Affina Dyan Setyawati

21/489570/PTK/14292

TUGAS
Sistem Penginderaan Jauh
Studi Pustaka tentang Koreksi
Radiometrik dan Koreksi Geometrik

Magister Teknik Geomatika, Departemen Teknik Geodesi

Fakultas Teknik, Universitas Gadjah Mada
 Review Mengenai Koreksi Radiometrik
Koreksi geometrik dan koreksi radiometrik merupakan dua hal yang harus
dipastikan bahwa telah dilakukan dengan baik dan benar sebelum citra satelit
digunakan untuk keperluan analisis. Koreksi geometrik dilakukan karena
terjadinya distorsi akibat bumi yang serupa bola diproyeksikan ke dalam bidang
datar. Hal ini menyebabkan ukuran geometri fitur tidak sesuai dengan yang
sebenarnya. Citra hasil penginderaan jauh hanya merekam nilai-nilai Digital
Numbers (DNs). DN tidak memberikan label yang memberikan informasi
mengenai lokasi sebenarnya dari suatu sel di permukaan bumi (Tempfli dkk.,
2013). Adapun koreksi radiometrik dilakukan untuk mengkoreksi nilai DN yang
terganggu dalam perjalanannya dari satelit menuju ke permukaan bumi karena
terhalang awan, gangguan atmosfer, dll.
Georeferencing atau sensor orientation dapat mengatasi dua hal sekaligus
dalam satu waktu, yaitu 1) memperoleh koordinat peta dari fitur yang
diidentifikasi pada citra dan 2) mengoreksi distorsi geometrik citra penginderaan
jauh jika koordinat peta yang benar telah dihitung untuk setiap piksel (Tempfli
dkk., 2013). Georeferencing berguna untuk mengubah data penginderaan jauh
mentah menjadi data geospasial. Berikut ini merupakan pekerjaan yang bisa
dilakukan setelah melakukan georeferencing menurut Tempfli dkk. (2013):
1) Melakukan pengukuran pada citra untuk memperoleh deskripsi objek 2
dimensi atau 3 dimensi
2) Mengombinasikan citra (data raster) dengan data vektor
3) Membandingkan atau menggabungkan (fusi) beberapa data citra
berbeda dan dataset dalam SIG.
Berikut ini akan disampaikan pemaparan mengenai beberapa jurnal yang
membahas mengenai koreksi radiometrik. Dalam Seminar Nasional Penginderaan
Jauh, Rahayu & Candra (2014) memaparkan bahwa koreksi Top of Atmosphere
(TOA) dilakukan untuk menghilangkan distrosi radiometrik akibat posisi
matahari, dilakukan dengan cara mengubah nilai digital number ke nilai
reflektansi. Penelitian ini bertujuan untuk mengevaluasi karakteristik reflektansi
dari citra Landsat-8, untuk objek vegetasi (hutan dan sawah), lahan terbuka (lahan
gundul dan permukiman), dan air (laut, danau, dan sungai). Hasil penelitian
menunjukkan untuk proses klasifikasi pada masing-masing objek, maka dapat
digunakan band 4 untuk objek vegetasi, band 5 dan 6 untuk objek lahan terbuka,
dan band 1 untuk objek air. Penelitian ini menggunakan data Landsat-8 path/row
120/065 dengan tanggal perekaman 24 Juni 2013. Band yang digunakan untuk
proses klasifikasi penutup lahan terbatas pada band 1 hingga 7. Metode koreksi
adalah Top of Atmosphere, yang meliputi TOA reflektansi dan koreksi matahari.
Hasil penelitian koreksi data Landsat-8 menggunakan TOA secara visual tidak
memiliki perbedaan yang signifikan. Sementara hasil analisis spektral tiap objek
penutup lahan untuk digunakan dalam proses klasifikasi menunjukan hasil bahwa
setiap band memiliki karakteristik sendiri dalam hal menangkap gelombang
pantul dari tiap objek. Hasil pertama, untuk AoI objek sawah dan hutan
menunjukkan ada perbedaan nilai reflektansi yang signifikan pada band 4, dengan
band 4-7 nilai reflektansi objek sawah > objek hutan, dan band 1-3 nilai
reflektansi objek sawah < objek hutan. Nilai reflektansi objek vegetasi
dipengaruhi oleh beberapa faktor berupa tingkat kehijauan dan kerapatan. Kedua,
untuk AoI objek lahan gundul dan permukiman menunjukkan ada lonjakan
reflektansi signifikan antar objek tersebut pada band 5 dan 6, dengan band 1-4
tidak signifikan/tingkat signifikansi kecil, dan band 5-7 objek lahan gundul >
objek pemukiman. Nilai reflektansi objek lahan terbuka dipengaruhi oleh jenis
bahan bangunan yang digunakan. Ketiga, AoI objek air laut, danau, dan sungai
menunjukkan terjadi lonjakan reflektansi secara signifikan pada band 1, dengan
band 1-5 objek air sungai > objek air laut & danau, dan pada band 6-7
menunjukkan hasil tidak signifikan/tingkat signifikansi sangat kecil. Nilai
reflektansi objek air dipengaruhi oleh faktor seperti kedalaman air dan tingkat
kekeruhan air.
Kelebihan dari jurnal ini adalah pemaparan hasil dan pembahasan yang
mudah dipahami karena menghasilkan bahan awal kurva spektral baku di
Indonesia yang merupakan daerah tropis. Hal ini merupakan kemajuan karena
selama ini biasanya penelitian hanya menggunakan dasar kurva spektral dari
negara lain dengan kondisi ekosistem dan atmosfer yang berbeda. Adapun
penelitian ini masih terbatas pada klasifikasi penutup lahan yang mana objek
penutup lahan yang diteliti belum dilakukan spesifikasi.
Jurnal kedua memaparkan penelitian oleh Sari dkk. (2015). Jurnal ini
menjelaskan bahwa citra satelit Landsat 8 yang diperuntukkan bagi keperluan
darat, telah terkoreksi geometri sistematis. Guna memperoleh nilai citra berupa
reflektan, perlu dilakukan koreksi radiometrik. Jurnal ini bertujuan untuk
membandingkan penggunaan citra reflektan terkoreksi atmosfer Bottom of
Atmosphere (BOA) dan Top of Atmosphere (TOA) terhadap indeks vegetasi
dengan studi kasus tanaman padi. Pengolahan data diawali dengan proses
pengumpulan data yang terdiri dari data primer dan sekunder. Data primer berupa
data pengukuran koordinat sampel fase tumbuh tanaman padi yang dibagi menjadi
10 fase. Sementara data sekunder berupa data citra satelit Landsat 8 Path 119 Row
65 tanggal 20 April 2015. Tahap selanjutnya adalah pengolahan data yang
meliputi tahap koreksi radiometrik, perhitungan algoritma indeks vegetasi dengan
data masukan reflektan TOA dan BOA, dan analisis nilai indeks vegetasi yang
dilakukan dengan ground truth position koordinat). Hasil pembahasan jurnal
menunjukkan bahwa model terbaik untuk citra reflektan TOA adalah algoritma
yang berhubungan dengan klorofil daun yaitu NDVI, sedangkan pada algoritma
yang berhubungan dengan efek tanah yaitu MSAVI, model terbaik terletak pada
citra BOA. Pada objek tanaman padi, hasil dari setiap indikator uji statistik
sederhana yang digunakan, menunjukkan bahwa koreksi efek atmosfer ternyata
tidak memberikan pengaruh yang besar terhadap hasil perhitungan indeks
vegetasi. Hasil uji perbandingan citra TOA dan BOA, menghasilkan RMSE 0,053
dan NMAE 20,164% untuk NDVI, dan RMSE 0,016 dan NMAE 13,028% untuk
MSAVI.
Kelebihan dari jurnal karya Sari dkk. (2015) antara lain:
1) Memaparkan seluruh bagian dengan lengkap dan komprehensif, mulai
dari abstrak sampai bagian kesimpulan.
 2) Penulis menggunakan sumber literatur yang relevan dan tersusun
secara sistematis
3) Pembahasan disajikan secara singkat, padat, dan berbobot sehingga
layak digunakan sebagai referensi untuk penelitian selanjutnya.
4) Uji komparasi yang dilakukan oleh penulis sangat komprehensif
sehingga output yang dihasilkan lebih lengkap dan informatif.
5) Menggunakan ilustrasi berupa gambar dan grafik sehingga pembaca
dapat lebih memahami pembahasan yang disajikan.
Namun demikian, tentunya jurnal ini masih memiliki kekurangan yang
harapannya dapat diatasi oleh penelitian selanjutnya, antara lain:
1) Tidak menyajikan abstrak dalam versi bahasa Inggris sehingga peneliti
asing akan sulit memahami penelitian ini.
2) Penulis tidak memberikan uraian terkait dasar teori yang digunakan
dalam penyusunan jurnal.
3) Penulis tidak memberikan penjelasan terkait peralatan, software,
ataupun alat pendukung yang digunakan dalam proses pengolahan
data.
4) Penulis tidak memberikan saran-saran yang dapat digunakan oleh
peneliti selanjutnya dengan topik yang relevan.
Jurnal ketiga adalah karya Danoedoro dkk. (2015) yang mengkaji
pengaruh jenis dan tingkat koreksi radiometrik citra multispektral ALOS AVNIR-
2 terhadap akurasi model estimasi stok karbon vegetasi tegakan di Semarang
bagian timur. Dalam penelitian ini, digunakan empat jenis koreksi radiometrik
meliputi (a) penyesuaian histogram atas nilai piksel asli, (b) kalibrasi bayangan,
(c) koreksi at-sensor reflectance, dan (d) koreksi at-surface reflectance. Pada tiap
jenis koreksi, citra diproses dengan enam indeks vegetasi, yaitu (a) EVI2, (b)
NDVI, (c) TVI, (d) ARVI, (e) SAVI, dan (f) MSARVI. Masing-masing jenis
koreksi dan transformasi indeks vegetasi, kemudian dikorelasikan dengan stok
karbon vegetasi tegakan di atas permukaan hasil pengumpulan data biomassa di
lapangan. Peneliti melakukan koreksi citra berdasarkan penyesuaian histogram
atas nilai piksel asli, kalibrasi bayangan, koreksi hingga at-sensor reflectance, dan
koreksi hingga at-surface reflectance. Nilai dari koreksi kalibrasi bayangan
ditentukan berdasarkan pengurangan nilai piksel pada citra asli dengan nilai bias.
Untuk koreksi dengan at-sensor reflectance mempertimbangkan jarak bumi-
matahari, nilai iradiansi matahari, dan sudut zenith matahari. Selanjutnya, indeks
vegetasi diterapkan pada citra yang sudah dilakukan koreksi. Pengumpulan data
stok karbon di lapangan dilakukan menggunakan pendekatan biomassa dengan
pendekatan berdasarkan sifat yang umum karena keanekaragaman spesies. Nilai
biomassa hasil perhitungan berdasarkan persamaan alometrik dikorelasikan
dengan keenam indeks vegetasi untuk menentukan model stok karbon yang
terbaik dan membangun peta distribusi stok karbon berdasarkan indeks vegetasi.
Model yang dibangun untuk membangun estimasi stok karbon
menggunakan analisis statistik berupa regresi non-linier berupa model logaritmik,
kuadratik, dan eksponensial yang sebelumnya sudah melalui beberapa uji statistik
yang dibutuhkan. Model regresi yang dihasilkan dari empat jenis koreksi yang
dihubungkan dengan enam indeks vegetasi menunjukkan bahwa hanya ada dua
jenis koreksi yang bisa dilanjutkan ke proses permodalan spasial berbasis regresi,
yaitu koreksi sampai at-sensor reflection yang menunjukkan indeks vegetasi
NDVI,TVI, ARVI, dan MSARVI; dan koreksi hingga at-surface reflection
dengan indeks vegetasi EVI2, TVI, SAVI, dan MSARVI. Analisis statistik lebih
lanjut menunjukkan bahwa koreksi hingga tingkat at-surface reflectance mampu
memberikan data yang relatif paling konsisten untuk diproses dengan berbagai
transformasi indeks vegetasi. Dari persamaan regresi yang dianggap layak untuk
lanjut ke pemodelan spasial menghasilkan 21 model peta distribusi stok karbon
yang kemudian dilakukan diuji dengan menggunakan data lapangan independen,
dan diukur nilai standard error of estimatenya. Berdasarkan nilai standar error of
estimate, indeks vegetasi MSARVI berbasis hasil koreksi at-sensor reflectance
dan at surface reflectance dengan persamaan eksponensial memberikan nilai yang
paling akurat. Kelebihan dari jurnal ini adalah memiliki diagram alir penelitian
yang memberikan visualisasi alur berpikir penulis, serta menggunakan tulisan
yang sederhana sehingga mudah dimengerti. Adapun kelemahan dari jurnal ini
adalah bagian simpulan yang digabung dengan pembahasan meskipun tidak
mengurangi maksud dari penulisan jurnal ini.
Jurnal keempat yang akan di-review adalah karya Kustiyo dkk. (2014)
yang mengkaji metode koreksi radiometrik data SPOT-4 dengan mengembangkan
metode Top of Atmosphere (TOA) yang menambahkan pengaruh sudut
perekaman yang dibagi menjadi dua tahapan yang meliputi koreksi radiometrik
berdasarkan parameter matahari dan sudut perekaman. Hasil dari penelitian
menunjukkan adanya penurunan standar deviasi untuk pengolahan data
menggunakan TOA + Normalisasi sebanyak dua kali lebih besar dibandingkan
hanya menggunakan metode TOA saja. Sumber yang digunakan berasal dari
SPOT-4 multispektral 4 kanal level pengolahan 2A (georeference) dengan lokasi
penelitian berada di wilayah Kalimantan Tengah dengan jumlah scene sebanyak
25 dalam rentang waktu 2006 – 2012. Produk citra satelit SPOT-4 yang memiliki
resolusi menengah biasanya sudah dilakukan koreksi radiometri sistematik.
Namun, karena informasi yang didapatkan belum sesuai dengan objek aslinya
karena adanya penghamburan cahaya, perlu dilakukan koreksi akibat kesalahan
faktor eksternal dan koreksi atmosfer. Data citra satelit yang diperoleh
mengandung nilai digital (DN) yang perlu dikonversi menjadi nilai spectral
reflektan melalui dua tahap. Tahap pertama mengubah DN menjadi spektral
radian kemudian menjadi spektral reflektans. Konversi semacam ini merupakan
koreksi radiometrik Top of Atmosphere (TOA) yang kemudian akan diolah
kembali melalui koreksi radiometrik menggunakan sudut perekaman satelit.
Untuk objek berupa hutan, hipotesa yang dipakai adalah apabila sudut perekaman
meningkat, maka nilai reflektans hasil TOA perlu dikalikan dengan nilai bilangan
lebih dari satu. Sebaliknya, jika sudut perekaman yang rendah, maka perlu
dikalikan dengan nilai bilangan kurang dari satu.
Temuan yang didapatkan dari penelitian dengan hasil koreksi TOA dan
koreksi radiometrik TOA yang dilanjutkan dengan normalisasi ini memiliki
standar deviasi untuk hutan primer dan sekunder yang turun hingga dua kali.
Untuk hutan primer, standar deviasi untuk kanal 1, 3, dan 4 berturut-turut dari
15,0 menjadi 8,6; 28,3 menjadi 16,5; dan 34,7 menjadi 16,8. Penurunan standar
deviasi juga terjadi pada hutan sekunder dengan kanal 1, 3, dan 4 berturut-turut
dari 16,0 menjadi 11,5; 28,0 menjadi 17,5; dan 37,1 menjadi 20,9. Kelebihan dari
jurnal ini adalah memaparkan pemaparan yang jelas terkait adanya normalisasi
yang dapat memberikan hasil standar deviasi yang signifikan berubah turun
hingga dua kali. Sementara kelemahannya adalah pada bagian pendahuluan,
penelitian ini memiliki tujuan untuk mengembangkan metode koreksi TOA
dengan menambahkan pengaruh sudut perekaman satelit dari citra SPOT-4 tapi
perumusan masalah lebih mengerucutkan masalah pada poin penentuan nilai
konstanta pengali untuk setiap kanal pada citra SPOT-4.
Jurnal terakhir atau yang kelima merupakan karya Widhaningtyas dkk.
(2020) yang mengkaji mengenai koreksi radiometri topografi pada proses pra
pengolahan citra. Hal tersebut perlu dilakukan untuk mengoreksi besar energi
sinar matahari yang ditangkap, dipantulkan balik, dan diterima oleh sensor
penginderaan jauh. Terdapat banyak metode koreksi topografi, tetapi penelitian
terkait hal tersebut masih sedikit. Untuk itu, dilakukan kajian untuk
membancingkan beberapa metode yang ada tersebut. Adapun wilayah studi dalam
penelitian ini adalah wilayah Gunung Telomoyo. Data yang digunakan dalam
penelitian ini adalah citra satelit Land- sat 8 dan DEMNAS. Metode koreksi
topografi yang diujikan dalam penelitian ini adalah metode koreksi topografi C
Correction dan SCS+C. Hasil dari penelitian me- nunjukkan bahwa data
DEMNAS dapat digunakan sebagai sumber data untuk koreksi radiometrik
topografi. Metode koreksi topografi yang paling baik pada penelitian ini adalah
metode SCS+C dilihat dari kenampakan visual dan memiliki nilai standar de-
viasi terendah dibandingkan dengan metode C Correction. Jurnal ini cukup
komprehensif, tetapi akan lebih baik jika dilengkapi dengan diagram alir untuk
mengetahui langkah penelitian dan melakukannya kembali.
 Daftar Pustaka
Danoedoro, P., Kristian, G., & Rahmi, K. N. I. (2015). Pengaruh Metode Koreksi
Radiometrik Citra ALOS AVNIR-2 terhadap Akurasi Hasil Estimasi Karbon
Vegetasi Tegakan di Wilayah Kota Semarang Bagian Timur. 1–15.
Kustiyo, Dewanti, R., & Lolitasari, I. (2014). Pengembangan Metoda Koreksi
Radiometrik Citra SPOT 4 Multi-Spektral dan Multi-Temporal untuk Mosaik
Citra. Seminar Nasional Penginderaan Jauh, 79–87.
Rahayu, & Candra, D. S. (2014). Koreksi Radiometrik Citra Landsat-8 Kanal
Multispektral Menggunakan Top of Atmosphere (TOA) untuk Mendukung
Klasifikasi Penutup Lahan. Seminar Nasional Penginderaan Jauh, 762–768.
Sari, V. D., Taufik, M., & Jaelani, L. M. (2015). Perbandingan Pengaruh Koreksi
Radiometrik Citra Landsat 8 terhadap Indeks Vegetasi pada Tanaman Padi.
Seminar Nasional Aplikasi Teknologi Prasarana Wilayah (ATPW), 13–20.
https://doi.org/10.13140/RG.2.1.2774.7280
Tempfli, K., Kerle, N., Huurneman, G. C., Janssen, L. L. F., Bakker, W. H.,
Feringa, W., Gieske, A. S. M., Gorte, B. G. H., Grabmaier, K. A., Hecker, C.
A., Horn, J. A., Huurneman, G. C., Janssen, L. L. F., Kerle, N., Meer, F. D.
Van Der, Parodi, G. N., Pohl, C., Reeves, C. V, Ruitenbeek, F. J. Van, …
Woldai, T. (2013). AGERE! 2013 - Proceedings of the 2013 ACM
Workshop on Programming Based on Actors, Agents, and Decentralized
Control. AGERE! 2013 - Proceedings of the 2013 ACM Workshop on
Programming Based on Actors, Agents, and Decentralized Control.
Widhaningtyas, T. U., Putra, A. C. P., & Fariz, T. R. (2020). Perbandingan
Metode Koreksi Topografi pada Citra Satelit Landsat 8 di Wilayah Gunung
Telomoyo, Jawa Tengah. Jurnal Geografi : Media Informasi Pengembangan
dan Profesi Kegeografian, 17(2), 32–38.
https://doi.org/10.15294/jg.v17i2.22863