada pada satu garis. Dapat dilihat pada gambar lebih
kecil dari ini titik a adalah posisi titik pada foto, titik A adalah posisi 3 dimensi
titik di lapangan, serta titik L adalah posisi titik utama kamera.

xxv
 Gambar 2.6 Prinsip Kolinearitas (Wolf & Dewitt, 2000)

Pada setiap titik yang terdapat di foto memiliki 2 persamaan garis yang
mendefinisikan koordinatnya di suatu foto (XA, YA) yang didefinisikan sebagai
berikut :
−f [ r 11 ( X L−X A )+r 12 (Y L −Y A )+ r 13( Z L −Z A ) ]
x a= ............(2.3)
[r 31 ( X L−X A )+r 32 (Y L−Y A )+r 33 (Z L−Z A ) ]

−f [r 21 ( X L− X A )+r 22(Y L−Y A )+r 23 (Z L−Z A )]

y a= ...........(2.4)
[r 31( X L− X A )+r 32(Y L−Y A )+r 33 ( Z L −Z A )]

Dimana :

xa, ya = Koordinat objek pada system koordinat foto

XL, YL, ZL = Koordinat titik pusat eksposur pada sistem koordinat ruang

XA, YA, ZA = Koordinat objek pada sistem koordinat ruang

rmn = Koefisien rotasi dari matriks baris m kolom n

f = Panjang fokus lensa kamera

xxvi
2.1.3 Geometri Satu Kamera
Prinsip penggunaan geometri satu kamera adalah sebuah proyeksi
menggunakan sebuah pusat perspektif. Sebuah titik A dengan sistem koordinat
ruang dalam 3 dimensi diproyeksikan melewati pusat perspektif O menuju
bidang proyeksi dimana titik a merupakan hasil proyeksinya. Garis POp
merupakan sumbu perspektif yang tegak lurus dengan bidang proyeksi.

Gambar 2.7 Geometri satu kamera (Suwardhi, 2007)

Dengan mengetahui bentuk geometri satu kamera, dapat dibuat suatu

persamaan transformasi yang memenuhi geometri tersebut.
t
X⃗ A = X⃗ 0 −μR ⃗x a .............................................................................(2.5)

Matriks notasi untuk geometri satu kamera dari persamaan 2.5

ditunjukkan dalam persamaan matriks 2.6, sebagai berikut :

......................................................(2.6)

Dalam prakteknya, titik A merupakan suatu posisi titik di lapangan.

Sedangkan bidang proyeksi merupakan CCD dari kamera dan titik pusat
perspektif (O) adalah pusat eksposur kamera. Geometri satu kamera digunakan
untuk menentukan posisi (position) dan sikap (attitude) kamera saat dilakukan
pengambilan foto dimana dalam notasi matriks tersebut diwakili oleh matriks
r. Elemen matriks rotasi diberikan pada persamaan 2.7, sebagai berikut :

xxvii
 ..(2.7)

2.1.4 Geometri Banyak Kamera

Pada teknik fotogrametri rentang dekat, kualitas proses penentuan
koordinat objek dari foto dapat ditingkatkan dengan cara melakukan
pembidikan ke objek secara konvergen dari beberapa kamera agar diperoleh
ukuran lebih. Jika terdapat sejumlah j foto dengan i titik sebagaimana
ditunjukkan gambar 2.5, maka persamaan kolinearitas menjadi (Atkinson,
1996):

.........................(2.8)

Untuk mendapatkan posisi objek pada dunia nyata, diperlukan berkas

sinar objek yang sama dari foto lainnya. Dengan diketahui posisi dan sikap
dari 2 kamera, maka kedua berkas akan berpotongan pada objek yang sama di
dunia nyata. Perpotongan 2 berkas tersebut dinamakan interseksi.

Gambar 2.8 Geometri banyak kamera (Atkinson, 1996)

xxviii
2.1.5 Perataan Berkas (Bundle Adjustment)
Penerapan prinsip kesegarisan (kolinearitas) dalam fotogrametri telah
digunakan di beberapa proses antara lain dalam triangulasi udara dan juga
restitusi foto. Dalam kaitannya dengan fotogrametri rentang dekat prinsip
kesegarisan ini diterapkan dalam proses perataan berkas (bundle adjustment)
yang digunakan untuk menentukan beberapa parameter dari kamera seperti
parameter orientasi luar kamera. Di dalam proses perataan berkas sendiri
terdapat 2 langkah yang diterapkan yaitu reseksi dan juga interseksi.

1. Reseksi merupakan langkah pertama dalam proses perataan berkas. Proses ini
menentukan parameter orientasi luar kamera yaitu X L, YL, ZL, ω,φ,κ. Keenam
parameter orientasi luar kamera ini menunjukkan posisi dan sikap
(attitude) dari kamera saat dilakukan pengambilan foto. Dalam persamaan
kesegarisan, parameter ω,φ,κ dituliskan dalam bentuk matriks rotasi (rmn).
Syarat dilakukannya proses reseksi ini adalah diketahuinya koordinat foto
xa, ya dan koordinat tanah XA, YA, ZA dari 3 titik kontrol (GCP) di tanah.
2. Interseksi merupakan langkah kedua setelah proses reseksi. Hasil yang
diperoleh dari proses ini adalah koordinat ruang dari suatu titik. Syarat
terjadinya proses ini adalah titik yang akan ditentukan koordinat ruangnya
harus berada di daerah pertampalan 2 foto, dan juga diketahui koordinat
fotonya.
Bundle adjustment merupakan proses hitung perataan yang dilakukan secara
simultan terhadap semua pengamatan dan parameter yang terlibat, dari data foto
hingga menghasilkan data koordinat tanah (Atkinson, 1996). Proses evaluasi
koordinat target dan parameter orientasi luar dari kamera menggunakan kamera
didasarkan pada persamaan kolinearitas. Pada saat parameter orientasi dalam yang
merepresentasi parameter kalibrasi kamera juga dilibatkan, proses ini dinamakan self-
calibrating bundle adjustment.

2.1.6 Target
Penentuan orientasi antara foto yang satu dengan foto yang lain
membutuhkan sebuah titik sekutu yang dapat dikenali di beberapa foto.
Dengan memperhatikan jumlah foto, jumlah titik sekutu ini juga dapat
berjumlah sangat banyak. Identifikasi titik sekutu dalam proses referencing
menjadi penting karena jika terjadi salah identifikasi maka proses perhitungan
xxix
dapat terhenti. Oleh karena itu, digunakan sebuah bahan retro-reflective
dengan pola yang telah dibuat sedemikian rupa yang diberi nama target.
Penggunaan bahan retro-reflective dipilih karena bahan ini dapat memantulkan
cahaya ke arah sumber cahaya. Penggunaan target dilakukan karena perangkat
lunak dapat mengenali target ini dengan baik saat diberi tambahan cahaya.
Warna target yang digunakan sedapat mungkin kontras dengan latar
belakangnya agar dapat dikenali dengan mudah. Terdapat 2 jenis target yang
umum digunakan saat pengambilan data, yaitu :

1. Target tanpa kode

Disebut target tanpa kode karena perangkat lunak Photomodeler
Scanner tidak dapat mengidentifikasikan titik tersebut, sehingga
identifikasi dilakukan secara manual. Target jenis ini hanya berbentuk
bulat seperti ditunjukkan pada gambar 2.6, sebagai berikut :

Gambar 2.9 Target tanpa kode (Marker)

2. Target berkode
Dikatakan target berkode karena perangkat lunak Australis dan
Photomodeler Scanner dapat mengidentifikasikannya secara automatis.
Terdapat beberapa jenis target berkode berdasarkan jumlah bitnya. Target
berkode yang digunakan Australis dan Photomodeler pun berbeda. Pada
Photomodeler digunakan Coded target dengan bentuk lingkaran
konsentris seperti ditunjukkan pada gambar 2.7, sebagai berikut:

Gambar 2.10 Target Berkode (Coded target) Lingkaran Konsentris, a) 8-bit, b)

10-bit, c) 12-bit

Pada perangkat lunak Australis digunakan Coded target dengan

bentuk sebaran titik seperti pada gambar 2.8. Pembacaan Coded target ini

xxx
 membutuhkan algoritma yang lebih rumit tetapi dapat memberikan jumlah
kode yang lebih banyak (Hattori et al., 2002).

Gambar 2.11 Target berkode (Coded target) sebaran titik

Untuk proses pembacaannya, setiap Coded target tersebut memiliki

5 titik yang terletak di posisi orientasi relatif yang sama seperti tergambar
sebagai garis merah di gambar 2.9. Perpotongan dari garis merah tersebut
merupakan pusat dari Coded target.

Gambar 2.12 Pembacaan coded target sebaran titik (Moe et al., 2010)

2.2 Pemodelan 3 dimensi

Dalam pembentukan model 3 dimensi dalam metode fotogrametri rentang dekat,

terdapat 2 macam metode yang dapat dilakukan yaitu sparse point dan dense point
cloud. Pemilihan model yang dibentuk tergantung dari kebutuhan dan ketelitian yang
diinginkan.

2.2.1 Sparse Point

Pemodelan menggunakan metode sparse point merupakan suatu metode

pemodelan yang sederhana. Metode ini tidak memerlukan suatu proses image
matching sehingga sudut pengambilan gambarnya diusahakan konvergen seperti pada
gambar 2.8. Inti dari pengambilan konvergen adalah dengan melakukan pengambilan
gambar ke titik pusat objek yang akan dimodelkan dengan sudut antar pengambilan
foto diusahakan sebesar 60-90 derajat. Pengolahan dengan metode ini relatif lebih

xxxi
 lama dibandingkan dengan dense point cloud karena harus melakukan marking di
setiap titik yang akan dimodelkan. Metode sparse point akan digunakan oleh penulis
dalam Tugas Akhir ini untuk pembuatan gambar As-Built dari suatu bangunan
gedung.

Gambar 2.13 Bentuk geometri pengambilan gambar secara konvergen (Murtiyoso, 2011)

2.2.2 Dense Point Cloud

Pemodelan dengan metode dense point cloud merupakan salah satu metode
yang paling cocok untuk memodelkan objek bertekstur. Dengan kemampuan
menghasilkan point cloud yang sangat kecil akan dihasilkan model dense yang sangat
akurat sesuai dengan keadaan sebenarnya. Metode ini termasuk metode semi-
automatis karena cukup dengan melakukan sedikit pengaturan proses pembentukan
model point cloud nya akan langsung dilakukan oleh perangkat lunak Photomodeler
Scanner. Proses pengambilan foto dengan metode ini dilakukan secara stereo dan
diusahakan memiliki daerah pertampalan yang besar sehingga proses image matching
akan dapat dijalankan dengan baik.

Gambar 2.14 Bentuk geometri pengambilan data secara stereo (Murtiyoso, 2011)

xxxii
2.3 Manajemen Konstruksi
Terkait pemahamannya, konstruksi dapat dibagi ke dalam dua kelompok yaitu
teknologi konstruksi dan manajemen konstruksi. Kedua hal tersebut saling terkait satu
sama lain dan bersinergi untuk meningkatkan efektivitas dan efisiensi dalam
pengelolaan proyek.
Teknologi konstruksi mempelajari metoda atau teknik yang digunakan untuk
mewujudkan bangunan fisik dalam lokasi proyek. Sedangkan manajemen konstruksi
adalah suatu metode yang digunakan untuk memenuhi kebutuhan dari pemilik
bangunan yang efektif. Metode ini membahas tentang perencanaan proyek, rancangan
dan konstruksi sebagai suatu tugas yang terpadu dalam sebuah tim konstruksi yang
terdiri dari pemilik, manajer konstruksi, arsitek dan sub-kontraktor lainnya. Tim
tersebut diharuskan bekerja selama proses konstruksi berlangsung dari awal hingga
akhir.
Tujuan manajemen konstruksi adalah untuk mengelola fungsi manajemen atau
mengatur pelaksanaan pembangunan sedemikian rupa sehingga diperoleh hasil optimal
sesuai dengan persyaratan atau spesifikasi yang ditentukan. Untuk mencapai tujuan ini
perlu diperhatikan pula mengenai mutu bangunan, biaya yang digunakan, dan waktu
pelaksanaan. Manajemen Konstruksi meliputi mutu fisik konstruksi, biaya, dan waktu
dimana porsi manajemen material dan manajemen tenaga kerja akan lebih ditekankan.
Hal tersebut dikarenakan manajemen perencanaan berperan hanya 20% dan sisanya
adalah manajemen pelaksanaan yang termasuk di dalamnya terdapat pengendalian
biaya dan waktu proyek.
Dalam kepentingan kelancaran proyek dibuatlah suatu manajemen konstruksi
yang memiliki beberapa fungsi antara lain :
1. Sebagai Quality Control untuk menjaga kesesuaian antara perencanaan dan
pelaksanaan.
2. Mengantisipasi terjadinya perubahan kondisi lapangan yang tidak pasti dan
mengatasi kendala terbatasnya waktu pelaksanaan.
3. Memantau prestasi dan kemajuan proyek yang telah dicapai dengan menggunakan
opname (laporan) harian, mingguan dan bulanan.
4. Hasil evaluasi dapat dijadikan dasar untuk melakukan pengambilan keputusan
terhadap masalah-masalah yang terjadi di lapangan.

xxxiii
 Proyek konstruksi sipil mempunyai karakteristik yang berbeda jika
dibandingkan dengan industri lainnya, seperti contohnya manufaktur. Salah satu
cirinya adalah sifat unik dan tunggal yang menuntut rancangan dan program
pembangunan tersendiri.

2.4 Penggunaan Fotogrametri Rentang Dekat dalam Konstruksi

Penggunaan metode fotogrametri rentang dekat dalam bidang konstruksi sudah
mulai dikembangkan sedemikian rupa untuk menunjang keberhasilan suatu proyek
konstruksi. Contoh kegiatan yang saat ini sudah mulai dilakukan dengan metode
fotogrametri rentang dekat adalah kegiatan monitoring. Kegiatan monitoring
konstruksi sipil dituntut untuk dilakukan dalam waktu yang singkat dan juga biaya
yang murah. Hal ini menjadi penting dalam manajemen konstruksi karena ketepatan
waktu dan biaya menjadi salah satu faktor penentu keberhasilan suatu proyek
konstruksi. Menggunakan metode fotogrametri rentang dekat, seorang pimpinan
proyek tidak perlu datang ke suatu lokasi proyek untuk melakukan pengecekan dan
pemantauan perkembangan suatu konstruksi sipil. Hal ini sesuai dengan pernyataan
bahwa monitoring dalam bidang konstruksi dapat dilakukan dengan pengukuran
langsung atau tak langsung (Balageas, Fritzen, & Guemes, 2006). Penggunaan
fotogrametri rentang dekat ini cocok digunakan untuk suatu konstruksi sipil karena
dengan pengukuran tidak langsung dapat menghasilkan model 3 dimensi yang akurat
hanya dengan menggunakan foto dari kamera (Luhmann et al., 2007). Dengan
mengetahui model rekonstruksi dari suatu bangunan gedung seorang pimpinan proyek
dapat menganalisis kondisi terbaru dan perkembangan secara berkala dari proyek.
Dalam dunia konstruksi, monitoring dapat diringkas sebagai kegiatan
pengumpulan data, analisis data, perekaman data, dan pelaporan informasi dengan
tingkat kedetailan tertentu sesuai dengan kebutuhan pengguna (Golparvar-Fard et al.,
2006). Maksud dari tingkat detail sesuai kebutuhan disini adalah keperluan hasil yang
perlu dilaporkan untuk tiap divisi/sub-kontraktor berbeda sesuai bidang pekerjaannya.
Contohnya seorang arsitek tidak membutuhkan laporan material yang telah digunakan,
seorang ahli instalasi listrik tidak perlu tahu arah pembuangan limbah ke arah mana,
dan sebagainya.
Contoh kegiatan lain yang dilakukan dengan metode fotogrametri rentang dekat
dan akan dibahas dalam Tugas Akhir ini adalah pembuatan suatu gambar As-Built.
Penggunaan metode ini sangat cocok diterapkan untuk gedung atau bangunan yang

xxxiv
 tidak memiliki gambar As-Built setelah proyek selesai dikerjakan. Ketiadaan gambar
As-Built dari suatu bangunan menjadi suatu masalah yang cukup mengganggu saat
akan dilakukan suatu pekerjaan renovasi atau pengembangan lebih lanjut. Contohnya
adalah saat akan dilakukan renovasi seorang kontraktor harus melihat gambar As-Built
terbaru terlebih dahulu untuk dijadikan dasar dalam pekerjaan renovasi selanjutnya.
Jika gambar As-Built tidak tersedia maka harus dilakukan pembuatan gambar As-Built
terlebih dahulu agar proses renovasi lebih terarah. Metode yang umum digunakan saat
ini adalah dengan mendatangi objek konstruksi dan melakukan pengukuran secara
langsung dari setiap sudut bangunan. Hasil pengukuran tersebut kemudian
digambarkan kembali menjadi gambar As-Built. Proses ini termasuk merugikan dalam
hal manajemen karena memakan waktu dan biaya yang cukup besar untuk upah
pekerja yang melakukan pengukuran.
Masalah di atas dapat diatasi dengan metode fotogrametri rentang dekat karena
dengan metode ini dapat dihasilkan gambar As-Built tanpa perlu bersentuhan langsung
dengan objek secara langsung. Selain itu metode ini smemiliki kecepatan pengambilan
dan pengolahan data yang relatif cepat. Dalam hal biaya, metode fotogrametri rentang
dekat termasuk murah karena hanya bermodalkan kamera non-metrik untuk
peralatannya. Hal ini tentu saja menjadi salah satu terobosan dalam proses pembuatan
gambar As-Built karena dapat memotong biaya dan waktu secara signifikan.

Gambar As-Built

Schedule Proyek

Schedule Proyek

Gambar 2.15 Bentuk gambar As-Built dan As-planned secara analog

Dari gambar 2.12 dapat dilihat bahwa semua perencanaan proyek seperti As-
planned masih berupa gambar 2 dimensi yang telah diprint dan ditempelkan di tembok.

xxxv
Pengamatan gambar As-planned dan As-Built ini memakan waktu karena tidak dapat
dibayangkan secara utuh berbentuk 3 dimensi.
Alasan penggunaan metode fotogrametri rentang dekat dalam bidang
konstruksi tidak lepas dari beberapa masalah yang timbul saat dilakukan pengamatan
terhadap metode pembuatan gambar As-Built yang umum dilakukan saat ini. Beberapa
masalah yang ingin dipecahkan dengan penggunaan metode fotogrametri rentang dekat
adalah :
1. Pengukuran memakan waktu yang lama karena setiap hari seorang pengawas
proyek diharuskan mempelajari dan mengukur bangunan konstruksi, spesifikasi
proyek, dan mempelajari pekerjaan mana yang harus dilakukan terlebih dahulu.
Dengan hanya mengirimkan seorang pekerja untuk melakukan pengukuran
bangunan konstruksi skala besar akan diperlukan waktu yang banyak karena
pekerja harus mendatangi setiap sudut konstruksi untuk pengecekan. Dengan
waktu yang banyak tersebut biaya untuk menggaji pekerja tersebut pun
membengkak.
2. Pekerjaan pengukuran dan pengamatan banyak mengakibatkan terjadinya human-
error dan semakin besar kemungkinan terjadinya penurunan kualitas (Kiziltas and
Akinci 2005).
3. Data pengukuran dan pengamatan yang dikumpulkan dapat saja berkualitas rendah.
Kualitas data yang rendah dapat terjadi karena rendahnya kualitas pengamat yang
dikirim untuk pemantauan konstruksi. Karena kemampuan orang yang melakukan
pengamatan terbatas pada kemampuan indera yang dimiliki maka kemungkinan
hasil data yang diperoleh berkualitas rendah.
4. Data pengukuran dan pengamatan yang diperoleh bersifat subjektif. Hal ini terjadi
karena pengamatan yang dilakukan oleh orang yang berbeda dapat memberikan
hasil yang berbeda juga. Oleh karena itu, penggunaan pengamat yang sama
merupakan cara yang penting dalam hal ini.
5. Pembahasan laporan perkembangan dan pengukuran yang rumit. Pembahasan
laporan perkembangan proyek pada umumnya dilakukan dengan mengumpulkan
setiap bagian kerja dari proyek seperti arsitek, pimpinan proyek, pemberi
pekerjaan, dan pihak lainnya diharuskan bertemu semua dalam suatu tempat. Hal
ini tentu sangat memberatkan karena harus melakukan pengaturan jadwal yang
belum tentu bisa dilakukan secara mendadak sehingga menunda terjadinya
pengambilan keputusan.
xxxvi
 Penggunaan metode fotogrametri rentang dekat dirasa cocok untuk mengatasi
permasalahan pada poin 1 dan 2 karena dengan metode ini dapat dilakukan pemodelan
dengan cepat dan berkualitas tinggi. Dalam hal subjektifitas, metode fotogrametri
rentang dekat dapat digunakan oleh siapa saja asalkan mengikuti prosedur standar yang
telah dibuat dalam memodelkan suatu konstruksi. Masalah pembahasan laporan pun
tidak kalah pentingnya untuk dipecahkan karena dengan tertundanya pembahasan
laporan perkembangan dapat menghambat keseluruhan proyek. Dengan adanya model
3 dimensi dari suatu bangunan konstruksi maka hasil pemodelan ini kemudian dapat
dikirimkan ke setiap divisi pekerjaan. Setiap divisi dapat melihat hasil perkembangan
pekerjaan konstruksi dengan cepat tanpa harus bertemu satu dengan yang lainnya. Hal
ini sesuai dengan pernyataan bahwa apapun metode yang digunakan jangan
mengorbankan efisiensi manajemen proyek hanya untuk proses pengambilan data yang
berlebihan (Golparvar-Fard, 2007).

2.5 Resume
Dari studi literatur yang dilakukan di bab ini dapat diketahui bahwa
penggambaran As-Built Drawing suatu bangunan konstruksi merupakan kebutuhan
mendasar dari setiap bangunan karena dapat digunakan untuk beberapa hal seperti
penentuan jalur evakuasi dalam gedung, desain awal rancangan renovasi, dan sebagai
dokumentasi dari suatu bangunan konstruksi. Dalam situasi yang kebanyakan gedung
tidak memiliki As-Built Drawing, metode fotogrametri rentang dekat diusahakan
mampu membantu dalam membuat As-Built Drawing terbaru dari bangunan gedung.
Kalibrasi kamera merupakan langkah awal yang sangat penting dilakukan saat
akan menggunakan metode fotogrametri rentang dekat untuk meningkatkan kualitas
hasil akhir yang diperoleh. Oleh karena itu, kalibrasi kamera dilakukan dengan
beberapa set data kalibrasi kemudian ditentukan suatu set yang menghasilkan data
kalibrasi kamera terbaik dengan prinsip perataan.
Dalam proses pengambilan data akan digunakan pengaturan terbaik sesuai
literatur yang telah disebutkan di atas baik dari pengaturan fokus kamera yang
digunakan dan sudut pengambilan gambar. Hal ini bertujuan agar data yang diperoleh
dapat diolah dengan baik dan tidak ada data yang terbuang karena kesalahan dalam
pengambilan data di lapangan.

xxxvii
 Proses pengolahan data akan digunakan perangkat lunak Photomodeler Scanner
untuk membentuk suatu model 3 dimensi yang kemudian akan diproyeksikan secara
orthogonal dalam arah tertentu untuk digunakan sebagai As-Built Drawing.
Dengan membuat As-Built Drawing dari suatu bangunan konstruksi akan
membantu pihak kontraktor mengetahui kondisi akhir dari bangunan tersebut yang
kemudian akan dapat digunakan untuk berbagai keperluan.

xxxviii
 BAB 3
TAHAPAN STUDI

Dalam bab ini akan dijelaskan langkah-langkah proses pengambilan data yang
dimulai dari pemilihan peralatan, proses kalibrasi, pengambilan data, dan pengolahan data.
Untuk membantu kelancaran proses pengambilan data, dilakukan uji coba awal pemodelan
suatu bangunan yang langkah pemodelannya diuraikan pada bab ini.

3.1 Studi Kasus

Objek yang diamati dalam penelitian ini adalah gedung Campus Centre yang
berada di Institut Teknologi Bandung (ITB). Gedung ini dibangun dengan tujuan untuk
menjadi pusat kegiatan di ITB, mulai dari penerimaan tamu, kegiatan mahasiswa,
seminar, workshop, hingga tempat untuk memamerkan hasil karya mahasiswa ITB.
Gedung barat dibuat untuk kegiatan mahasiswa baik untuk unit mahasiswa, ruang rapat
mahasiswa, dan terdapat aula yang dapat digunakan untuk latihan tari hingga
pertunjukan kesenian mahasiswa. Sementara gedung timur dikhususkan sebagai tempat
seminar, diskusi dan ruangan untuk pameran.
Bangunan ini dirancang oleh seorang arsitek yang bernama Baskoro Tedjo dan
mulai dibangun pada tahun 2004. Bangunan ini terinspirasi oleh gerbang utama ITB
dimana terdapat jam pada bagian atasnya serta sepasang atap penerima tanpa dinding
berbentuk datar. Penentuan desain arsitektur menyerupai bentuk gerbang depan ITB ini
agar seolah-olah bangunan Campus Center menjadi gerbang kedua diantara zona
heritage dan zona transisi. Dalam pengerjaan Tugas Akhir ini penelitian akan
difokuskan pada gedung Campus Centre Barat.

xxxix
 Gambar 3.16 Situasi gedung CC Barat ITB

3.2 Peralatan

Peralatan utama yang digunakan dalam pengambilan data dari penelitian ini
adalah sebuah kamera non metrik. Kamera merupakan peralatan paling penting dalam
proses pengambilan data. Kamera yang digunakan untuk pengambilan data dari Tugas
Akhir ini adalah Nikon D5000 dengan spesifikasi sebagai berikut :

1. 12.9 megapiksel DX-format CMOS sensor (effective piksels: 12.3 million)

2. 2.7" tilt and swivel LCD monitor (230,000 dots)
3. Movie capture at up to 1280 x 720 (720p) 24 fps with mono sound
4. Live View with contrast-detect AF, face detection and subject tracking
5. Image sensor cleaning (sensor shake)
6. 11 AF points (with 3D tracking)
7. IS0 200-3200 range (100-6400 expanded)
8. 4 frames per second continuous shooting (buffer: 7 RAW, 25 JPEG fine, 100 JPEG
Normal)
9. Expeed image processing engine
10. Extensive in-camera retouching including raw development and straightening
11. Connector for optional GPS unit (fits on hot shoe)

Secara singkat spesifikasi kamera dapat dituliskan dalam tabel 3.1, sebagai
berikut :

Tabel 3.2 Spesifikasi kamera Nikon D5000

Sensor Size 15.8x23.6 mm

Focal length 24 mm
Total piksel 12.9 mega
Image area (piksel) 4288x2848
ISO 200

xl
 Shutter speed 1/3200 s
Image format Raw (*.NEF)

Gambar 3.17 Kamera Nikon D5000 yang digunakan saat pengambilan data

3.3 Kalibrasi Kamera

Kalibrasi kamera dilakukan dengan pengambilan foto dari suatu lembar

kalibrasi. Lembar kalibrasi yang digunakan terbuat dari pelat besi dengan penempelan
target berjenis sebaran titik (Gambar 2.6) yang khusus untuk dilakukan pengolahan di
perangkat lunak Australis 7.
Pengolahan data kalibrasi dilakukan pada perangkat lunak Australis 7 karena
dapat menghasilkan parameter kalibrasi yang cukup stabil untuk setiap set. Pada
perangkat lunak ini hanya dilakukan pengolahan data kalibrasi saja karena
keterbatasan kemampuan Australis 7 dalam pemodelan objek tiga dimensi. Titik pusat
sumbu koordinat (x0 dan y0) hasil parameter orientasi dalam kamera yang diperoleh
kemudian ditransformasikan agar dapat digunakan dalam perangkat lunak
Photomodeler Scanner sebagai perangkat lunak utama pengolahan 3 dimensi.
Parameter yang perlu ditransformasikan hanya titik pusat sumbu koordinat
saja sedangkan parameter lainnya tetap digunakan sesuai hasil pengolahan perangkat
lunak Australis. Proses transformasi pusat sumbu koordinat dilakukan karena pusat
sumbu koordinat pada Australis berada pada pojok kiri atas pada citra sedangkan pada
Photomodeler Scanner terletak pada tengah citra. Untuk lebih jelasnya dapat dilihat
pada gambar 3.3. Persamaan yang digunakan untuk transformasi koordinat dari
Australis ke Photomodeler Scanner adalah sebagai berikut :

xli
 ................................(3.1)

S.K. Australis

S.K.
Photomodeler

Gambar 3.18 Perbedaan sistem koordinat Australis dan Photomodeler (Suwardhi, 2011)

Proses kalibrasi kamera dilakukan pada hari Selasa tanggal 22 November 2011
dengan menggunakan plat kalibrasi yang ditempel Coded target dengan bentuk
sebaran titik. Proses ini dilakukan di ruangan gelap karena target yang digunakan
menggunakan bahan retro-reflective. Bahan ini hanya memantulkan cahaya dari blitz.
Dengan penggunaan sistem tersebut diharapkan titik di luar plat tidak masuk ke dalam
proses kalibrasi.
Data kalibrasi diambil sejumlah delapan set dengan setiap setnya diambil 8
foto dari 4 arah. Di setiap arah tersebut kamera melakukan pengambilan dengan posisi
landscape dan portrait. Untuk situasi ruangan saat pengambilan foto kalibrasi
ditunjukkan pada gambar 3.4. Arah panah menunjukkan posisi pengambilan foto saat
kalibrasi.

xlii
 Gambar 3.19 Situasi ruangan tempat pengambilan data kalibrasi

Setiap pengambilan foto dari kalibrasi diusahakan menggunakan tripod untuk

mencegah getaran yang timbul saat pengambilan foto sehingga hasilnya akan lebih
stabil (Wotjas, 2010). Setelah data foto selesai diambil selanjutnya dilakukan
pengolahan dengan perangkat lunak Australis 7 untuk mendapatkan parameter
orientasi dalam kamera.

3.4 Uji Coba Awal

Uji coba awal dilakukan pada tanggal 3 November 2011 sekitar pukul 1 siang
dengan melakukan pengambilan data berupa foto gedung PAU yang berada di depan
perpustakaan pusat ITB. Kamera yang digunakan dalam proses uji coba awal ini adalah
Canon EOS 450D dengan panjang fokus 28mm. Panjang fokus yang tergolong pendek
digunakan agar diperoleh hasil wide angle sehingga cakupan gambar menjadi lebih
lebar. Foto yang diambil secarakeseluruhan menggunakan orientasi landscape.
Gedung ini dipilih untuk menjadi objek uji coba karena ukurannya yang
sebanding dengan bangunan yang akan diambil sebagai data utama penelitian ini.
Gedung PAU termasuk objek yang cukup sulit untuk dimodelkan secara lengkap karena
saat proses pengambilan data tidak dapat dilakukan pengambilan data satu gedung
secara penuh dalam satu foto. Hal tersebut terjadi karena keterbatasan ruang
pengambilan. Kesulitan terjadi juga saat akan dilakukan pengambilan foto dari atas
gedung sehingga hanya dilakukan pengambilan foto dari bawah gedung. Hal ini
menyebabkan beberapa bagian gedung tidak dapat dimodelkan dengan sempurna

xliii
karena keterbatasan area dan sudut pengambilan. Dari gambar 3.5 dapat dilihat bahwa
pada bagian tempat berdirinya antena parabola tidak dapat dilakukan pemodelan karena
tidak mendapat gambar dari sisi atas gedung PAU.
Pengolahan data dilakukan menggunakan perangkat lunak Photomodeler
Scanner mulai dari proses kalibrasi, marking, hingga proses orientasinya. Saat proses
kalibrasi dilakukan pengambilan data kalibrasi sejumlah 8 foto dari lembar kalibrasi
photomodeler dan dilakukan pengolahan secara otomatis di dalam perangkat lunak
Photomodeler Scanner.

Gambar 3.20 Tampak depan gedung PAU yang digunakan sebagai uji coba

Gambar di atas menunjukkan salah satu sisi gedung PAU dengan pengambilan
dari depan gedung. Dalam proses pengambilan data gedung ini terdapat beberapa
kendala seperti jarak pengambilan yang pendek karena di depan gedung PAU terdapat
gedung perpustakaan pusat ITB sehingga tidak dapat dilakukan pengambilan foto dari
jarak lebih jauh. Masalah ini terjadi karena digunakannya lensa dengan fokus 28mm
yang mengakibatkan pengambilan foto satu gedung yang besar secara utuh dengan
jarak pendek tidak bisa dilakukan.
Uji coba ini dilakukan tanpa menggunakan coded target pada sekitar gedung
sehingga yang akan digunakan sebagai marking nantinya adalah objek natural dari

xliv
 gedung itu sendiri. Hal ini memicu timbulnya kesalahan marking yang cukup besar saat
pengolahan data gedung PAU.
Dengan proses uji coba pada gedung yang hampir mirip keadaan dan
ukurannya dengan bangunan objek utama penelitian ini menyebabkan penulis dapat
memperkirakan strategi pengambilan data yang terbaik.

3.5 Pengambilan Data

Pengambilan data dilakukan pada hari Selasa 22 November 2011 pada pukul 9
pagi di Campus Centre (CC) Barat Institut Teknologi Bandung dengan cuaca saat
pengambilan data cerah. Foto diambil dengan mengitari gedung CC Barat dan
pengambilan foto dilakukan secara konvergen. Setelah pengambilan satu foto, penulis
bergeser sejauh satu meter untuk pengambilan foto selanjutnya. Situasi gedung CC
Barat dapat digambarkan dalam denah di gambar 3.6, sebagai berikut:

Gambar 3.21 Denah situasi gedung CC Barat dan jalur pengambilan data

Pengambilan data dilakukan menggunakan kamera Nikon D5000 dengan

panjang lensa 24mm. Setiap pengambilan foto dilakukan dengan pemasangan tripod
untuk mengurangi getaran. Jumlah total foto yang diperoleh adalah sejumlah 89 foto.

xlv
 Gambar 3.22 Foto hasil pengambilan data

Untuk bagian eksterior gedung, bagian samping gedung lebih banyak diambil
fotonya karena rimbunnya pohon di sekitar gedung dan pengambilan foto harus lebih
rapat untuk mendapatkan titik sekutu lebih banyak dalam proses marking saat
pengolahan.
Bagian yang diambil data berikutnya adalah interior gedung Campus Center
Barat. Bagian interior yang dimodelkan hanya berupa satu ruangan di dalam untuk
mengetahui kualitas metode fotogrametri rentang dekat yang digunakan di dalam
ruangan. Pengambilan foto pada bagian interior dilakukan secara panoramik. Maksud
dari panoramik adalah pengambilan foto secara 360 derajat. Foto diambil cukup dari
satu posisi saat pengambilan foto. Foto yang diambil dalam ruangan tersebut berjumlah
44 buah.
Selanjutnya dilakukan pengambilan data bagian basement gedung CC Barat
ITB. Pengambilan data pada daerah basement dilakukan dengan memperhatikan
pertampalan dengan bagian atas gedung agar dapat dilakukan penggabungan dari
project yang berbeda. Total foto yang diambil dari bagian basement berjumlah 67 buah.
Untuk bagian yang terhalang oleh objek seperti pohon, pengambilan data
dilakukan dengan memperbanyak jumlah foto dibagian tersebut atau dengan melakukan
pengambilan foto dengan sudut kecil. Dikarenakan pengerjaan pemodelan dilakukan
dalam 3 project yang terpisah, maka selalu diusahakan mendapatkan minimal 4 titik

xlvi
 ikat yang sama dari setiap project. Yang dimaksud titik ikat disini adalah suatu objek
yang memiliki posisi sama antar project.

3.6 Pemodelan 3 Dimensi

Proses pemodelan 3 dimensi dari objek bangunan konstruksi dilakukan dengan

dua langkah yaitu marking dan perataan berkas. Dua langkah tersebut merupakan
proses utama dalam pemodelan sparse point cloud. Proses pemodelan bangunan gedung
CC Barat ITB dibagi dalam tiga project yang berbeda yaitu basement, interior, dan
bagian atas gedung. Tujuan pembagian project ini adalah untuk mengurangi beban
pekerjaan dalam pengolahan sehingga diharapkan lebih cepat dalam pemrosesan data.

3.6.1 Marking

Dalam proses marking dilakukan penandaan pada ujung-ujung gedung CC

yang dianggap sebagai objek natural. Proses marking ditunjukkan seperti pada
gambar 3.8. Proses marking dari setiap ujung gedung dilakukan dengan cara zooming
hingga piksel terkecil agar ketelitian dalam proses marking dapat tetap terjaga.
Penentuan titik marking diatur sedemikian rupa sehingga titik yang akan ditandai
akan tampak minimal pada 3 foto. Hal ini dilakukan karena keterbatasan dari
perangkat lunak Photomodeler Scanner dalam melakukan proses orientasi walaupun
menurut teori hanya diperlukan penampakan titik di 2 foto yang saling bertampalan.
Penandaan titik ini dilakukan tanpa menempatkan satupun Coded target (CT) karena
ukuran bangunan yang besar sehingga tidak dapat dilakukan penempatan target secara
merata. Penempatan target yang baik adalah merata baik pada bagian atas maupun
bagian bawah bangunan. Penempatan target dalam satu garis tidak akan
meningkatkan ketelitian yang dihasilkan.

Pada akhirnya ketelitian yang dihasilkan akan lebih rendah daripada

menggunakan CT. Tingkat ketelitian yang dihasilkan hanya akan dipengaruhi oleh
ketelitian dalam melakukan marking dan juga resolusi kamera yang digunakan.

xlvii
 Gambar 3.23 Hasil marking pada Gedung CC Barat

3.6.2 Perataan Berkas

Foto yang telah melalui proses marking secara manual kemudian dilakukan
proses perataan berkas dengan perangkat lunak Photomodeler Scanner. Titik-titik
hasil proses marking di ujung-ujung gedung, digunakan sebagai titik ikat dalam
proses perataan berkas. Minimal pada 2 foto dapat dilihat 6 titik, yang mana pada
perataan berkas sesuai dengan prinsip Von Gruber dalam teori fotogrametri. Akan
tetapi, karena keterbatasan perangkat lunak Photomodeler Scanner maka diharuskan
satu titik terlihat pada 3 foto agar dapat dilakukan proses orientasi. Semakin banyak
foto yang digunakan dalam proses orientasi relatif, maka akan menghasilkan geometri
model yang baik.

Gambar 3.24 Konfigurasi kamera saat pengambilan data dan hasil perataan berkas

xlviii
 Setelah proses perataan berkas selesai dilakukan, posisi setiap kamera pada
saat pengambilan foto akan diketahui seperti pada gambar 3.9. Dengan diketahuinya
posisi relatif kamera kemudian dapat ditambahkan titik-titik detail sesuai dengan
bentuk gedung CC yang dimodelkan. Penambahan titik-titik detail pada foto juga
harus terlihat minimal pada 3 foto karena pengaruh keterbatasan perangkat lunak
Photomodeler Scanner. Kemudian dilakukan penarikan garis diantara titik-titik detail
untuk menghubungkan setiap titik yang sesuai dengan bentuk gedung CC Barat. Hasil
marking line dapat dilihat pada gambar 3.10.
Model yang dihasilkan hanya akan memberikan koordinat model, karena tidak
dilakukan pengambilan koordinat dari objek di gedung CC Barat. Jika akan dibuat
suatu Sistem Informasi Geografis maka diperlukan pengikatan terhadap koordinat
sebenarnya.

Gambar 3.10 Ilustrasi marking line pada titik-titik detail

3.6.3 Penyekalaan (Scalling)

Setelah model 3D dengan sparse point selesai, langkah selanjutnya adalah

melakukan proses penyekalaan dari model agar sesuai dengan ukuran sebenarnya.
Pengukuran panjang sebenarnya dilakukan menggunakan pita ukur pada salah satu
sisi depan gedung CC Barat untuk kemudian proses penyekalaannya dilakukan di
perangkat lunak photomodeler. Proses pengukuran di lapangan dilakukan dengan
pengambilan panjang tiap sisi bangunan gedung CC Barat ITB. Hasil panjang ukuran
dinding tersebut kemudian dipadankan dengan sisi dinding yang sama pada model
agar ukuran model menjadi sama dengan keadaan sebenarnya. Proses penyekalaan ini

xlix
 cukup dilakukan pada satu sisi saja karena untuk panjang sisi lain akan mengikuti
ukuran panjang dinding yang telah ada.

3.7 Pembuatan Gambar As-Built

Pembuatan gambar As-Built dilakukan di perangkat lunak Google Sketchup 7.

Hasil pemodelan 3 dimensi dari Photomodeler Scanner kemudian diekspor ke dalam
format .dxf yang dapat dibuka oleh Google Sketchup 7. Model tiga dimensi tersebut
kemudian dibuat gambar dua dimensi dengan orientasi tampak samping, tampak depan,
tampak belakang, dan tampak atas di Google Sketchup 7. Proses pembuatan gambar dua
dimensi ini dilakukan dengan bantuan fitur Section Plane. Dengan fitur tersebut
perangkat lunak Google Sketchup dapat melakukan irisan model sehingga diperoleh
denah dari model.

l
 BAB 4
HASIL DAN ANALISIS

Dalam bab ini akan dibahas mengenai hasil dari setiap proses yang dilakukan dan
dimulai dari kalibrasi kamera, uji coba awal, hingga pada pengolahan data. Hasil yang
diperoleh kemudian dianalisis dari berbagai segi baik kelebihan, kekurangan, maupun
penyebabnya.

4.1 Uji Coba Awal

Uji coba dilakukan dengan melakukan pemodelan 3 dimensi dari gedung PAU
yang terletak di depan perpustakaan pusat ITB. Gedung ini memiliki tingkat
kerumitan yang tergolong tinggi karena banyak halangan di setiap sisi yang akan
dimodelkan. Berbagai lekukan dan sudut dari gedung ini membuat pemodelan 3
dimensi sulit dilakukan dengan teliti.

4.1.1 Hasil Uji Coba

Dari hasil kalibrasi sejumlah tiga set dari perangkat lunak Photomodeler Scanner
diperoleh hasil nilai RMS sebesar 0,144 piksel. Data kalibrasi hanya diambil sejumlah
1 set dengan jumlah foto sejumlah 8 buah. Foto diambil dengan melakukan orientasi
portrait dan landscape. Parameter yang diperoleh dari hasil proses kalibrasi dan hasil
pemodelan bangunan menggunakan perangkat lunak Photomodeler Scanner pada saat
proses uji coba awal adalah seperti pada tabel 4.1, sebagai berikut :
Tabel 4.3 Parameter kalibrasi kamera Canon EOS 450D

Parameter Nilai
f (Focal Length) 28.363 mm
X0 (Principal Point X) 11.150 mm
Y0 (Principal Point Y) 8.056 mm
Fw (Format Width) 22.301 mm
Fh (Format Height) 14.833 mm
K1 (Radial Distortion 1) 1.28E-04
K2 (Radial Distortion 2) 0.00E+00
K3 (Radial Distortion 3) 0.00E+00
P1 (Decentering Distortion 1) 0.00E+00
P2 (Decentering Distortion 2) 0.00E+00

li
 Gambar 4.25 Model sparse 3 dimensi gedung PAU

Gambar 4.26 Tampak atas model sparse 3D gedung PAU

Gambar 4.27 Gambar 2 dimensi hasil proyeksi gedung PAU

lii
4.1.2 Analisis Uji Coba

Hasil kalibrasi otomatis pada perangkat lunak Photomodeler Scanner dan

point marking residuals yang diperoleh termasuk cukup baik karena nilai RMS lebih
kecil dari satu piksel. Nilai RMS terbesar bernilai 0,492 piksel masih bagus.
Dari hasil pemodelan, tampak gedung hanya dapat dimodelkan setengah
bagian karena keterbatasan dalam area pengambilan foto. Keterbatasan area tersebut
mengakibatkan setengah bagian bangunan PAU tidak dapat diambil fotonya. Bagian
utara dari gedung PAU dipenuhi oleh pohon yang rimbun sedangkan pada bagian
barat tertutup oleh Gedung Serba Guna ITB. Hal ini menjadi masalah karena bagian
yang tidak tampak pada foto tidak dapat dimodelkan. Beberapa bagian hanya dapat
dilihat pada 2 foto yang seharusnya memenuhi prinsip pemodelan agar dapat dibentuk
stereopair, akan tetapi karena keterbatasan perangkat lunak Photomodeler Scanner
yang mengharuskan suatu titik dapat dilihat pada 3 foto maka bagian barat dan utara
gedung tidak dapat diorientasi dengan baik sehingga modelnya tidak dapat dibentuk.
Total error yang diperoleh pada proses Photomodeler Scanner adalah sebesar
1,683 dengan jumlah iterasi sejumlah 5 kali. Nilai error yang ideal adalah lebih kecil
dari 1 dengan toleransi hingga sama dengan 5, sehingga nilai 1,683 termasuk kurang
bagus karena masih lebih besar dari 1 tetapi masih dapat dikategorikan masuk
toleransi karena nilainya lebih kecil dari 5. Hasil error tersebut menunjukkan bahwa
terdapat foto dengan sudut pengambilan yang terlalu kecil yaitu lebih kecil dari 5
derajat yang mengakibatkan terganggunya proses orientasi.
Masalah lain yang menyebabkan besarnya total error adalah karena kurangnya
ketelitian dalam proses digitasi, sehingga memiliki residu hingga 4 piksel. Hal ini
terjadi karena kesalahan digitasi dan juga resolusi kamera yang kurang baik sehingga
terjadi buram di titik-titik bangunan sehingga sulit dalam proses digitasi. Untuk
kualitas tiap titik dapat dilihat pada lampiran C.

4.2 Kalibrasi

Proses kalibrasi dilakukan dengan menggunakan pelat besi yang ditempel

dengan target Australis 7. Pengambilan data kalibrasi dilakukan di dalam ruangan gelap
dan menggunakan blitz karena target Australis menggunakan bahan retro reflective.
Pengambilan data kalibrasi dilakukan sejumlah delapan set dengan masing-masing set
sejumlah delapan foto. Terhadap delapan set parameter dilakukan perataan parameter
dan dilakukan uji t-student untuk mengetahui kualitas parameter yang dihasilkan.
liii
4.2.1 Hasil Kalibrasi

Proses kalibrasi dilakukan dengan menggunakan delapan set data dimana

setiap setnya terdiri dari delapan foto. Setiap set menghasilkan parameter orientasi
dalam kamera yang berbeda. Hasil kalibrasi delapan set data kemudian dihitung nilai
rata-ratanya untuk mendapatkan parameter orientasi dalam kamera yang akan
digunakan untuk pengolahan data. Proses kalibrasi menggunakan perangkat lunak
Australis 7 dengan metode Automatic Calibration. Hasil rata-rata dari delapan set data
tersebut dapat dilihat pada tabel 4.2, sebagai berikut :

Tabel 4.4 Hasil kalibrasi kamera Nikon D5000

Rata-rata
Parameter Value Standart Error
24.39198 0.002125
f (mm)
0.011013 0.00225
x0 (mm)
0.040063 0.00175
y0 (mm)
0.000179 1.49E-06
K1
-4.3E-07 2.86E-08
K2
6.6E-10 1.79E-10
K3
-3.2E-06 1.26E-06
P1
-3.9E-06 1.21E-06
P2

Hasil kalibrasi yang diperoleh tidak dapat digunakan langsung pada perangkat
lunak Photomodeler Scanner karena perbedaan pusat koordinat citra yang digunakan
dengan perangkat lunak Australis 7. Pada Australis 7 sumbu koordinat terdapat di
ujung kiri atas sedangkan pada Photomodeler Scanner pusat sumbu koordinat terdapat
pada tengah citra. Agar hasil kalibrasi dapat digunakan maka perlu dilakukan
transformasi koordinat citra. Hasil transformasi koordinat dapat dilihat seperti tabel
4.3, sebagai berikut :
Tabel 4.5 Hasil transformasi koordinat Australis ke Photomodeler

  Sebelum transformasi koordinat Setelah transformasi koordinat

Xp 0.023666667 11.82366667
Standart error 0.001 0.001
Yp 0.036666667 7.936666667
Standart error 0.001 0.001

liv
4.2.2 Analisis Kalibrasi
Melalui proses kalibrasi dengan delapan set data diperoleh hasil delapan set
parameter kalibrasi. Delapan set parameter kalibrasi yang diperoleh kemudian
dilakukan uji t-student untuk melihat kestabilan dari parameter kalibrasi kamera. Dari
hasil uji statistik yang dilakukan hasil perbedaannya tidak terlalu signifikan, sehingga
dapat dikatakan hasil kalibrasi kamera cukup stabil untuk digunakan. Untuk hasil uji
statistik dapat dilihat pada lampiran D.

4.3 Pemodelan 3 Dimensi

Proses pemodelan 3 dimensi dilakukan dengan menggunakan perangkat lunak

Photomodeler Scanner. Pemodelan diawali dengan melakukan marking dari titik-titik
sekutu yang minimal berada di 2 foto. Titik-titik sekutu yang telah diberi tanda
kemudian dilakukan proses orientasi untuk mendapatkan posisi relatif antara kamera
satu dengan yang lainnya.
Setelah proses marking dan orientasi selesai dilakukan kemudian ditambahkan
titik-titik detail yang akan dimodelkan dari gedung CC ITB dengan tetap mengusahakan
agar total error dan nilai RMS dibawah nilai 1.

4.3.1 Hasil Pemodelan

Gambar 4.28 Hasil pemodelan bangunan gedung Campus Center Barat ITB

lv
 Gambar 4.29 Hasil pemodelan tampak depan eksterior

Gambar 4.30 Hasil pemodelan tampak samping kanan eksterior

Gambar 4.31 Hasil pemodelan interior

lvi
Gambar 4.32 Hasil pemodelan interior

Gambar 4.33 Hasil pemodelan basement

Gambar 4.34 Hasil pemodelan basement

lvii
4.3.2 Analisis Pemodelan

Proses kalibrasi merupakan salah satu hal utama yang harus dilakukan untuk
mendapatkan hasil yang optimal. Untuk menguji pentingnya parameter kalibrasi,
dalam perhitungan dilakukan percobaan dengan cara membandingkan kualitas antara
satu titik yang sama, yaitu dengan memasukkan parameter kalibrasi tanpa parameter
kalibrasi. Hasil statistik dapat dilihat pada tabel 4.4. Dari tabel tersebut dapat dilihat
bahwa terjadi peningkatan kualitas hingga 4 kali lipat dari RMS residual pada saat
memasukkan parameter kalibrasi kamera dalam pengolahan.
Tabel 4.6 Perbandingan titik menggunakan parameter kalibrasi dan tanpa parameter kalibrasi

Tanpa kalibrasi
RMS
Largest residual Angle
residual
43.5333
0.374617045 0.458
8
Dengan kalibrasi
RMS
Largest residual Angle
residual
1.479 1.890 44.541

Pada hasil pemodelan bagian eksterior gedung CC Barat ITB diperoleh nilai
total error sebesar 0,561 dan rata-rata RMS residual sebesar 0,376 piksel (Tabel 4.5).
Nilai RMS residual tersebut dapat dikatakan memenuhi ketelitian minimal dengan
perhitungan setengah dari ukuran 1 piksel yaitu sebesar 0,5 piksel.
Pada hasil pemodelan dapat dilihat di setiap sisi dari bagian atas bangunan
gedung CC, dapat dimodelkan dengan baik. Setiap pilar dari gedung CC dapat
dimodelkan sesuai posisi dan ukuran. Kekurangan terjadi pada bagian model dinding
yang miring. Akibat dari dinding yang miring, menyebabkan jendela tampak hilang di
bagian tengah dinding gedung CC. Miringnya dinding tersebut disebabkan sudut
pengambilan yang kecil, karena terjadinya halangan berupa pohon di sekitar bangunan
gedung CC ITB. Selain itu model dari atap gedung tidak dapat dimodelkan dengan
lengkap karena tidak dapat dilakukan pengambilan foto dari sisi atas gedung sehingga
hasil pemodelan pada bagian atas tidak sesuai dengan keadaan sebenarnya.

Tabel 4.7 Statistik hasil pemodelan bagian eksterior CC Barat ITB

RMS (piksel) 0,376

Largest (piksel) 0,452
Angle (derajat) 37,373

lviii
 Bagian interior dari gedung CC Barat ITB diolah dengan proses yang sama
dengan project lain. Hasil pemodelan memiliki nilai total error sebesar 0,554 dengan
RMS sebesar 0,358 piksel. Hasil proses pemodelan seperti pada tabel 4.6, sebagai
berikut :

Tabel 4.8 Statistik hasil pemodelan interior gedung Campus Center Barat ITB

RMS (piksel) 0,358

Largest (piksel) 0,438
Angle (derajat) 43,748

Hasil pemodelan menunjukkan bahwa tidak terjadi pengurangan kualitas dari

metode fotogrametri rentang dekat untuk pengambilan data di dalam gedung. Setiap
sisi dan detail interior dapat dimodelkan dengan baik sesuai keadaan sebenarnya.
Masalah yang harus diperhatikan dalam pemodelan interior gedung adalah
pencahayaan yang kurang sehingga pada saat pengambilan data diusahakan agar
kualitas foto yang dihasilkan tetap baik.

Bagian basement menghasilkan ketelitian yang sama baiknya untuk proses

pemodelan dibandingkan project lainnya. Masalah yang timbul dari pengolahan data
bagian basement adalah kurangnya titik ikat untuk bagian dalam ruangan sehingga
terjadi kemiringan dari model yang dihasilkan (Gambar 4.9). Total error yang
dihasilkan sebesar 0,632 dengan RMS sebesar 0,375 piksel. Secara lengkap statistik
hasil pemodelan dapat dilihat pada tabel 4.7, sebagai berikut :

Tabel 4.9 Statistik hasil pemodelan basement gedung Campus Center Barat ITB

RMS (piksel) 0,375

Largest RMS (piksel) 0,458
Angle (derajat) 43,534

Beberapa bagian basement Campus Center tidak dapat dimodelkan dengan

sempurna karena keterbatasan jarak pengambilan foto yang akibatnya cukup diperoleh
titik ikat untuk proses orientasi antar foto. Selain itu, adanya halangan berupa
tumpukan barang bekas yang menggunung, mengganggu proses pengambilan data
karena titik-titik detail tertutup oleh halangan tersebut (Gambar 4.11).

lix
 Gambar 4.35 Situasi basement Campus Center ITB

Ketiga hasil pemodelan menunjukkan bahwa nilai RMS masih lebih kecil dari
nilai 0,5 piksel yang merupakan ketelitian minimal yang harus dicapai untuk hasil
terbaik. Parameter yang belum tercapai adalah sudut pengambilan foto yang bernilai
sekitar 40 derajat, masih lebih kecil dari 60-90 derajat yang merupakan sudut terbaik
untuk pemodelan.
Untuk mengetahui tingkat ketelitian garis yang dihasilkan dari model,
dilakukan perhitungan dari 4 garis di model. Perhitungan menggunakan penurunan
persamaan garis untuk mendapatkan ketelitian tiap garis yang diperoleh. Koordinat
dari titik-titik yang digunakan dalam perhitungan dapat dilihat pada tabel 4.8.
Koordinat yang digunakan berupa koordinat ruang sekaligus tingkat presisi di tiap
sumbunya.

Tabel 4.10 Koordinat titik untuk perhitungan ketelitian garis pada model

Ketelitian Garis
Presisi Presisi Presisi
Titik X (meter) Y (meter) Z (meter)
(meter) (meter) (meter)
1280 29,135 0,006 -5,271 0,003 -11,035 0,008
1430 38,277 0,009 -8,721 0,004 -22,741 0,006
528 5,420 0,015 0,335 0,012 4,278 0,044
1226 0,000 0,007 0,000 0,005 0,000 0,008
526 12,972 0,019 0,826 0,009 10,107 0,030
527 7,571 0,034 0,481 0,019 5,933 0,071
3720 0,624 0,007 -0,103 0,004 -0,197 0,009
1317 13,371 0,008 -4,816 0,003 -16,245 0,008

lx
 Perhitungan dimulai dengan mencari panjang tiap sisi dengan persamaan 4.1.
Setelah perhitungan akan diperoleh panjang tiap sisi yang akan dicari
ketelitiannya.

√ 2 2
d ij = ( x j −xi ) + ( y j− y z ) + ( z j −zi )
2
..............................................(4.1)

Setelah perhitungan panjang kemudian dilakukan perhitungan ketelitian jarak

dari sisi yang telah dihitung panjangnya. Perhitungan ketelitian jarak dilakukan
dengan melakukan penurunan persamaan terhadap tiap sumbu yaitu X, Y, dan Z
(Persamaan 4.2).

∂ dij ∂d ∂d ∂d ∂d ∂d
∂ d ij 2= δ xi2 + ij δ y i2+ ij δ z i2 + ij δ x j2+ ij δ y j2 + ij δ z j2.............(4.2)
∂ xi ∂ yi ∂ zi ∂xj ∂yj ∂zj

Dengan perhitungan dari penurunan persamaan jarak dua titik dihasilkan

ketelitian garis yang dapat dilihat pada tabel 4.9. Hasil yang diperoleh menunjukkan
tingkat ketelitian yang tinggi. Hal ini menunjukkan bahwa kualitas model yang
dihasilkan cukup tinggi untuk digunakan dalam proses selanjutnya.

Tabel 4.11 Ketelitian dari garis pada model

Ketelitian
Garis
(meter)
1280-1430 0,00003
528-1226 0,0001
526-527 -0,0006
3720-1317 0,000005

Gambar 4.36 Sketsa posisi titik di bangunan gedung CC Barat ITB

Tabel 4.10 menunjukkan bahwa ketelitian dari metode fotogrametri rentang

dekat mampu melebihi ketelitian dari pita ukur. Ketelitian pita ukur diperoleh dari
setengah skala terkecil pita ukur yaitu 1 mm. Sedangkan jika dibandingkan dengan
Electronic Total Station (ETS), metode fotogrametri rentang dekat belum mampu
menyamai ketelitian ETS. Melihat hasil tersebut dapat disimpulkan bahwa metode
fotogrametri dapat digunakan sebagai metode baru untuk pembuatan gambar As-Built
sesuai dengan ketelitian yang dihasilkan. Alasan metode fotogrametri rentang dekat

lxi
 dibandingkan dengan pita ukur dan ETS, karena kedua alat tersebut lazim digunakan
dalam pembuatan gambar As-Built.
Tabel 4.12 Perbandingan ukuran dan ketelitian fotogrametri rentang dekat, pita ukur, dan ETS

Model Ketelitian Pita ukur Ketelitian ETS Ketelitian

Bagian
(meter) (meter) (meter) (meter) (meter) (meter)
1280-
15,21 0,00003 15,23 0,0005 15,24 0,000005
1430
528-
6,82 0,0001 6,85 0,0005 6,87 0,00005
1226

Sudut pengambilan foto yang kecil juga mempengaruhi hasil pemodelan dari
gedung CC. Besar sudut rata-rata dari tiap titik yang dimodelkan adalah 40,537
derajat, dimana hasil tersebut dapat dikatakan kurang baik karena menurut
Photomodeler (2011), sudut pengambilan harus diusahakan sebesar 60-90 derajat.
Sejumlah 516 titik pada model diambil dari sudut 10-20 derajat atau sekitar 21% dari
total titik yang dimodelkan yaitu sejumlah 2383 titik (Gambar 4.13).
600

500

400

300

200

100

0
jat jat jat jat jat jat jat jat jat
era era era era era era era era era
d d d d d d d d d
10 -2
0
-3
0
-4
0
-5
0
-6
0
-7
0
-8
0
-9
0
0- 10 20 30 40 50 60 70 80

Gambar 4.37 Persebaran jumlah titik berdasarkan sudut pengambilan foto

Untuk mengetahui sudut mana yang paling bagus dalam pemodelan, dapat
dilihat secara sederhana dalam gambar 4.14. Pada gambar A dapat dilihat penentuan
titik potong antara 2 garis dapat ditentukan dengan baik. Sedangkan pada titik B,
terjadi ambiguitas dalam penentuan titik potongnya. Hal tersebut menunjukkan
semakin besar sudut yang dibentuk dari 2 garis maka kualitasnya semakin baik, atau
dapat disimpulkan 2 garis yang membentuk sudut mendekat 90 derajat menghasilkan
ketelitian penentuan posisi titik potong terbaik.
lxii
 Gambar 4.38 Perbandingan geometri sudut

Pengambilan sudut yang kecil disebabkan oleh banyaknya halangan di sekitar

bangunan gedung CC saat pengambilan data foto terutama pohon yang menutupi
sebagian besar sisi gedung. Karena alasan tersebut terpaksa dilakukan pengambilan
foto dari sudut yang kecil untuk mendapatkan titik detailnya. Dalam gambar 4.14
dapat dilihat pada bagian A yang memiliki lebih sedikit halangan jumlah pengambilan
foto lebih sedikit dibandingkan bagian B. Penambahan jumlah foto dibagian B
disebabkan objek gedung yang terekam di foto sangat sedikit karena pada bagian B
terdapat lebih banyak halangan berupa pohon sehingga penambahan foto perlu
dilakukan.

lxiii
 Gambar 4.39 Persebaran posisi pengambilan foto

Terkait hasil akurasi relatif dan presisi dapat dilihat pada tabel 4.11. Hasil
menunjukkan bahwa tingkat akurasi pada sumbu-X lebih buruk dibandingkan sumbu-
Y dan sumbu-Z. Hal ini kemungkinan karena ketidaktelitian penandaan objek pada
foto yang blur. Banyaknya cahaya, kekontrasan gambar, dan shutter speed cukup
berpengaruh pada kualitas foto. Tingkat akurasi diperoleh dengan membandingkan
RMS presisi dengan jarak terjauh dari model. Dari hasil tersebut dapat dikatakan pada
sumbu X untuk setiap 6380 m terjadi kesalahan sebesar 1 m.

Tabel 4.13 Tingkat presisi dan akurasi tiap sumbu

Akurasi
Presisi (meter) Akurasi
sumbu
X 0,009 1: 6380
Y 0,004 1 : 14355
Z 0,008 1 : 7177

Berdasarkan kriteria untuk mendapatkan pemodelan yang baik, parameter yang

harus dipenuhi dapat dilihat pada gambar 4.15. Dengan melihat gambar tersebut dapat
dilihat bahwa hasil pengolahan belum berada pada tingkat pemodelan yang baik
karena beberapa parameter tidak memenuhi. Kesimpulan dari beberapa kriteria
tersebut adalah hasil pemodelan berada pada tingkat rata-rata.

Accuracy Camera Camera Angles Photo Photo Targets

lxiv
 Calibration between Orientation
Resolution Redundancy
Method Photos Quality
Lowest Most less Few points per
Video Points mostly on No targets, all
Accuracy 1 No calibration than 15 photo, low
640x480 only 2 photos user marked
part in 100 degrees coverage

Most Some
Average 15+ points/photo,
5-6 Camera between 20 All points on 3+ naturally
Accuracy 1 25 to 60%
MegaPiksel Calibration and 90 photos targets for key
part in 5000 coverage
degrees points

Most
Highest 35+ points/photo,
11 Mega Field between 60 Most points on 8 Retro
Accuracy 1 50 to 60%
piksel Calibration and 90 or more photos reflective
part in 30000 coverage
degrees
Gambar 4.40 Kriteria pemodelan yang baik

Untuk mendapatkan hasil yang lengkap, proses penggabungan project harus

dilakukan setelah sebelumnya proses pemodelan bangunan gedung dilakukan dalam
tiga project secara terpisah. Penggabungan dilakukan dengan melakukan transformasi
koordinat titik, dimana titik di project eksterior digunakan sebagai titik referensi dari
project lainnya. Alasan penggunaan project eksterior sebagai titik referensi karena
pada project eksterior memiliki model yang lebih lengkap dan menyeluruh sehingga
lebih baik digunakan untuk titik referensi. Koordinat titik eksterior yang digunakan
sebagai titik ikat project interior dapat dilihat pada tabel 4.12, sebagai berikut :

Tabel 4.14 Koordinat titik ikat antar project di eksterior

Titik X (meter) Y (meter) Z (meter)

5235 10,117 2,033 3,053
5250 13,162 0,881 -0,816
5243 19,978 0,462 -0,317
5245 25,364 -1,527 -7,241

Keempat titik ikat di project eksterior pada tabel 4.12 dipilih untuk membentuk
geometri yang kuat. Penempatan titik ikat dilakukan secara merata dan menyebar
supaya setiap project terikat dengan kuat dan memiliki ketelitian yang baik. Dalam
visualisasinya titik ikat dapat dilihat merupakan bulatan hitam pada gambar 4.16 dan
4.17, sebagai berikut :

lxv
 Gambar 4.41 Penempatan titik ikat antar project

Gambar 4.42 Denah penempatan titik ikat antar project

Titik-titik ikat project interior yang posisinya sama dengan titik di project
eksterior kemudian ditransformasikan dengan project eksterior sebagai referensinya.
Hasil transformasi titik ikat dapat dilihat pada tabel 4.13. Dari hasil transformasi dapat
dilihat perbedaan yang dihasilkan cukup kecil, dan perbedaan paling besar terjadi di
sumbu Z pada titik 5243 yaitu sebesar -0,045 m.
Tabel 4.15 Hasil transformasi interior ke eksterior

X Y dY
Z (meter) dX (meter) dZ (meter)
(meter) (meter) (meter)
523
10,116 2,021 3,065 0,001 -0,012 0,012
5
525
13,158 0,899 -0,803 0,004 0,018 0,004
0
524
19,967 0,461 -0,362 0,009 -0,001 -0,045
3

lxvi
 524
25,366 -1,528 -7,237 0,003 -0,001 0,004
5
Hasil statistik transformasi koordinat antar tititik ikat pada tabel 4.14
menunjukkan pada sumbu Z memiliki RMS paling besar dibandingkan yang lain. Hal
ini disebabkan jarak X dan Y lebih pendek ke pusat koordinat dibandingkan jarak Z.

Tabel 4.16 Statistik transformasi koordinat interior ke eksterior

RMS X
RMS Y (meter) RMS Z (meter)
(meter)
0,004 0,008 0,017

Pada penggabungan project eksterior dan basement dilakukan proses yang sama
dengan penggabungan sebelumnya. Titik ikat di eksterior yang digunakan sebagai
tujuan transformasi dapat dilihat pada tabel 4.15, sebagai berikut :

Tabel 4.17 Koordinat titik ikat antar project di eksterior

Titik X (meter) Y (meter) Z (meter)

5254 40,224 -8,487 -21,481
5267 21,905 -2,141 1,816
5269 22,077 -2,199 1,611
5158 37,732 -7,069 -22,098
5164 36,984 -6,790 -21,148

Hasil transformasi titik ikat di basement dimana project eksterior digunakan

sebagai referensi dapat dilihat pada tabel 4.16. Dengan melihat hasil transformasi,
perbedaan yang dihasilkan juga cukup kecil dan perbedaan terbesar terdapat pada titik
5164 di sumbu Z dengan ukuran -0,041 m. Perbedaan -0,041 m dapat dikatakan cukup
kecil jika dibandingkan ukuran bangunan gedung yang diukur jaraknya dengan
panjang 54 meter dan lebar 21 m. Untuk hasil statistik pemodelan dapat dilihat pada
tabel 4.17, sebagai berikut :
Tabel 4.18 Hasil transformasi basement ke eksterior

Titik X Y dY
Z (meter) dX (meter) dZ (meter)
(meter) (meter) (meter)
525
40,208 -8,484 -21,449 0,016 0,003 0,032
4
526
21,909 -2,139 1,826 0,004 0,002 0,011
7
526
22,075 -2,202 1,605 0,002 -0,003 -0,006
9
515
37,749 -7,065 -22,093 0,017 0,004 0,005
8
516
36,980 -6,796 -21,189 0,003 -0,006 -0,041
4

lxvii
 Tabel 4. 19 Statistik transformasi koordinat basement ke eksterior

RMS X
RMS Y (meter) RMS Z (meter)
(meter)
0,011 0,004 0,023
Dari hasil statistik pemodelan menunjukkan bahwa akurasi setiap sumbu
menunjukkan nilai cukup baik karena lebih kecil dari 1 m.

4.4 Pembuatan As-Built Drawing Konstruksi

Pembuatan As-Built Drawing dilakukan dengan perangkat lunak Google

Sketchup 7. Perangkat lunak ini memiliki kemampuan untuk mengolah grafis dari hasil
pemodelan gedung. Dengan melakukan penyesuaian arah gedung maka selanjutnya
dapat dibuat As-Built Drawing dari tampak depan, belakang, samping, dan atas. Untuk
membuat As-Built Drawing dilakukan orientasi kamera yang paralel dengan sumbu
koordinat dan proyeksi yang tegak lurus dengan bidang proyeksi.

4.4.1 Hasil As-Built Drawing

Hasil dari pemodelan Photomodeler Scanner kemudian diolah lebih lanjut

dengan perangkat lunak Google Sketchup 7. Model yang telah dibuat diproyeksikan
secara orthogonal untuk mendapat gambar tampak depan, samping, dan atas. Setelah
dilakukan proyeksi secara orthogonal setiap sisi bangunan gedung diberikan ukuran
sesuai dengan pengukuran di lapangan. Hasil dari pengolahan lanjutan dapat dilihat
pada gambar 4.16 sampai dengan gambar 4.18.

lxviii
Gambar 4.43 Gambar As-Built tampak depan bangunan gedung CC barat ITB

Gambar 4.44 Gambar As-Built tampak atas bangunan gedung CC barat ITB

lxix
 Gambar 4.45 Gambar As-Built interior bangunan gedung CC barat ITB

4.4.2 Analisis As-Built Drawing

Analisis dilakukan berdasarkan hasil ukuran jarak dari panjang sisi bangunan
pada model dibandingkan dengan ukuran panjang As-Built Drawing yang telah
tersedia dan juga ukuran jarak menggunakan alat ETS.

Tabel 4.20 Selisih ukuran jarak Campus Center ITB

Selisih model Selisih model

Model As-Built Drawing Ukuran Lapangan
dengan As- dengan ETS
(meter) (meter) ETS (meter)
Built (meter) (meter)
Sisi depan 6,889 6,875 6,873 0,014 0,016
Sisi depan 6,812 6,875 6,906 -0,063 -0,094
Pilar 5,974 6,000 6,005 -0,026 -0,031
Pilar 5,959 6,000 5,987 -0,041 -0,028
Pilar 5,989 6,000 6,020 -0,011 -0,031
Pilar 5,985 6,000 6,003 -0,015 -0,018
Pilar 5,976 6,000 6,006 -0,024 -0,030
Pilar 6,127 6,000 5,971 0,127 0,156
Pilar 5,929 6,000 5,976 -0,071 -0,047
Rata-rata -0,012 -0,012

Hasil model dari pengolahan lanjutan kemudian diukur panjangnya untuk

dibandingkan dengan gambar As-Built gedung CC Barat ITB tahun 2004 yang telah
tersedia. Nilai perbedaan dari model dan As-Built Drawing adalah -0,011 m hingga
0,127 m (Tabel 4.16). Rata-rata hasil perbedaan adalah -0,012 meter.

lxx
 Perbandingan kedua dilakukan dengan ukuran yang diperoleh menggunakan alat
ETS. Dari hasil menunjukkan perbedaan adalah-0,031 m hingga 0,156 m dengan rata-
rata perbedaan sebesar -0,012 meter.

Tabel 4.21 Tabel prosentase kesalahan ukuran jarak

Selisih model dengan Selisih model Prosentase Prosentase

Garis
As-Built (meter) dengan ETS (meter) (%) (%)
Sisi depan 0.014 0.016 0.002 0.002
Sisi depan -0.063 -0.094 -0.009 -0.014
Pilar -0.026 -0.031 -0.004 -0.005
Pilar -0.041 -0.028 -0.006 -0.005
Pilar -0.011 -0.031 -0.001 -0.005
Pilar -0.015 -0.018 -0.002 -0.003
Pilar -0.024 -0.03 -0.003 -0.005
Pilar 0.127 0.156 0.021 0.026
Pilar -0.071 -0.047 -0.01 -0.008
Rata-rata -0.012 -0.012 -0.002 -0.002

Untuk mengetahui seberapa besar tingkat perbedaan, dilakukan perhitungan

dalam prosentase untuk setiap selisih ukuran jarak. Hasil menunjukkan rata-rata
perbedaan sebesar -0,002 %. Berdasarkan nilai tersebut dapat disimpulkan nilai
kesalahannya cukup kecil dan dapat ditoleransi.

Gambar 4.46 Sketsa posisi pengukuran jarak

lxxi
 Perhitungan selisih jarak dilakukan terhadap 9 ukuran jarak. Posisi yang diukur
jaraknya dapat dilihat pada gambar 4.19. Perbedaan yang timbul dari ketiga ukuran
kemungkinan disebabkan beberapa hal seperti kesalahan penempatan titik awal
ukuran di ujung bangunan, kesalahan yang disebabkan operator atau alat, dan
kesalahan penyekalaan model.

lxxii
 BAB 5
KESIMPULAN DAN SARAN

5.1 Kesimpulan

Kamera harus melalui proses kalibrasi untuk mengetahui parameter orientasi

dalam sebelum pengambilan data dan setelah pengambilan data untuk mendapatkan
hasil yang optimal.
Penelitian ini menggunakan teknik fotogrametri rentang dekat untuk
melakukan pemodelan 3 dimensi dari bangunan gedung yang akan dibuat As-Built
Drawing. Dari hasil penelitian diketahui kualitas yang dimiliki teknik fotogrametri
rentang dekat mampu digunakan untuk membantu pembuatan As-Built Drawing dari
bangunan gedung yang telah berdiri.
Perbandingan hasil pengukuran metode fotogrametri rentang dekat memiliki
selisih yang cukup kecil jika dibandingkan dengan As-Built Drawing yang telah dibuat
pada tahun 2004. Hasil perhitungan menunjukkan bahwa selisih panjang yang diperoleh
berkisar antara -0,011 m hingga 0,127 m dimana selisih tersebut masih dapat ditoleransi
jika dibandingkan dengan ukuran gedung.
Hal ini juga menunjukkan bahwa pemodelan bangunan konstruksi dengan
ketelitian tinggi dapat dicapai hanya dengan menggunakan peralatan sederhana dan
biaya yang murah yaitu kamera non-metrik. Salah satu kelemahan dari teknik
fotogrametri rentang dekat adalah waktu yang dibutuhkan untuk pengolahan termasuk
lama terutama untuk bangunan gedung yang memiliki tingkat kerumitan yang tinggi.

5.2 Saran

1. Kalibrasi kamera merupakan hal yang paling utama untuk mendapatkan hasil yang
optimal. Lebih baik jika melakukan pengambilan data kalibrasi kamera dengan jumlah
banyak untuk mendapatkan ukuran lebih agar dapat dibandingkan kualitas antar data
kalibrasi.

lxxiii
2. Untuk mendapatkan model bagian atas gedung lebih baik jika dibantu dengan foto
udara yang dapat diambil dengan UAV (Unmanned Aerial Vehicle) agar mendapatkan
hasil yang akurat dari tiap sisinya.
3. Selalu diusahakan pengambilan gambar dengan sudut sekitar 60-90 derajat untuk
mendapatkan hasil yang optimal dan juga menggunakan peralatan tripod untuk
menghindari gambar buram karena gerakan yang tidak disengaja saat pengambilan
gambar.

4. Diusahakan menggunakan target untuk meningkatkan kualitas orientasi foto.

lxxiv
 DAFTAR REFERENSI

Atkinson, K. (1980). Close Range Photogrammetry and Machine Vision. London: Whittles
Publishing.

Atkinson. 1996. Close Range Photogrammetry and Machine Vision. Whittles

Publishing. Scotland, UK.

lxxv
Atkinson. 2000. Theory of Close Range Photogrammetry, Ch.2 Coordinate Transformations.

http://www.lems.brown.edu/vision/people/leymarie/Refs/Photogrammetry/
General.html

Balageas, D., Fritzen, C. P. and Gueemes, A., 2006. Structural health monitoring. Wiley-
ISTE, pp. 286.

Fraser, C.S., 1997. Digital camera self-calibration. ISPRS Journal of Photogrammetry &
Remote Sensing 52, pp. 149–159, 1997.

Golparvar-Fard, M., Pena-Mora, F., & Savarese, S. (2009). D4AR-A 4-Dimensional

Augmented Relaity Model for Automating Construction Progress Monitoring
Data Collection Processing and Communication. Journal of Information
Technology in Construction .

Golparvar-Fard, M., Pena-Mora, F., & Savarese, S. (2009). Visualization of Construction

Progress Monitoring with 4D Simulation Model Overlaid on Time-Lapsed
Photographs. Journal of Computing in Civil Engineering .

Golparvar-Fard, Peña-Mora, F., & Savarese, S. Monitoring of Construction Performance

Using Daily Progress Photograph Logs.

Habib, A. and Morgan, M., 2005. Stability analysis and geometric calibration of off-the-
shelf digital cameras. Photogrammetric Engineering & Remote Sensing,
71( 9): 733-741.

Hanifa, N. (2007). Studi Penggunaan Kamera Digital Low-Cost Non-Metric Auto-Focus

untuk Pemantauan Deformasi. Tesis Magister Teknik Geodesi dan Geomatika
ITB, Bandung.

Hattori, S., Akimoto, K., Fraser, C., & Imoto, H. (2002). Automated Procedured with Coded
Targets in Industrial Vision Metrology. Photogrammetric Engineering &
Remote Sensing Vol. 68 No. 5, pp. 441-446
Kiziltas S. and Akinci B. (2005). “The need for prompt schedule update by utilizing reality
capture technologies: A case study”, Proc., Construction Research Congress,
San Diego, CA..
Kymell W. (2008). Building information modeling: planning and managing construction
projects with 4D CAD and simulations. McGraw-Hill.

lxxvi
Leitch, Kenneth. 2002. Close Range Photogrammetric Measurement of Bridge Deformation.

Disertasi New Mexico State University. Meksiko.

Luhmann, T., Robson, S., Kyle, S. and Harley, I., 2007. Close range photogrammetry:
Principles, techniques and applications. John Wiley & Sons, pp. 57.
Mendonca, P. and Cipolla, R., 1999. A simple technique for self-calibration. In: Proc. IEEE
Conf. on Computer Vision and Pattern Recognition, 1(CVPR99): 500-505.
Moe, D., Sampath, Christopherson, J., & Benson, M. (2010). Self Calibration of Small and
Medium Format Digital Cameras. ISPRS TV VII Symposium - 100 Years
ISPRS (pp.395-400). Vienna, Austria: IAPRS, Vol. XXXVIII, Part 7B.

Murtiyoso, A. (2011). Pemanfaatan Fotogrametri Rentang Dekat untuk Membantu

Rekonstruksi Objek Arkeologi (Studi Kasus: Candi Perwara Nomor 72
Komplek Candi Sewu). Tugas Akhir Sarjana Teknik Geodesi dan Geomatika
ITB,Bandung

Suwardhi, D. (2007). Disertasi: "Development of Craniofacial Geometric Morphometric

Database System". Universiti Teknologi Malaysia.

Wang, C.-H., Mills, J., Gosling, P., Bridgens, B., & Grisdale, R. (2010). Monitoring the
Testing, Construction and As-Built Condition of Membrane Structures by
Close Range Photogrammetry. Newcastle.

Wolf, P. R. (2000). Elements of Photogrammetry with Applications in GIS, 3rd Edition.

United States: McGraw-Hill.
Wotjas, A. M. (2010). Off-the-Shelf Close-Range Photogrammetric Software for cultural
Heritage Documentation at Stonehenge. Commission V Symposium (pp. 603-
607). Newcastle upon Tyne, UK: International Archives of Photogrammetry,
Remote Sensing and Spatial Information Sciences, Vol. XXXVIII, Part 5.
www.photomodeler.com

lxxvii
 LAMPIRAN

Lampiran A Hasil kalibrasi uji coba awal

Status Report Tree Fw - format width

Value: 22.301200 mm
Project Name: *** Project has not yet Fh - format height
been saved *** Value: 14.833600 mm
K1 - radial distortion 1
Problems and Suggestions (2) Value: 1.275e-004
Project Problems (2) K2 - radial distortion 2
Problem: The lowest angle Value: 0.000e+000
separation between points is lower K3 - radial distortion 3
than 5 degrees and will not be Value: 0.000e+000
computed accurately. You also have one P1 - decentering
or more other points with angle distortion 1
thresholds lower than 30 degrees. Value: 0.000e+000
Suggestion: Points with low P2 - decentering
angle separation will not solve with distortion 2
good accuracy. If possible add a photo Value: 0.000e+000
with greater angle separation.
The total photo area covered by Quality
points is 67%, which is Photographs
less than the recommended 80%. Total Number: 9
Try to take photos of the Bad Photos: 1
calibration grid so that marked points Weak Photos: 0
fill as much of the photo frame as OK Photos: 8
possible. Also move the grid around Number Oriented: 8
the frame so overall there is good Number with inverse camera flags
coverage across all photos. This will set: 0
result in a better calibration as more Cameras
of the lens will be calibrated to Camera1: Canon EOS 450D [28.00]
account for variability throughout the Calibration: yes
lens. Number of photos using
Problems related to most recent camera: 9
processing (0) Average Photo Point Coverage:
67%
Information from most recent Photo Coverage
processing Number of referenced points
Last Processing Attempt: Thu Nov 03 outside of the Camera's calibrated
13:23:04 2011 coverage: 0
PhotoModeler Version: 6.2.2.596 - Point Marking Residuals
final,full Overall RMS: 0.144 piksels
Status: successful Maximum: 0.492 piksels
Processing Options Point 11 on Photo 4
Orientation: off Minimum: 0.063 piksels
Global Optimization: on Point 48 on Photo 3
Calibration: on (full Maximum RMS: 0.335 piksels
calibration) Point 11
Constraints: off Minimum RMS: 0.044 piksels
Total Error Point 48
Number of Processing Iterations: Point Tightness
3 Maximum: 0.00047 m
Number of Processing Stages: 2 Point 82
First Error: 2.962 Minimum: 5.8e-005 m
Last Error: 1.162 Point 48
Precisions / Standard Deviations Point Precisions
Camera Calibration Standard Overall RMS Vector Length:
Deviations 0.000536 m
Camera1: Canon EOS 450D Maximum Vector Length: 0.00217 m
[28.00] Point 99
Focal Length Minimum Vector Length: 0.000253
Value: 28.362874 mm m
Deviation: Focal: 0.018 Point 5
mm Maximum X: 0.0018 m
Xp - principal point x Maximum Y: 0.000472 m
Value: 11.150265 mm Maximum Z: 0.00112 m
Yp - principal point y Minimum X: 0.000137 m
Value: 8.056757 mm Minimum Y: 2.52e-005 m

lxxviii
 Minimum Z: 0.000182 m

Lampiran B Statistik hasil uji coba

Status Report Tree Value: 15.881898

Deviation: Z: 0.283
Project Name: Ayo boi.pmr Photo 2: IMG_6648.JPG
Omega
Problems and Suggestions (1) Value: 186.270715 deg
Project Problems (1) Deviation: Omega: 0.166
Problem: The largest point deg
residual in your project (Point495 - Correlations over
65.17) is greater than 5.00. 95.0%: Kappa:-96.6%, Y:98.9%
Suggestion: Your project has Phi
very high residuals and is not solving Value: 43.129550 deg
properly. In normal projects, strive Deviation: Phi: 0.125
to get all point residuals under 5.00 deg
piksels. It is very important that Kappa
this be fixed. If you have just a few Value: -170.373486 deg
high residual points, study them on Deviation: Kappa: 0.176
each photo to ensure they are marked deg
and referenced correctly. If many of Correlations over
your points have high residuals, make 95.0%: Omega:-96.6%, Y:-96.7%
sure the camera stations are solving Xc
correctly and that you are using the Value: 84.096778
best camera parameters possible. Deviation: X: 0.186
Problems related to most recent Yc
processing (0) Value: 9.520825
Deviation: Y: 0.250
Information from most recent Correlations over
processing 95.0%: Omega:98.9%, Kappa:-96.7%
Last Processing Attempt: Mon Nov 07 Zc
22:44:52 2011 Value: -82.590993
PhotoModeler Version: 6.3.3.794 - Deviation: Z: 0.202
final,full Photo 5: IMG_6649.JPG
Status: successful Omega
Processing Options Value: 171.059201 deg
Orientation: off Deviation: Omega: 0.224
Global Optimization: on deg
Calibration: off Correlations over
Constraints: on 95.0%: Kappa:-99.4%, Y:99.4%
Total Error Phi
Number of Processing Iterations: Value: 61.198164 deg
5 Deviation: Phi: 0.105
Number of Processing Stages: 2 deg
First Error: 1.530 Kappa
Last Error: 1.509 Value: -147.822029 deg
Precisions / Standard Deviations Deviation: Kappa: 0.222
Photograph Standard Deviations deg
Photo 1: IMG_6642.JPG Correlations over
Omega 95.0%: Omega:-99.4%, Y:-99.5%
Value: 63.014920 deg Xc
Deviation: Omega: 0.369 Value: 82.887172
deg Deviation: X: 0.120
Correlations over Yc
95.0%: Kappa:-99.8% Value: 10.040999
Phi Deviation: Y: 0.192
Value: 75.505458 deg Correlations over
Deviation: Phi: 0.091 95.0%: Omega:99.4%, Kappa:-99.5%
deg Zc
Kappa Value: -83.942355
Value: -29.307747 deg Deviation: Z: 0.194
Deviation: Kappa: 0.354 Photo 6: IMG_6652.JPG
deg Omega
Correlations over Value: 145.661582 deg
95.0%: Omega:-99.8% Deviation: Omega: 0.371
Xc deg
Value: 122.959080 Correlations over
Deviation: X: 0.199 95.0%: Kappa:-99.8%
Yc Phi
Value: -38.646838 Value: 72.501737 deg
Deviation: Y: 0.185 Deviation: Phi: 0.107
Zc deg

lxxix
 Kappa
Value: -121.325764 deg
Deviation: Kappa: 0.357
deg
Correlations over
95.0%: Omega:-99.8%
Xc
Value: 82.941161
Deviation: X: 0.114
Yc
Value: 10.714789
Deviation: Y: 0.197
Zc
Value: -85.925519
Deviation: Z: 0.195
Photo 7: IMG_6665.JPG
Omega
Value: 67.147829 deg
Deviation: Omega: 0.309
deg
Correlations over
95.0%: Z:-98.8%
Phi
Value: 7.238890 deg
Deviation: Phi: 0.211
deg
Correlations over
95.0%: X:99.0%
Kappa
Value: 4.034571 deg
Deviation: Kappa: 0.140
deg
Xc
Value: -24.560206
Deviation: X: 0.419
Correlations over
95.0%: Phi:99.0%
Yc
Value: -92.019023
Deviation: Y: 0.265
Zc
Value: 40.740253
Deviation: Z: 0.567
Correlations over
95.0%: Omega:-98.8%
Photo 8: IMG_6668.JPG
Omega
Value: 70.542885 deg
Deviation: Omega: 0.155
deg
Phi
Value: -12.658626 deg
Deviation: Phi: 0.179
deg
Kappa
Value: 18.603482 deg
Deviation: Kappa: 0.104
deg
Xc
Value: -66.589471
Deviation: X: 0.459
Yc
Value: -102.431758
Deviation: Y: 0.296
Zc
Value: 41.952011
Deviation: Z: 0.327
Photo 10: IMG_6659.JPG
Omega
Value: 188.312280 deg
Deviation: Omega: 0.107
deg
Correlations over
95.0%: Kappa:-97.6%, Y:98.9%
Phi
Value: 36.307962 deg
lxxx
Deviation: Phi: 0.088
deg
Correlations over
95.0%: X:95.4%
Kappa
Value: -178.374831 deg
Deviation: Kappa: 0.134
deg
Correlations over
95.0%: Omega:-97.6%
Xc
Value: 35.686680
Deviation: X: 0.214
Correlations over
95.0%: Phi:95.4%
Yc
Value: 56.233169
Deviation: Y: 0.158
Correlations over
95.0%: Omega:98.9%
Zc
Value: -184.191337
Deviation: Z: 0.113
Photo 11: IMG_6656.JPG
Omega
Value: 142.813089 deg
Deviation: Omega: 0.473
deg
Correlations over
95.0%: Kappa:-99.8%
Phi
Value: 75.106626 deg
Deviation: Phi: 0.122
deg
Kappa
Value: -117.214529 deg
Deviation: Kappa: 0.456
deg
Correlations over
95.0%: Omega:-99.8%
Xc
Value: 84.760544
Deviation: X: 0.126
Yc
Value: 10.516874
Deviation: Y: 0.226
Zc
Value: -86.740524
Deviation: Z: 0.218
Photo 12: IMG_6653.JPG
Omega
Value: 87.289376 deg
Deviation: Omega: 0.406
deg
Correlations over
95.0%: Kappa:-99.6%, Z:-99.3%
Phi
Value: 73.363440 deg
Deviation: Phi: 0.118
deg
Correlations over
95.0%: Y:99.4%
Kappa
Value: -59.444948 deg
Deviation: Kappa: 0.413
deg
Correlations over
95.0%: Omega:-99.6%, Z:98.3%
Xc
Value: 83.149379
Deviation: X: 0.125
Yc
Value: 11.227724
Deviation: Y: 0.208
Correlations over
95.0%: Phi:99.4%
Zc
 Value: -87.464804 Yc
Deviation: Z: 0.226 Value: -49.183645
Correlations over Deviation: Y: 0.203
95.0%: Omega:-99.3%, Kappa:98.3% Zc
Photo 13: IMG_6643.JPG Value: 24.219487
Omega Deviation: Z: 0.279
Value: 49.046882 deg
Deviation: Omega: 0.197 Quality
deg Photographs
Correlations over Total Number: 11
95.0%: Kappa:-98.2% Bad Photos: 0
Phi Weak Photos: 0
Value: 65.198506 deg OK Photos: 11
Deviation: Phi: 0.102 Number Oriented: 11
deg Number with inverse camera flags
Kappa set: 0
Value: -16.776987 deg Cameras
Deviation: Kappa: 0.191 Camera1: Canon EOS 450D [28.00]
deg Calibration: yes
Correlations over Number of photos using
95.0%: Omega:-98.2% camera: 11
Xc Average Photo Point Coverage:
Value: 124.000915 NOT SET
Deviation: X: 0.206 Point Marking Residuals
Yc Overall RMS: 4.000 piksels
Value: -38.469553 Maximum: 65.172 piksels
Deviation: Y: 0.189 Point 495 on Photo 14
Zc Minimum: 0.026 piksels
Value: 15.531325 Point 474 on Photo 10
Deviation: Z: 0.289 Maximum RMS: 37.654 piksels
Photo 14: IMG_6663.JPG Point 495
Omega Minimum RMS: 0.025 piksels
Value: 57.736604 deg Point 474
Deviation: Omega: 0.191 Point Tightness
deg Maximum: 0.19
Correlations over Point 25
95.0%: Kappa:-97.0% Minimum: 0.0011
Phi Point 474
Value: 59.609604 deg Point Precisions
Deviation: Phi: 0.111 Overall RMS Vector Length: 0.106
deg Maximum Vector Length: 0.264
Kappa Point 488
Value: -20.684874 deg Minimum Vector Length: 0.0576
Deviation: Kappa: 0.176 Point 156
deg Maximum X: 0.229
Correlations over Maximum Y: 0.0983
95.0%: Omega:-97.0% Maximum Z: 0.118
Xc Minimum X: 0.0427
Value: 103.368621 Minimum Y: 0.0199
Deviation: X: 0.228 Minimum Z: 0.0267

lxxxi
Lampiran C Hasil kualitas titik pada uji coba awal
Photo
RMS Largest
ID Largest Photos (used) X Precision Y Precision Z Precision Tightness Angle
Residual Residual
Residual

18 2.52240838 0.11790596 0.09707872 0.05737507 0.2929167 78.15238070740

4.24871872 16 1,7,8,13,14,15,16,18,19
9 5 5 5 9 6 4 degs

59 2.97468934 4.21435774 0.17905565 0.14451525 0.1500513 78.35369427713

16 8,16,19 0.07523358
0 6 6 1 2 3 2 degs

48 2.56958184 3.96001145 0.13123244 0.09992627 0.04893267 0.0913312 83.31271569029

19 7,8,16,17,18,19
8 4 2 8 3 9 8 6 degs

2.29299436 3.86186378 0.07531328 0.07535354 0.05311029 0.1505502 89.73161034823

15 18 1,2,5,7,8,13,14,15,17,18
2 8 8 3 3 8 5 degs

15 2.59453510 3.75434430 0.07573661 0.04518611 0.04358218 0.1434226 56.52734442191

12 6,10,11,12
9 6 4 5 5 5 1 6 degs

19 3.70863820 0.11844819 0.09537731 0.05042511 0.1744200 78.37311204245

2.05416628 16 1,7,8,14,15,16,17,18,19
0 7 3 8 5 2 7 degs

59 3.65908133 0.13419571 0.05327327 0.0350270 84.66433482644

2.69773258 16 8,16,17,18,19 0.10167815
2 5 8 8 9 3 degs

14 2.42604167 0.08817196 0.06001635 0.05248479 0.0782546 54.96565417029

3.62115734 13 1,5,6,13
7 6 8 2 2 8 3 degs

2.60169809 3.59944676 0.09630370 0.05727205 0.1358459 82.59151355191

97 5 1,2,5,16 0.07507547
9 9 5 9 4 8 degs

22 3.49068240 0.07448138 0.04956668 0.08410059 79.07891214499

2.28928644 15 10,12,15 0.088908
8 3 7 6 1 9 degs

19 2.00545990 3.44272146 1,7,8,13,14,15,16,17,18,1 0.12729945 0.09349984 0.1463723 84.49931786237

19 0.04296033
3 3 5 9 3 4 9 1 degs

2.48534436 3.41327768 0.14809911 0.12823163 0.09422998 0.0844295 84.31482618209

2 1 1,2,13,16
2 7 6 1 2 2 9 degs

14 2.39308000 3.37890581 0.06907378 0.05035602 0.1200263 49.59466477454

11 1,2,5,6,11 0.05308382
1 1 8 1 7 6 2 degs

2.24032844 3.28109589 0.05352032 0.1086992 70.88389563873

21 16 1,2,5,16 0.07304844 0.06737315
4 7 4 7 9 degs

2.53550161 0.02803798 0.05020889 0.1145865 67.41675384710

77 3.27732395 6 6,10,11,12 0.05460895
9 3 4 4 6 degs

28 1.90599489 3.19776208 0.07606982 0.05124597 0.04640761 0.0966350 78.44780218693

10 1,5,10,11
6 9 3 2 6 2 3 0 degs

69 2.95983257 3.18003386 0.12601271 0.25621903 0.1234047 10.22196976633

19 8,19 0.11481138
4 2 2 1 7 9 9 degs

1.94979341 3.12169493 0.09680617 0.05856497 0.1098669 88.50141686329

18 8 1,2,5,8,13,14,17,18 0.07653315
2 9 6 3 7 7 degs

0.06619722 0.07993360 0.05404553 88.14118220352

94 1.82731323 3.06018818 17 1,2,7,8,13,17,18 0.1337395
7 9 8 9 degs

lxxxii
15 2.05243098 3.05722458 0.05433612 0.03058949 0.04626176 66.70042172062
12 6,10,11,12 0.0412339
8 8 8 5 6 4 4 degs

2.16913643 3.03250980 0.07425514 0.05572498 0.04696549 0.0614191 61.61342645276

26 1 1,2,5,6,13,14
8 1 3 3 1 2 7 degs

1.81502142 2.99581662 0.06097043 0.04213736 0.1092347 84.20230166187

52 1 1,5,6,10,11 0.04175482
7 1 4 2 9 8 degs

2.00938226 2.99059624 0.08130349 0.05879394 0.0941093 73.18437273621

20 5 1,2,5,13,14,15 0.10311997
4 1 1 4 7 8 degs

1.87970188 2.96133085 0.06491034 0.05305129 0.04397852 0.0601557 59.41542679212

25 13 1,2,5,6,11,13,14
7 5 7 5 1 8 1 degs

11 2.19964285 2.94529063 0.06485817 0.04482090 0.04404251 0.1131160 87.04961792514

1 1,5,6,10
5 9 4 2 5 8 3 8 degs

1.94935196 0.08123492 0.07553437 0.05387817 89.08890463593

16 2.91889372 1 1,2,5,7,8,13,14,15,17,18 0.1110205
3 8 2 3 5 degs

18 1.95978418 2.88241594 0.11755283 0.09773717 0.06043364 0.1088200 77.48952377143

16 1,7,8,13,14,15,16,19
8 7 5 3 5 7 1 9 degs

19 1.76045602 2.86033534 0.12065641 0.09473293 0.04773276 0.1130572 81.15983948132

16 1,7,8,14,15,16,17,18,19
1 3 5 6 6 5 9 5 degs

49 1.81247383 2.82917429 0.17751220 0.07350442 0.0886781 17.40261281589

13 1,13,14,15 0.09410463
7 2 6 9 2 1 9 degs

16 1.68268091 2.77073230 0.06518644 0.03939450 0.04541715 0.0727923 54.78040235643

12 5,6,10,12
1 3 2 4 6 4 5 4 degs

33 2.28969041 2.73687862 0.09103711 0.04727536 0.04718889 0.0331265 49.37758109954

6 1,5,6
0 5 9 6 6 3 1 0 degs

1.92234928 2.73675623 0.03427236 0.04289520 0.0604852 60.87997914558

60 15 5,6,10,11,12,15 0.04791955
5 1 8 2 8 5 degs

30 1.66200212 2.72477474 0.05388638 0.03392013 0.0521236 61.11548897075

5 5,6,10,11,12 0.04376809
8 1 6 9 6 4 3 degs

2.72452315 0.06693282 0.04430103 0.04365812 0.0966512 67.52683055047

54 1.9516545 6 1,5,6,10,11
3 2 7 9 4 5 degs

1.85438154 2.61802795 0.07086466 0.07967960 0.1026565 86.31910503386

93 13 1,2,7,8,13,17,18 0.05352004
7 4 9 8 9 0 degs

37 2.12722922 2.60104355 0.08412186 0.04647032 0.04445326 0.0152923 47.72050332637

5 1,5,6
7 7 4 2 7 8 1 9 degs

16 1.93950184 2.57184089 0.06494694 0.03851907 0.0782881 55.58311957194

12 5,6,10,11,12 0.0435686
2 9 1 2 6 8 8 degs

1.83467503 2.54892172 0.05282587 0.02764494 0.04822155 0.0477608 62.83028221207

76 12 6,10,11,12
3 4 6 4 2 4 8 degs

24 1.94523434 2.54753272 0.07130856 0.04453938 0.0993759 89.73684626993

1 1,5,6,10 0.04794678
6 1 6 4 4 4 8 degs

60 2.43573479 2.48490050 2.81761484 3.31503872 1.70431222 0.1286176 0.902282377891

17 17,18
2 3 3 7 7 2 1 degs

15 1.77805514 2.46324910 0.06243717 0.03659725 0.04242783 0.0880447 59.38782641105

12 6,10,11,12
5 2 5 2 3 8 4 0 degs

30 1.48536714 2.46243827 5 5,6,10,11,12 0.05262715 0.03301765 0.04268983 0.0211422 58.20885287613

lxxxiii
7 8 1 2 6 1 6 degs

1.98662127 0.08706736 0.07160958 0.05403202 0.0737732 78.97053344348

51 2.41609237 16 1,2,5,16
1 2 5 1 2 3 degs

33 1.92308323 0.08059825 0.05055290 0.04773384 0.0140521 51.21323180148

2.40631569 5 1,5,6
6 9 3 9 1 4 6 degs

30 1.87239347 2.37135317 0.05864406 0.03544543 0.04286615 0.0729000 55.93683816589

5 5,6,10,11,12
6 1 5 4 6 4 8 7 degs

1.34483986 2.36351339 0.09102367 0.0613765 85.14479308185

1 2 1,2,13,16 0.14404686 0.12894247
9 7 5 1 8 degs

1.56702808 2.34241264 0.05005926 0.03502401 0.04071711 0.0602544 69.82856651593

58 5 5,6,10,11,12,15
2 3 8 5 3 9 3 degs

33 1.86193935 2.33466733 0.07866300 0.05028006 0.04722142 0.0152343 51.09868262225

5 1,5,6
8 5 1 9 8 2 3 1 degs

19 1.36907864 2.31854350 1,7,8,13,14,15,16,17,18,1 0.12438562 0.09366039 0.04442897 0.1057614 83.16831709938

15
2 6 8 9 4 8 9 1 3 degs

11 1.65877942 2.29017807 0.08307205 0.04876029 0.05001600 0.0432998 55.43611646343

6 5,6,10,11
7 7 7 6 9 2 7 3 degs

24 1.78864832 2.26968648 0.04501935 0.0875301 89.84572226442

6 1,5,6,10 0.07244212 0.04865416
7 5 8 2 5 7 degs

1.60990331 2.26945716 0.04604037 0.04131641 0.0986111 64.90104048885

59 5 5,6,10,11,12,15 0.03316185
6 8 4 3 5 4 degs

34 1.85744521 2.20349658 0.07543056 0.05067480 0.04680173 0.0474153 49.51344376980

5 1,5,6
0 2 4 3 3 8 2 6 degs

2.19054305 0.09901452 0.07972572 0.05722554 0.0823896 71.27564445866

19 1.64799764 5 1,2,5,13,14,15
6 2 2 9 4 3 degs

34 1.78573484 0.08213409 0.04827047 0.04418781 0.0410494 45.69217212362

2.16834295 6 1,5,6
4 9 1 8 1 4 3 degs

34 1.71179046 2.15940598 0.07587069 0.05037759 0.04654357 0.0236279 48.25784342730

5 1,5,6
3 8 1 9 9 1 3 9 degs

33 1.81640502 2.14694991 0.08449244 0.05153044 51.88794894676

6 1,5,6 0.04901015 0.0376122
7 4 8 6 3 3 degs

1.60547591 2.14377991 0.04227429 0.04206811 0.0833693 80.70156927344

53 1 1,5,6,10,11 0.06173132
5 4 6 5 1 6 degs

11 1.40583474 2.14190265 0.06259525 0.04310386 0.04232478 0.0960709 86.62159015134

1 1,5,6,10,11
6 3 4 4 6 3 4 2 degs

33 1.37985646 2.13861557 0.05165471 52.36366349491

1 1,5,6 0.0923438 0.05385228 0.0720279
2 5 8 5 2 degs

49 1.71537644 0.18171910 0.10320924 0.06750680 0.0653425 17.69342859056

2.07391463 13 1,13,14,15
5 9 9 2 5 9 2 degs

37 1.76957198 2.04901896 0.07271064 0.05449819 0.0714796 49.88323614805

1 1,5,6 0.04976627
6 5 1 2 7 9 0 degs

33 1.87082606 2.03899830 0.08725624 0.05246654 0.05003765 0.0751092 52.44484530471

1 1,5,6
4 1 1 6 8 9 6 8 degs

24 1.41183944 2.02845764 5 1,2,5,6,13,14 0.05909073 0.05245623 0.04253571 0.0455987 57.23253852489

6 2 6 7 5 7 8 degs

lxxxiv
33 1.56885921 2.01620721 0.08681146 0.05817876 0.05273639 0.0505622 54.50964927094
5 1,5,6
5 6 2 5 3 4 6 0 degs

1.51219226 1.99167831 0.05570442 0.03115559 0.04604045 0.0742578 63.12978103219

74 12 6,10,11,12
5 8 8 4 2 1 4 degs

69 1.88525977 1.98371764 0.12688234 0.20400164 0.12746794 0.0704854 11.29418091804

19 8,19
7 4 7 3 1 3 3 4 degs

59 1.45606327 1.98061517 0.18894092 0.14459309 0.07568174 0.0759285 70.20312839606

16 8,16
1 7 7 7 2 8 7 2 degs

32 1.69394344 1.97792805 0.08552768 0.04634717 0.04499794 47.84503142026

6 1,5,6 0.0427342
9 5 4 2 5 8 0 degs

12 1.60495940 1.96146199 0.07123000 0.05574914 0.05130115 0.0801126 48.52909077143

5 1,5,6
0 6 3 3 1 4 4 1 degs

33 1.93625410 0.07632519 0.05031925 0.04675089 0.0136733 49.04915680413

1.53574913 5 1,5,6
9 5 5 7 1 6 3 degs

30 1.49804146 1.93350142 0.08869996 0.04666873 0.04616086 0.0641393 47.91834419486

6 1,5,6
1 5 5 1 5 8 9 1 degs

1.36517418 1.91089014 0.09022383 0.07606095 0.05669576 0.0795463 89.89909531814

17 17 1,2,5,8,13,14,17,18
3 7 2 4 1 9 3 degs

34 1.67425690 1.90285287 0.07498931 0.05187707 0.04738378 48.28268286006

5 1,5,6 0.0470334
1 3 1 3 6 6 4 degs

33 1.79706110 1.88390508 0.08743664 0.05197234 0.04984373 0.0649607 52.21869868050

6 1,5,6
1 4 3 2 3 8 4 0 degs

28 1.60748530 1.86088824 0.06686695 0.04814752 0.04470233 0.0649650 82.98809541655

5 1,5,10,11
3 1 9 7 7 3 4 6 degs

37 1.50435030 1.84245946 0.08241753 0.04737688 0.04420089 0.0067161 46.30326790538

5 1,5,6
4 3 1 6 4 8 8 8 degs

49 1.09786242 1.79444005 0.18693966 0.11858404 0.05964984 0.0714049 15.93133326741

15 1,13,14,15
2 6 2 9 6 6 9 7 degs

34 1.57871407 1.78290941 0.07545371 0.05163619 0.04712917 0.0457668 47.59503274515

6 1,5,6
2 6 7 4 2 1 2 6 degs

49 1.41571564 1.76398410 0.18326536 0.10745798 0.06499277 16.25058871433

13 1,13,14,15 0.0680942
4 2 5 2 6 5 5 degs

32 1.37794247 1.74907962 0.07604156 0.05808186 0.05325876 46.86068186275

6 1,5,6 0.0634269
8 9 2 3 7 4 0 degs

69 1.59960946 1.69483925 0.12612556 0.21792786 0.12329391 0.0616796 10.86965413218

19 8,19
6 6 4 2 2 5 6 2 degs

14 1.32183128 0.07847006 0.05456136 0.05002339 0.0564206 53.09684900767

1.67868603 6 1,2,5,6
3 1 8 9 1 4 9 degs

14 1.06352710 1.67232919 0.07271937 0.05333085 0.04950881 0.0577741 50.99152301979

1 1,2,5,6
2 7 8 9 1 3 9 1 degs

70 1.46156118 0.15170151 0.35054418 0.19399304 0.0752342 9.564022647090

1.6468178 19 8,19
2 5 2 6 1 4 degs

41 1.31510875 1.55651569 12 10,12 0.10872451 0.07204528 0.10686949 0.0540972 56.79738732696

3 8 3 2 1 3 5 degs
32 1.18265718 1.45455165 6 1,5,6 0.07555263 0.05753841 0.05272200 0.0516685 47.08915113298
7 2 5 2 4 8 4 degs

lxxxv
28 1.19626095 1.45085211 0.07144124 0.04957743 0.0405325 80.27272047828
5 1,5,10,11 0.04529445
5 4 9 4 1 6 8 degs

41 1.39929660 1.43820853 0.08280685 0.05050538 0.05520857 0.0622103 55.93193563302

10 10,12
1 6 6 1 5 9 2 3 degs

45 1.26652454 1.40780585 0.07913087 0.05540809 0.08180749 0.0397299 81.19535235057

12 10,12
6 8 7 4 3 2 9 5 degs

49 1.28336534 1.39565947 0.17888313 0.09753058 0.07113261 0.0591013 16.89877271105

14 1,13,14,15
6 7 7 7 3 4 2 0 degs

22 0.89647155 1.39379232 0.08469857 0.05759769 0.0520348 82.08276545195

15 10,12,15 0.08205547
7 7 2 5 2 3 9 degs

15 1.10779047 1.38502290 0.05303354 0.04251900 0.0460146 61.23217059485

6 6,10,11,12 0.03066414
6 1 9 3 9 3 1 degs

49 1.05041383 1.38109783 0.07682579 0.06976997 0.0563486 50.02253280427

13 1,2,13 0.05380331
8 9 2 3 2 9 7 degs

69 1.26240857 1.36062201 0.24987875 0.10090574 0.0533925 10.85914111774

19 8,19 0.13080163
3 1 9 6 6 5 3 degs

0.95838053 1.33349343 0.05301513 0.02834489 0.04722887 0.0352092 64.70455017478

75 12 6,10,11,12
6 4 2 7 6 8 3 degs

0.89465253 1.23164720 0.07910066 0.06910547 0.05282396 0.0274281 75.03190456880

22 1 1,2,5,16
4 3 3 9 7 3 8 degs

28 0.70926432 1.21236503 0.06927627 0.04884230 0.04488746 0.0416133 81.47818658862

1 1,5,10,11
4 8 4 3 4 8 8 0 degs

49 0.89727231 1.21143274 0.18539333 0.11392211 0.06165972 0.0470132 15.93023230113

13 1,13,14,15
3 4 5 9 6 6 7 0 degs

48 1.17413872 1.20885530 0.05870286 0.03343627 0.06158435 0.0455551 67.62860315374

12 10,12
3 2 1 5 5 2 9 9 degs

70 1.03215121 1.15989890 0.14820661 0.33443666 0.19843614 0.0519286 9.809744329748

19 8,19
4 7 6 6 6 8 1 degs

48 1.02237548 1.15133568 0.08452883 0.05445199 0.0416506 61.55188138056

12 10,12 0.08423635
6 1 3 8 8 9 7 degs

69 1.03670391 1.07800554 0.12860690 0.18513978 0.13382590 0.0370750 12.13567072689

19 8,19
8 9 2 1 4 6 7 0 degs

70 0.92190242 1.03753701 0.14755262 0.37227667 0.20254227 0.0477660 9.160890593214

19 8,19
3 2 2 6 6 5 1 degs

23 0.99407231 1.02494583 0.06066167 0.03538677 0.05893134 65.15295595299

12 10,12 0.0401127
1 2 5 5 8 6 8 degs

15 0.86270558 0.99099329 0.04991862 0.02849095 0.04382875 0.0295043 64.02900969001

6 6,10,11,12
7 4 8 4 5 4 6 2 degs

70 0.85387557 0.30719020 0.20880463 0.0411845 10.34847708780

0.95390836 19 8,19 0.14231146
6 5 2 7 5 7 degs

41 0.92686532 0.09393756 0.06042706 0.10584290 59.41267600470

0.78904639 12 10,12 0.0317582
5 3 8 1 9 1 degs

40 0.78056018 0.89623314 0.08765333 0.05279023 0.0349872 53.14735735908

1 1,5 0.05979811
3 6 3 4 8 4 0 degs

lxxxvi
41 0.86335158 0.88866094 0.07659134 0.04664033 0.05385939 0.0380177 57.04589489686
10 10,12
2 3 7 9 5 9 4 0 degs

70 0.74212794 0.82704893 0.14074098 0.29670128 0.20961468 10.57127667065

19 8,19 0.0352412
8 5 5 7 4 7 9 degs

0.71168037 0.81737990 0.05445968 48.90421695151

96 13 1,2,13 0.07583083 0.07013294 0.0356315
2 8 4 7 degs

47 0.74631536 0.76898986 0.03397105 0.05985934 0.0296453 66.24147209756

12 10,12 0.05905136
8 8 6 8 8 7 2 degs

70 0.67710461 0.75987577 0.14390422 0.35534995 0.20731304 0.0342680 9.393296245510

19 8,19
5 4 4 1 9 9 2 degs

42 0.74277938 0.05440295 0.03200374 0.05367553 0.0297757 65.49948765137

0.75701649 10 10,12
6 7 8 2 3 1 6 degs

41 0.63410174 0.74807392 0.08521313 0.05245340 0.11089060 0.0241478 62.12211773905

12 10,12
7 3 2 4 9 4 8 0 degs

42 0.70208331 0.74727536 0.05653746 0.03529981 0.05335706 0.0277193 65.31990940083

10 10,12
1 7 1 8 6 4 6 5 degs

40 0.61160365 0.69589433 0.08175160 0.05836739 0.05082572 0.0281182 51.49857024292

1 1,5
6 9 3 4 6 4 2 6 degs

33 0.53325073 0.68325454 0.09219143 0.05453460 0.05207828 0.0181509 52.68593207597

6 1,5,6
3 3 5 9 2 1 3 5 degs

42 0.61966236 0.65502996 0.03362898 0.05105771 0.0260343 61.42793520613

10 10,12 0.05336495
3 3 8 7 4 2 1 degs

42 0.56797011 0.57825976 0.05469092 0.03233161 0.05298801 0.0230952 64.55027855748

10 10,12
5 2 6 8 9 1 4 4 degs

42 0.52617100 0.53727064 0.05616909 0.03292713 0.05520303 0.0205631 66.94189874667

10 10,12
7 7 3 6 5 7 7 0 degs

69 0.47732245 0.13214537 0.26260262 0.09838492 10.82827812427

0.44160428 19 8,19 0.019123
2 7 7 2 2 7 degs

48 0.46981827 0.06047015 0.03524294 0.05898361 0.0183713 65.22990239382

0.45574715 12 10,12
4 1 1 9 4 3 4 degs

41 0.45356077 0.06519774 0.03895672 0.0187103 63.38806150319

0.46801633 12 10,12 0.05797374
9 2 4 4 5 0 degs

69 0.43491326 0.46438768 0.12585865 0.23731249 0.11618552 0.0174807 10.49054150986

19 8,19
5 6 5 6 8 2 3 6 degs

70 0.40465798 0.45149274 0.13860992 0.32498379 0.21730817 0.0196354 9.953568186361

19 8,19
7 1 8 6 2 2 3 degs

41 0.33040134 0.38857244 0.09071595 0.05744209 0.0131135 60.22409214097

12 10,12 0.10716595
6 9 4 3 1 1 4 degs

23 0.33540144 0.34626397 0.06853196 0.04142717 0.05774724 0.0139849 62.41901303566

12 10,12
0 9 2 8 7 1 3 9 degs

47 0.32267758 0.34255743 0.05286202 0.03336188 0.05206703 0.0130649 63.97325196017

10 10,12
7 6 7 8 5 5 9 6 degs

69 0.30463233 0.31340149 0.13072038 0.17086800 0.13565127 0.0105062 12.99141508833

19 8,19
9 7 4 6 4 6 3 2 degs

41 0.19679684 0.23187042 12 10,12 0.08694199 0.05393616 0.10931801 0.0076283 61.39229248072

lxxxvii
8 2 9 5 9 2 3 5 degs

22 0.19510957 0.22032477 0.07230139 0.04446980 0.08926897 0.0075033 65.37084191587

12 10,12
9 8 6 3 8 6 5 9 degs

41 0.15760794 0.18673547 0.10423359 0.06801354 0.10788311 0.0064108 57.67978911849

12 10,12
4 4 7 9 6 5 2 8 degs

42 0.17614113 0.18133932 0.05875287 0.03345689 0.06169922 0.0068235 67.71119333266

12 10,12
0 8 2 8 2 4 7 7 degs

45 0.16049398 0.07770798 0.05336293 0.07877360 80.09402924872

0.178282 12 10,12 0.005159
7 2 1 6 4 4 degs

42 0.15963856 0.16221730 0.05778892 0.03452998 0.05232002 0.0066424 62.77955421005

10 10,12
4 3 8 1 4 3 2 8 degs

47 0.09248750 0.09700651 0.07331502 0.04481444 0.05381824 0.0040927 56.44847167130

10 10,12
4 9 7 9 3 8 4 5 degs

70 0.07196475 0.08014482 0.13733873 0.31683533 0.22008956 0.0034515 10.13478098532

19 8,19
9 4 6 5 3 6 6 7 degs

42 0.01981426 0.05200851 0.03291477 0.05152085 0.0008136 63.09114850495

0.02100298 10 10,12
2 2 1 8 5 3 8 degs

lxxxviii
Lampiran D Hasil kalibrasi kamera Nikon D5000 dan uji statistik

Hasil kalibrasi kamera

Set 1 F Xp Yp K1 K2 K3 P1 P2
Value 24.387 0.026 0.038 1.76E-04 -4.19E-07 6.71E-10 -5.70E-06 -3.58E-06
Standart Error 0.001 0.001 0.001 6.55E-07 9.51E-09 4.25E-11 5.28E-07 6.27E-07
Set 2 F Xp Yp K1 K2 K3 P1 P2
Value 24.391 0.024 0.037 1.78E-04 -4.28E-07 6.71E-10 -4.38E-06 -3.56E-06
Standart Error 0.001 0.001 0.001 6.33E-07 1.04E-08 5.10E-11 5.88E-07 6.76E-07
Set 3 F Xp Yp K1 K2 K3 P1 P2
Value 24.394 0.021 0.035 1.75E-04 -3.83E-07 3.92E-10 -3.02E-06 -2.12E-06
Standart Error 0.001 0.001 0.001 6.22E-07 1.01E-08 4.81E-11 6.62E-07 7.45E-07
Set 4 F Xp Yp K1 K2 K3 P1 P2
Value 24.3931 0.0095 0.0377 1.81E-04 -4.24E-07 5.74E-10 -5.39E-06 -2.66E-06
Standart Error 0.002 0.003 0.002 1.30E-06 1.83E-08 8.74E-11 1.72E-06 1.38E-06
Set 5 F Xp Yp K1 K2 K3 P1 P2
Value 24.3976 -0.0003 0.0426 1.78E-04 -4.19E-07 4.78E-10 8.99E-07 -4.58E-06
Standart Error 0.003 0.003 0.002 1.66E-06 3.17E-08 1.89E-10 1.70E-06 1.49E-06
Set 6 F Xp Yp K1 K2 K3 P1 P2
Value 24.4014 0.0056 0.0473 1.79E-04 -4.06E-07 4.79E-10 -2.74E-06 -5.05E-06
Standart Error 0.003 0.003 0.003 1.14E-06 1.86E-08 9.41E-11 1.71E-06 1.50E-06
Set 7 F Xp Yp K1 K2 K3 P1 P2
Value 24.3861 0.0014 0.0431 1.84E-04 -5.74E-07 1.76E-09 -2.96E-06 -6.19E-06
Standart Error 0.003 0.003 0.002 2.90E-06 6.55E-08 4.66E-10 1.62E-06 1.61E-06
Set 8 F Xp Yp K1 K2 K3 P1 P2
Value 24.3856 0.0009 0.0398 1.80E-04 -4.02E-07 2.57E-10 -1.95E-06 -3.53E-06
Standart Error 0.003 0.003 0.002 2.99E-06 6.46E-08 4.53E-10 1.58E-06 1.63E-06

Hasil uji statistik kalibrasi

Uji Statistik Set 1 dan Set 2
  F Xp Yp K1 K2 K3 P1 P2
Value 24.387 0.026 0.038 1.76E-04 -4.19E-07 6.71E-10 -5.70E-06 -3.58E-06
Standart
0.001 0.001 0.001 6.55E-07 9.51E-09 4.25E-11 5.28E-07 6.27E-07
Error
Value 24.391 0.024 0.037 1.78E-04 -4.28E-07 6.71E-10 -4.38E-06 -3.56E-06
Standart
0.001 0.001 0.001 6.33E-07 1.04E-08 5.10E-11 5.88E-07 6.76E-07
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
- - - -
Statistic 2.82842712 1.41421356 0.70710678 - 0.64549710 0.00903646 1.67126409 0.01410193
5 2 1 1.86739633 8 8 6 2
gagal gagal gagal gagal gagal gagal gagal
Kesimpulan
ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 1 dan Set 3

lxxxix
   F Xp Yp K1 K2 K3 P1 P2
Value 24.387 0.026 0.038 1.76E-04 -4.19E-07 6.71E-10 -5.70E-06 -3.58E-06
Standart
0.001 0.001 0.001 6.55E-07 9.51E-09 4.25E-11 5.28E-07 6.27E-07
Error
Value 24.394 0.021 0.035 1.75E-04 -3.83E-07 3.92E-10 -3.02E-06 -2.12E-06
Standart
0.001 0.001 0.001 6.22E-07 1.01E-08 4.81E-11 6.62E-07 7.45E-07
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
- - - -
Statistic 4.94974746 3.53553390 2.12132034 2.58292547 4.33922590 3.16967295 1.49825981
8 6 4 0.66453436 3 1 2 5
gagal gagal
Kesimpulan
ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 2 dan Set 3

  F Xp Yp K1 K2 K3 P1 P2
Value 24.391 0.024 0.037 1.78E-04 -4.28E-07 6.71E-10 -4.38E-06 -3.56E-06
Standart
0.001 0.001 0.001 6.33E-07 1.04E-08 5.10E-11 5.88E-07 6.76E-07
Error
Value 24.394 0.021 0.035 1.75E-04 -3.83E-07 3.92E-10 -3.02E-06 -2.12E-06
Standart
0.001 0.001 0.001 6.22E-07 1.01E-08 4.81E-11 6.62E-07 7.45E-07
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
- - - -
Statistic 2.12132034 2.12132034 1.41421356 2.59321880 3.09920183 3.98040517 1.53913247 1.43768867
4 4 2 4 8 4 5 2
gagal gagal gagal
Kesimpulan
ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 1 dan Set 4

  F Xp Yp K1 K2 K3 P1 P2
Value 24.387 0.026 0.038 1.76E-04 -4.19E-07 6.71E-10 -5.70E-06 -3.58E-06
Standart
0.001 0.001 0.001 6.55E-07 9.51E-09 4.25E-11 5.28E-07 6.27E-07
Error
Value 24.3931 0.0095 0.0377 1.81E-04 -4.24E-07 5.74E-10 -5.39E-06 -2.66E-06
Standart
0.002 0.003 0.002 1.30E-06 1.83E-08 8.74E-11 1.72E-06 1.38E-06
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
- - - -
Statistic 2.72800293 5.21775813 0.13416407 3.44058911 0.25349067 0.98786053 0.17138298 0.60117219
3 9 9 6 9 5 4 3
gagal gagal gagal gagal gagal
Kesimpulan
ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 1 dan Set 5

  F Xp Yp K1 K2 K3 P1 P2
Value 24.387 0.026 0.038 1.76E-04 -4.19E-07 6.71E-10 -5.70E-06 -3.58E-06
Standart
0.001 0.001 0.001 6.55E-07 9.51E-09 4.25E-11 5.28E-07 6.27E-07
Error
Value 24.3976 -0.0003 0.0426 1.78E-04 -4.19E-07 4.78E-10 8.99E-07 -4.58E-06
Standart
0.003 0.003 0.002 1.66E-06 3.17E-08 1.89E-10 1.70E-06 1.49E-06
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
Statistic - 8.31679024 - - - 0.99050364 - 0.62142111

xc
 2.05718253 1.35785963 0.00012073 3.69832138
3.35201432 6 9 9 7 3 8 1
ditolak ditolak ditolak gagal gagal gagal ditolak gagal
Kesimpulan
ditolak ditolak ditolak ditolak

Uji Statistik Set 1 dan Set 6

  F Xp Yp K1 K2 K3 P1 P2
Value 24.387 0.026 0.038 1.76E-04 -4.19E-07 6.71E-10 -5.70E-06 -3.58E-06
Standart
0.001 0.001 0.001 6.55E-07 9.51E-09 4.25E-11 5.28E-07 6.27E-07
Error
Value 24.4014 0.0056 0.0473 1.79E-04 -4.06E-07 4.79E-10 -2.74E-06 -5.05E-06
Standart
0.003 0.003 0.003 1.14E-06 1.86E-08 9.41E-11 1.71E-06 1.50E-06
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
- 6.45104642 - - - 1.85291307 - 0.90680385
Statistic 4.55367983 7 2.94091822 2.28961347 0.61932505 1 1.65360990 3
1 4 7 1 3
ditolak ditolak ditolak ditolak gagal gagal gagal gagal
Kesimpulan
ditolak ditolak ditolak ditolak

Uji Statistik Set 1 dan Set 7

  F Xp Yp K1 K2 K3 P1 P2
Value 24.387 0.026 0.038 1.76E-04 -4.19E-07 6.71E-10 -5.70E-06 -3.58E-06
Standart
0.001 0.001 0.001 6.55E-07 9.51E-09 4.25E-11 5.28E-07 6.27E-07
Error
Value 24.3861 0.0014 0.0431 1.84E-04 -5.74E-07 1.76E-09 -2.96E-06 -6.19E-06
Standart
0.003 0.003 0.002 2.90E-06 6.55E-08 4.66E-10 1.62E-06 1.61E-06
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
0.28460498 7.77920304 - - 2.34970025 - - 1.51127044
Statistic 9 4 2.28078933 2.77363237 2 2.32373322 1.60611621 4
7 6 8 4
gagal ditolak ditolak ditolak ditolak ditolak gagal gagal
Kesimpulan
ditolak ditolak ditolak

Uji Statistik Set 1 dan Set 8

  F Xp Yp K1 K2 K3 P1 P2
Value 24.387 0.026 0.038 1.76E-04 -4.19E-07 6.71E-10 -5.70E-06 -3.58E-06
Standart
0.001 0.001 0.001 6.55E-07 9.51E-09 4.25E-11 5.28E-07 6.27E-07
Error
Value 24.3856 0.0009 0.0398 1.80E-04 -4.02E-07 2.57E-10 -1.95E-06 -3.53E-06
Standart
0.003 0.003 0.002 2.99E-06 6.46E-08 4.53E-10 1.58E-06 1.63E-06
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
0.44271887 7.93731692 - - - 0.90982496 - -
Statistic 2 7 0.80498447 1.21911695 0.25949530 3 2.25043205 0.02479712
2 8 1 2 4
gagal ditolak gagal gagal gagal gagal ditolak gagal
Kesimpulan
ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 2 dan Set 4

  F Xp Yp K1 K2 K3 P1 P2
Value 24.391 0.024 0.037 1.78E-04 -4.28E-07 6.71E-10 -4.38E-06 -3.56E-06
Standart 0.001 0.001 0.001 6.33E-07 1.04E-08 5.10E-11 5.88E-07 6.76E-07

xci
 Error
Value 24.3931 0.0095 0.0377 1.81E-04 -4.24E-07 5.74E-10 -5.39E-06 -2.66E-06
Standart
0.002 0.003 0.002 1.30E-06 1.83E-08 8.74E-11 1.72E-06 1.38E-06
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
- - - - -
Statistic 0.93914855 4.58530260 0.31304951 2.28630288 0.18475054 0.55859644 0.58463920
1 7 7 1 4 0.95454571 9 8
gagal gagal gagal gagal gagal gagal
Kesimpulan
ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 2 dan Set 5

  F Xp Yp K1 K2 K3 P1 P2
Value 24.391 0.024 0.037 1.78E-04 -4.28E-07 6.71E-10 -4.38E-06 -3.56E-06
Standart
0.001 0.001 0.001 6.33E-07 1.04E-08 5.10E-11 5.88E-07 6.76E-07
Error
Value 24.3976 -0.0003 0.0426 1.78E-04 -4.19E-07 4.78E-10 8.99E-07 -4.58E-06
Standart
0.003 0.003 0.002 1.66E-06 3.17E-08 1.89E-10 1.70E-06 1.49E-06
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
- - - - -
Statistic 2.08710325 7.68433471 2.50439613 0.40582016 0.27259754 2.92708005 0.62198481
6 4 5 6 6 0.9832189 1 8
gagal gagal gagal gagal
Kesimpulan
ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 2 dan Set 6

  F Xp Yp K1 K2 K3 P1 P2
Value 24.391 0.024 0.037 1.78E-04 -4.28E-07 6.71E-10 -4.38E-06 -3.56E-06
Standart
0.001 0.001 0.001 6.33E-07 1.04E-08 5.10E-11 5.88E-07 6.76E-07
Error
Value 24.4014 0.0056 0.0473 1.79E-04 -4.06E-07 4.79E-10 -2.74E-06 -5.05E-06
Standart
0.003 0.003 0.003 1.14E-06 1.86E-08 9.41E-11 1.71E-06 1.50E-06
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
- - -
Statistic 3.28876876 5.81859089 - 1.00481451 - 1.79285417 0.90602629 0.90405886
7 5 3.25714599 3 1.03419059 9 3 7
gagal gagal gagal gagal gagal
Kesimpulan
ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 2 dan Set 7

  F Xp Yp K1 K2 K3 P1 P2
Value 24.391 0.024 0.037 1.78E-04 -4.28E-07 6.71E-10 -4.38E-06 -3.56E-06
Standart
0.001 0.001 0.001 6.33E-07 1.04E-08 5.10E-11 5.88E-07 6.76E-07
Error
Value 24.3861 0.0014 0.0431 1.84E-04 -5.74E-07 1.76E-09 -2.96E-06 -6.19E-06
Standart
0.003 0.003 0.002 2.90E-06 6.55E-08 4.66E-10 1.62E-06 1.61E-06
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
- - -
Statistic 1.54951605 7.14674751 2.72800293 2.20517937 2.20768201 2.31823314 - 1.50294015
3 2 3 9 9 3 0.82268483 4
gagal gagal gagal
Kesimpulan
ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

xcii
 Uji Statistik Set 2 dan Set 8
  F Xp Yp K1 K2 K3 P1 P2
Value 24.391 0.024 0.037 1.78E-04 -4.28E-07 6.71E-10 -4.38E-06 -3.56E-06
Standart
0.001 0.001 0.001 6.33E-07 1.04E-08 5.10E-11 5.88E-07 6.76E-07
Error
Value 24.3856 0.0009 0.0398 1.80E-04 -4.02E-07 2.57E-10 -1.95E-06 -3.53E-06
Standart
0.003 0.003 0.002 2.99E-06 6.46E-08 4.53E-10 1.58E-06 1.63E-06
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
- - - -
Statistic 1.70762993 7.30486139 1.25219806 0.66405554 1.43919919 0.01719263
6 5 7 3 -0.397999 0.90939232 5 8
gagal gagal gagal gagal gagal gagal gagal
Kesimpulan
ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 3 dan Set 4

  F Xp Yp K1 K2 K3 P1 P2
Value 24.391 0.024 0.037 1.78E-04 -4.28E-07 6.71E-10 -4.38E-06 -3.56E-06
Standart
0.001 0.001 0.001 6.33E-07 1.04E-08 5.10E-11 5.88E-07 6.76E-07
Error
Value 24.3931 0.0095 0.0377 1.81E-04 -4.24E-07 5.74E-10 -5.39E-06 -2.66E-06
Standart
0.002 0.003 0.002 1.30E-06 1.83E-08 8.74E-11 1.72E-06 1.38E-06
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
- - - - -
Statistic 0.93914855 4.58530260 0.31304951 2.28630288 0.18475054 0.55859644 0.58463920
1 7 7 1 4 0.95454571 9 8
gagal gagal gagal gagal gagal gagal
Kesimpulan
ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 3 dan Set 5

  F Xp Yp K1 K2 K3 P1 P2
Value 24.391 0.024 0.037 1.78E-04 -4.28E-07 6.71E-10 -4.38E-06 -3.56E-06
Standart
0.001 0.001 0.001 6.33E-07 1.04E-08 5.10E-11 5.88E-07 6.76E-07
Error
Value 24.3976 -0.0003 0.0426 1.78E-04 -4.19E-07 4.78E-10 8.99E-07 -4.58E-06
Standart
0.003 0.003 0.002 1.66E-06 3.17E-08 1.89E-10 1.70E-06 1.49E-06
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
- - - - -
Statistic 2.08710325 7.68433471 2.50439613 0.40582016 0.27259754 2.92708005 0.62198481
6 4 5 6 6 0.9832189 1 8
gagal gagal gagal gagal
Kesimpulan
ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 3 dan Set 6

  F Xp Yp K1 K2 K3 P1 P2
Value 24.391 0.024 0.037 1.78E-04 -4.28E-07 6.71E-10 -4.38E-06 -3.56E-06
Standart
0.001 0.001 0.001 6.33E-07 1.04E-08 5.10E-11 5.88E-07 6.76E-07
Error
Value 24.4014 0.0056 0.0473 1.79E-04 -4.06E-07 4.79E-10 -2.74E-06 -5.05E-06
Standart
0.003 0.003 0.003 1.14E-06 1.86E-08 9.41E-11 1.71E-06 1.50E-06
Error

xciii
 Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
- - -
Statistic 3.28876876 5.81859089 - 1.00481451 - 1.79285417 0.90602629 0.90405886
7 5 3.25714599 3 1.03419059 9 3 7
gagal gagal gagal gagal gagal
Kesimpulan
ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 3 dan Set 7

  F Xp Yp K1 K2 K3 P1 P2
Value 24.391 0.024 0.037 1.78E-04 -4.28E-07 6.71E-10 -4.38E-06 -3.56E-06
Standart
0.001 0.001 0.001 6.33E-07 1.04E-08 5.10E-11 5.88E-07 6.76E-07
Error
Value 24.3861 0.0014 0.0431 1.84E-04 -5.74E-07 1.76E-09 -2.96E-06 -6.19E-06
Standart
0.003 0.003 0.002 2.90E-06 6.55E-08 4.66E-10 1.62E-06 1.61E-06
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
- - -
Statistic 1.54951605 7.14674751 2.72800293 2.20517937 2.20768201 2.31823314 - 1.50294015
3 2 3 9 9 3 0.82268483 4
gagal gagal gagal
Kesimpulan
ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 3 dan Set 8

  F Xp Yp K1 K2 K3 P1 P2
Value 24.391 0.024 0.037 1.78E-04 -4.28E-07 6.71E-10 -4.38E-06 -3.56E-06
Standart
0.001 0.001 0.001 6.33E-07 1.04E-08 5.10E-11 5.88E-07 6.76E-07
Error
Value 24.3856 0.0009 0.0398 1.80E-04 -4.02E-07 2.57E-10 -1.95E-06 -3.53E-06
Standart
0.003 0.003 0.002 2.99E-06 6.46E-08 4.53E-10 1.58E-06 1.63E-06
Error
Critical
1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
Value
- - - -
Statistic 1.70762993 7.30486139 1.25219806 0.66405554 1.43919919 0.01719263
6 5 7 3 -0.397999 0.90939232 5 8
gagal gagal gagal gagal gagal gagal gagal
Kesimpulan
ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 4 dan Set 5

  F Xp Yp K1 K2 K3 P1 P2
Value 24.3931 0.0095 0.0377 1.81E-04 -4.24E-07 5.74E-10 -5.39E-06 -2.66E-06
Standart
0.002 0.003 0.002 1.30E-06 1.83E-08 8.74E-11 1.72E-06 1.38E-06
Error
Value 24.3976 -0.0003 0.0426 1.78E-04 -4.19E-07 4.78E-10 8.99E-07 -4.58E-06
Standart
0.003 0.003 0.002 1.66E-06 3.17E-08 1.89E-10 1.70E-06 1.49E-06
Error
Critical
Value 1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
- - - -
1.24807544 2.30988215 1.73241161 1.22567263 0.14263526 0.46077322 2.60091294 0.94303741
Statistic 2 2 4 6 3 2 7 5
gagal gagal gagal gagal gagal gagal
Kesimpulan ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 4 dan Set 6

  F Xp Yp K1 K2 K3 P1 P2

xciv
Value 24.3931 0.0095 0.0377 1.81E-04 -4.24E-07 5.74E-10 -5.39E-06 -2.66E-06
Standart
0.002 0.003 0.002 1.30E-06 1.83E-08 8.74E-11 1.72E-06 1.38E-06
Error
Value 24.4014 0.0056 0.0473 1.79E-04 -4.06E-07 4.79E-10 -2.74E-06 -5.05E-06
Standart
0.003 0.003 0.003 1.14E-06 1.86E-08 9.41E-11 1.71E-06 1.50E-06
Error
Critical
Value 1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
- - - -
2.30200581 0.91923881 2.66256094 1.15222582 0.69665728 1.09458971
Statistic 4 6 2 6 5 0.7419837 2 1.17000294
gagal gagal gagal gagal gagal gagal
Kesimpulan ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 4 dan Set 7

  F Xp Yp K1 K2 K3 P1 P2
Value 24.3931 0.0095 0.0377 1.81E-04 -4.24E-07 5.74E-10 -5.39E-06 -2.66E-06
Standart
0.002 0.003 0.002 1.30E-06 1.83E-08 8.74E-11 1.72E-06 1.38E-06
Error
Value 24.3861 0.0014 0.0431 1.84E-04 -5.74E-07 1.76E-09 -2.96E-06 -6.19E-06
Standart
0.003 0.003 0.002 2.90E-06 6.55E-08 4.66E-10 1.62E-06 1.61E-06
Error
Critical
Value 1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
- - - -
1.94145068 1.90918830 1.90918830 1.02110118 2.21037217 2.49585851 1.03029487 1.66039339
Statistic 7 9 9 6 9 2 2 3
gagal gagal gagal gagal gagal gagal
Kesimpulan ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 4 dan Set 8

  F Xp Yp K1 K2 K3 P1 P2
Value 24.3931 0.0095 0.0377 1.81E-04 -4.24E-07 5.74E-10 -5.39E-06 -2.66E-06
Standart
0.002 0.003 0.002 1.30E-06 1.83E-08 8.74E-11 1.72E-06 1.38E-06
Error
Value 24.3856 0.0009 0.0398 1.80E-04 -4.02E-07 2.57E-10 -1.95E-06 -3.53E-06
Standart
0.003 0.003 0.002 2.99E-06 6.46E-08 4.53E-10 1.58E-06 1.63E-06
Error
Critical
Value 1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
- -
2.08012573 2.02703943 - 0.33012532 0.68907396 1.47431453
Statistic 6 9 0.74246212 0.39098709 5 6 1 0.4061734
gagal gagal gagal gagal gagal gagal
Kesimpulan ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 5 dan Set 6

  F Xp Yp K1 K2 K3 P1 P2
Value 24.3976 -0.0003 0.0426 1.78E-04 -4.19E-07 4.78E-10 8.99E-07 -4.58E-06
Standart
0.003 0.003 0.002 1.66E-06 3.17E-08 1.89E-10 1.70E-06 1.49E-06
Error
Value 24.4014 0.0056 0.0473 1.79E-04 -4.06E-07 4.79E-10 -2.74E-06 -5.05E-06
Standart
0.003 0.003 0.003 1.14E-06 1.86E-08 9.41E-11 1.71E-06 1.50E-06
Error
Critical
Value 1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
- - - - -
- 1.39064333 1.30354546 0.29327338 0.35154919 0.00338403 1.50705887 0.22209071
Statistic 0.89566859 6 1 5 8 1 1 3
gagal gagal gagal gagal gagal gagal gagal gagal
Kesimpulan ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

xcv
 Uji Statistik Set 5 dan Set 7
  F Xp Yp K1 K2 K3 P1 P2
Value 24.3976 -0.0003 0.0426 1.78E-04 -4.19E-07 4.78E-10 8.99E-07 -4.58E-06
Standart
0.003 0.003 0.002 1.66E-06 3.17E-08 1.89E-10 1.70E-06 1.49E-06
Error
Value 24.3861 0.0014 0.0431 1.84E-04 -5.74E-07 1.76E-09 -2.96E-06 -6.19E-06
Standart
0.003 0.003 0.002 2.90E-06 6.55E-08 4.66E-10 1.62E-06 1.61E-06
Error
Critical
Value 1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
- - - -
2.71057599 0.40069384 0.17677669 1.74375248 2.13668327 2.54385903 1.63873541 0.73092480
Statistic 5 3 5 4 6 4 8 4
gagal gagal gagal gagal gagal
Kesimpulan ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 5 dan Set 8

  F Xp Yp K1 K2 K3 P1 P2
Value 24.3976 -0.0003 0.0426 1.78E-04 -4.19E-07 4.78E-10 8.99E-07 -4.58E-06
Standart
0.003 0.003 0.002 1.66E-06 3.17E-08 1.89E-10 1.70E-06 1.49E-06
Error
Value 24.3856 0.0009 0.0398 1.80E-04 -4.02E-07 2.57E-10 -1.95E-06 -3.53E-06
Standart
0.003 0.003 0.002 2.99E-06 6.46E-08 4.53E-10 1.58E-06 1.63E-06
Error
Critical
Value 1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
- - - -
2.82842712 0.28284271 0.98994949 0.38267729 0.23537400 0.45192285 1.22838363 0.47425427
Statistic 5 2 4 1 9 2 4 7
gagal gagal gagal gagal gagal gagal gagal
Kesimpulan ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 6 dan Set 7

  F Xp Yp K1 K2 K3 P1 P2
Value 24.4014 0.0056 0.0473 1.79E-04 -4.06E-07 4.79E-10 -2.74E-06 -5.05E-06
Standart
0.003 0.003 0.003 1.14E-06 1.86E-08 9.41E-11 1.71E-06 1.50E-06
Error
Value 24.3861 0.0014 0.0431 1.84E-04 -5.74E-07 1.76E-09 -2.96E-06 -6.19E-06
Standart
0.003 0.003 0.002 2.90E-06 6.55E-08 4.66E-10 1.62E-06 1.61E-06
Error
Critical
Value 1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
- -
3.60624458 0.98994949 1.16487041 1.67993612 2.47409632 2.68958439 0.09255215 0.51504562
Statistic 4 4 2 3 6 3 3 4
gagal gagal gagal gagal gagal
Kesimpulan ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 6 dan Set 8

  F Xp Yp K1 K2 K3 P1 P2
Value 24.4014 0.0056 0.0473 1.79E-04 -4.06E-07 4.79E-10 -2.74E-06 -5.05E-06
Standart
0.003 0.003 0.003 1.14E-06 1.86E-08 9.41E-11 1.71E-06 1.50E-06
Error
Value 24.3856 0.0009 0.0398 1.80E-04 -4.02E-07 2.57E-10 -1.95E-06 -3.53E-06
Standart
0.003 0.003 0.002 2.99E-06 6.46E-08 4.53E-10 1.58E-06 1.63E-06
Error
Critical
Value 1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96

xcvi
 - - - -
3.72409571 1.10780062 2.08012573 0.22431466 0.05969962 0.48106664 0.33749635 0.68473552
Statistic 4 4 6 2 6 9 9 6
gagal gagal gagal gagal gagal gagal
Kesimpulan ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Uji Statistik Set 7 dan Set 8

  F Xp Yp K1 K2 K3 P1 P2
Value 24.3861 0.0014 0.0431 1.84E-04 -5.74E-07 1.76E-09 -2.96E-06 -6.19E-06
Standart
0.003 0.003 0.002 2.90E-06 6.55E-08 4.66E-10 1.62E-06 1.61E-06
Error
Value 24.3856 0.0009 0.0398 1.80E-04 -4.02E-07 2.57E-10 -1.95E-06 -3.53E-06
Standart
0.003 0.003 0.002 2.99E-06 6.46E-08 4.53E-10 1.58E-06 1.63E-06
Error
Critical
Value 1.96 1.96 1.96 1.96 1.96 1.96 1.96 1.96
- -
1.16672618 1.08509386 - 2.31031099 0.44330618 1.15723445
Statistic 0.11785113 0.11785113 9 1 1.87424225 7 4 9
gagal gagal gagal gagal gagal gagal gagal
Kesimpulan ditolak ditolak ditolak ditolak ditolak ditolak ditolak ditolak

Lampiran E hasil statistik pemodelan

1. Statistik RMS
X
  ID RMS Largest Y precision Z precision Angle
precision
Minimum 2570 0.00008 0.00008 0.014 0.004 0.007 10.557
Maksimum 1780 0.996 0.997 0.005 0.002 0.005 27.029

xcvii
2. Statistik sudut
X
  ID RMS Largest Y precision Z precision Angle
precision
Minimum 194 0.244 0.246 0.037 0.051 0.002 0.240
Maksimum 240 0.476 0.629 0.001 0.0005 0.0001 89.926

3. X precision
X
  ID RMS Largest Y precision Z precision Angle
precision
1390 0.107 0.109 0.0007 0.0009 0.0002 26.828
4381 0.136 0.168 0.092 0.054 0.079 1.736

4. Y precision
X
  ID RMS Largest Y precision Z precision Angle
precision
304 0.569 0.768 0.002 0.0003 0.0001 53.242
4381 0.136 0.168 0.092 0.054 0.079 1.7368

5. Z precision
X
  ID RMS Largest Y precision Z precision Angle
precision
446 0.616 0.865 0.001 0.0004 0.0001 60.784
1217 0.498 0.667 0.035 0.047 0.203 2.013

Lampiran F Foto hasil pengambilan data gedung CC barat ITB

xcviii
xcix