PRAKTIKUM PENGINDRAAN JAUH

Geometric Correction
20 April 2022

Dibuat oleh:

Lailla Khoirriyah
21/474620/SV/18995

Program Sarjana Terapan

Teknologi Survei dan Pemetaan Dasar
SEKOLAH VOKASI
UNIVERSITAS GADJAH MADA
2022
A. Judul
Geometric Correction

B. Tujuan
1. Dapat mengetahui fungsi-fungsi tools ENVI yang kita gunakan pada praktikum
minggu ini
2. Dapat melakukan koreksi geometrik menggunakan cara image to image
3. Dapat melakukan koreksi geometrik menggunakan cara image to map
4. Dapat membedakan ketiga macam resampling pada citra
5. Dapat mengaplikasikan praktikum minggu ini pada praktikum minggu berikutnya

C. Alat dan Bahan

a. Alat
1) Software ENVI 5.3
2) Laptop/PC
3) Microsoft Word
4) Mouse
b. Bahan
1) Citra landsat 8
2) Citra landsat 7
3) Citra worldview 2015
4) Koordinat GCP
D. Langkah Kerja
E. Hasil dan Pembahasan
Hasil yang diperoleh dalam praktikum ini adalah sebagai berikut.
1. Hasil dan pembahasan koreksi geometric image to image

Pada hasil RMS diatas adalah 0,511522. Diusahakan hasil RMS sekecil mungkin
dibawah 1. Untuk pengolahan koreksi geometric diatas dengan cara, langkah pertama
kita buka citra satelit landsat 8 pada Display#1 dan citra landsat 7 pada Display#2.
Lakukan map registration dengan memilih menu Map -> registration -> select GCPs
image to image. Kemudian akan muncul window image to image registration, kita
pilih base image : Display#1 dan warp image : Display#2 lalu klik ok

Membuat GCP pada citra yang berada pada Display#1 dan Display#2 pada
lokasi yang sama dengan cara klik objek pada citra displa#1 dan display#2 -> add point.
Lakukan penambahan GCP tersebut minimal 5 GCP menyebar. Setelah selesai
memberikan 5 GCP maka akan muncul RMS Error, nilai RMS Error diusahakan sekecil
mungkin dibawah 1. Jika nilai RMS Error lebih dari satu, perlu dilakukan pengecekan
Kembali peletakkan masing-masing titik GCP.

Jika ingin mengedit lokasi GCP karena nilai RMS diatas 1 dengan cara klik Show
List pada jendela Ground Control Points Selection –> klik #1 pada jendela Image to
Image GCP List untuk mengedit GCP yang pertama –> klik On/Off – posisikan kembali
GCP tersebut – klik Update setelah GCP tersebut dianggap baik – klik On/Off – lihat
nilai RMS Error. Jika nilai RMS Error sudah dibawah 1, klik File – Save GCPs to ASCII
untuk menyimpan output registration points.
Setelah itu, klik menu Map –> Registration –> Warp from GCPs : Image to
image dan buka file GCP yang tadi sudah di simpan. Pada jendela Image to image
Registration, pastikan Sistem Proyeksi, Datum, Units, Zone, X Pixel Size, dan Y Pixel Size
sesuai dengan GCP yang digunakan, lalu klik OK. Pada jendela Input Warp Image, pilih
citra dan klik OK. Pada jendela Registration Parameters, pilih Warp Parameters sesuai
dengan pengaturan dibawah ini :

Method : Polynominal
Degree :1
Resampling : Cubic Convolution
Lakukan juga menggunakan metode resampling yang lainnya yaitu nearest dan bilinier
Untuk hasil perbedan ketiga resampling tersebut sebagai berikut

a. Resampling cubic convolution

 Dari metode resampling Cubic Convolution menghasilkan citra dengan
warna yang paling tajam dibandingkan metode resampling yang lain,
karena interpolasi kecerahan gambar yang dikoreksi hanya terdiri 16
kotak atau piksel.

b. Resampling nearest neighbor

Dari metode resampling Nearest Neighbor menghasilkan citra dengan

warna seperti citra awal sebelum diolah, karena interpolasi kecerahan
gambar yang dikoreksi hanya terdiri 1 kotak atau piksel.
c. Resampling bilinear

Dari metode resampling Bilinear menghasilkan citra dengan warna

lebih tajam dibandingkan citra awal sebelum diolah, karena interpolasi
kecerahan gambar yang dikoreksi hanya terdiri 4 kotak atau piksel.

Kesimpulan dari ketiga resampling :

Semakin banyak piksel interpolasi kecerahan gambar yang dikoreksi
maka ketajaman warna pada citra semakin tajam
2. Hasil dan pembahasan koreksi geometric image to map

Untuk melakukan koreksi geometric image to map diatas dengan cara yang pertama
kita masukkan citra worldview 2015. Cek koordinat citra dengan cara klik kanan pada
windows image -> cursol location/value, memilih menu map -> registration -> select
GCPs : image to map. Kemudian akan muncul jendela image to map registration. Isikan
pengaturan meliputi :

Select registration projection : UTM

Datum : WGS-84
Units : meter
Zone : 49 S
X dan Y pixel size : 0.3 meter (sesuai resolusi citra)
Kemudian klik ok
Input nilai koordinat setiap GCP pada citra sesuai dengan koordinat aslinya
dilapangan pada kolom Easting (E) dan Northing (N) pada window Ground Control
Points Selection, untuk koordinat GCP praktikum ini sudah disediakan pada modul
yang telah diberikan
Koordinat GCP lapangan dan contoh posisi GCP :

Northing Contoh sebaran GCP

Titik Easting (E) (N)
1 430712.86 9139641.89
2 431550.09 9139639.18
3 430428.87 9138910.84
4 431071.86 9139072.29
5 431449.5 9138869.1
6 430209.92 9139648.67

Lakukan langkah koreksi geometrik image to map seperti contoh persebaran GCP
diatas, klik objek pada citra worlview 2015 dengan posisi titik GCP seperti contoh diatas
kemudian isikan koordinat GCP tiap titik sesuai dengan tabel koordinat diatas lalu klik
add point, lakukan sampai GCP keenam. Jika sudah nanti akan muncul nilai RMS Error
nya. Pada hasil praktikum diatas didapatkan nilai RMS dibawah 1 yaitu 0,310787
Simpan hasil tersebut dengan klik menu File –> Save GCPs w/map cords pada jendela
Ground Control Points Selection.
Setelah itu, klik menu Map –> Registration –> Warp from GCPs : Image to Map
dan buka file GCP yang tadi sudah di simpan. Pada jendela Image to Map Registration,
pastikan Sistem Proyeksi, Datum, Units, Zone, X Pixel Size, dan Y Pixel Size sesuai
dengan GCP yang digunakan, lalu klik OK. Pada jendela Input Warp Image, pilih citra
Worldview dan klik OK. Pada jendela Registration Parameters, pilih Warp Parameters
sesuai dengan pengaturan dibawah ini :

Method : Polynominal
Degree :1
Resampling : Cubic Convolution
Lakukan juga menggunakan metode resampling yang lainnya yaitu nearest dan bilinier
Untuk hasil perbedan ketiga resampling tersebut sebagai berikut
a. Resampling cubic convolution

Dari metode resampling Cubic Convolution menghasilkan citra dengan warna

yang paling tajam dibandingkan metode resampling yang lain, karena interpolasi
kecerahan gambar yang dikoreksi hanya terdiri 16 kotak atau piksel.
b. Resampling nearest neighbor

Dari metode resampling Nearest Neighbor menghasilkan citra dengan warna

seperti citra awal sebelum diolah, karena interpolasi kecerahan gambar yang
dikoreksi hanya terdiri 1 kotak atau piksel.
 c. Resampling bilinear

Dari metode resampling Bilinear menghasilkan citra dengan warna lebih tajam
dibandingkan citra awal sebelum diolah, karena interpolasi kecerahan gambar
yang dikoreksi hanya terdiri 4 kotak atau piksel.

Kesimpulan dari ketiga resampling :

Semakin banyak piksel interpolasi kecerahan gambar yang dikoreksi maka
ketajaman warna pada citra semakin tajam

F. Kesimpulan

Berdasarkan praktikum “geometric correction” dapat disimpulkan sebagai berikut :

1. Koreksi geometrik merupakan pembeneran/pembetulan sebuah koordinat pada
citra agar sesuai dengan koordinat geografis dengan cara memcocokkan posisi
citra dengan citra lain yang sudah terkoreksi (image to image), selain itu dapat
menggunakan cara lain yaitu mencocokkan citra ke peta atau transformasi
koordinat citra ke koordinat peta sehingga menghasilkan sistem proyeksi baru.
2. Pada praktikum ini kita memasang sebuah GCP dengan nama lain titik kontrol yang
berada pada atas tanah. Saat pemasangan GCP menggunakan cara image to image
kita harus memberikan titik pada kedua citra pada objek yang sama, kita dapat
menggunakan objek yang terlihat menonjol pada citra tersebut. Pemasangan GCP
ini harus berada pada objek tanah/objek yang tidak dapat berubah. Pemesangan
GCP dapat kita pasang pada persimpangan jalan, pinggir lapangan dll.
3. Pada praktikum ini kita mencoba resampling, resampling adalah sebuah metode
pencitraan untuk meningkatkan atau mengurangi jumlah piksel dalam gambar
digital (menata Kembali pixel dan kolom). Metode resampling yang kita lakukan
pada praktikum diatas terdapat 3 jenis yaitu, Metode resampling nearest
neighbor, yaitu resampling ini tidak mengubah nilai piksel asli dari input raster
tetapi hasilnya kotak-kotak. Dan resampling metode bilinear dan cubic
convolution, resampling ini menghasilkan citra lebih halus/kurang tajam tetapi
membutuhkan waktu lebih lama dibandingkan dengan nearest neighbor.