LAPORAN RESMI PRAKTIKUM

PENGINDERAAN JAUH DAN PEMETAAN LAUT

MODUL II
KOREKSI RADIOMETRI

Disusun Oleh:
Elliza Rianty Tesalonika
26050122140120
Oseanografi C

Koordinator Mata Kuliah Penginderaan Jauh :

Dr. Muhammad Helmi S.Si, M.Si.
 NIP 19691120 200604 1 001

Tim Asisten 
Baiq Lista Azkia Sulhana 26050120120004
Stephanie Michelle Gunady 26050121130063
Ikhsan Mustaqim  26050121130051
Annisa Dianti Cahyaningtyas 26050121130065
Olivia Rebeka Vera Wati Sinaga  26050120120028
Ganesha Lagas Baskara 26050121120002
Priska E. Lumban Batu 26050120120031
Refaldi Rizky Maulana 26050120130048
Nilamsari Dinda Andini  26050121140090

DEPARTEMEN OSEANOGRAFI
FAKULTAS PERIKANAN DAN ILMU KELAUTAN
UNIVERSITAS DIPONEGORO
SEMARANG
2022

Tgl Praktikum : Selasa, 20 September 2022

Tgl Pengumpulan : Senin, 26 September 2022
 LEMBAR PENGESAHAN
MODUL II
Nama: Elliza Rianty Tesalonika NIM: 26050122140120 TTD:

NO. KETERANGAN NILAI

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

Mengetahui,
Koordinator Praktikum Asisten

Baiq Lista Azkia Sulhana

Stephanie Michelle Gunady
26050120120004
26050121130063

I. PENDAHULUAN
1.1 Latar Belakang

Praktikum adalah serangkaian dari proses belajar mengajar secara langsung

guna untuk mengamati, menganalisis, membuktikan dan membuat kesimpulan
hasil pengamatan yang telah dilakukan. Laporan praktikum juga dapat dilakukan
dengan bentuk tulisan maupun ketikan. Praktikum Koreksi Radiometri ini
bertujuan untuk mengetahui apa itu koreksi radiometri dan bagaimana cara
pengoperasian koreksi radiometri dalam bidang oseanografi. Koreksi radiometri
adalah bentuk koreksi pada citra yang dilakukan untuk menghilangkan distorsi
radiometrik yang disebabkan oleh posisi matahari. Koreksi radiometri digunakan
untuk mengurangi pengaruh dari hamburan atmosfer yang disebabkan oleh
adanya partikel-partikel atmosfer yang memberikan efek hamburan pada energy
electromagnet matahari yang dapat berpengaruh pada nilai spectral citra, sehingga
nilai pixelnya akan lebih tinggi daripada sebenarnya (Rahayu, 2014).

1.2 Tujuan

1. Mahasiswa mampu melakukan Koreksi Radiometri.

2. Mahasiswa mampu memeriksa Atmospheric bias citra.

3. Mahasiswa dapat menggunakan metode penyelesaian histogram.

1.3 Manfaat

1. Mahasiswa sudah mampu melakukan koreksi radiometri.

2. Mahasiswa sudah mampu memerika atmospheric bias citra.

3. Mahasiswa sudah mampu menggunakan metode penyelesaian histogram.

II. TINJAUAN PUSTAKA

2.1 Koreksi Radiometri

2.1.1 Definisi Koreksi Radiometri

Koreksi atmosfer adalah proses yang diperlukan untuk menghilangkan

pengaruh atmosfer pada data penginderaan jauh yang direkam oleh sensor.
Koreksi atmosfer ini juga dapat digunakan untuk menghilangkan efek atmosfer
dari data yang direkam sensor. Terdapat tiga cara untuk melakukan koreksi
giometri. Cara pertama adalah dengan cara rektifikasi geometri. Rektfikasi
geometri ini adalah cara untuk mengubah aspek geometri pada citra dengan cara
merujuk pada bentuk peta yang baku, sehingga koordinat pada citra menjadi sama
dengan koordinat pada peta yang digunakan dengan cara rektifikasi geometri.

Proses koreksi koreksi radiometri adalah:

1. Reflektan ToA ( Top of Atmosphere)

2. Reflektan BoA ( Bottom of Atmosphere)

Refklektan ToA adalah reflektan yang tertangkap oleh sensor sedangkan reflektan
BoA adalah reflektan pada objek yang telah terkoreksi atmosfer.

2.1.2 Kegunaan Koreksi Radiometri

Menurut Danoedoro (2012) Koreksi radiometri bertujuan untuk memperbaiki

nilai piksel supaya sesuai dengan yang seharusnya juga bisa dilakukan dengan
mempertimbangkan factor gangguan atmosfer sebagai sumber kesalahan utama.

2.1.3 Kelebihan Dan Kekurangan Koreksi Radiometri

Koreksi geometrik memiliki beberapa kelebihan dan kekurangan. Salah satu

kelebihan metode kalibrasi ini adalah relatif sederhana dan mudah bagi pengguna
biasa. Selanjutnya, metode ini hanya membutuhkan satu citra sebagai pembanding
dari citra yang akan dikoreksi. Hal ini menghilangkan distorsi yang mengganggu
keabsahan data yang dihasilkan, sehingga memberikan kemungkinan bahwa data
yang dihasilkan mendekati nilai akurasi yang sebenarnya. Metode ini juga
membutuhkan ruang data yang relatif kecil ketika dioperasikan dengan aplikasi
komputer sehingga pengguna dapat melakukan koreksi pada sejumlah gambar
atau citra (Sutanto, 1987).

2.2 Penyesuaian Histogram

Penyesuaian histogram adalah teknik kompensasi fitur popular yang telat

diteliti dengan baik dan dipraktekkan di bidang pengolahan citra untuk
normalisasi fitur visual digital gambar, seperti kecerahan, gray-level skala,
kontras, dan sebagainya. Histogram citra menunjukkan pada histogram dari niali
intensitas pixel. Histogram menampilkan banyaknya piksel dalam suatu citra yang
dikelompokkan berdasarkan level nilai intensitas piksel yang berbeda. Histogram
merupakan suatu tampilan grafik dari distribusi frekuensi relatif dalam suatu
satelit.

2.3 Koreksi Atmosfer

2.3.1 DOS (Dark Object Subtraction)

Metode DOS (Dark Object Subtraction) adalah teknik berbasis gambar untuk
membatalkan komponen kabur asap atau gangguan dari awan yang disebabkan
dengan hamburan aditif dari data penginderaan jauh (Chaves Jr, 1988). Metode ini
ditemukan bergantung pada data dan diterima dengan baik oleh komunitas
geospasial untuk memperbaiki hamburan cahaya dalam data penginderaan jauh
(Song et al.2000).

2.3.2 FLAASH Atmospheric Correction

FLAASH Atmospheric Correction adalah sensor multispectral modern

dengan resolusi relatif tinggi yang memiliki potensi besar untuk koreksi atmosfer
dari data penginderaan dengan perbandingan reflektansi yang berbeda. FLAASH
adalah model bawaan yang tersedia dengan perangkat lunak input ENVI untuk
koreksi atmosfer dari data multispektral dan hiper spectral dalam rentang
inframerah dan gelombang pendek yang terlihat dekat hingga 3000nm. FLAASH
merupakan kode prinsip pertama yang menggunakan pemodelan transportasi
radiasi atmosfer modtran. FLAASH dapat menghasilkan hasil yang kuantitatif.
Seringkali akurat hingga dalam beberapa persen dengan sensor yang dikalibrasi
dengan baik di bawah kondisi matahari penuh yang khas.
 FLAASH mengkoreksi semua spesies atmosfer yang menyerap atau
menyebar dalam kisaran panjang gelombang data. Namun, hanya dua spesies
yang paling penting dan bervariasi yang dapat dikoreksi dengan cara yang telah
disesuaikan. Spesies ini adalah uap air dan partikel hamburan. Partikel hamburan
biasanya disebut sebagai kabut atau aerosol (tetesan cair) tetpi mungkin termasuk
debu,mineral, atau asap. Spesies lainnya termasuk dalam CO2, ozon, dan metana
berada dalam konsentrasi tetap yang diberikan oleh atmosfer.

2.3.3 6SV

Penginderaan jauh satelit adalah cara hemat biaya untuk memantau dan
mengukur proses fenomena optic,biologis,dan ekologis di perairan dalam pada
skala besar. Namun, sinyal yang mencapai sensor di atas air mengandung fitur
permukaan yang meninggalkan efek atmosfer yang disebabkan oleh penyerapan
dan hamburan. Oleh karena itu, citra dari sensor dengan resolusi spasial yang
lebih tinggi mungkin penting untuk pemantauan kualitas perairan pedalaman
dengan penginderaan jauh kuantitatif. Metode koreksi atmosfer 6SV (Simulasi
kedua sinyal satelit dalam versi Spektrum-Vektor matahari) didasarkan pada
model transfer radiative fisik (RTM), yang menampilkan makna fisik yang
andal,spesifik, dan generalisasi yang lebih baik. Penerapan 6SV dalam koreksi
atmosfer atas air memang melibatkan beberapa tantangan; misalnya, koefisien
atmosfer yang dihitung oleh 6SV dimaksudkan untuk reflektansi permukaan,
bukan reflektansi penginderaan jauh melaui perhitungan perkiraan dan tidak
mempertimbangkan penghapusan pantulan specular pada antarmuka udara-air.
Parameter koreksi hasil simulasi menggunakan simulasi kedua sinyal satelit dalam
vector spectrum matahari.

2.3.4 Apparent Reflectance

Apparent reflectance yang jelas didasarkan pada karakteristik medan jauh dan
statistik dari pola kamuflase karena sifat hamburan difus dari gelombang
elektromagnetik.

Apparent reflectance ini menjelaskan pemodelan dan simulasi spectrum

reflektansi nyata yang akan diadopsi sebagai dasar untuk beberapa metrik yang
digunakan dalam mengevaluasi pola kamuflase dalam hal karakteristik medan
jauhnya atas panjang gelombang inframerah yang terlihat dan juga gelombang
pendek.

III. MATERI DAN METODE

3.1 Materi

Praktikum penginderaan jauh dilaksanakan di Laboratoriun Komputer

Gedung E pada hari selasa, 20 September 2022.

3.2 Metode

Langkah-langkah koreksi radiometri

1. Buka aplikasi QGIS, lalu klik New Project.

Gambar 1. Proses masuk ke aplikasi QGIS

2. Klik pada tab Plugins lalu klik Manage and Install Plugins.

Gambar 2. Penginstallan Plugins

2.1 Search “Semi-Automatic Classification Plugin” lalu klik Install.

Gambar 3. Penginstallan plugins

3.3.1 Pre-Processing Koreksi Radiometri

1. Buat folder baru berjudul “Koreksi Radiometri” dan “Hasil Koreksi

radiometri”.

Gambar 4. Proses pembuatan folder

2. Masukkan Band 2- Band 7 kedalam folder koreksi radiometri.

Gambar 5. Proses pemasukan band 2-band 7 ke dalam folder

3. Klik pada tab ”SCP”, Prepocessing, lalu klik menu Landsat.

Gambar 6. Tahap preprocessing

4. Klik logo “select a directory” pada pojok kanan atas lalu masukkan band 2 –
band 7.

Gambar 7
5. Klik bagian “ select MTL file” lalu masukan file MTL dan centang pada
kolom bagian “Apply DOS1 atmospheric correction”.

Gambar 8.

6. Klik pada tombol Run lalu save pada folder “Hasil Koreksi Radiometri”

Gambar 9.
 Gambar 10. Proses pemasukan file kedalam folder.

7. Klik pada tab “Open Data Source Manager”

Gambar 11. Pemasukan data sebelum dikoreksi

8. Pada menu raster klik bagian “browse” lalu masukan band 2 – band 7.

Gambar 12.

Gambar 13. Proses pemasukan band untuk dikoreksi

9. Setelah memasukkan band 2 – band 7 tekan “add” lalu klik “close”.

Gambar 14.

3.3.2 Penyesuaian Histogram

1. Klik kanan pada Band 2 kode LC09 lalu klik properties.

Gambar 15
2. Klik menu “Compute Histogram” pada kolom histogram.

Gambar 16

3. Setelah klik compute histogram, akan muncul minimum-maksimum sebelum

dikoreksi.

Gambar 17. Hasil minimum-maksimum sebelum dikoreksi

4. Setelah itu, klik bagian band 2 pada kode RT_LC09 lalu klik properties.

Gambar 18.

5. Klik “compute histogram” pada kolom histogram.

Gambar 19.
6. Setelah klik “Compute Histogram” akan muncul hasil minimum-maksimum
setelah dikoreksi.

Gambar 20. Hasil minimum-maksimum setelah dikoreksi radiometri.

 IV. HASIL DAN PEMBAHASAN

4.1 Hasil

4.1.1 Memeriksa Nilai Atmospheric Bias Citra

Tabel 1. Nilai Atmospheric Bias Citra Sebelum Koreksi

Band Minimum Maksimum

Band 2 7795 30233
Band 3 7019 30148
Band 4 6258 31129
Band 5 5679 35033
Band 6 5215 27481
Band 7 5130 21631

B2: Band 2

Gambar 1. B2: Band 2

B3: Band 3

Gambar 2. B3: Band 3

B4 : Band 4

Gambar 3. B4 : Band 4

B5 : Band 5
 Gambar 4. B5 : Band 5

B6 : Band 6

Gambar 5. B6 : Band 6

B7 : Band 7
 Gambar 6. B7 : Band 7

4.1.2 Penyesuaian Histogram

Sesudah Koreksi

Tabel 1. Nilai Bias Histogram Setelah Dikoreksi

Band Minimum Maksimum

Band 2 0,00624 0,913764
Band 3 0,0037351 0,975743
Band 4 0,00593704 1
Band 5 0,00842141 1
Band 6 0 1
Band 7 0 1

B2: Band 2
 Gambar 1. B2: Band 2

B3: Band 3

Gambar 2. B3: Band 3

B4 : Band 4
 Gambar 3. B4: Band 4
B5: Band 5

Gambar 4. B5: Band 5

B6: Band 6
 Gambar 5. B6: Band 6
B7: Band 7

Gambar 5. B7: Band 7

4.2 Pembahasan
Selama praktikum Koreksi Radiomteri kemarin, saya belajar tentang bagaiana
cara untuk mengkoreksi radometri suatu citra. Dengan praktikum yang sudah
dilaksanakan.
5.1 Kesimpulan
1. Setelah melakukan praktikum koreksi radiomteri, saya sudah mampu
melakukan koreksi radiomteri pada sebuah citra.
2. Setelah praktium koreksi radiometri, saya sudah mampu memerika hasil
atmospheric bias citra.
3. Saya sudah dapat meggunakan dan menentukan nilai maksimum hingga
minimum suatu citra.
5.2 Saran

1. Pemberian tutorial dilakukan dengam jelas

2. Pemberian tutorial dilakukan tanpa bertele-tele

3. Jika ada yang bertannya, mohon diberitahu dengan baik hingga paham dengan

praktikum tersebuut.
 DAFTAR PUSTAKA
Rahayu dan D.S.Candra 2014. Koreksi Radiometrik Citra Landsat -8 Kanal
Multispektral Menggunakan Top Of Atmosphere (TOA) Untuk Mendukung
Klasifikasi Penutup Lahan. [Disertasi]. Universitas Jendral Soedirman,
Purwokerto, 762 hlm.

Nurhadi, S, L. Hangu, A. Akhbar dan I. Arianingsih. 2018. Analisis Sebaran

Tutupan Vegetasi Menggunakan Citra Landsat 8 Di Kecamatan Ulujadi Kota
Palu. Jurnal Warta Rimba., (6)1: 57.

Penggalih, A, A. Iwan, M. Hartuti, dan T.M. Alam. 2017. Analisis Data Batimetri
Perairan Dangkal Menggunakan Citra Satelit Spot-7. Jurnal Hidro-
Oseanografi Angkatan Laut., 69.

Ahmad, N dan A. Hadinegoro. 2012. Metode Histogram Equalization Untuk

Perbaikan Citra Digital. [Laporan Penelitian]. Program Pasca Sarjana
Magister Teknik Informatika, Universitas Atma Jaya Yogyakarta,
Yogyakarta. 7 hlm.

Gilmore, S, A. Saleem, dan A. Dewan. 2015. Effectiveness of DOS (Dark-Object

Substraction) method and water index techniques to map wetlands in a
rapidly urbanising megacity with Landsat 8 data. [Laporan Penelitian].
Departemen os Spatial Sciences Curtin University, Perth,WA, Perth. 9 hlm.

Saini, V, R.K. Tiwari, dan R.P. Gupta. 2018. Comparison of FLAASH and
QUAC atmospheric correction methods for Resourcesat-2 LISS-IV data.
International Journal of Remote Sensing., 39(22): 1-2.

DOI : https://doi.org/10.1080/01431161.2018.1483087

Lu, Z, J. Li, Q.Shen, B. Zhang, H. Zang, F. Zhang, dan S. Wang. 2018.

Modification of 6SV to remove skylight reflected at the air-water interface:
Application to atmospheric correction of Landsat 8 OLI in inland waters.
Journals Plos One. 65-67.

DOI : https://doi.org/10.1371/journal.pone.0202883
Michaelchuck, E, S. Ramsey, T. Mayo, S. Thompson, dan S. Lambrakos. 2022.
Apparent reflectance modelling for camouflage pattern comparison metrics.
Journal of Electromagnetic Waves and Applications., 36(8): 12-14.

DOI : https://doi.org/10.1080/09205071.2021.2002728