Survei Pemetaan Sensor Aktif

APLIKASI DAN SOFTWARE PENGOLAHAN DATA

LIDAR SENSOR AKTIF
19 Mei 2023
Dosen Pengampu: Fajar Andi Sugiyanto, S.T.

Dibuat oleh:

Leonard Eka Satya Nugraha

21/481383/SV/19769

Program Sarjana Terapan

Teknologi Survei dan Pemetaan Dasar
SEKOLAH VOKASI
UNIVERSITAS GADJAH MADA
2023
I. Aplikasi LiDAR Sensor Aktif

a. Terrestrial Laser Scanner (TLS)

Terrestrial Laser Scanner (TLS) adalah jenis laser scanner yang digunakan untuk pemindaian
objek di permukaan bumi. Pemanfaatan TLS dengan teknologi LiDAR (Light Detection and
Ranging) sensor aktif memiliki banyak aplikasi. Contoh aplikasi LiDAR sensor aktif adalah
sebagai berikut.
1) Pemantauan deformasi bangunan
Rekonstruksi adalah kegiatan untuk membangun kembali struktur bangunan yang
telah rusak atau runtuh, biasanya dengan banyak bagian bangunan asli yang hilang.
Konservasi berarti menjaga dan melindungi tempat-tempat yang indah dan berharga agar
tidak rusak atau berubah melebihi batas yang wajar. Dalam konservasi dan rekonstruksi
ini, diperlukan tingkat ketelitian dan kedetilan yang tinggi. Pendokumentasian tidak hanya
terbatas pada pengetahuan tentang dimensi geometri bangunan, tetapi juga berhubungan
dengan seberapa besar perubahan dimensi geometri bangunan yang terjadi dalam jangka
waktu tertentu.
Untuk memantau deformasi bentuk dan kerusakan bangunan, dapat digunakan
metode survei dengan memanfaatkan teknologi Terrestrial Laser Scanner. Penggunaan
Terrestrial Laser Scanner memberikan tingkat ketelitian yang sangat tinggi dalam
mendokumentasikan tampilan fisik bangunan. Teknologi ini dianggap sangat efisien
dibandingkan dengan metode pengukuran lainnya. Metode pengukuran Terrestrial Laser
Scanner memiliki konsep yang hampir sama dengan metode fotogrametri jarak dekat, yang
membedakannya adalah proses pemindaian yang dilakukan oleh Terrestrial Laser Scanner.
Terrestrial Laser Scanner memiliki jangkauan maksimal hingga 6000 meter (tergantung pada
peralatan) dan hasil pengukuran berupa titik-titik dalam bentuk awan (point cloud) dalam
tiga dimensi.
2) Perhitungan earthmoving tambang
Dalam pengelolaan tambang, salah satu perhitungan yang penting adalah earthmoving
tambang, yang membutuhkan data yang dapat diperoleh melalui teknik pengukuran
geodesi. Salah satu alat pengukuran geodesi yang digunakan adalah Terrestrial Laser Scanner
(TLS). Dalam pengolahan TLS, diperlukan data perekaman TLS dan data titik kontrol.
Perhitungan earthmoving tambang diperlukan dalam kegiatan pertambangan untuk
 menghitung volume pemindahan lapisan tanah. Survei tambang memerlukan pengukuran
yang efisien, efektif, presisi, dan akurat.
Penggunaan alat Electronic Total Station (ETS) dalam pemetaan tambang dinilai kurang
efektif karena memakan waktu yang lama untuk pemetaan topografi skala besar.
Keterbatasan waktu tersebut berdampak pada tingkat ketelitian/kerapatan titik ketinggian.
Perkembangan ilmu pengetahuan dan teknologi terkait survei tambang terus maju dan
memberikan kemudahan dalam akuisisi data dan pengolahannya. Salah satu teknologi yang
digunakan adalah pemindaian laser untuk memetakan lahan tambang secara tiga dimensi
dengan kerapatan dan akurasi data yang baik. Teknologi ini dikenal sebagai Terrestrial Laser
Scanning (TLS) dengan menggunakan alat TLS.
b. Mobile Mapping Systems (MMS)
1) Pemetaan garis tengah (centerline) jalan
Garis tengah jalan adalah garis yang mewakili pusat fisik jalan antara bahu jalan
(USLegal, 2017). Secara umum, garis tengah jalan dapat digunakan untuk mengkodekan
berbagai karakteristik jalan (nama/lebar jalan, jenis kondisi permukaan, batas kecepatan,
arah perjalanan, batasan berat jembatan, dll.), dan umumnya ada dalam jenis jalur tunggal
atau multilane dengan warna kuning (Article Extension, 2017).
Pemetaan garis tengah jalan penting untuk membangun jaringan jalan yang detail dan
peta jalan yang akurat, mencegah kecelakaan lalu lintas yang serius, dll. Hu dan Tao (2007),
Miao et al. (2014), Shi et al. (2014), dan Cao dan Sun (2014) mengekstraksi garis tengah
jalan dari citra satelit resolusi tinggi. Hu et al. (2014) dan Hui et al. (2016) menggunakan
data LiDAR topografi udara (Light Detection And Ranging) untuk mengekstraksi garis
tengah jalan.
Mobile Mapping System (MMS) adalah platform bergerak yang digunakan untuk
menentukan posisi dan orientasi platform serta posisi 3D objek yang diambil oleh berbagai
sensor jarak jauh (kamera optik, LiDAR) (Madeira et al., 2012). Penelitian tentang
mengekstraksi berbagai fitur menggunakan sensor MMS telah dilakukan belakangan ini. Jwa
et al. (2015) dan Pastucha (2016) mengekstraksi fitur linear menggunakan data LiDAR
MMS, sementara Tsai dan Han (2013) dan Choung (2017) mengekstraksi fitur permukaan
jalan menggunakan data LiDAR MMS. Sairam et al. (2016) dan Soilán et al. (2016) membuat
inventaris tanda jalan menggunakan MMS. Oleh karena itu, diasumsikan bahwa sensor
LiDAR MMS juga berguna untuk mengekstraksi garis tengah jalan karena menyediakan
 informasi geometri dan reflektivitas permukaan jalan dengan presisi dan akurasi tinggi.
Oleh karena itu, penelitian ini mengusulkan metode semi-otomatis untuk mengekstraksi
garis tengah jalan dari point cloud LiDAR MMS.
2) Dokumentasi lingkungan arsitektur
Penggunaan model 3D dan data geospasial yang diperoleh dari dense cloud dengan
menerapkan teknik geomatik telah mengalami perkembangan pesat dan digunakan secara
luas dalam banyak bidang aplikasi. Banyak komunitas ilmiah dari berbagai bidang penelitian
semakin memperkirakan ketersediaan model 3D yang relatif mudah dan cepat sebagai
dasar - atau dapat mendukung dengan cara yang berbeda - investigasi dan penelitian yang
mereka minati (Betti et al., 2021).
Sudah menjadi hal yang umum bahwa penelitian untuk mencari solusi efisien telah
bergeser ke yang disebut Digital Twins. Model-model tersebut diperkaya dengan
kemungkinan berinteraksi dengan informasi heterogen atau basis data eksternal,
memungkinkan pertukaran informasi dan analisis dalam bentuk sementara dengan manfaat
di antara spesialis dengan latar belakang yang berbeda dan bekerja pada objek-objek yang
menarik dengan tujuan yang berbeda. Oleh karena itu, diperlukan akuisisi yang cepat dan
akurasi, tingkat detail, keandalan yang sesuai dengan tingkat analisis dan representasi yang
semakin tinggi, untuk meringankan tahap-tahap awal pengumpulan data dan generasi model
agar dapat beralih perhatian ke tahap-tahap analisis berikutnya.
Seperti yang biasanya terjadi dalam bidang dokumentasi warisan arsitektur, bahkan
kompleks yang besar (Barba et al., 2021; di Filippo et al., 2018; Remondino et al., 2009),
permintaan dan minat terhadap penggunaan model multi-skala dan multi-konten - dan oleh
karena itu tentu saja multi-sensor - sedang aktual bahkan ketika ada minat struktural
terhadap aset-aset ini.
Pada tahap inilah kemampuan untuk mendapatkan model 3D menjadi sangat
penting. Hal tersebut dapat memberikan gambaran umum tentang struktur dan
kemungkinan investigasi pada berbagai tingkat detail, terutama ketika degradasi struktural
sedang diselidiki. Dalam hal ini, sangat menarik dan aktual kemungkinan untuk
mendapatkan model yang ringan untuk pemrosesan atau prediksi perilaku struktural.
Setelah tinjauan singkat tentang inovasi terbaru pada sistem yang mampu melakukan
akuisisi data cepat, terutama dalam konfigurasi bergerak, penelitian ini akan
memperkenalkan penggunaan perangkat baru (sistem Swift oleh FARO Technologies),
 yang telah diuji pada dua kasus terpilih untuk menyoroti keuntungan dan masalah kritis
penggunaannya. Dua studi kasus tersebut termasuk arsitektur Piedmont abad ke-20, tetapi
sangat berbeda dalam tantangan yang mereka hadapi terhadap sistem akuisisi data baru.
Yang pertama adalah lobi bioskop Politeama di Ivrea, dengan detail arsitektur bergaya
liberty khas. Yang kedua adalah kompleks Torino Esposizioni yang besar (Aula B) di Turin
(Italia) oleh Pier Luigi Nervi. Kompleks ini memiliki ruang yang menonjol yang ditutupi
dengan solusi lengkungan yang khas dari pengembangan awal penggunaan ferrocement
pada tahun 1950-an abad ke-20. Kedua studi kasus ini menawarkan kemungkinan untuk
mengevaluasi kualitas data dan berbagai keterampilan pemodelan secara menyeluruh,
menilai tingkat respons akurasi terhadap kebutuhan khusus dan penilaian kinerja
keseluruhan dari sistem pemetaan bergerak baru yang diusulkan oleh FARO Technologies.
c. Airborne LiDAR
1) Analisis batimetri di daerah perairan dangkal
Berdasarkan Undang-Undang Nomor 6 tahun 1996 tentang perairan Indonesia,
perairan Indonesia terdiri dari laut wilayah, perairan kepulauan, dan perairan daratan.
Perairan daratan terdiri dari laut pedalaman dan air daratan. Pemetaan perairan dangkal
bukanlah hal yang mudah dilakukan di Indonesia. Terdapat beberapa metode untuk
menentukan kedalaman, antara lain metode mekanis (menggunakan tali), metode akustik
(menggunakan echo sounder), dan metode optik (menggunakan gelombang
elektromagnetik). Pemetaan dengan menggunakan metode akustik memiliki kesulitan
untuk mencapai perairan daratan, termasuk perairan dangkal. Selain metode akustik,
metode optik dapat digunakan untuk menentukan kedalaman. Penentuan kedalaman
dengan menggunakan metode optik menggunakan gelombang elektromagnetik yang
disebut LiDAR. LiDAR adalah salah satu sensor penginderaan jarak jauh aktif. LiDAR (Light
Detection And Ranging) adalah bagian dari sistem sensor yang menggunakan sensor aktif
(menggunakan sumber energi sendiri, bukan dari pantulan sinar matahari). Sinar laser pada
LiDAR dapat digunakan untuk mendapatkan fitur peta fisik dengan resolusi yang sangat
tinggi. Terdapat 2 jenis LiDAR, yaitu Airborne Laser Scanner (ALS) dan Airborne LiDAR
Bathymetry (ALB).
Airborne LiDAR Bathymetry (ALB) adalah teknologi canggih yang efektif dalam
pemetaan dan pengukuran kedalaman air di zona pesisir, perairan dangkal, dan badan air
tawar dalam, seperti sungai dan danau. Airborne LiDAR Bathymetry di Amerika Serikat
 dikenal sebagai sistem Airborne Oceanographic LiDAR (AOL) dan Hydrographic Airborne Laser
Sounder (HALS), sementara di Australia dikenal sebagai sistem Laser Airborne Depth Sounder
(LADS). Sensor LiDAR mengeluarkan sinar laser ke objek dan merekam kembali
gelombang yang dipantulkan setelah mencapai objek. Secara umum, gelombang yang
dipancarkan oleh sensor terdiri dari dua bagian, yaitu gelombang cahaya hijau dan
gelombang inframerah. Gelombang cahaya hijau berfungsi untuk menembus area perairan
dan mengukur data kedalaman, sedangkan gelombang inframerah berfungsi untuk
mengukur data topografi. Panjang gelombang NIR (inframerah) adalah 1,064 µm untuk
pemetaan topografi dan panjang gelombang gelombang cahaya hijau adalah 0,515 µm untuk
pemetaan batimetri. Sensor LiDAR memiliki kemampuan untuk mengukur pulsa ganda.
Pulsa ganda digunakan untuk menentukan bentuk objek atau vegetasi yang menutupi
permukaan tanah. Namun, beberapa faktor mempengaruhi penetrasi gelombang cahaya
hijau udara dalam pengukuran badan air, termasuk kekeruhan air, komposisi dasar air
(endapan, vegetasi, dll.), dan cuaca.
Dalam penelitian ini, dilakukan validasi data di area perairan dangkal yang diukur
menggunakan Airborne Hydrography AB. Validasi data dilakukan dengan pengukuran
langsung di area perairan dangkal. Pengukuran langsung dilakukan dengan menggunakan
pita pengukur untuk mengukur kedalaman, RTK GNSS untuk mengukur dimensi saluran,
dan pengukuran dengan Secchi Disk untuk mengukur kekeruhan air. Pengukuran
kekeruhan air dilakukan untuk mengetahui sejauh mana gelombang cahaya hijau udara
dapat menembus dalam pengukuran perairan dangkal. Output dari penelitian ini adalah
analisis penetrasi gelombang cahaya hijau udara dalam pengukuran perairan dangkal.
2) Pemetaan daerah pepohonan atau hutan
Pohon-pohon perkotaan memiliki banyak keunggulan, seperti menjaga energi,
meningkatkan kualitas air, meminimalkan gas rumah kaca dan polutan lingkungan lainnya,
serta menghubungkan penduduk perkotaan dengan alam (McPherson, 2006). Untuk
memanfaatkan manfaat-manfaat ini, informasi tentang lokasi, komposisi, dan luas pohon
perkotaan sering diperlukan untuk tujuan perencanaan dan pengelolaan. Informasi ini dapat
digunakan untuk analisis berbagai jenis, seperti pelacakan pertumbuhan vegetasi atau
pemantauan, penilaian kondisi pohon, dan lain sebagainya. Hutan perkotaan merupakan
pengeluaran fiskal yang wajar bagi kota-kota. Meskipun telah dilakukan upaya dan
pengeluaran modal untuk pelestarian pohon, banyak kota seringkali tidak memiliki
informasi yang komprehensif tentang kondisi pohon. Untuk mengambil keputusan yang
ekonomis, lingkungan, dan berkelanjutan, diperlukan informasi yang akurat, terkini, dan
mendalam tentang distribusi spasial, luas, dan kondisi kesehatan ekosistem perkotaan.
Teknik yang akurat untuk menemukan dan memetakan pohon membantu perencana kota
dan pengambil keputusan dalam memahami sejauh mana penutupan kanopi ada;
mengidentifikasi peluang penanaman, pembabatan, atau penghijauan baru; dan lokasi mana
yang memiliki kebutuhan atau potensi terbesar untuk memaksimalkan manfaat
pengembalian investasi. Ini juga dapat membantu melacak tren atau perubahan pada pohon
perkotaan dari waktu ke waktu dan memberikan informasi untuk keputusan pengelolaan
di masa depan.
Secara konvensional, informasi ini diperoleh melalui metode survei lapangan yang
mahal, melelahkan, memakan waktu, dan biasanya tidak dapat dilakukan di area yang luas.
Selain itu, survei lapangan hanya dapat dilakukan di area yang dapat dijangkau oleh peneliti
dengan data yang terbatas atau tidak ada yang diperoleh di properti terbatas dan area yang
tidak dapat dijangkau lainnya. Tidak mudah, jika tidak mungkin, untuk menghasilkan
informasi tentang pohon perkotaan untuk seluruh kota melalui survei lapangan. Oleh
karena itu, informasi yang kurang memadai dapat diperoleh tentang pohon di banyak kota
di seluruh dunia, yang merupakan batasan utama untuk mewujudkan manfaatnya (Zhang
dan Qiu, 2012).
Kemajuan dalam alat penginderaan jauh telah memperkenalkan teknologi laser yang
mengatasi keterbatasan citra satelit yang tidak dapat melewati kanopi pohon. Teknologi
ini memberikan keuntungan yang unik dalam pengelolaan sumber daya alam perkotaan.
Meskipun data penginderaan jauh satelit dan udara resolusi tinggi telah digunakan secara
luas, LiDAR sebagai teknologi penginderaan jauh adalah alat pilihan yang menawarkan
potensi yang menjanjikan untuk pemetaan dan studi hutan perkotaan (Plowright, 2015).
Hal ini dapat dicapai dengan pemetaan yang akurat, intensif, dan 3D dari sumber daya alam
yang menawarkan informasi yang efektif biaya, terutama dalam skala spasial yang sangat
luas untuk meningkatkan kinerja dalam operasi dan proses pengambilan keputusan. Light
Detection and Ranging (LiDAR) adalah teknologi yang berkembang yang memiliki
kemampuan untuk menghasilkan representasi 3D yang terdefinisi dengan baik dari
permukaan tanah dalam skala spasial yang luas. Jarak antara sensor LiDAR dan fitur tanah
dapat diukur dengan tingkat akurasi yang sangat tinggi dengan memperkirakan waktu yang
diperlukan oleh pulsa laser untuk melakukan perjalanan dari instrumen laser dan kemudian
kembali setelah dipantulkan dari fitur tanah. Kemampuan LiDAR untuk melewati vegetasi
telah menarik perhatian luar biasa dari bidang pengelolaan sumber daya alam (Hudak, et
al., 2009). Dari segi pengelolaan hutan, LiDAR telah digunakan untuk mendapatkan
informasi tentang pohon (Coops, et al., 2007), mengukur stok karbon (Patenaude, et al.,
2004), menghitung jumlah bahan bakar (Seielstad dan Queen, 2003), dan membuat model
habitat (Vierling, et al., 2008), mengembangkan inventaris hutan (Woods, et al., 2008).
Sistem LiDAR kontemporer memiliki kemampuan untuk memperoleh data yang intensif
yang dapat mengidentifikasi dan mengukur pohon secara terpisah. Meskipun telah
dilakukan penelitian yang signifikan tentang aplikasi LiDAR dalam kehutanan,
penggunaannya dalam studi pohon perkotaan terbatas. Seiring dengan perkembangan
aplikasi LiDAR dalam pemetaan pohon perkotaan, pendekatan otomatis untuk teknik
deteksi pohon kemungkinan besar akan meningkat. Namun, sistem LiDAR tidak memiliki
pita yang membuatnya tidak memadai untuk klasifikasi vegetasi, terutama dalam hutan
perkotaan dengan spesies yang beragam dan heterogenitas spasial yang tinggi. Citra
multispektral digital, yang biasanya memiliki banyak pita yang berbeda, memiliki potensi
besar dalam mengidentifikasi dan memetakan fitur pohon dengan konten spektral yang
kaya. Data citra digital terintegrasi dan data LiDAR memiliki potensi besar dalam pemetaan
pohon perkotaan. Informasi lebih lanjut dapat diperoleh dari penggabungan fitur yang
berasal dari LiDAR dan data dari sensor lain seperti citra digital. Oleh karena itu, produk
data yang kaya informasi dapat dibuat (Flood, 2002).
Data LiDAR udara dan citra digital sangat saling melengkapi, di mana citra dapat
memvalidasi akurasi filtrasi sementara informasi elevasi dari LiDAR dapat digunakan untuk
mengortorektifikasi data citra (Flood, 2002). Data LiDAR yang sangat padat dengan
beberapa penerimaan per meter persegi akan menjadi terlalu banyak untuk
menggambarkan mahkota pohon dan untuk menentukan bentuk mahkota, sementara
properti spektral citra dapat digunakan untuk membedakan objek pohon (Holmgren, et
al., 2008). Diharapkan bahwa kedua sumber data secara bersamaan akan lebih berhasil
untuk mendeteksi pohon dibandingkan dengan masing-masing dari mereka sendiri. Oleh
karena itu, data LiDAR dengan resolusi tinggi dan citra multispektral memungkinkan
berkembangnya teknik-teknik baru untuk deteksi dan klasifikasi vegetasi (Holmgren, et al.,
2008).
 Oleh karena itu, perlu dicatat bahwa data terpadu dari citra digital multispektral
dan point cloud LiDAR berbasis udara adalah teknologi yang sesuai dan sumber informasi
yang dapat diandalkan bagi manajer kota untuk menganalisis, mengevaluasi, meningkatkan
pola lanskap perkotaan, dan memahami komposisi, lokasi, luas, status, dan struktur pohon
yang ada di daerah perkotaan.

II. Software untuk Pengolahan Data LiDAR Sensor Aktif

Berikut ini merupakan dua contoh software yang digunakan untuk pengolahan data LiDAR sesor
aktif.

a. Software SCENE by FARO

Software SCENE adalah salah satu perangkat lunak yang dikembangkan oleh FARO
Technologies untuk pengolahan dan analisis data dari Terrestrial Laser Scanner (TLS). SCENE
dirancang khusus untuk penggunaan dengan pemindai laser daratan FARO, seperti Focus dan
Freestyle series.
SCENE memungkinkan pengguna untuk mengimpor dan mengelola data perekaman TLS
dengan mudah. Perangkat lunak ini menyediakan berbagai fitur untuk registrasi data, penyatuan
point cloud, pengolahan data geometri, dan visualisasi yang akurat. Dengan SCENE, pengguna
dapat melakukan penyesuaian, penyaringan, dan pembersihan point cloud untuk menghasilkan
model 3D yang presisi.
Perangkat lunak SCENE juga dilengkapi dengan fitur-fitur analisis yang berguna. Pengguna
dapat melakukan pemodelan permukaan, pemetaan topografi, pengukuran jarak dan volume,
serta menghasilkan visualisasi yang realistis dari data LiDAR. Selain itu, SCENE juga mendukung
integrasi dengan perangkat lunak lain seperti CAD atau GIS untuk analisis lebih lanjut.
SCENE memiliki antarmuka pengguna yang intuitif dan dilengkapi dengan berbagai alat
bantu untuk navigasi dan visualisasi data. Perangkat lunak ini digunakan oleh para profesional
di berbagai bidang, termasuk pemetaan lahan, survei konstruksi, pemodelan bangunan,
arsitektur, dan industri lainnya yang membutuhkan pemrosesan data LiDAR yang akurat dan
detail.
 Adapun diagram alir yang menunjukkan proses pengolahan data LiDAR pada software
SCENE.

Proses alur pengerjaan:

a) Impor Data
Langkah pertama adalah mengimpor data LiDAR yang telah direkam ke dalam
perangkat lunak Scene. Data LiDAR biasanya berupa file eksternal dengan format
seperti .fls atau .flw.
b) Registrasi Data
Setelah data diimpor, langkah selanjutnya adalah melakukan registrasi data untuk
menyatukan beberapa perekaman LiDAR yang berbeda menjadi satu dataset yang
kohesif. Scene menyediakan alat untuk registrasi otomatis atau manual, yang
memungkinkan untuk mengatur dan mengalignasikan data secara akurat.
 c) Pembersihan Data
Setelah registrasi, langkah selanjutnya adalah membersihkan data dari noise atau titik
yang tidak diinginkan. Scene menyediakan berbagai alat dan filter untuk melakukan
pembersihan data, seperti penghilangan outlier atau penyaringan berdasarkan intensitas
atau warna.
d) Segmentasi Data
Jika diperlukan, ssistem juga dapat melakukan segmentasi pada data LiDAR untuk
memisahkan objek atau elemen tertentu. Misalnya, melakukan segmentasi untuk
memisahkan pohon dari latar belakang atau memisahkan objek benda keras seperti
bangunan.
e) Klasifikasi Data
Melakukan analisis lebih lanjut pada data LiDAR, seperti pengukuran jarak atau
volumetri. Selain itu, Scene juga menyediakan alat visualisasi yang kuat untuk
memvisualisasikan data dalam bentuk model 3D interaktif, peta, atau gambar.
f) Ekspor Data
Setelah selesai dengan pengolahan dan analisis, dapat mengekpor data LiDAR yang
telah diproses ke berbagai format yang didukung. Ini memungkinkan Anda untuk
berbagi data dengan pengguna lain atau menggunakan data dalam perangkat lunak lain
untuk analisis lebih lanjut.
b. Software Cyclone by Leica
Cyclone adalah salah satu perangkat lunak yang dikembangkan oleh Leica Geosystems
untuk pengolahan data LiDAR. Leica Cyclone adalah perangkat lunak yang canggih dan
komprehensif yang dirancang khusus untuk mengolah data dari Terrestrial Laser Scanner (TLS),
Mobile Mapping System (MMS) atau Airborne LiDAR.
Cyclone menyediakan berbagai fitur yang kuat untuk mengimpor, mengolah, dan
menganalisis data point cloud LiDAR. Perangkat lunak ini dapat digunakan untuk melakukan
registrasi data LiDAR dari beberapa pemindaian, menggabungkan point cloud yang saling
tumpang tindih, dan menyatukan data dalam koordinat global yang konsisten. Selain itu,
Cyclone juga menyediakan alat untuk membersihkan, memfilter, dan mengklasifikasikan point
cloud LiDAR. Pengguna dapat melakukan segmentasi untuk memisahkan objek atau permukaan
tertentu, melakukan penghapusan noise, dan mengklasifikasikan titik-titik menjadi kategori yang
berbeda (misalnya, tanah, bangunan, vegetasi, dll.). Cyclone juga mendukung fitur-fitur lanjutan
seperti pengukuran jarak, pembuatan model 3D, visualisasi yang interaktif, dan analisis lanjutan.
Perangkat lunak Cyclone dirancang untuk memberikan pengolahan yang efisien, presisi
yang tinggi, dan fleksibilitas dalam memanipulasi data LiDAR. Hal ini memungkinkan pengguna
untuk menghasilkan hasil yang akurat dan detail dari data LiDAR yang dikumpulkan dengan
menggunakan Terrestrial Laser Scanner (TLS) atau sensor aktif LiDAR lainnya. Cyclone juga
terintegrasi dengan perangkat lunak Leica Geosystems lainnya, seperti Leica CloudWorx,
untuk memudahkan penggunaan data LiDAR dalam aplikasi CAD atau BIM (Building
Information Modeling).
Adapun diagram alir yang menunjukkan proses pengolahan data LiDAR pada software
SCENE.
Proses alur pengerjaan:
a) Impor Data
Langkah pertama adalah mengimpor data LiDAR yang telah direkam menggunakan
sensor aktif ke dalam perangkat lunak Cyclone. Data dapat berupa file scan, termasuk
file scan individual atau proyek scan yang terdiri dari beberapa file scan.
b) Registrasi dan Penyatuan
Setelah impor data, tahap berikutnya adalah melakukan registrasi dan penyatuan data.
Cyclone menyediakan algoritma registrasi otomatis yang kuat yang memungkinkan
pengguna untuk menggabungkan data scan yang berbeda menjadi satu dataset yang
lengkap dan akurat. Proses ini melibatkan identifikasi fitur yang sama di berbagai scan
dan menghitung transformasi yang tepat untuk menyatukan mereka.
c) Pengolahan Point Cloud
Setelah registrasi, Cyclone memungkinkan pengguna untuk melakukan pengolahan
point cloud. Ini termasuk penyaringan point cloud untuk menghilangkan noise dan data
yang tidak diinginkan, penggabungan point cloud dari beberapa scan menjadi satu model
3D yang koheren, serta pemotongan dan segmentasi point cloud untuk analisis lebih
lanjut.
d) Analisis dan Visualisasi
Cyclone menyediakan berbagai alat analisis dan visualisasi yang kuat untuk menjelajahi
dan menganalisis data LiDAR. Pengguna dapat melakukan pengukuran jarak,
perhitungan volume, ekstraksi fitur, serta analisis kualitas dan validitas data.
e) Pemodelan dan Visualisasi 3D
Cyclone juga memungkinkan pembuatan model 3D yang akurat dari data LiDAR.
Pengguna dapat membuat model permukaan, model pola titik, atau bahkan model
tekstur dengan menggabungkan data LiDAR dengan citra atau foto.
f) Output dan Ekspor
Setelah selesai mengolah data, Cyclone memungkinkan pengguna untuk menghasilkan
berbagai output, termasuk laporan, grafik, visualisasi 3D, atau file yang kompatibel
dengan perangkat lunak atau sistem lainnya. Data juga dapat diekspor dalam format
standar industri seperti LAS atau E57.
 DAFTAR PUSTAKA

Muzaka, R. N., Suprayogi, A., & Nugraha, a. L. (2015). APLIKASI TERRESTRIAL LASER SCANNER
UNTUK PEMANTAUAN DEFORMASI BANGUNAN (STUDI KASUS : TANGKI KLARIFIER PDAM
KOTA SEMARANG). Jurnal Geodesi Undip, 4(2), 164-175. https://doi.org/10.14710/jgundip.2015.8516

Rizky, A., Sudarsono, B., & Suprayogi, A. (2018). PEMANFAATAN TERRESTRIAL LASER SCANNER
METODE CLOUD TO CLOUD UNTUK EARTHMOVING TAMBANG (Studi Kasus : PT.
Pamapersada Nusantara Distrik PT. Trubaindo Coal Mining). Jurnal Geodesi Undip, 7(2), 21-30.

CHOUNG, Y. J., CHOI, H. W., & PARK, H. C. (2018). Accurate Spatial Information Mapping System
Using MMS LiDAR Data. Journal of the Korean Association of Geographic Information Studies, 21(1), 1-11.

Bonfanti, C., Patrucco, G., Perri, S., Sammartano, G., & Spanò, A. (2021). a New Indoor Lidar-Based
MMS Challenging Complex Architectural Environments. The International Archives of Photogrammetry,
Remote Sensing and Spatial Information Sciences, 46, 79-86.

Pratomo, D. G., & Putranto, B. F. E. (2019, November). Analysis of the green light penetration from
Airborne LiDAR Bathymetry in Shallow Water Area. In IOP Conference Series: Earth and Environmental
Science (Vol. 389, No. 1, p. 012003). IOP Publishing.

DOGON-YARO, M. A. (2016). SEMI-AUTOMATED APPROACH FOR MAPPING URBAN TREES FROM

INTEGRATED AIRBORNE BASED DIGITAL IMAGE AND LiDAR POINT CLOUD DATASETS (Doctoral
dissertation, Universiti Teknologi Malaysia).