Foto Udara Di Ji Talis BN

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/357517871
FOTO UDARA DIJITAL Teori dan Praktik (Menggunakan Agisoft Metashape)
Book · March 2021
CITATIONS READS
0 1,410
2 authors:
Revi Hernina Teddy arfaansyah Putra

University of Indonesia University of Indonesia
32 PUBLICATIONS 73 CITATIONS 4 PUBLICATIONS 3 CITATIONS
SEE PROFILE SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Vegetation Index View project
UAV APPLICATION PROJECT View project
All content following this page was uploaded by Revi Hernina on 02 January 2022.
The user has requested enhancement of the downloaded file.

FOTO UDARA DIJITAL
Teori dan Praktik
(Menggunakan Agisoft Metashape)
PENULIS
REVI HERNINA
TEDDY ARFAANSYAH PUTRA
EDITOR
SUPRIATNA
ADI WIBOWO
Departemen Geografi FMIPA UI

Tahun 2021
Foto Udara Dijital
Teori dan Praktik (Menggunakan Agisoft Metashape)
ISBN: 978-623-92282-8-6
Penulis: Revi Hernina, Teddy Arfaansyah Putra
Editor: Supriatna, Adi Wibowo
Desain Sampul dan Tata Letak: Revi Hernina
Penerbit: Departemen Geografi FMIPA Univesitas Indonesia
Redaksi:
Departemen Geografi FMIPA UI, Depok
Gedung H Kampus UI Depok 16424
Telp +6221 78886680, Fax +6221 7270030
Email: departemen.geografi@ui.ac.id
Website: http://www.sci.ui.ac.id/geografi
Distribusi Tunggal:
Departemen Geografi FMIPA UI, Depok
Gedung H Kampus UI Depok 16424
Telp +6221 78886680, Fax +6221 7270030
Email: departemen.geografi@ui.ac.id
Website: http://www.sci.ui.ac.id/geografi
Cetakan Pertama Maret 2020

Hak Cipta dilindungi Undang-Undang
Dilarang memperbanyak karya tulis ini dalam bentuk apapun dan
cara apapun tanpa izin dari penerbit.
KATA PENGANTAR
Buku panduan diperlukan dalam melaksanakan kegiatan proses

belajar mengajar. Buku ini dibuat sebagai panduan pembelajaran
dalam mata kuliah Foto Udara Format Kecil (FUFK) yang
merupakan kurikulum tahun 2016 dan Foto Udara Dijital yang
merupakan kurikulum tahun 2020 di Departemen Geografi Fakultas
Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas
Indonesia (UI). Buku ini selain berisi materi tentang foto udara
dijital, juga praktik mengolah foto udara hasil pemotretan unmanned
aerial vehicle (UAV) menggunakan software Agisoft Metashape.
Buku ini juga memuat beberapa riset dosen dan mahasiswa
Departemen Geografi FMIPA UI terkait penggunaan UAV/ drone
yang sudah dipublikasikan baik di prosiding maupun jurnal nasional
dan internasional.
Akhir kata semoga buku ini dapat membantu dan bermanfaat

terutama dalam menunjang perkuliahan di Departemen Geografi
FMIPA UI .
Depok, Maret 2021
Penulis
Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) iii
DAFTAR ISI
KATA PENGANTAR iii

DAFTAR ISI iv
BAB 1 PENDAHULUAN 1
1.1 Unmanned Aircraft System (UAS) dan Unmanned Aerial 1
Vehicle (UAV)
1.2 Sejarah unmanned aerial vehicle (UAV) / drone 3
1.3 Foto udara dijital 3
1.4 Kelebihan dan Kekurangan Penggunaan unmanned 5
aerial vehicle (UAV)/Drone
1.5 Jenis-Jenis Drone 8
1.5.1 Drone jenis fixed wing 8
1.5.2 Drone jenis multirotor 10
BAB 2 SENSOR UAV/DRONE 12
2.1 RGB Cameras 12
2.2 Light Weight Multispectral Cameras 13
2.3 Sensor hiperspektral (Hyperspectral sensors) 14
2.4 Light-weight thermal infrared sensors 15
2.5 Sensor UAV LiDAR 16
BAB 3 KETINGGIAN TERBANG UAV/DRONE DAN 18
RESOLUSI
3.1 Resolusi dan ground sampling distance (GSD) 18
3.2 Hubungan ketinggian terbang drone dan resolusi spasial 19
3.2 Hubungan ketinggian terbang drone dan area yang 21
diindra
Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) iv

BAB 4 REGULASI PENERBANGAN DRONE 23
4.1 Regulasi Penerbangan Drone di Indonesia 23
4.2 Regulasi Penerbangan Drone di Negara Lain 27
4.2.1 Regulasi Drone di Cina 27
4.2.2 Regulasi Drone di Amerika Serikat 28
4.2.3 Regulasi Drone di Singapura 29
BAB 5 UAV/DRONE UNTUK PEMETAAN 30
5.1 Alat yang perlu disiapkan untuk pemotretan foto udara 32
menggunakan drone
5.2 DJI Phantom 4 Advance dan DJI Phantom 4 Pro 34
5.3 DJI Go 37
5.4 Pix 4DCapture 37
BAB 6 PENGOLAHAN FOTO UDARA DIJITAL 39
MENGGUNAKAN AGISOFT METASHAPE
6.1 Cara mendownload Agisisoft Metashape 39
6.2 Pengolahan Foto Udara Menggunakan Agisoft
Metashape 41
6.2.1 Import Foto dan Rekonstruksi Jalur Terbang 42
6.2.2 Align Photos
6.2.3 Dense Point Clouds 43
6.2.4 Build Mesh (3D Model) 47
6.2.5 Build Texture 49
6.2.6 Build DEM 51
6.2.7 Build Orthomosaic/Orthophoto 54
6.2.8 Report 57
BAB 7 RISET UAV/DRONE 58
Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) v

7.1 UAV/Drone untuk Pemetaan Lahan Sawah 58
7.2 UAV/Drone untuk Menghitung Volume dan Ketinggian 60
Sampah
7.3 UAV/Drone untuk Identifikasi Permukiman Kumuh 62
7.4 UAV/Drone untuk Identifikasi Jenis Vegetasi 66
7.5 UAV/Drone untuk Pengukuran Topografi 69
DAFTAR PUSTAKA 72
LAMPIRAN
Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) vi

BAB 1
PENDAHULUAN
1.1 Unmanned Aircraft System (UAS) dan Unmanned Aerial

Vehicle (UAV)
Teknologi pengindraan jauh semakin berkembang tidak terkecuali

dalam hal perkembangan wahananya. Jika selama ini pengindraan
jauh banyak mengandalkan teknologi satelit, maka saat ini
penggunaan drone merupakan salah satu cara lain untuk
mendapatkan data dan informasi tentang suatu obyek dipermukaan
bumi. Drone memiliki beberapa kelebihan dibandingkan satelit
diantaranya dalam hal resolusi, biaya, dan bebas awan. Pada masa
lampau drone digunakan untuk kepentingan militer, tetapi saat ini
drone juga digunakan untuk kepentingan survei, bisnis, film, dan
lainnya.
Ada dua terminologi terkait dengan pemetaan foto udara dijital yaitu
unmanned aircraft system (UAS) dan unmanned aerial vehicle
(UAV). Unmanned aircraft system (UAS) merupakan sebuah sistem
yang diperlukan untuk mengendalikan kendaraan tanpa awak yang
diperlukan dalam pemotretan foto udara format kecil. Sistem ini
terdiri dari beberapa komponen antaralain aircraft berupa
UAV/drone, ground control system, kamera, GPS, dan perangkat
lunak (software). Gambar 1.1 menunjukkan unmanned aircraft
system (UAS).
Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 1

Gambar 1.1 Unmanned aircraft system (UAS)
Sumber : (Manesh, M.R. Naima Kaabouch, 2019)
Unmanned aerial vehicle (UAV) atau yang lebih populer di

Indonesia dengan istilah drone adalah sebuah pesawat udara tanpa
awak yang berfungsi untuk mengumpulkan data dan citra foto sesuai
yang diperlukan. UAV adalah sebuah sistem terbang udara atau
pesawat yang dikendalikan dari jarak jauh oleh seorang manusia
atau secara otonom oleh sistem komputer (www.isro.gov). UAV
merupakan salah satu komponen penting dari UAS sebagai sarana
untuk mendapatkan data dan citra foto tentang obyek dipermukaan
di bumi. Definisi diatas menyimpulkan bahwa unmanned aerial
vehicle (UAV) merupakan bagian dari unmanned aircraft system
(UAS).

1.2 Sejarah unmanned aerial vehicle (UAV) / drone
Perkembangan ilmu dan teknologi pengindraan jauh semakin
berkembang tidak terkecuali dalam hal perkembangan wahana
(platform) nya. Sejak penggunaan balon udara tahun dan layang-
layang pada tahun 1846 sampai dengan digunakannya pesawat
terbang tahun 1902 hingga satelit sumberdaya bumi tahun 1972
bertujuan untuk mendapatkan informasi tentang suatu obyek di
permukaan bumi. Demikian pula dengan penggunaan unmanned
aerial vehicle (UAV)/drone memiliki tujuan yang sama.
Sejarah munculnya drone sudah dimulai sejak tahun 1920-1930 di

Inggris. Sejak awal kemunculannya hingga perang dunia ke dua
penggunaan drone bertujuan sebagai alat yang digunakan untuk
dijadikan sasaran tembak dalam latihan perang. Penggunaan drone
untuk tujuan keperluan pengindraan jauh baru dilakukan sekitar
tahun 1975 oleh Israel. Sejak saat itu hingga kini drone banyak
diaplikasikan untuk kepentingan di berbagai bidang seperti
pemetaan wilayah, pertanian, perkebunan, kehutanan, permukiman
perkotaan, hidrologi, mitigasi bencana, bahkan untuk entertainment
seperti pembuatan film.
1.3 Foto Udara Dijital

Citra pengindraan jauh merupakan hasil perekaman obyek
dipermukaan bumi yang direkam oleh wahana dan sensor. Citra
pengindraan jauh terbagi menjadi dua yaitu citra foto dan non foto.
Foto udara merupakan citra foto hasil perekaman permukaan bumi

menggunakan pesawat udara dengan kamera. Namun seiring
perkembangan teknologi, perekaman permukaan bumi yang
menggunakan pesawat terbang berkembang menjadi pesawat tanpa
awak (unmanned aerial vehicle).
Pemetaan menggunakan foto udara dapat dibedakan berdasarkan

jenis kamera dan wahana yang digunakan. Pada foto udara
konvensional kamera yang digunakan dikenal sebagai kamera
metrik. Sedangkan pada foto udara dijital digunakan kamera non
metrik. Kamera metrik standar menggunakan kamera 23 x 23 cm.
Foto udara dijital umumnya menggunakan kamera dengan ukuran
film 24x 34 mm dan panjang fokus 35 mm. Jenis kamera demikian
dipasaran dikenal dengan nama kamera dijital. Kamera non metrik
pada foto udara dijital memiliki kualitas gambar yang baik namun
memiliki kelemahan dari segi geometrik. Secara geometrik kamera
non metrik memiliki ketelitian yang lebih rendah sehingga biasanya
tidak digunakan untuk pemetaan dengan ketelitian tinggi misalnya
untuk analisis perubahan ketelitian kamera yang rendah dapat diatasi
dengan kalibrasi pada kamera yang digunakan.
Selain penggunaan jenis kamera, wahana pada foto dijital juga

berbeda dengan foto udara konvensional. Pada foto udara
konvensional wahana yang digunakan adalah pesawat terbang.
Pesawat terbang membawa berbagai instrumen pemotretan foto
udara dan berbagai kelengkapannya. Sedangkan pada foto udara
dijital, wahana yang digunakan adalah drone tanpa awak atau
unmanned aerial vehicle (UAV). Penggunaan wahana berupa drone

memiliki keunggulan antaralain mampu mengcover wilayah yang
sulit dijangkau oleh pesawat terbang.
Saat ini Penggunaan kamera dijital non metrik semakin berkembang.

Hal didukung oleh perkembangan perangkat lunak yang tersedia dan
harga kamera yang semakin baik dengan spesifikasi yang bagus
(Putera, 2013). Harga drone yang kompetitif juga membuat foto
udara dijital semakin diminati untuk berbagai bidang.
1.4 Kelebihan dan Kekurangan Penggunaan unmanned aerial

vehicle (UAV)/Drone
Ada beberapa kelebihan penggunaan drone antaralain ;
1. Bebas awan dan gangguan atmosfer
Saat ini hampir sebagian besar penyediaan data penginderaan
jauh di Indonesia bergantung dari data satelit. Waktu
perekaman satelit di Indonesia yang terjadi sekitar pukul 9
atau pukul 10 pagi yang mana waktu-waktu tersebut
merupakan waktu-waktu terbentuknya awan, menyebabkan
sebagian besar citra yang dihasilkan di wilayah Indonesia
tidak bebas dari awan kecuali yang menggunakan microwave
remote sensing (radar). Selain awan, masalah gangguan
atmosfer juga menjadi salah satu kekurangan penginderaan
menggunakan satelit. Jarak yang jauh antara satelit dengan
permukaan bumi membuat perekaman obyek akan melalui
atmosfer yang mana di atmosfer terjadi hamburan dan
serapan gelombang elektromagnetik. Penggunaan drone

untuk pemetaan yang mana ketinggian terbang nya rendah
menghasilkan citra yang bebas dari awan dan bebas dari
gangguan atmosfer.
2. Resolusi tinggi
Ketinggian terbang drone yang rendah sekitar 100-150 m
menghasilkan citra dengan resolusi yang tinggi. Resolusi
pada drone dapat diatur dan disesuaikan dengan ketinggian
terbangnya. Jika pada satelit resolusi menengah mampu
menghasilkan resolusi 15 sampai 30 meter, resolusi yang
dihasilkan oleh drone setara bahkan diatas resolusi satelit
tinggi namun dengan biaya yang relatif lebih rendah.
3. Biaya lebih murah
Biaya pemetaan menggunakan drone lebih murah jika
dibandingkan dengan satelit resolusi tinggi. Untuk
mendapatan resolusi yang sama maka dibutuhkan biaya yang
lebih besar pada satelit resolusi tinggi. Selain itu dengan
pengoperasian tanpa awak menjadikan biaya pengoperasian
menjadi lebih rendah dibandingkan pemotretan udara
konvensional. Selain itu penggunaan wahana tanpa awak
juga minim resiko.
4. Efesien
Penggunaan drone untuk pemetaan akan lebih efesien dari
segi waktu karena data yang kita inginkan sesuai dengan
wilayah yang kita butuhkan. Jika menginginkan data suatu
wilayah tertentu, drone dapat langsung dibawa ke wilayah
tersebut dan digunakan untuk pemetaan wilayah kajian yang
dibutuhkan.

5. Mampu menjangkau area yang tidak dapat dijangkau oleh
satelit maupun oleh pesawat besar.
Kekurangan penggunaan drone antaralain ;

1. Keterbatasan pemetaan area yang luas
Kemampuan drone dalam memetakan area suatu wilayah
akan sangat tergantung kepada kemampuan baterainya.
Drone kelas quadcopter seperti DJI Phantom dapat
digunakan sekitar 25 menit sekali terbang. Dengan kapasitas
baterai demikian, wilayah yang bisa di cover sekali terbang
hanya antara 30 ha – 50 ha. Jika menggunakan drone tipe
fixed wing dapat mengcover area yang lebih luas sekitar 300
ha – 500 ha. Namun biasanya tipe fixed wing memiliki harga
yang lebih mahal dibandingkan tipe rotor.
2. Keterbatasan geometrik
Foto udara format kecil menghasilkan foto yang secara
geometrik tidak stabil. Hal ini disebabkan karena
menggunakan lensa yang lebar sehingga sistem lensanya
tidak sempurna, panjang fokus dan principle point tidak
diketahui, dan adanya pergeseran bayangan (image motion)
(Warner, W.S, Graham R. W., Read R. E., dalam D. Atmoko
2015).

1.5 Jenis-Jenis Drone
Jenis drone yang ada saat ini bermacam-macam. Hal ini seiring
dengan perkembangan teknologi yang sangat cepat. Secara umum
berdasarkan bentuk fisiknya jenis drone tersebut dapat
diklasifikasikan menjadi 2 yaitu drone menggunakan sayap, biasa
disebut fixed wing dan drone yang menggunakan rotor, biasa disebut
dengan rotary wing.
1.5.1 Drone jenis fixed wing

Bentuk drone jenis fixed wing umumnya seperti pesawat udara yang
kita kenal namun dalam ukuran mini. Berdasarkan take off dan
landingnya drone jenis ini dapat dibagi lagi menjadi Fixed
Wing standard dan drone Vertical Take-Off and
Landing (VTOL). Saat take off, jenis drone ini ada yang
menggunakan pelontar dan ada pula yang menggunakan tangan.
Gambar 1.2 menunjukkan fixed wing yang dilontar menggunakan
tangan, sedangkan Gambar 1.3 fixed wing jenis VTOL.
Gambar 1.2 Fixed wing menggunakan tangan

Sumber: hackingtheuniverse.com

Gambar 1.3 Fixed wing VTOL
Sumber: sunbird.aero
Salah satu keunggulan drone tipe fixed wing adalah dari segi waktu
terbang. Drone tipe fixed wing memiliki waktu terbang yang lebih
lama dibandingkan dengan multirotor. Hal ini disebabkan karena
drone fixed wing memiliki jumlah motor yang lebih sedikit
dibandingkan tipe multirotor. Rotor juga berkaitan juga dengan
power dan fungsi yang telah dirancang sebelumnya. Drone jenis
fixed wing juga memiliki struktur yang lebih sederhana
dibandingkan jenis multirotor. Struktur yang sederhana memastikan
aerodinamika yang efesien sehingga waktu penerbangan menjadi
lebih lama dengan area survei yang lebih besar (Purnomo, 2018).

1.5.2 Drone jenis multirotor
Drone multirotor dibedakan berdasarkan rotor yang dimilikinya.
Rotor merupakan penggerak baling-baling pada drone. Jenis drone
multirotor antaralain memiliki 1 rotor (singlecopter), 2 rotor
(quadcopter), 3 rotor (thirdcopter), 4 rotor (quadcopter), 6 rotor
(hexacopter), dan 8 rotor (octocopter). Makin banyak jumlah rotor
maka drone akan makin stabil. Selain stabil, makin banyak jumlah
rotor maka akan semakin besar daya angkut sebuah drone. Tetapi
kelemahannya adalah makin banyak jumah rotor, maka baterai yang
digunakan akan semakin boros sehingga membatasi area terbang.
Saat ini drone jenis quadcopter yang memiliki 4 rotor merupakan
drone yang paling banyak digunakan. Jenis-jenis drone multirotor
ditunjukkan oleh Gambar 1.4.

Gambar 1.4 Jenis drone multirotor
Sumber: Prodrone.com; Omah drones; droneku.com;
DJI.com; uavgl; 3dmdb.com

BAB 2
SENSOR UAV/DRONE
Instrumen pengindraan jauh yang ada saat ini khususnya yang

berbasis satelit dinilai cukup mahal baik dalam pembuatan,
pengoperasian, dan perawatannya. Platform udara dan satelit saat ini
bisa didapatkan dengan versi miniatur dan berbiaya rendah dengan
menggunakan unmanned aerial vehicle (UAV) atau drone. Sensor
seperti kamera multispektral, hiperspektral, infra merah, infra merah
termal dan LiDAR juga telah digunakan dalam teknologi drone dan
semakin pesat perkembangannya dan dimanfaatkan untuk berbagai
bidang.
2.1 RGB Cameras

Pada dasarnya, kamera yang dipasang pada untuk sistem survei
UAV /drone harus terintegrasi dengan sensor navigasi seperti global
positioning system (GPS) dan inertial measurement unit
(IMU). Parameter umum untuk memilih kamera RGB adalah lensa
yang memiliki distorsi geometris kecil, resolusi dan kualitas charge
coupled device (CCD)/complementary metal oxide semiconductor
(CMOS). Kamera berkualitas tinggi memastikan produk
fotogrametrik yang baik dan noise rendah.
RGB Cameras memanfaatkan rentang spektral 400-700 nm.

Resolusi yang digunakan berkisar 24.2-45.7 MP. Berat kamera ini
berkisar antara 588 - 915 g. Kamera jenis ini antaralain Sony A9,
Canon EOS 5D mark IV dan Nikon D850. Kelebihan RGB Cameras

antaralain ketersediaan produk tinggi dan tersedia dalam pilihan dari
segi biaya, resolusi, dan berat drone. Kekurangan RGB Cameras
adalah tanpa kalibrasi radiometrik dan geometrik (Yao, Huang et al.,
2019). Aplikasi yang dapat digunakan menggunakan RGB Cameras
adalah analisis visual, pemetaan, klasifikasi tutupan lahan dan
penggunaan tanah, deteksi jalur pedestrian dan kendaraan.
2.2. Light Weight Multispectral Cameras
Light weight multispectral cameras memiliki rentang spektrum yang

lebih luas dan band widh yang lebih sempit dibandingkan RGB
cameras. Selain itu keunggulan kamera ini adalah sudah disertai
kalibrasi radiometrik. Light weight multispectral cameras bekerja
dengan memanfaatkan rentang spektal 400-1000 nm. Kamera jenis
ini memiliki resolusi berkisar 1.2-100 MP. Berat kamera berkisar
antara 170-1950 g. Kamera Sentera quad multispectral sensor
memiliki berat ringan 170 g. Keluaran Quest condor5-UAV
memiliki berat 1450-1950 g. Namun kelemahan light weight
multispectral cameras adalah komponen UAV nya berbiaya tinggi
dan belum dilengkapi dengan vidio. Beberapa aplikasi yang bisa
dimanfaatkan kamera jenis ini adalah visual analisis, deteksi
vegetasi dan analisis, pemantauan tanaman, pertambangan, estimasi
kelembaban tanah, pemetaan tutupan lahan dan penggunaan tanah
(Yao, Huang et al., 2019).

Gambar 2.1 Sensor RGB dan multispektral
Sumber: dronedynamics.com/uav-sensor-solutions/
2.3 Sensor hiperspektral (Hyperspectral sensors)
Sensor ini memanfaatkan rentang spektral 500-2500 nm. Kamera

sensor hiperspektral memiliki resolusi antara 1.05 MP bahkan
sampai 384 piksel. Beberapa contoh kamera jenis hiperspektral
antaralain Rikola hiperspectral camera, Resonon Pika NIR 640 dan
high effIciency hyperspec SWIR. Berat kamera ada yang kurang dari
600 g dan ada yang mencapai 4400 g. Keunggulan kamera sensor
hiperspektral antaralain memiliki band widh level 10 nm yang
memungkinkanuntuk identifikasi material. Kekurangannya yaitu
memerlukan biaya tinggi dan tidak adanya fasilitas vidio. Beberapa
aplikasi yang bisa dimanfaatkan menggunakan kamera sensor
hiperspektral antaralain pemetaan tutupan lahan dan penggunaan
tanah, deteksi penyakit tumbuhan, dan penilaian kerusakan akibat
bencana (Yao, Huang et al., 2019)

Gambar 2.2 Sensor Hiperspektral UAV
Sumber: specim.fi/specim-introduces-hyperspectral-sensor-range-
for-uavs/
2.4 Light-weight thermal infrared sensors
Light-weight thermal infrared sensors merupakan sensor yang

dirancang untuk pengukuran suhu permukaan. Sensor ini
memanfaatkan rentang spektral 7.5-14 µm. Sensor light-weight
thermal infrared memili berat yang relatif ringan yaitu kurang dari
390 g. Beberapa contoh kamera yang menggunakan sensor ini
antaralain FLIR Vue Pro, Workswell WIRIS 640, YUNEEC
CGOET thermal imaging camera and low light camera. Kekurangan
kamera menggunakan sensor Light-weight thermal infrared adalah
kurangnya informasi tekstur gambar membawa kesulitan dalam
tugas rekonstruksi 3D; untuk pengukuran suhu langsung, perlu
kalibrasi yang cermat; biaya relatif tinggi dibandingkan dengan
kamera RGB.

Gambar 2.3 Sensor termal pada UAV
Sumber: Workswell-thermal-camera.com
2.5 Sensor UAV Light detection and ranging (LiDAR)

Salah satu keunggulan sensor LiDAR yaitu mampu melakukan
pengukuran geometris. Sensor ini mampu melakukan pengukuran
medan dibawah kanopi tipis. Sensor LiDAR memanfaatkan rentang
spektral berkisar 903 nm yang ditembakkan ke permukaan obyek
antara 100.000-1.500.000 per detik. (Yao, Huang et al., 2019).
LiDAR lebih kaya tekstur dibandingkan DSM dari foto udara RGB
maupun multispektral. Kepadatan point cloud pada sensor LiDAR
lebih tinggi dibandingkan foto udara RGB dan multispektral (Lin,
Y.C., et al., 2019). Kekurangan dari LiDAR yaitu dipengaruhi oleh
kondisi cuaca. Hal ini menyebabkan pengukuran pada wilayah
dengan cuaca kabut dan berawan menjadi tidak presisi (Yao, Huang
et al., 2019).
Beberapa jenis kamera yang menggunakan sensor LiDAR antaralain

RIEGL FUX-240, Velodyne Puck LITE, Livox Mid-40. Beberapa
aplikasi yang dapat dilakukan menggunakan sensor UAV LiDAR

antaralain analisis kanopi vegetasi, estimasi penyerapan karbon,
pemetaan situs budaya, modeling bangunan. Gambar 2.4
menunjukkan sensor LiDAR.
Gambar 2.4 Sensor LiDAR UAV

Sumber: headwallphotonics.com/uav-integration

BAB 3
KETINGGIAN TERBANG UAV/DRONE DAN RESOLUSI
3.1 Resolusi dan ground sampling distance (GSD)

Piksel (pixel: picture element) adalah unsur terkecil dari sebuah
citra. Sebuah citra memiliki resolusi yang berbeda-beda baik itu
resolusi spasial, resolusi temporal, resolusi temporal, dan resolusi
radiometrik. Resolusi dikatakan merupakan kemampuan dalam hal
daya pisah obyek. Menurut Deglebo et al. (2018) resolusi
mempengaruhi pola yang dapat diamati untuk proses analisis.
Resolusi juga berhubungan dengan penyimpanan data sebuah citra.
Salah satu keunggulan unmanned aerial vehicle (UAV) atau drone

dibandingkan satelit adalah kemampuannya dalam menghasilkan
resolusi spasial yang lebih tinggi. Resolusi spasial merupakan
ukuran obyek terkecil yang mampu direkam dan disajikan dalam
sebuah citra atau foto. Makin tinggi resolusi spasial sebuah citra
maka makin baik kualitas citra tersebut. Perbedaan resolusi
ditunjukkan oleh Gambar 3.1
Gambar 3.1 Perbedaan resolusi spasial citra

Sumber: gurugeografi.id/2016/12

Dalam foto udara, selain resolusi spasial dikenal juga istilah Ground
sampling distance (GSD). Ground sampling distance (GSD)
merupakan besaran jarak antar titik tengah piksel yang berdekatan
yang diukur pada permukaan tanah. Misalkan GSD 5 cm maka 1
piksel pada citra merepresentrasikan citra sebesar 5 x 5 = 25 cm2
pada permukaan objek (Pix4D, 2019). Semakin besar nilai GSD
pada citra, maka semakin rendah resolusi spasial pada citra dan
semakin sedikit detail yang dapat terlihat. GSD ditentukan sebelum
seorang pilot drone menerbangkan drone yaitu ketika membuat
rencana penerbangan menggunakan software khusus misalnya Pix
4D.
3.2 Hubungan ketinggian terbang drone dan Ketinggian terbang

drone
Resolusi spasial drone yang dihasilkan berhubungan dengan
ketinggian terbang drone. Riset yang dilakukan oleh Hernina et al.,
2019 di Kampus Universitas Indonesia menyatakan bahwa ada
korelasi antara ketinggian terbang drone dengan resolusi spasial
yang dihasilkan. Makin tinggi ketinggian terbang drone maka makin
rendah resolusi spasial.
Riset tersebut menggunakan drone DJI Phantom 4 Pro milik

Departemen Geografi FMIPA–UI dan membandingkan resolusi
spasial dari 4 ketinggian yang berbeda. Riset dilakukan di
Universitas Indonesia. Gambar 3.2 menunujukkan lokasi riset.

Gambar 3.2 Lokasi riset
Sumber: Hernina et al., 2019
Drone diterbangkan dengan 4 ketinggian berbeda. Ketinggian drone

yang diuji pada riset ini masing-masing yaitu 90, 110, 130, dan 150
meter. Secara visual semakin rendah ketinggian drone visualisasi
citra foto udara yang dihasilkan semakin baik. Gambar foto udara
yang dihasilkan dengan berbagai ketinggian ditunjukkan oleh
Gambar 3.3.
(a) 90 m (b) 110 m (c) 130 m (d) 150 m

Gambar 3.2 a, b, c, d Pengambilan data ketinggian drone

Riset ini juga memetakan klasifikasi penggunaan lahan yang
dihasilkan drone menggunakan object-based image analysis
(OBIA). Hasil riset menunjukan bahwa ketingian terbang 90, 110,
130 dan 150 meter menghasilkan resolusi spasial 2.40, 2.97, 3.52
dan 4.09 cm. Semakin tinggi ketinggian terbang drone maka jumlah
objek yang dihasilkan semakin kecil. Selain itu riset ini juga
menyimpulkan bahwa ketinggian terbang drone berpengaruh secara
signifikan terhadap jumlah objek dari citra yang diklasifikasikan
menggunakan algoritma object-based image analysis (OBIA).
Korelasi antara ketinggian terbang drone dan resolusi spasial
ditunjukkan oleh Tabel 3.1.
Tabel 3.1 Tinggi terbang drone dan resolusi spasial
3.3 Hubungan ketinggian terbang drone dengan Luas area

Ketinggian terbang drone juga mempengaruhi luas area wilayah
yang diindra. Riset yang dilakukan Shidiq et al., 2017 di hutan kota
Kampus Universitas Indonesia (UI) menyatakan bahwa semakin
tinggi ketinggian terbang drone maka akan semakin luas wilayah
yang dapat diindra. Pada ketinggian terbang drone 60 meter area
yang dapat diindra adalah 78 m, sedangkan pada ketinggian terbang

drone 100 meter area yang dapat diindra mencapai 130 meter. Tabel
3.2 menunjukkan ketinggian terbang drone dan luas area yang dapat
diindra.
Tabel 3.2. Ketinggian terbang drone dan luas area

Ketinggian Terbang (m) Luas sapuan area (m)
100 130
90 117
80 104
70 91
60 78
Sumber: Shidiq et al., 2017

BAB 4
REGULASI PENERBANGAN DRONE
Drone yang diterbangkan di wilayah ruang udara suatu negara harus

mengikuti peraturan yang berlaku di negara itu. Ruang
udara penerbangan atau flight information region adalah ruang yang
terletak diatas ruang daratan dan atau lautan wilayah negara yang
melekat pada bumi suatu negara. (dephub.go.id). Ruang udara
terkait dengan kedaulatan negara antaralain keamanan, mencegah
pesawat asing melintas, dan ekonomi. Ada nilai yang harus dibayar
sebuah maskapai penerbangan saat melintas disuatu negara.
Regulasi dibuat dengan tujuan agar keselamatan penerbangan tetap

terjaga dari kemungkinan bahaya yang disebabkan akibat
penerbangan drone. Jika tidak dikelola dengan tepat maka
penerbangan drone dapat menimbulkan masalah. Masing-masing
negara memiliki regulasi yang berbeda-beda terkait operasional
drone.
4.1 Regulasi Penerbangan Drone di Indonesia

Penerbangan drone di Indonesia diatur oleh Peraturan menteri dan
Undang-undang. Peraturan dan Undang-undang tersebut antaralain:
1. Peraturan Menteri Perhubungan RI No PM 90 Tahun 2015
tentang Pengendalian Pengoperasian Pesawat Udara Tanpa
Awak di Ruang Udara Yang dilayani Indonesia;

tentang Peraturan Keselamatan Penerbangan Sipil bagian
107 tentang Sistim Pesawat Udara Kecil Tanpa Awak (Small
Unmanned Aircraft System);
tentang Pengendalian Pengoperasian Sistim Pesawat Udara
Tanpa Awak di Ruang Udara yang di Layani Indonesia;
tentang Pengendalian Pengoperasian Sistem Pesawat Udara
Tanpa Awak di Ruang Udara yang di Layani Indonesia yang
merupakan revisi dari Peraturan Menteri No PM 180 Tahun
2015;
tentang Pengenaan Sanksi Administratif Terhadap
Pelanggaran Peraturan Perundang-Undangan di Bidang
Penerbangan.
tentang Pengoperasian Sistem Pesawat Udara Tanpa Awak
di Ruang Udara yang di Layani Indonesia
Poin-poin dari regulasi aturan drone di Indonesia berdasarkan

Peraturan Menteri perhubungan antaralain;
1. Wilayah terlarang (prohibited area 1)
Istana presiden, instalasi nuklir, obyek vital negara, termasuk
wilayah yang dilarang untuk penerbangan drone.
Pengoperasian drone harus berjarak minimal 500 meter dari
wilayah terlarang.

2. Wilayah terbatas (restricted area 2)
Wilayah terbatas juga merupakan wilayah drone harus
terbang berjarak minimal 500 meter. Markas besar Tentara
Nasional Indonesia (TNI), Pangkalan udara TNI, kawasan
latihan penerbangan militer, kawasan latihan penembakan
militer, kawasan peluncuran roket dan satelit, dan ruang
udara untuk kegiatan atau penerbangan oleh orang setingkat
kepala negara atau kepala pemerintahan.
3. Kawasan keselamatan operasi penerbangan (KKOP)
Bandara, kawasan controlled airspace dan uncontrolled
airspace merupakan kawasan keselamatan operasi
penerbangan (KKOP) yang mana drone dilarang terbang
diwilayah tersebut. Hal ini bertujuan untuk menjaga
keselamatan penerbangan. Kawasan controlled airspace
adalah wilayah dimana air traffic control (ATC) atau
layanan panduan lalu lintas penerbangan, layanan informasi
penerbangan (flight information service), dan pelayanan
kesiagaan (alerting service) beroperasi. Landasan udara
(Lanud) TNI AU juga merupakan Kawasan controlled
airspace.
4. Ketinggian penerbangan drone
Ketinggian penerbangan drone di ruang udara Indonesia
tidak boleh melebihi ketinggian 500 kaki atau 150 m.
Pengoperasian drone diatas ketinggian ditas 500 kaki atau
150 m harus mendapatkan ijin dari Kemenhub. Ijin tersebut
diberikan kepada pilot yang mempunyai izin operasi pesawat
dan harus berkoordinasi dengan unit navigasi penerbangan

yang bertanggung jawab pada ruang udara terbang pesawat
tersebut.
5. Sanksi dan denda
Peraturan Menteri Perhubungan RI No PM 78 Tahun 2017
Pasal 11 menyatakan bahwa sanksi administratif diberikan
kepada operator atau pilot drone berupa peringatan,
pembekuan izin, pencabutan izin, dan denda administratif.
Pasal 14 menyatakan bahwa denda administratif yang
dimaksud adalah membayar antara 1.001 hingga 3.000
penalty unit yang mana satu unit penalty senilai Rp 100.000,-
bagi yang melanggar.
6. Izin selain hobi dan rekreasi
Penggunaan drone selain hobi dan rekreasi harus
mendapatkan ijin atau Notam drone dari Direktorat Jenderal
Perhubungan Udara Kementrian Perhubungan atau dari yang
bertanggungjawab terhadap controlled airspace seperti
Lanud TNI AU. Penggunaan drone selain hobi dan rekreasi
misalnya adalah untuk kepentingan bisnis.
Pengurusan ijin menerbangkan drone harus mendaftarkan

drone serta pilotnya dalam hal ini sertifikasi pilot drone. Alur
regulasi drone untuk menentukan apakah seorang operator
drone harus mengurus ijin penerbangan atau tidak
ditunjukkan pada Gambar 4.1.

Gambar 4.1 Regulasi drone di Indonesia
Sumber: dephub.go.id
4.2 Regulasi Penerbangan Drone di Negara Lain

Beberapa negara di dunia mengatur regulasi terkait operasional
drone. Peraturan di negara satu dengan yang lainnya dapat berbeda.
Walaupun berbeda namun tujuan utama dari adanya regulasi ini
adalah untuk kepentingan, kenyamaman dan keselamatan bersama.
4.2.1 Regulasi Drone di Cina

Cina merupakan produsen drone dengan pangsa pasar terbesar drone
merek DJI. Otoritas Penerbangan Nasional China, the Civil Aviation
Administration of China (CAAC) mengatur operasional drone
dinegara tersebut. Regulasi yang dikeluarkan oleh CAAC antaralain;
1. Setiap drone dengan berat 250 gram (0.55 pon) atau lebih harus
terdaftar di CAAC;
2. Lisensi diperlukan untuk operasi komersial dan skenario
lainnya;

3. Tidak diperbolehkan untuk terbang melalui garis pandang visual
pengguna/operator;
4. Tidak diperbolehkan untuk terbang di atas 120 m (394 kaki);
5. Tidak diperbolehkan untuk terbang di daerah padat penduduk;
6. Tidak diperbolehkan untuk terbang di sekitar bandara, instalasi
militer, atau area sensitif lainnya seperti pos pemeriksaan atau
sub-stasiun polisi;
7. Semua drone patuh terhadap “no-fly-zones” (NFZ China) atau
zona tidak boleh ada penerbangan di China. Beijing merupakan
salah satu wilayah NFZ China;
8. Tidak diperbolehkan untuk terbang di area terkendali, kecuali
telah mendapatkan persetujuan dari CAAC (caac.gov.cn).
4.2.2 Regulasi Drone di Amerika Serikat

Penerbangan drone di Amerika Serikat mengikuti peraturan yang
dikeluarkan oleh otoritas penerbangan nasional Amerika Serikat
dan Otoritas Penerbangan Federal Amerika Serikat yaitu Federal
Aviation Adminstration (FAA). Beberapa regulasi umum
penerbangan drone di Amerika Serikat antaralain;
1. Mendaftarkan drone ke Federal Aviation Adminstration
(FAA) melalui situs web FAA Drone Zone;
2. Pilot harus memiliki sertifikasi pilot yang dikeluarkan oleh
FAA;
3. Drone harus memiliki berat kurang dari 55 pon, termasuk
muatan, saat lepas landas;
4. Harus terbang pada atau di bawah 400 kaki (120 meter);

5. Tidak boleh terbang dari kendaraan yang bergerak, kecuali di
daerah yang jarang penduduk.
Tindakan penegakan pelanggaran penerbangan drone di Amerika

Serikat dapat mencakup pencabutan atau penangguhan sertifikat
pilot, dan denda perdata hingga $20.000 per pelanggaran.
(faa.gov).
4.2.3 Regulasi Drone di Singapura

Civil Aviation Authority of Singapore (CAAS) merupakan otoritas
yang mengatur penerbangan di Singapura. Menerbangkan drone di
Singapura tidak memerlukan ijin khusus apabila;
1. Berat drone kurang dari 7 kg;
2. Ketinggan terbang drone kurang dari 60 meter;
3. Drone tidak diterbangkan diatas kerumunan;
4. Drone tidak boleh diterbangkan minimal 5km dari bandara;
5. Drone diterbangkan pada siang hari (caas.go.sg)
Jika diluar ketentuan tersebut maka seorang pilot drone harus
meminta ijin terlebih dahulu ke Civil Aviation Authority of
Singapore (CAAS).

BAB 5
UAV/DRONE UNTUK PEMETAAN
Tahap pemetaan menggunakan drone terdiri dari beberapa langkah

yaitu pra survei, pelaksanaan saat survei dan post survei. Pra survei
adalah suatu tahap awal sebelum menerbangkan drone. Tahap ini
meliputi persiapan drone dan alat penunjang seperti baterai, serta
membuat jalur terbang. Tahap kedua yaitu saat survei dan akusisi
data. Pada tahap ini drone diterbangkan dan mengambil data-data
yang diperlukan. Tahap post survei adalah tahapan dimana data-data
yang didapat dalam proses penerbangan diolah dan dianalisis.
Gambar 5.1 menunujukkan tahap pemetaan menggunakan drone.
Gambar 5.1 Tahap pemetaan menggunakan drone
Foto udara dijital - Teori & praktik (menggunakan Agisoft metashape) 30

Sebelum menerbangkan drone pastikan bahwa drone dalam kondisi
baik. Pemerikasaan baterai juga merupakan prosedur yang harus
dilakukan sebelum menerbangkan drone. Sebaiknya kondisi baterai
dalam kondisi full agar drone bisa maksimal mengambil data. Rata-
rata baterai drone jika dalam kondisi penuh mampu terbang
maksimal 25 menit. Seorang pilot harus memiliki pemahaman
tentang aircraft dan medan dimana drone akan diterbangkan.
Seorang pilot drone sebaiknya melakukan orientasi medan dan
ketinggian sebelum drone diterbangkan. Selain memeriksa drone
dan kelengkapannya, dalam pra survei seorang pilot drone juga
harus membuat rancangan penerbangan. Rancangan penerbangan
merupakan pembuatan jalur terbang drone seperti lokasi
penerbangan dan ketinggiaan terbang drone. Rancangan
pernebangan untuk pemetaan memerlukan aplikasi khusus misalnya
Pix 4D.
Tahap yang kedua adalah survei dan akusisi data. Tahap ini drone
diterbangkan. Cuaca dan angin juga menjadi perhatian khusus.
Drone tidak boleh diterbangkan dalam keadaan hujan gerimis karena
dapat menyebabkan korsleting pada mesin drone.
Tahap post survei merupakan kondisi setelah drone diterbangkan.

Pengolahan data yang didapatkan setelah drone terbang dilakukan
pada tahap post survei. Tahap post survei merupakan citra hasil
pemotretan foto udara akan diolah dengan software pengolah foto
udara.

5.1 Alat yang perlu disiapkan untuk pemotretan foto udara
menggunakan drone
Beberapa alat yang menjadi kesatuan dalam pemotretan foto udara
format kecil antara lain :
1. Aircraft / UAV body
2. Remote Controller
3. Smartphone dengan aplikasi DJI Go dan Pix 4DCapture
Ketiga hal tersebut ditunjukkan oleh Gambar 5.2
(a) (b) (c)

Aircraft/UAV body Remote Controller Smartphone
Gambar 5.2 Drone dan kelengkapannya
Aircraft/UAV body terdiri dari beberapa bagian antara lain;

- Bodi utama yang terdiri dari mainboard, processor dan
elecronic control system;
- Lift sources/daya angkat yang terdiri dari motor dan
propeller/baling-baling;
- Power sources atau sumber tenaga berupa Li-Po battery;
- Payload, terdiri dari kamera dan gimbal;
- Feature lain antaralain antena, landing pad, dan kompas.

Gambar 5.3 menunjukkan bagian-bagian dari aircraft/UAV jenis
DJI Phantom 4.
Gambar 5.3 Aircraft/UAV body
Sedangkan remote controller terdiri dari antena, layar, tombol

power, status LED, indikator battery level, tombol RTH (return to
home), stik kontrol dan kabel USB port. Antena berfungsi untuk
mengirimkan sinyal kontrol dan vidio. Tombol power berfungsi
untuk menghidupkan dan mematikan remote controller. Status LED
berfungsi untuk menunjukkan status remote controller. Indikator
battery level menunjukkan kapasitas baterai. Tombol RTH (return to
home) berguna untuk memanggil kembali aircraft/drone jika ada
masalah ke home point/titik awal terbang. Stik kontrol berfungsi
untuk mengontrol dan menggerakkan aircraft/drone. Kabel USB
port berfungsi untuk menghubungkan remote control ke smart

phone. Bagian-bagian remote controler tersebut di tunjukkan oleh
Gambar 5.4.
Gambar 5.4 Remote controller dan bagian-bagiannya
5.2 DJI Phantom 4 Advance dan DJI Phantom 4 Pro

Departemen Geografi FMIPA–UI memiliki 2 jenis drone yaitu DJI
Phantom 4 Advanced dan DJI Phantom 4 Pro. Masing-masing tipe
drone ini walaupun secara umum memiliki spesifikasi yang hampir
sama namun memiliki kekurangan dan kelebihan sendiri. Website
DJI menunjukkan spesifikasi DJI Phantom 4 Advanced dan DJI
Phantom 4 Pro yang ditunjukkan pada Tabel 5.1.
Secara umum DJI Phantom 4 Advance dan DJI Phantom 4 Pro

hampir memiliki kesamaan dalam hal spesifikasi. Beberapa
spesfikasi yang berbeda antalain berat baterai, propeller, vision

system dan layar. Kamera pada DJI 4 Advanced hanya mampu
melihat obyek ke arah depan dan kebawah, sedangkan pada DJI
Phantom 4 Pro memiliki pandangan ke belakang kamera. Hal ini
membuat DJI Phantom 4 Pro lebih memiliki kepekaan terhadap
obyek disekitarnya ketika sedang diterbangkan. Hal lain yang
membedakan kedua tipe drone tersebut terletak pada remote control
nya. DJI Phantom 4 Pro memiliki remote control yang sudah bulid
in dengan layar yang berisikan aplikasi DJI Go. Sedangkan DJI
Phantom 4 Advanced memerlukan tambahan smart phone untuk
diinstal aplikasi DJI Go dan Pix 4D Capture. Remote control DJI
Phantom 4 Pro ditunjukkan oleh Gambar 5.5. Spesifikasi DJI
Phantom 4 Advanced dan DJI Phantom 4 Pro ditunjukkan pada
Tabel 2.1.
Gambar 5.5 Remote controller DJI Phantom 4 Pro

Tabel 2.1 Spesifikasi DJI Phantom 4
Specification DJI Phantom 4 DJI Phantom 4 Pro

Advanced
Type Quadcopter Quadcopter
Weight (Battery & 1368 g 1388 g
Propellers Included)
Max Flight Time Approx. 30 minutes Approx. 30 minutes
Vision System Forward Vision Forward Vision
System Downward
SystemBackward Vision
Vision System
SystemDownward
Vision System
Obstacle Sensing Front Obstacle Front & Rear Obstacle
Avoidance
AvoidanceLeft & Right
Infrared Obstacle
Avoidance
Camera Sensor 1’’ CMOS Effective 1’’ CMOS Effective
pixels: 20 M
pixels: 20 M
Max. Video Recording 4K 60P 4K 60P
Resolution
Max Transmission FCC: 4.3 mi FCC: 4.3 mi
Distance
Video Transmission Lightbridge Lightbridge
System
Operating Frequency 2.4 GHz/5.8 GHz*5.8 2.4 GHz
GHz transmission is
not available in some
regions due to local
regulations.
Sumber : https://www.dji.com/id/phantom-4-pro/info#specs

5.3 DJI Go
DJI Go merupakan aplikasi bawaan DJI yang berfungsi untuk view
drone yang menghubungkan antara aircraft/drone dengan remote
control. DJI Go memastikan bahwa aircraft/drone telah siap untuk
terbang dan melakukan pemotretan. Beberapa fitur penting yang ada
pada DJI Go antara lain informasi status GPS, informasi keberadaan
satelit GPS, informasi gambar, informasi sensor, fasilitas return to
home, pengaturan maksimum ketinggian aircraft/drone, dan
pengaturan jarak maksimum antara aircraft dengan remote control.
5.4 Pix 4DCapture

Sebelum menerbangkan drone diperlukan aplikasi yang berguna
untuk membantu misi penerbangan. Dalam misi penerbangan drone
terlebih dahulu kita harus merancang jalur penerbangan. Ada
beberapa aplikasi yang dapat digunakan untuk merancang jalur
penerbangan drone antaralain Pix 4Dcapture, Dronedeploy, DJI
GSPro dan lain-lain.
Jenis aplikasi untuk merancang jalur terbang drone harus

disesuaikan dengan jenis drone yang digunakan. Untuk drone
pabrikan DJI sebenarnya sudah disediakan aplikasi DJI Ground
Station Pro (DJI GS Pro). Namun aplikasi DJI GS Pro hanya bisa
digunakan menggunakan smartphone jenis iPad dan tidak bisa di
download menggunakan android (Purnomo, 2019).

Salah satu aplikasi yang dapat di download menggunakan android
adalah Pix 4Dcapture. Aplikasi ini bisa didapatkan secara gratis
melalui Google Play atau Apple store. Sebelumnya kita harus
terlebih dahulu mendaftar pada website PIXD menggunakan email
dan menginstal PIX4D Ctrl+DJI.
Gambar 5.6 Landing page aplikasi Pix 4Dcapture.
Pix 4DCapture merupakan salah satu aplikasi yang relevan dengan

jenis drone DJI Phantom. Beberapa jenis drone yang bisa
menggunakan Pix 4Dcapture antara lain DJI Phantom 3 standard,
DJI Phantom 4, DJI Mavix Pro, DJI Mavic Air, Parrot Bebop 2 dan
lain-lain.

BAB 6
PENGOLAHAN FOTO UDARA DIJITAL
MENGGUNAKAN AGISOFT METASHAPE
6.1 Cara Mendownload Agisisoft Metashape

Salah satu software yang dapat digunakan untuk pemrosesan foto
udara dijital adalah Agisoft Metashap. Software ini mampu
menghasilkan data spasial 3 dimensi untuk digunakan dalam
aplikasi GIS. Software ini dikembangkan oleh Agisoft LLC yaitu
sebuah perusahaan teknologi komputer yang mengembangkan
algoritma pengolahan citra menggunakan teknik fotogrametri yang
didirikan tahun 2006 di Petersburg Rusia
(https://www.agisoft.com/about/).
Agisoft Metashape menggunakan citra/foto yang direkam secara

stereo/multi sudut, Perekaman secara stereo tersebut menyebabkan
pergeseran sudut antar foto sehingga dapat disusun menjadi sebuah
model tiga dimensi. Software ini merupakan generasi dari software
sebelumnya yaitu Agisoft Photoscan. Pada januari 2019 Agisoft
meluncurkan generasi berikutnya yaitu Agisoft Metashape. Agisoft
Metashape dapat digunakan untuk mengolah foto udara yang
direkam menggunakan UAV/Drone, yang mana dari hasil
perekamannya dapat dihasilkan mosaic orthofoto, titik tinggi
(elevation point clouds) dan DEM beresolusi tinggi yang dapat
ditampilkan secara tiga dimensi.

Sofware Agisoft Maetashape dapat di download melalui
https://www.agisoft.com/downloads/installer/. Di sini tersedia versi
“trial” yang bisa di download dengan masa pakai selama 30 hari.
Software ini cukup mudah dan ringan untuk diaplikasikan.
Adapun langkah-langkah mendownload software Agisoft Metashape

adalah sebagai berikut :
1. Buka alamat website Agisoft Metashape installer di
https://www.agisoft.com/downloads/installer/.
2. Pilih Agisoft Edition versi windows x64 bit. Jika
menggunakan MAC maka pilih MAC OS.
3. Instal Agisoft sesuai instruksi.

4. Jalankan program.
5. Untuk aktivasi Agisoft, pilih “start for free 30-day trial”.

6. Pastikan Agisoft Metashape bukan dalam versi “demo”
tetapi versi “Trial”.
7. Agisoft Metashape siap dijalankan.
6.2 Pengolahan Foto Udara Menggunakan Agisoft Metashape

Pengolahan foto udara hasil pemotretan UAV/Drone menggunakan
Agisoft Metashape antara lain yaitu; import foto dan rekonstruksi
jalur terbang, Align Photos, Dense Point Clouds, Build Mesh (3D
Model), Build Texture, Build DEM, dan Build
Orthomosaic/Orthophoto.

6.2.1 Import Foto dan Rekonstruksi Jalur Terbang
Tahap import foto dan rekonstruksi jalur terbang merupakan tahap
paling awal, dimana kumpulan foto hasil survei dibuka di dalam
software Agisoft Metashape dan direkonstruksi urutan umum foto
menurut jalur terbang secara otomatis.
Adapun langkah-langkahnya sebagai berikut :
1. Masukkan foto udara yang sudah terrektifikasi dengan
klik menubar Workflow -> add photo.
2. Lalu select semua foto udara yang ingin diproses.
3. Setelah foto ter-import, lakukan pengecekan hasil import

foto dengan melihat apakah susunan foto sudah sesuai
dengan jalur terbang

6.2.2 Align Photos
Align Photos dilakukan untuk mengidentifikasi titik—titik yang ada
di masing—masing foto dan melakukan proses matching titik yang
sama di dua atau lebih foto. Proses align photos akan menghasilkan
model 3D awal, posisi kamera dan foto disetiap perekaman, dan
sparse point clouds yang akan digunakan di tahap berikutnya.
1. Pada menu Workflow, pilih Align Photos
2. Muncul pilihan Accuracy dan Pair Preselection

Pada accuracy, anda bisa memilih berdasarkan
kebutuhan. Untuk melihat cakupan overlap hasil foto

selama survei gunakan accuracy low, sedangkan untuk
tahap produksi citra yang maksimal gunakan accuracy
highest. Jika foto mempunyai koordinat bawaan dari GPS
Kamera UAV (geotagged), gunakan mode Reference.
Sedangkan jika foto tidak mempunyai koordinat bawaan
(ungeotagged), gunakan mode Generic.
3. Pilih OK, maka akan menunujukkan hasil seperti

dibawah berikut.

6.2.3 Dense Point Clouds
Dense Point Clouds adalah membangun kumpulan titik tinggi dalam
jumlah ribuan hingga jutaan titik yang dihasilkan dari pemrosesan
fotogrametri foto udara atau LIDAR. Dense point clouds nantinya
dapat diolah secara lebih lanjut untuk menghasilkan Digital Surface
Model dan Digital Terrain Model yang selanjutnya menjadi bahan
masukan dalam proses pembuatan orthofoto dan kepentingan
pemetaan lainnya.
Langkah kerjanya sebagai berikut :

1. Masuk ke menubar Workflow -> klik Build Dense Cloud .
2. Kemudian muncul pilihan Quality dan Depth Filtering.

Untuk Quality terdapat beberapa pilihan mulai dari Lowest
hingga Ultra High. Makin tinggi kualitasnya, makin lama
waktu pemrosesan dan makin besar alokasi memori RAM
yang dibutuhkan. Adapun untuk parameter depth filtering
menunjukkan cara perlakuan terhadap titik tinggi yang

disinyalir merupakan noise (outliers). Ciri-cirinya biasanya
nilai ketinggiannya jauh lebih besar atau jauh lebih kecil dari
titik-titik di sekitarnya. Mild filtering ditujukan untuk
rekonstruksi model 3D yang kompleks dan mempunyai
banyak detil, sedangkan Aggressive filtering ditujukan untuk
rekonstruksi model 3D yang sederhana dan tidak mempunyai
banyak detail.
3. Klik OK

6.2.4 Build Mesh (3D Model)
Model 3D atau mesh adalah salah satu keluaran utama dari
pemrosesan foto udara di Agisoft.Metashape. Model 3D nanti
digunakan sebagai dasar pembuatan DEM baik DSM maupun DTM
dan juga orthofoto. Mesh yang dihasilkan juga dapat dieksport ke
format lain untuk diproses lebih lanjut di software lain seperti
Google Sketchup, AutoCAD atau ArcGIS.

1. Dari Menu Workflow klik Build Mesh.
2. Muncul pilihan Mesh Parameter.

Pada Surface Type, ada dua pilihan, Height Field dan
Arbitrary. Arbitrary digunakan untuk model 3D umum
seperti bangunan, patung dan lain-lain. Sedangkan Height
Field digunakan untuk obyek permukaan bumi seperti
Medan/Terrain, dan struktur spasial seperti jaringan pipa,
kabel, dan lain-lain.

Gunakan Height Field untuk memproses orthofoto.
Pada Source Data dapat menggunakan Sparse Point Cloud
atau Dense Point Cloud dari tahap pemrosesan sebelumnya.
Untuk memperoleh hasil terbaik, gunakan Dense Point
Clouds.
Pada parameter Face Count, ada pilihan dari Low, Medium
hingga High. Face Count ini menentukan jumlah polygon
mesh yang akan dihasilkan.
3. Klik OK, maka akan ditampilkan hasil foto udara hasil Build
Mesh seperti gambar berikut dibawah ini.

6.2.5 Build Texture
Model texture adalah model fisik 3D dari kenampakan- kenampakan
yang ada di area liputan foto. Model texture dapat dieksport ke
dalam berbagai format model 3D yang nantinya dapat dimanfaatkan
untuk membuat model 3D via desktop software lain atau via website.

1. Pilih Menu Workflow>Build Texture
Ada beberapa pilihan mapping mode, mulai dari Generic,
Adaptive Orthophoto, Orthophoto, Spherical, Single Photo,
Keep uv. Kalian dapat memilih dan membandingkan
beberapa mapping mode yang tersedia untuk memperoleh
hasil terbaik.
2. Untuk pilihan blending mode, ada tiga pilihan, Mosaic,

Average, Max Intensity dan Min Intensity. Mosaic akan
mempertimbangkan detail dalam setiap foto sehingga
menghasilkan orthofoto yang balance dari segi warna dan
kedetailan. Pilihan average akan menggunakan nilai piksel

rata-rata dari setiap foto yang overlap. Adapun untuk max
dan min intensity menggunakan intensitas maksimum dan
minimum dari piksel yang bertampalan/overlap. Anda juga
dapat mencentang pilihan Enable Color Correction untuk
melakukan koreksi warna di setiap foto, namun waktu
pemrosesan akan menjadi lebih lama.
3. Klik OK, maka akan muncul gambar seperti dibawah ini.
*Catatan sebelum melanjutkan proses pengolahan foto menjadi

DEM dan Orthophoto terlebih dahulu anda harus menyimpan/save
project anda.

6.2.6 Build DEM
DEM atau Digital Elevation Model adalah model medan digital
dalam format raster/grid yang biasanya digunakan dalam analisa
spasial/GIS berbasis raster. Dari data DEM biasanya dapat
diturunkan informasi elevasi, lereng, aspek, arah penyinaran, hingga
ke pemodelan lebih lanjut seperti cut and fill, visibility, pembuatan
DAS dan lain-lain. Terdapat dua terminologi terkait DEM, yaitu
DSM (Digital Surface Model/ketinggian dihitung dari permukaan
penutup lahan, seperti atap bangunan, atap pohon, jembatan, dll) dan
DTM (Digital Terrain Model/ketinggian dihitung dari permukaan
tanah). Untuk modul ini, terminologi yang digunakan adalah DSM.
Langkah-langkahnya adalah sebagai berikut:

1. Pilih Menu Workflow > klik Build DEM.
2. Muncul pilihan DEM Parameter.

- Untuk Coordinate System, anda dapat mengatur
apakah DEM akan dieksport dalam sistem koordinat
geografis atau projected.

- Untuk Source Data dapat menggunakan Sparse Point
Cloud atau Dense Point Cloud dari tahap pemrosesan
sebelumnya. Untuk memperoleh hasil terbaik,
gunakan Dense Point Clouds.
- Untuk interpolation ada dua pilihan, yaitu
interpolated dan extrapolated. Interpolated mode
akan memungkinkan beberapa gap diantara foto yang
tidak terproses akan diinterpolasi secara otomatis
sehingga menghasilkan DEM yang solid dan tidak
mempunyai Gaps.
- Klik OK.
3. Setelah proses pembangunan DEM selesai, kita harus

melakukan proses export DEM dengan cara, klik Menu
File > Export DEM>Export TIFF/BIL/XYZ. Selanjutnya
muncul pilihan Export, tentukan proyeksi peta keluaran,
resolusi spasial DEM, dan batas area export. Setelah itu

tentukan format keluaran apakah akan menggunakan
format TIF, BIL atau XYZ.
4. Setelah hasil olah DEM telah di export dalam bentuk

.TIFF selanjutnya bisa diolah lebih lanjut dengan
program aplikasi seperti Global Mapper, ArcMap dll.
Gambar dibawah ini menunjukkan tampilan DEM dalam
ArcGIS.

6.2.7 Build Orthomosaic/Ortophoto
Ortophoto adalah foto udara yang telah dikoreksi kesalahan
geometriknya menggunakan data DEM dan data GCP sehingga
dapat dimanfaatkan untuk kepentingan pemetaan tanpa adanya
inkonsistensi skala di sepanjang liputan foto. Ortophoto dapat dibuat
setelah tahap pembuatan Dense Point Clouds, Mesh dan DEM
selesai dilakukan.
Adapun langkah-langkahnya sebagai berikut:

1. Dari Menu Workflow pilih Build Orthomosaic.
2. Muncul Pilihan Otrhomosaic Parameter.

- Untuk pilihan Projection, pilih antara koordinat geographic
atau planar/projected.
- Untuk parameter Surface, pilih DEM yang dihasilkan dari
langkah sebelumnya.
- Untuk pilihan blending mode, ada tiga pilihan, Mosaic,
Average, Max Intensity dan Min Intensity. Mosaic akan

mempertimbangkan detail dalam setiap foto sehingga
menghasilkan ortophoto yang balance dari segi warna dan
kedetailan. Pilihan average akan menggunakan nilai piksel
rata-rata dari setiap foto yang overlap. Adapun untuk max
dan min intensity menggunakan intensitas maksimum dan
minimum dari piksel yang bertampalan/overlap. Anda juga
dapat mencentang pilihan Enable Color Correction untuk
melakukan koreksi warna di setiap foto, namun waktu
pemrosesan akan menjadi lebih lama. Klik OK.
3. Setelah pembangunan Orthomosaic selesai, anda dapat

mengeksport hasil foto udara orthomosaic yang telah
dihasilkan dari Menu File > Export Orthomosaic >
JPEG/TIFF/PNG. Untuk pilihan projection pilih antara

geographic dan planar, demikian pula untuk pilihan lain
seperti compression dan Write World file apabila diperlukan.
4. Setelah hasil olah Orthophoto telah di export dalam bentuk

.TIFF selanjutnya bisa diolah lebih lanjut dengan program
aplikasi seperti Global Mapper, ArcMap dan lainnya.

6.2.8 Report
Agisoft Metashape juga menyediakan Report yang dapat dilihat
dengan mengklik File>export>generate report.. Report berisikan
informasi mengenai survey data, camera calibration, camera
locations, DEM information, dan processing parameters. Survey
data berisikan informasi seperti jumlah foto yang diolah, ketinggian
terbang drone, ground resolution, covarage area, dan camera
model. Camera calibration berisi informasi seperti tipe kamera,
fokus kamera, resolusi kamera dan piksel kamera. Camera locations
berisi informasi lokasi kamera dan perkiraan kesalahan dalam
pemotretan. DEM information berisi informasi resolusi dan jumlah
point density per m2. Processing parameters berisi informasi selama
proses pengolahan mencakup eror dan sebagainya. Report
pengolahan foto udara pada buku ini disajikan pada Lampiran.

BAB 7
RISET TERKAIT UAV/DRONE
Pemanfaatan unmanned aerial vehicle (UAV) atau yang dikenal

dengan istilah drone berkembang pesat. Drone telah diaplikasikan
diberbagai bidang seperti pertanian, kehutanan, permukiman dan
lainnya. Berbagai riset menggunakan drone telah dilakukan dan
sudah dipublikasikan diantaranya pemetaan sawah, pengukuran
umur padi, analisis pola permukiman, analisis kesehatan tanaman,
analisis jenis tanaman, pengukuran volume sampah, mitigasi
bencana longsor, pengukuran topografi dan lain-lain. Bab ini
menjelaskan beberapa publikasi yang telah dilakukan oleh dosen dan
mahasiswa Departemen Geografi Universitas Indonesia terkait
pemanfaatan unmanned aerial vehicle (UAV) atau drone.
7.1 UAV/Drone untuk Pemetaan Lahan Sawah

Salah satu kemampuan unmanned aerial vehicle (UAV) atau drone
adalah mampu melakukan pemetaan secara cepat dengan resolusi
yang tinggi. Riset yang dilakukan oleh Rokhmatuloh et al., 2019
berhasil memetakan lahan sawah yang berada di Kabupaten
Sukabumi-Jawa Barat dan mengklasifikasikan jenis vegetasi
berdasarkan karakteristik spektralnya. Riset ini juga menggunakan
citra Sentinel untuk menghasilkan estimasi produktivitas padi.
Seperti diketahui bahwa padi merupakan tumbuhan penting bagi
bangsa Indonesia yang harus dijaga keberlanjutannya karena
merupakan bahan pangan pokok masyarakat Indonesia.

Riset ini memanfaatkan UAV multispektral merek Parrot sequoia
buatan Perancis dengan lightweight four bands multi-spectral
sensor. Sensor multispektralnya antaralain hijau, merah, red edge,
dan infra merah. Rancangan penerbangan pada riset ini yaitu flight
time 10-15 menit, flight plan 300x400 meter, overlap 80%, dan
ketinggian terbang drone 100 meter.
Riset ini menghasilkan nilai normalized diffrence vegetation index

(NDVI) yang berasal dari drone. Algoritma NDVI digunakan untuk
mengestimasi produktivitas padi di berbagai tingkatan yaitu;
persiapan lahan (NDVI=-0.096-0.036), pertumbuhan padi (NDVI=-
0.0 36-0.24), pembuahan padi (NDVI=-0.24-0.45) dan panen padi
(NDVI=-0.45-0.63). Gambar 7.1 menunjukkan kelas normalized
diffrence vegetation index (NDVI) yang berasal UAV multispektral.
Gambar 7.1 Klasifikasi NDVI dari UAV multispektral

Sumber: (Rokhmatuloh et al., 2019)

7.2 UAV/Drone untuk Menghitung Volume dan Ketinggian
Sampah
Sampah merupakan salah satu persoalan perkotaan. Penumpukan
sampah merupakan fenomena yang seringkali terjadi bahkan di
tempat pembuangan akhir sampah (TPA). Riset yang dilakukan oleh
Adnanta, B.A, 2019 menghitung volume sampah yang terjadi di
TPA Cipayung-Depok menggunakan drone DJI Phantom 4 dengan
sensor RGB. Hasil pengukuran drone kemudian dibandingkan
dengan pengukuran volume sampah dilapangan.
Luas area TPA Cipayung adalah 55076.091 m2. Proses pengolahan

data drone menggunakan software Agisof . Beberapa langkah yang
dilakukan dalam pengolahan data drone antaralain align photos,
dense cloud, build mesh, bulid texture, bulid DEM, dan ortiphoto.
Proses build DEM dilakukan untuk mendapatkan nilai tinggi berupa
poligon. Proses orthophoto untuk mendapatkan hasil orthomosaic
sebagai hasil geometrik DEM yang telah dikoreksi. Hasil riset
menunjukkan bahwa volume sampah di TPA Cipayung pada blok 1
adalah sebesar 163333.745 m3, sedangkan volume sampah pada blok
2 sebesar 419665.948 m3 (Setyawan, B.A, 2019). Gambar volume
sampah di TPA Cipayung ditunjukkan oleh Gambar 7.2.

Gambar 7.2 Volume sampah TPA Cipayung Depok
Sumber: (Setyawan, B.A 2020)
UAV juga dapat dimanfaatkan untuk melihat volume dan ketinggian

sampah perkotaan (Incekara et al,. 2019). Salah satu topik yang
menarik adalah bagaimana menghubungkan peningkatan jumlah
sampah dengan LST (Yesiller dan Hanson, 2003). Informasi yang
didapat dari hal ini dapat memberikan peringatan dini kepada
pengelola TPA bagaimana menghindari peningkatan suhu
permukaan dalam timbunan sampah. Bertahun-tahun yang lalu,
bencana di TPA Leuwigajah diduga akibat meningkatnya jumlah
sampah yang menyebabkan longsor (Yachiyo Engineering, 2009).
Riset yang dilakukan oleh Hernina et al., 2019 menunjukkan bahwa

ada korelasi positif antara ketinggian sampah dengan land surface
temperature (LST) atau suhu permukaan daratan di lokasi TPA
Cipayung Depok. Riset ini mencoba menggabungkan data digital
surface model (DSM) yang didapat dari pengukuran unmanned

aerial vehicle (UAV) DJI Phantom 4 Pro dengan data land surface
temperature (LST) yang didapat dari pengolahan Landsat 8 thermal
infra red sensors (TIRS). Korelasi Pearson digunakan untuk melihat
hubungan antara digital surface model (DSM) dan land surface
temperature (LST). Hasil korelasi keduanya dan didapatkan nilai
r=0.56. Gambar 7.3 menunjukkan digital surface model (DSM) TPA
Cipayung – Depok.
Gambar 7.3 Digital surface model (DSM) TPA Cipayung

Sumber: (Hernina et al., 2020)
7.3 UAV/Drone untuk Identifikasi Permukiman Kumuh

Pertumbuhan penduduk menyebabkan kebutuhan akan permukiman
semakin meningkat. Keterbatasan lahan dan tingginya harga tanah
menyebabkan tumbuhnya permukiman kumuh di kota-kota besar.

Kawasan permukiman dikatakan kumuh jika tidak memiliki salah
satu dari berikut yaitu kepemilikan yang aman, akses ke air bersih,
akses ke sanitasi, tempat tinggal yang cukup dan daya tahan
perumahan dalam hal struktur bangunan, jenis atap dan lantai
bangunan (UN Habitat, 2004).
Riset yang dilakukan oleh Ashilah et al., 2020 mengatakan bahwa

foto udara hasil perekaman drone mampu mengidentifikasi
karakteristik fisik permukiman kumuh di Kelurahan Cibogor, Bogor
Tengah Kota Bogor. Wilayah tersebut merupakan salah satu
percontohan program kota tanpa kumuh (KOTAKU) Kementerian
Pekerjaan umum dan perumahan rakyat (PUPR). Gambar 7.5
menunjukkan lokasi riset.
Gambar 7.5 Kelurahan Cibogor Bogor Tengah Kota Bogor

Sumber: (Asilah et al., 2020)
Operasi UAV DJI Phantom 4 Pro menggunakan metode overlap

(sidelap-frontlap) diterbangkan dengan ketinggian 90 meter.

Pengolahan foto udara menggunakan software Agisoft Metashape
dan pengolahan kelasifikasi obyek dengan object based image
analysis (OBIA) menggunakan software E-Cognition 9.1 dan
ArcGIS. Segmentasi Citra UAV menggunakan parameter seperti
skala, bentuk, ukuran, tekstur. Proses segmentasi dengan
menggunakan parameter tambahan seperti skala, bentuk,
kekompakan objek, dan bobot layer. Parameter penelitian yang
digunakan adalah SP = 50, bentuk = 0,7, kekompakan = 0,5.
Point cloud dense yang dihasilkan dari unmanned aeraial vehicle

(UAV) atau drone digunakan untuk membuat model digital terrain
model (DTM) dan digital surface model (DSM). Kedua model
digunakan untuk membuat DSM ternormalisasi dan
mengintegrasikannya dengan multi resolution segmentation (MRS)
pada tahap awal klasifikasi. Berdasarkan hasil klasifikasi ketinggian
bangunan dari nDSM, maka didapatkan ketinggian bangunan pada
pemukiman kumuh adalah 1-3.5 m dan 3.5-7 m. Sedangkan pada
permukiman yang teratur, ketinggian bangunan berkisar antara 3.5-
7 m dan lebih dari 7 meter. Gambar 7.6 menunjukkan ketinggian
bangunan hasil pemotretan UAV.

Gambar 7.6 Ketinggian bangunan hasil pengolahan foto udara UAV
Indeks RGB digunakan untuk klasifikasi tahap kedua terhadap citra

UAV. Metode object based image analysis (OBIA) digunakan untuk
mengidentifikasi karakteristik fisik dari permukiman kumuh.
Karakteristik fisik yang digunakan dalam riset ini yaitu akses jalan,
ukuran bangunan, warna dan jenis material atap rumah.
Karakteristik fisik tersebut membedakan antara permukiman kumuh
dengan bukan kumuh. Berdasarkan pemotretan UAV dan survei
lapang pada permukiman teratur, warna atap rumah didominasi oleh
warna coklat yang menunjukkan material atap terbuat dari genteng,
sedangkan akses jalan cukup lebar. Pada permukiman teratur ukuran
rumah bentuk-bentuknya lebih besar daripada permukiman kumuh.
Hasil studi menunjukan bahwa permukiman kumuh terletak kurang

dari 15 meter dari bibir sungai dan berpotensi terkena bahaya banjir
Gambar 7.7 menunjukkan permukiman kumuh pada wilayah riset.
Gambar 7.7 Permukiman kumuh di Cibogor Kota Bogor

7.4 UAV/Drone untuk Identifikasi Jenis Vegetasi

Salah satu keunggulan unmanned aerial vehicle (UAV) adalah
kemampuannya dalam menghasilkan citra dengan resolusi yang
tinggi. Resolusi yang dihasilkan UAV atau drone mampu
mengidentifikasi jenis vegetasi. Riset yang dilakukan oleh
Wicaksono dan Hernina, 2019 menggabungkan indeks vegetasi yang
didapat dari sensor UAV dan metode object based image analysis
(OBIA) mampu mengidentifikasi jenis tanaman di area FMIPA UI.
Drone yang diterbangkan dengan ketinggian 90 m dalam riset ini
menghasilkan resolusi 2,4 cm/piksel.

Object based image analysis (OBIA) selama ini telah banyak
diterapkan untuk analisis vegetasi diperkotaan seperti pemantauan
vegetasi perkotaan untuk ekosistim perkotaan (Banzhai dan Kollai,
2012). Selanjutnya citra UAV dengan sensor RGB dapat
menghitung indeks vegetasi (Lussem et al., 2018). Indeks vegetasi
yang digunakan dalam riset ini adalah visible-band difference
vegetation index (VDVI), visible atmospherically resistant index
(VARI), normalized green-red difference index (NGRDI), dan red-
green ratio index (RGRI). Langkah awal untuk mementukan
klasifikasi penggunaan lahan menggunakan OBIA menggunakan
parameter VI dan RGB dari UAV. Dari indeks vegetasi tersebut
ditentukan nilai parameter yang menjadi dasar klasifikasi lahan
menggunakan software e-Cognition. Klasifikasi parameter
menggunakan OBIA dapat ditunjukkan pada Tabel 7.1
Tabel 7.1 Indek vegetasi dan RGB band dari UAV untuk klasifikasi
menggunakan OBIA
VIs RGB bands
Kelasifikasi Red Green
VDVI VARI NGRDI RGRI
(mean) (mean)
≥
Pohon ≤0 ≤ 0.03 ≥ 0.83 - -
0.09
≥
Padang rumput - ≤ 0.012 - - -
0.05
Bayangan - - - - ≤ 150 ≤ 160
Perkerasan - - - - ≥ 180 ≥ 170
Bangunan - ≤0 ≤ -0.089 - - -
Sumber: Wicaksono dan Hernina, 2019

Pada kelas pohon dapat didentifikasi jenis pohon berdasarkan hasil
segmentasi menggunakan metode multi resolution segmentation
(MRS) dengan menggunakan parameter homogenity and
compacness. Berdasarkan survei lapang obyek pohon hasil
segmentasi dan diidentifikasi jenis spesiesnya. Gambar 7.8
menunjukkan Peta jenis vegetasi di area FMIPA UI. Uji akurasi
pada riset ini menggunakan Kappa dengan jumlah sample 204 dan
akurasi 85%.
Gambar 7.8 Peta jenis vegetasi di area FMIPA UI

Sumber: (Wicaksono dan Hernina, 2019)

7.5 UAV/Drone untuk Pengukuran Topografi
Data topografi sangat dibutuhkan dalam pengelolaan hutan baik
untuk perencanaan, pemantauan dan evaluasi perubahan hutan.
Salah satu solusi untuk memetakan topografi secara cepat dan tepat
adalah dengan menggunakan pengindraan jauh dalam hal ini
memanfaatkan teknologi unmanned aerial vehicle (UAV) LiDAR.
Sensor Light Detection and Ranging (LiDAR) yang dihasilkan dari
kendaraan udara tak berawak (UAV) mampu memetakan topografi
dan membedakan vegetasi kelas berdasarkan ketinggian di kawasan
hutan kota Universitas Indonesia (Shidiq et al., 2017). Hutan UI
memiliki luas 90 ha, terdiri dari tanaman matoa, karet dan jati.
Riset tersebut menggunakan jenis UAV hexacopter jenis DJI

Matrice 600. Ketinggian terbang drone bervariasi dari 60 hingga
100 meter. Jalur terbang ditentukan menggunakan data-data awal
berupa data elevasi yang berasal dari SRTM. Jalur kemudian dibuat
dengan menggunakan Google Earth dan disimpan dalam file .kml
dengan software QGIS yang disambungkan ke plugin DJI. Ada
15.806.380 point cloud yang diperoleh selama proses yang mana
2,39% di antaranya terdeteksi sebagai permukaan tanah. Gambar 7.9
menunjukkan point cloud dari UAV LiDAR.

Gambar 7.9 Point cloud dari UAV LiDAR
Sumber: (Shidiq et al., 2017)
Selanjutnya dilakukan klasifikasi 2 kelas yaitu vegetasi dan

permukaan. Vegetasi diklasifikasi menjadi 3 yaitu; tinggi (lebih dari
2 meter dari permukaan tanah, sedang (0.51-1 meter dari permukaan
tanah), rendah (0.1 s/d 0.5 meter dari permukaan tanah). Selanjutnya
ground dipisahkan menjadi kelas ground dan kelas non-ground
dengan 4 parameter fisik yaitu : titik terendah, kecuraman
permukaan, perbedaan permukaan ketinggian dan homogenitas
permukaan tanah. Gambar 7.10 menunjukkan kelas ground dan non
ground.

(a) (b)
Gambar 7.10 (a) kelas ground, (b) kelas non ground
Selanjutnya klasifikasi ground dibuat menjadi digital terrain model

(DTM). Sedangkan klasifikasi non-ground menjadi digital surface
model (DSM). Gambar 7.11 menunjukkan DTM 3 dimensi.
Gambar 7.11 DTM 3 dimensi


DAFTAR PUSTAKA
Afif, H.A., Rokhmatuloh, Saraswati, R., Hernina, R. (2019). UAV

Application for Landslide Mapping in Kuningan Regency,
West Java. E3S Web Conf. Volume 125, 2019. The
4th International Conference on Energy, Environment,
Epidemiology and Information System (ICENIS 2019)
Ashilah, Q.P., Rokhmatuloh, Hernina, R. (2020). Urban slum
identification in Bogor Tengah Sub-District, Bogor City
using Unmanned Aerial Vehicle (UAV) Images and Object-
Based Image Analysis. IOP Conference Series: Earth and
Environmental Science. Sci 716012133
Atmoko, D. (2015). Kajian Pembuatan DSM Menggunakan
Software Agisoft dan PIX4Dmapper dari Data Pemotretan
UAV.
Bikram Pratap Banerjee, Simit Raval, P.J Cullen, Sarvesh Kumar
Singh. (2019). Mapping of Complex Vegetation Communities
and Species Using UAV-LIDAR Metrics and High-
Resolution Optical Data. Conference: International
Geoscience and Remote Sensing Symposium At: Yokohama,
Japan
Banzhaf, E., Kollai, H. (2015). Monitoring the urban tree cover For
urban ecosystem service-the case of Leipzig, Germany.
International Archives of Photogrammetry, Remote
Sensing, Spatial Information Science, Volune XL-7/W3
Congedo, L., Munafo, M. (2018). Spatial and temporal resolution of
geographic information: an observation-based theory.

Geospatial Data, Software and Standards (2018) 3:12
https://doi.org/10.1186/s40965-018-0053-8
Christiansen,M. P., Laursen, M.S., Jørgensen, R.N., Skovsen, S.,
Gislum, R. (2017). Designing and Testing a UAV
Mapping System for Agricultural Field Surveying.
Sensors (Basel). 2017 Nov 23;17(12):2703. doi:
10.3390/s17122703. PMID: 29168783; PMCID:
PMC5751509
DJI GO 4 detail instruction: Main page and Camera settings quick
guide
Goodchild M. Accuracy and spatial resolution: critical dimensions
for geoprocessing In: Douglas DH, Boyle AR, editors.
Cartography and Geographic Information Processing: Hope
and Realism. Ottawa (1982). Canadian Cartographic
Association: 1982. p. 87–90.
Hansen, Holly. (2021). Rules & Regulations : A History of Drone
Laws in The United States.
Hernina, R., Rokhmatuloh, B.A, Setyawan. (2019). Exploring the
relationship of solid waste height and land surface
temperature in municipality landfill site using Unmanned
Aerial Vehicle (UAV) images. IOP Conference Series: Earth
and Environmental Science, Volume 561, The International
Conference of Science and Applied Geography 24 August
2019, West Java, Indonesia
Hernina, R. Putra, T.A., Putera, R., Rosyidy, M.K., Ramadhani,
I.R. (2019). Analisis Tinggi Terbang Drone dan Resolusi
Untuk Pemetaan Penggunaan Lahan Menggunakan DJI

Phantom 4 Pro (Studi Kasus Kampus UI). Seminar Nasional
Penginderaan Jauh . LAPAN
Hernina, R., Rosyidi, M.K., Ashilah, Q.P., Bassayev. M.H., Huda,
D.N., Pratama, A.A., Putra, T.A. (2021). Unmanned aerial
vehicle (uav) application for supporting climate change
readiness program in depok municipality, Indonesia.
International Geography Seminar 2019. IOP Conf. Series:
Earth and Environmental Science 683 (2021) 012106 IOP
Publishing doi:10.1088/1755-1315/683/1/012106
Huang Yao, Rongjun Qin, Xiayu Chen. Unmanned Aerial Vehicle
for Remote Sensing Applications- A Review. Remote
Sens. 2019, 11(12), 443; https://doi.org/10.3390/rs11121443
Incekara A. H., Delen A., Seker D. Z. and Goksel C. (2019).
Investigating the Utility Potential of Low-Cost Unmanned
Aerial Vehicles in the Temporal Monitoring of a Landfill.
International Journal of Geoinformation, Vol. 8, Issue 22,
2019, pp. 1-16
Kemenhub RI. (2019). Drone regulation.
http://dephub.go.id/org/otbanwil2/post/read/regulasi-
drone?language=id
Lin, Yi-Chun; Cheng, Yi-Ting; Zhou, Tian; Ravi, Radhika;
Hasheminasab, Seyyed M.; Flatt, John E.; Troy, Cary; Habib,
Ayman. (2019). Evaluation of UAV LiDAR for Mapping
Coastal Environments. Remote Sens. 11, no. 24: 2893.
https://doi.org/10.3390/rs11242893
Lussem, U., Bolten, A., Gnyp, M.L., Jasper, J., and Bareth, G.
(2018). Evaluation of RGB-based vegetation indices from

UAV imagery to estimate forage yield in grassland. The
International Archives of the Photogrammetry, Remote
Sensing and Spatial Information Sciences, Volume XLII-3
Manesh, M.R. Naima Kaabouch. (2019). Cyber-attacks on
unmanned aerial system networks: Detection,
countermeasure, and future research directions. Computers
and Security Journal. Volume 85, August 2019, Pages 386-
401
Purnomo, Liu. (2018). Modul Pelatihan Survey Mapping Using
Drone.
Purwanto, T.H. (2017). Pemanfaatan Foto Udara Format Kecil
untuk Ekstraksi DEM dengan Metode Stereoplotting.
Majalah Geografi Indonesia. Vol 31, No 1, Maret 2017 (73-
89).
Rokhmatuloh., Supriatna., Pin, T.G., Hernina, R., Ardhianto, R.,
Shidiq, I.P.A., Wibowo, A. (2019). Paddy field mapping
using UAV multispectral imagery. International Geomate
17/61.
Putera S. B. A.dan Hariyanto T., (2013), Kalibrasi non –metrik
digital dengan metode sel calibration. Jurnal of Geodesy and
Geomatics (Geoid) Volume 8, No 2, 2013.
Setyawan, B.A. (2020). Sebaran konsentrasi gas karbon dan
nitrogen serta hubungannya dengan volume sampah di TPA
Cipayung, Kota Depok. Skripsi. Departemen Geografi
FMPA – UI.
Shidiq, I.P.A., Wibowo, A., Kusratmoko, E., Indartmoko, S.,
Ardhianto, R., Nugroho, B.P. (2017). Urban forest

topographical mapping using UAV LIDAR. IOP Conf.
Series: Earth and Environmental Science 98 (2017) 012034
doi :10.1088/1755-1315/98/1/012034
UN‐Habitat. (2004). The Challenge of Slums: Global Report on
Human Settlements 2003 Management of Environmental
Quality 15 337-338
Yin, N., Liu, R., Zeng, b., Liu, N. (2018). A review: UAV - based
Remote Sensing . IOP Conf. Series: Materials Science and
Engineering 490 (2019) 062014 IOP Publishing
doi:10.1088/1757- 899X/490/6/062014
Yachiyo Engineering. (2009). Study for integrated environmental
improvement of Leuwigajah disposal site in West Java
republic of Indonesia. Study Report, 2009
Yesiller N., and Hanson J.L.. (2003). Analysis of temperatures at a
municipal solid waste landfill. Ninth International Waste
Management and Landfill Symposium
Wicaksono, A., Hernina, R. (2020). Urban tree analysis using
unmanned aerial vehicle (UAV) images and object-based
classification (Case study: University of Indonesia campus).
Drone Laws in the United States of America. Diakses melalui
https://uavcoach.com/drone-laws-in-united-states-of-
america/
Drone Laws in China; Drone regulations and links for people flying
drones in China. Diakses melalui
https://uavcoach.com/drone-laws-in-china/
(https://www.agisoft.com/about/).
(https://www.caas.go.sg)

(https://www.faa.gov)
(https://www.caag.gov.cn)
https://www.appgis.net/2018/06/cara-buat-jalur-terbang-drone.html
https://mx.gearbest.com/blog/how-to/dji-go-4-detail-instruction-
main-page-and-camera-settings-quick-guide-9259

LAMPIRAN

Agisoft Metashape
Processing Report
03 June 2021
Survey Data
>9
9
8
7
6
5
4
3
2
1
20 m
Fig. 1. Camera locations and image overlap.
Number of images: 11 Camera stations: 11

Flying altitude: 98.6 m Tie points: 11,254
Ground resolution: 2.9 cm/pix Projections: 26,762
Coverage area: 0.0213 km² Reprojection error: 0.741 pix
Camera Model Resolution Focal Length Pixel Size Precalibrated

FC220 (4.73mm) 4000 x 3000 4.73 mm 1.57 x 1.57 μm No
Table 1. Cameras.
Page 2
Camera Calibration
1 pix
Fig. 2. Image residuals for FC220 (4.73mm).
FC220 (4.73mm)
11 images
Type Resolution Focal Length Pixel Size

Frame 4000 x 3000 4.73 mm 1.57 x 1.57 μm
F: 3004.63
Cx: 0 B1: 0
Cy: 0 B2: 0
K1: 0 P1: 0
K2: 0 P2: 0
K3: 0 P3: 0
K4: 0 P4: 0
Page 3
Camera Locations
30 cm
24 cm
18 cm
12 cm
6 cm
0 cm
-6 cm
-12 cm
-18 cm
-24 cm
-30 cm
x 10
20 m
Fig. 3. Camera locations and error estimates.

Z error is represented by ellipse color. X,Y errors are represented by ellipse shape.
Estimated camera locations are marked with a black dot.
Y error
X error (cm) Z error (cm) XY error (cm) Total error (cm)
(cm)
23.9198 29.0514 12.8597 37.6317 39.7683
Table 2. Average camera location error.
X - Longitude, Y - Latitude, Z - Altitude.
Page 4
Digital Elevation Model
69 m
24 m
20 m
Fig. 4. Reconstructed digital elevation model.
Resolution: 11.6 cm/pix

Point density: 74.5 points/m²
Page 5
Processing Parameters
General
Cameras 11
Aligned cameras 11
Coordinate system WGS 84 (EPSG::4326)
Rotation angles Yaw, Pitch, Roll
Point Cloud
Points 11,254 of 12,299
RMS reprojection error 0.201384 (0.741101 pix)
Max reprojection error 0.632372 (15.0221 pix)
Mean key point size 3.59523 pix
Point colors 3 bands, uint8
Key points No
Average tie point multiplicity 2.55419
Alignment parameters
Accuracy High
Generic preselection No
Reference preselection Yes
Key point limit 40,000
Tie point limit 4,000
Adaptive camera model fitting Yes
Matching time 28 seconds
Alignment time 2 seconds
Depth Maps
Count 11
Reconstruction parameters
Quality Medium
Filtering mode Aggressive
Processing time 1 minutes 17 seconds
Dense Point Cloud
Points 2,394,769
Point colors 3 bands, uint8
Quality Medium
Depth filtering Aggressive
Depth maps generation time 1 minutes 17 seconds
Dense cloud generation time 7 seconds
Model
Faces 120,730
Vertices 66,650
Vertex colors 3 bands, uint8
Texture 4,096 x 4,096, 4 bands, uint8
Surface type Height field
Source data Dense
Interpolation Disabled
Quality Medium
Depth filtering Aggressive
Face count 159,651
Processing time 2 seconds
Texturing parameters
Page 6
View publication stats
General
Mapping mode Generic
Blending mode Mosaic
Texture size 4,096 x 4,096
Enable hole filling Yes
Enable ghosting filter Yes
UV mapping time 2 minutes 52 seconds
Blending time 41 seconds
DEM
Size 2,439 x 2,293
Source data Dense cloud
Interpolation Enabled
Orthomosaic
Size 5,748 x 5,504
Colors 3 bands, uint8
Blending mode Mosaic
Surface DEM
Enable hole filling Yes
Software
Version 1.5.1 build 7618
Platform Windows 64
Page 7

Foto Udara Di Ji Talis BN

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Foto Udara Di Ji Talis BN

Diunggah oleh

Hak Cipta:

Format Tersedia

See discussions, stats, and author profiles for this publication at: https://www.researchgate.

FOTO UDARA DIJITAL Teori dan Praktik (Menggunakan Agisoft Metashape)

Book · March 2021

Revi Hernina Teddy arfaansyah Putra

SEE PROFILE SEE PROFILE

Vegetation Index View project

UAV APPLICATION PROJECT View project

The user has requested enhancement of the downloaded file.

Departemen Geografi FMIPA UI

Penulis: Revi Hernina, Teddy Arfaansyah Putra

Editor: Supriatna, Adi Wibowo

Desain Sampul dan Tata Letak: Revi Hernina

Penerbit: Departemen Geografi FMIPA Univesitas Indonesia

Cetakan Pertama Maret 2020

Buku panduan diperlukan dalam melaksanakan kegiatan proses

Akhir kata semoga buku ini dapat membantu dan bermanfaat

Depok, Maret 2021

KATA PENGANTAR iii

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) iv

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) v

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) vi

1.1 Unmanned Aircraft System (UAS) dan Unmanned Aerial

Teknologi pengindraan jauh semakin berkembang tidak terkecuali

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 1

Unmanned aerial vehicle (UAV) atau yang lebih populer di

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 2

Sejarah munculnya drone sudah dimulai sejak tahun 1920-1930 di

1.3 Foto Udara Dijital

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 3

Pemetaan menggunakan foto udara dapat dibedakan berdasarkan

Selain penggunaan jenis kamera, wahana pada foto dijital juga

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 4

Saat ini Penggunaan kamera dijital non metrik semakin berkembang.

1.4 Kelebihan dan Kekurangan Penggunaan unmanned aerial

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 5

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 6

Kekurangan penggunaan drone antaralain ;

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 7

1.5.1 Drone jenis fixed wing

Gambar 1.2 Fixed wing menggunakan tangan

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 8

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 9

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 10

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 11

Instrumen pengindraan jauh yang ada saat ini khususnya yang

2.1 RGB Cameras

RGB Cameras memanfaatkan rentang spektral 400-700 nm.

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 12

2.2. Light Weight Multispectral Cameras

Light weight multispectral cameras memiliki rentang spektrum yang

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 13

2.3 Sensor hiperspektral (Hyperspectral sensors)

Sensor ini memanfaatkan rentang spektral 500-2500 nm. Kamera

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 14

2.4 Light-weight thermal infrared sensors

Light-weight thermal infrared sensors merupakan sensor yang

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 15

2.5 Sensor UAV Light detection and ranging (LiDAR)

Beberapa jenis kamera yang menggunakan sensor LiDAR antaralain

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 16

Gambar 2.4 Sensor LiDAR UAV

Foto udara dijital - Teori & praktik (menggunakan Agisoft Metashape) 17

3.1 Resolusi dan ground sampling distance (GSD)