net/publication/338966826
CITATIONS READS
4 5,830
2 authors, including:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Samuel Jonson Sutanto on 01 February 2020.
ABSTRAK
Dalam melakukan evaluasi dan kajian penanganan P3SON Hambalang, tim PUPR memerlukan data
topografi terbaru, akurat, dan terpercaya dalam waktu yang sesingkat-singkatnya. Oleh karena itu tim Balai
Litbang Sabo mendapatkan amanat untuk melakukan pengukuran tersebut. Pengukuran dilakukan dengan
menggunakan teknik fotogrametri dari foto udara yang dihasilkan oleh drone. Hasil dari pengukuran
tersebut berupa data Digital Surface Model (DSM), Digital Terain Model (DTM), dan hasil akhir berupa
kontur dengan resolusi yang tinggi, yaitu sebesar 5 cm. Waktu yang diperlukan dari pengukuran hingga
hasil akhir yang diperoleh yaitu kontur berkisar antara 4-5 hari. Dengan hasil yang mempunyai akurasi
tinggi, murah, dan dapat dilakukan dengan waktu yang sisingkat-singkatnya, maka penggunaan drone
dalam pembuatan peta topografi akan lebih banyak dimanfaatkan kedepannya. Meskipun demikian,
pengukuran dengan menggunakan drone akan mengalami kendala jika digunakan pada sungai non-
vulkanik (sungai yang berair). Dasar sungai yang berair tidak dapat terpetakan dengan baik, apalagi pada
sungai-sungai yang mengandung tingkat sedimen yang tinggi seperti sungai-sungai di Indonesia pada
umumnya.
Kata kunci: Pengukuran topografi, cepat, resolusi tinggi, fotogrametri, drone
ABSTRACT
Fast, reliable, and accurate topography measurement is needed for a study and evaluation of P3SON
Hambalang area. Experimental Station for Sabo, therefore, was given a mandate to perform the topography
measurement. Measurement has been carried out using fotogrammetry technique of remote sensing photos
captured by drone. The results of drone measurement are Digital Surface Model (DSM), Digital Terain Model
(DTM), and the final result is a contour map, which have high resolution data of 5 cm. The whole processes
starting from field measurement until final results are obtained require around 4 to 5 working days, without
any significant obstacles during both measurement and analysis.. Due to the high-resolution result, fast, and
cheap, it is foreseen that fotogrammetry technique using drone will be used more often in the future for
topography measurement. However, drone topography measurements experience a difficulty in the non-
vulkanic rivers (river with water table). The riverbed cannot be well measured by drone, especially for the
rivers with high sediment concentration such in general rivers in Indonesia.
Keywords: Topography measurement, fast, high resolution, photogrammetry, drone
179
Jurnal Teknik Hidraulik, Vol.7 No.2, Desember 2016: 179-194
180
Teknologi Drone Untuk Pembuatan Peta Kontur...(Samuel J. Sutanto dan Banata W. Ridwan)
awal yang diperoleh dari perencana (interval 5 m), besar tampalannya, proses terbang akan
luas daerah kajian, dan citra Google Earth. semakin lama.
Selanjutnya data titik-titik GCP ini 2 Ketinggian terbang disesuaikan dengan
dimasukkan/dikopikan ke dalam peralatan GPS spesifikasi sensor kamera. Diusahakan
Garmin untuk routing, dan data peta wilayah perekaman serendah mungkin namun harus
perekaman dikonversikan ke dalam format KML memperhatikan kondisi topografi di wilayah
untuk dimasukkan ke dalam software pembuatan tersebut. Jangan sampe drone menabrak
misi terbang drone (Mission Planner). tebing atau bangunan dan pohon karena
Untuk desain misi sendiri terdapat beberapa terbang terlalu rendah.
kriteria untuk jenis pekerjaan perekaman topografi 3 Waktu perekaman diusahakan pada waktu
dengan menggunakan drone. Kriteri-kriteria kondisi cuaca cerah sehingga cahaya yang
tersebut sebisa mungkin terpenuhi dalam tertangkap kamera maksimal.
pengukuran sehingga hasil yang diperoleh
mempunyai resolusi yang tinggi. Kriteria-kriteria
yang diperlukan adalah sebagai berikut:
1 Tampalan baik overlap atau sidelap minimal
70%. Lebih besar lebih baik, tetapi semakin
Gambar 1 Lokasi penempatan titik-titik GCP dan area pengukuran P3SON Hambalang
181
Jurnal Teknik Hidraulik, Vol.7 No.2, Desember 2016: 179-194
182
Teknologi Drone Untuk Pembuatan Peta Kontur...(Samuel J. Sutanto dan Banata W. Ridwan)
HASIL PELAKSANAAN FOTO UDARA Setelah proses pengukuran GCP selesai dan
semua tanda telah dipasang maka proses
Pengukuran GCP dan pengambilan foto selanjutnya adalah perekaman foto udara dengan
udara drone oleh tim Puskim. Sebagai catatan untuk
mempersingkat waktu, pengambilan foto udara
Pelaksanaan kegiatan pengukuran dapat dilakukan tanpa menunggu selesainya
dilaksanakan pada tanggal 21 sampai 24 Juli 2016. pengukuran GCP. Jika banner sudah dipasang
Proses perekaman diawali dengan pengukuran seluruhnya, maka pengambilan foto udara bisa
GCP yang sebelumnya telah dipersiapkan. dilakukan bersamaan dengan pengukuran GCP.
Pengukuran GCP dilakukan dengan menggunakan Perekaman dilakukan dengan menggunakan drone
dua GPS Geodetik merek Topcon GR-5 untuk Phantom DJI Inspire II. Pada saat itu Balai Litbang
kelima belas titik yang telah disusun (Gambar 1). Sabo belum mempunya drone sendiri. Drone yang
Untuk setiap titik GCP yang akan diukur, titik dimiliki oleh Balai Litbang Sabo merupakan drone
tersebut ditandai dengan banner ukuran 1,5 x 1,5 rakitan yang mempunyai spesifikasi lebih baik
m yang mempunyai warna oranye dan biru. Hal daripada DJI.
tersebut dimaksudkan agar ketika difoto dari Proses perekaman dilakukan sebanyak dua
udara, tanda tersebut nanti tetap terlihat untuk kali. Perekaman pertama dilakukan dengan
proses koreksi posisi foto. Pengukuran koordinat ketinggian 110 m dari permukaan tanah dan
dan elevasi GCP dilakukan dengan menggunakan perekaman kedua dilakukan dengan ketinggian 80
minimal dua GPS Geodetik yang merekam secara m dari permukaan tanah. Proses perekaman pada
simultan lokasi-lokasi GCP tersebut dengan mode hari pertama dilaksanakan sampai sore dan
statis. Satu GPS diletakkan dengan mode statis di berhenti pada saat hujan turun, sehingga
satu titik merekam dan satu GPS sebagai rover perekaman dilanjutkan keesokan pagi harinya.
merekam tiap titik GCP selama 10 menit minimal. Perekaman hari pertama siang kondisi cuaca relatif
Hasil dari pengukuran kemudian diproses untuk mendung sehingga beberapa foto tampak kurang
mendapatkan data dengan ketelitian sub cerah.
sentimeter. Koreksi antara static GPS dengan
Pemprosesan foto pasca perekaman
mobile GPS dilakukan dengan menggunakan
software Magnet Tools. Hasil dari koreksi dan Hasil perekaman drone berupa foto-foto udara
pemrosesan titik GCP dapat dilihat pada Gambar 3 dengan jumlah total sebanyak 1.590 foto, setelah
dan Tabel 1. dikurangi foto saat take off dan landing. Data GPS
Tabel 1 Data keluaran dari hasil pemprosesan titik atau posisi foto terdapat di Metadata (EXIF) dari
GCP (titik pada tabel berarti koma) foto tersebut yang nantinya akan diekstrak untuk
pemrosesan selanjutnya. Tahapan pemprosesan
TITIK Y X Z foto pasca perekaman dibagi menjadi beberapa
Base1 -6.55387 106.8885 419.321 tahap yang dapat dilihat pada Gambar 4.
GCPH1 -6.55755 106.8866 326.604 Tahapan-tahapan pemrosesan foto udara
GCPH2 -6.55757 106.8888 335.635 tersebut dapat dibagi menjadi beberapa bagian,
GCPH3 -6.55704 106.8895 350.854 yaitu proses inisiasi/awal, proses pembuatan point
cloud dan mesh, dan hasil akhir berupa DSM, DTM,
GCPH4 -6.55547 106.8898 373.571
dan kontur. Proses-proses tersebut secara detail
GCPH5 -6.55552 106.8888 370.436 akan dijabarkan sebagai berikut:
GCPH7 -6.55639 106.886 347.987 a. Proses Inisialisasi
GCPH8 -6.55547 106.8859 370.526
GCPH9 -6.55465 106.8877 403.026 Proses inisialisasi ini adalah proses “menjahit”
atau mosaic data foto menjadi satu data citra foto
GCPH10 -6.55442 106.8886 407.837
udara yang terpadu. Dalam tahapan ini sekaligus
GCPH11 -6.55282 106.8881 426.369 dilakukan proses koreksi dengan menggunakan
GCPH12 -6.55198 106.8878 441.383 data GCP yang telah diukur sebelumnya. Luas area
GCPH14 -6.55769 106.8854 329.538 yang terfoto dari hasil perekaman drone adalah
GCPH15 -6.55267 106.887 424.905 89,3 Ha dengan rata-rata ground sampling yaitu
5,37 cm. Dari 1.590 buah foto yang diambil, foto
GCPHBM -6.55409 106.8883 418.548
yang berhasil dikalibrasi adalah sejumlah 1.557
Base2 -6.55387 106.8885 419.367 buah (97%). Keypoint dari tiap foto berjumlah rata-
GCPH6 -6.55626 106.8868 351.04 rata 56.781 titik, optimasi kamera adalah 3,55%
GCPH13 -6.55328 106.8866 402.715 dari perbedaan antara setting parameter awal
GCPH16 -6.5544 106.8877 404.123 dengan hasil optimasi. Hasil penyamaan dari tiap
foto rata-rata dihasilkan 8.601,9 kesamaan. Dengan
183
Jurnal Teknik Hidraulik, Vol.7 No.2, Desember 2016: 179-194
diberikan nilai hasil dari GCP, maka terdapat rata- keypoint. Dalam pelaksanaan proses koreksi
rata RMS error sebesar 3,47 m. tersebut, foto akan di bagi menjadi beberapa blok
Pada Gambar 5 ditampilkan jalur terbang foto dan setelah itu dilaksanakan proses
drone dan titik-titik pengambilan foto. Gambar 5a perhitungan keypoint baik untuk 3D maupun 2D.
menampilkan posisi awal foto beserta jalur Jumlah keypoint yang dihasilkan dapat dilihat pada
terbangnya, sedangkan Gambar 5b Tabel 2.
memperlihatkan titik-titik setelah terkoreksi. Pada Dari perhitungan keypoint tersebut didapatkan
Gambar 5b di bagian atas kanan terdapat titik-titik rerata kesalahan reproyeksi sebesar 0,21 piksel.
merah yang menggambarkan foto-foto yang tidak Berdasarkan kesalahan reproyeksi tersebut maka
terjahit dan tidak bisa terkoreksi oleh GCP. Hal ini perlu dioptimasi ulang parameter kamera drone.
mungkin disebabkan kluster foto yang relaif jauh Parameter-parameter yang disesuaikan antara lain
atau tie point yang tidak terkalkulasi. Gambar 5c parameter focal, parameter principal, dan
memperlihatkan kondisi tampalan foto. Warna parameter lainnya sebagaimana terlihat pada
hijau menandakan tampalan foto yang berjumlah Tabel 3.
lima atau lebih, sedangkan warna merah Dari proses analisis keypoint didapatkan juga
menandakan hanya terdapat satu tampalan foto. data statistik hasil perhitungan keypoint yang
Semakin banyak tampalan foto maka proses meliputi nilai: minimum, maksimum, rerata, dan
mosaik foto akan semakin akurat, dan koreksi GCP median. Hasil analisis statistik dapat dilihat pada
pun akan semakin baik. Tabel 4.
Proses koreksi dan mosaic foto memerlukan
titik-titik kesesuaian antar foto yang disebut
184
Teknologi Drone Untuk Pembuatan Peta Kontur...(Samuel J. Sutanto dan Banata W. Ridwan)
a b
Gambar 5 Jalur terbang drone (a); hasil kalkulasi GCP dan koreksinya (b); kondisi tampalan foto (c)
Tabel 3 Optimasi parameter kamera
Focal Principal Principal R1 R2 R3 T1 T2
Values
Optimized 3.551 [mm]
2384,092 [pixel] 3.085 [mm]
1976,615 [pixel] 2.314 [mm]
1472,957 [pixel] -0,137 0,120 -0,017 -0,000 -0,000
185
Jurnal Teknik Hidraulik, Vol.7 No.2, Desember 2016: 179-194
Bagan kecocokan keypoint dapat dilihat pada kesalahan yang telah ditetapkan. Kesalahan ini
Gambar 6. Semakin hitam area maka kecocokan berbeda disaat awal dan setelah komputasi.
antar gambar semakin banyak yang menghasilkan Perhatikan bahwa kesalahan lokasi tidak
mosaik yang semakin akurat. Pada daerah kanan berhubungan dengan akurasi titik 3D yang di
atas Gambar 6 terlihat bahwa foto tidak bisa amati. Dari Tabel 6 di atas, didapatkan hasil
terkoreksi sehingga keypoint tidak bisa ditemukan. translasi atau pergeseran dari posisi dan
Setelah proses perhitungan keypoint dan ketinggian. Bias yang terjadi dapat dilihat pada
koreksi parameter foto, maka dilanjutkan dengan Tabel 7.
koreksi posisi atau koreksi geometri menggunakan Pada perhitungan selanjutnya didapatkan
GCP. Hasil input GCP dan kalkulasinya, nama GCP, persentase gambar yang telah terkoreksi secara
akurasi dan kesalahan posisi, ketinggian dan posisi dan terkalibrasi dengan kesalahan posisi
proyeksi dijabarkan dengan detail pada Tabel 5. relative antara -1 dan 1, -2 dan 2, dan -3 dan 3.
Pada Tabel 5 tersebut juga di informasikan Persentase yang tinggi dengan kesalahan lokasi
banyaknya verifikasi foto untuk tiap GCP. relatif lebih rendah dari -3 atau lebih tinggi dari 3
Dari hasil perhitungan GCP didapatkan mengindikasikan nilai yang salah dari akurasi GCP
perhitungan statistik seperti varians dan lokasi yang telah diberikan. Detail perhitungan dapat
absolut. Detail perhitungan statistik tersebut dapat dilihat pada Tabel 8.
dilihat pada Tabel 6. Kesalahan minimun dan Orientasi foto perlu juga dilakukan
kesalahan maksimum merepresentasikan interval penyesuaian. Orientasi ini meliputi arah dan sudut
kesalahan lokasi antara 1,5 dan 1,5 kali dari depan belakang, kiri kanan, dan menyamping.
akurasi maksimal semua foto. Kolom X, Y, dan Z Derajat kesalahan orientasi foto dapat dilihat pada
menampilkan persentase dari foto yang Tabel 9.
mempunyai kesalahan lokasi didalam interval
186
Teknologi Drone Untuk Pembuatan Peta Kontur...(Samuel J. Sutanto dan Banata W. Ridwan)
187
Jurnal Teknik Hidraulik, Vol.7 No.2, Desember 2016: 179-194
188
Teknologi Drone Untuk Pembuatan Peta Kontur...(Samuel J. Sutanto dan Banata W. Ridwan)
a b
Gambar 8 Gambar permukaan tanah hasil klasifikasi point cloud (a), dan kenampakan obyek hasil klasifikasi
point cloud (b)
Data point cloud pada Gambar 7 di atas masih mengklasifikasikan antara permukaan dan obyek
belum terklasifikasikan dan masih belum dapat dengan tepat 100%. Pengenalan obyek apalagi
dibedakan mana obyek dan mana bare land atau untuk data dari foto dengan menggunakan UAV
permukaan tanah. Langkah selanjutnya yaitu sangat berbeda dengan sensor aktif LIDAR,
melakukan klasifikasi point cloud. Klasifikasi ini sehingga teknik perekaman perlu dilakukan
menghitung minimum lebar obyek, maksimal lebar dengan ketinggian serendah mungkin, sensor foto
obyek, dan minimum ketinggian obyek sampai beresolusi tinggi, serta perekaman beberapa kali
point tersebut dikategorikan sebagai sebuah dengan sudut yang berbeda dan tampalan (sidelap
obyek, bukan permukaan tanah. Hasil dari dan overlap) yang tinggi untuk mendapatkan data
klasifikasi berupa permukaan tanah dan obyek yang berkualitas tinggi.
yang dapat dilihat pada Gambar 8. Gambar 9 menujukkan gambar mesh atau data
Gambar 8a adalah point cloud yang point cloud yang telah diberikan “face” atau telah
merepresentasikan bare land atau permukaan dibuat ulang, sehingga membentuk kenampakan
tanah, yang berarti data point gedung/bangunan 3D yang lebih realistis.
dan vegetasi yang telah dihilangkan. Sebaliknya, Dari kenampakan mesh ini akan terlihat jika
Gambar 8b menampilkan kelas obyek, yaitu masih terdapat data yang kurang. Hal ini dicirikan
gambar yang menampilkan bentuk bangunan dan dengan bentuk bangun yang masih aneh, belum
vegetasi. realitstis, atau terdistorsi. Jika kenampakan
Proses klasifikasi secara otomatis dengan terdistorsi masih ditemukan bisa dilakukan
menggunakan software tidak serta merta
189
Jurnal Teknik Hidraulik, Vol.7 No.2, Desember 2016: 179-194
perekaman lagi jika memang dibutuhkan untuk DSM merupakan model 3D wilayah P3SON
memperbaiki data. Hambalang yang menggambarkan semua obyek
c. Hasil akhir analisis dan permukaan tanah dalam 3 dimensi. DSM
didapatkan dengan melakukan interpolasi data
Hasil analisis data berupa peta DSM, DTM, dan point cloud untuk menjadi data raster yang berisi
Kontur yang merupakan langkah terakhir dalam piksel-piksel yang mempunyai data posisi (X, Y)
pemprosesan data drone. Pada Tabel 12 terlihat dan data ketinggian (Z). Hasil render DSM dapat
detail spesifikasi seting dan waktu pemprosesan dilihat pada Gambar 10. Bangunan dan vegetasi
dari produk akhir data. masih nampak tergambar pada Gambar 10. Warna
Sebagaimana terlihat pada Tabel 12, resolusi merepresentasikan ketinggian. Hubungan skala
ortofoto yang didapatkan adalah sebesar 5,37 cm. dan ketinggian dapat dilihat pada legenda di
Metode yang digunakan untuk menghasilkan DSM sebelah kiri gambar.
adalah metode Inverse Distance Weighting dan
filtering data untuk mendapatkan efek halus.
Gambar 10 Peta DSM hasil analisis yang masih terdapat bangunan dan tumbuhan
190
Teknologi Drone Untuk Pembuatan Peta Kontur...(Samuel J. Sutanto dan Banata W. Ridwan)
Gambar 11 Peta DTM hasil analisis yang sudah tidak terdapat bangunan dan tanaman
Garis
Kontur
191
Jurnal Teknik Hidraulik, Vol.7 No.2, Desember 2016: 179-194
DTM merupakan model 3D permukaan tanah dengan metode konvensional seperti dengan
atau bare land yang dihasilkan dari interpolasi data menggunakan teodolit atau GPS Geodetik
point cloud yang telah terklasifikasi. Data ini sekalipun. Jika tidak hujan pada siang hingga sore
menghasilkan model kenampakan permukaan hari, maka pengambilan foto dengan drone pada
tanah tanpa adanya penutup lahan yang ada, area seluas ±26,27 Ha hanya memerlukan waktu 1
misalnya bangunan, vegetasi, dan lain-lain. Hasil hari. Pengolahan data itu sendiri dari foto hingga
DTM dapat dilihat pada Gambar 11. Pada gambar menjadi kontur memakan waktu selama 3-4 hari,
11 tersebut terlihat bangunan dan vegetasi telah sehingga dalam waktu total 4-5 hari dapat
terpotong dan data telah diinterpolasi menjadi dihasilkan kontur dengan resolusi 5 cm dengan
datar. area seluas ±26,27 Ha. Jika pengukuran dilakukan
Dari hasil DTM tersebut, data yang diperoleh dengan metode terestrial untuk mendapatkan
dapat diolah lebih lanjut menjadi data kontur yang kontur dengan interval 5-10 cm, maka waktu yang
dapat digunakan sebagai input untuk perhitungan diperlukan bisa mencapai 3 bulan bahkan lebih.
dan disain pada kawasan P3SON. Dengan resolusi Dari segi biaya, tentu saja pengukuran
data yang didapatkan bisa dihasilkan data kontur topografi dengan menggunakan drone akan jauh
dengan interval maksimum 5 cm. Data dengan lebih murah dibandingkan dengan menggunakan
resolusi lebih rendah bisa didapatkan dengan LIDAR atau TLS. Harga dari alat LIDAR itu sendiri
interpolasi misal 1 m, 2 m, maupun 3 m. Contoh lebih mahal dibandingkan dengan harga kamera
data kontur dengan interval 1 m dapat dilihat pada poket yang digunakan dalam teknik fotogrametri.
Gambar 12. Hasil yang ditampilkan berupa kontur Keakuratan hasil pengukuran fotogrametri dan
1 m karena jika kontur 5 cm ditampilkan, maka Lidarpun tidak berbeda jauh jika dibandingkan
gambar yang terlihat hanya berupa lembaran peta dengan pengukuran dengan menggunakan GPS
berwarna kuning krem. Geodetik. Rock, dkk. (2011) membandingkan hasil
Hasil lain yang tak kalah penting yaitu pengukuran DEM dengan menggunakan LIDAR,
Orthomosaic. Orthomosaic adalah peta teknik fotogrametri, dan GPS Geodetik. Dari hasil
penampakan dua dimensi wilayah perekaman, studi tersebut disimpulkan bahwa teknik
dimana peta ini mengandung data yang berisikan fotogrametri dengan menggunakan drone akan
informasi X, Y, dan Informasi warna untuk tiap memberikan hasil setara dengan LIDAR jika drone
pikselnya. Data orthomosaic sangat berguna untuk tersebut tidak terbang terlalu tinggi. Semakin
analisis penggunaan/penutup lahan, juga untuk tinggi terbang drone, maka hasil yang didapat akan
pengukuran 2D lainnya (luas dan jarak). Data semakin rendah. Dalam studinya, Uysal, dkk.
orthomosaic didapatkan dari proses mosaic atau (2015) juga membandingkan ke akurasian DEM
penggabungan densified point cloud. Index hasil dari fotogrametri yang diambil dengan drone
merupakan salah satu output yang memungkinkan dan dengan RTK (Real Time Kinematik) GPS data.
hasil analisis data drone diolah lebih lanjut menjadi Dari hasil studi tersebut disimpukan bahwa
beberapa jenis informasi tambahan berbeda. Data keakurasian drone fotogrametri sebanding dengan
dari DSM diproses menjadi data reflectance, yaitu menggunakan RTK GPS.
nilai pantulan tiap piksel untuk tiap saluran RGB Semua proses pembuatan peta diatas
(Red, Green, Blue) atau InfraRed jika sensor dilakukan dengan menggunakan software
memungkinkan. Dari sini bisa dilakukan analisis Pix4Dmapper pro, dimana harga dari software
lebih lanjut dengan formula indeks yang ada tersebut sebesar ±$8.700. Karena Balai Litbang
seperti NDVI (vegetation index), NMDI (drought Sabo tidak mempunyai software tersebut, maka
index), dan lain-lain. Balai Litbang Sabo menyewa software tersebut
(±$350/bulan) untuk memproses hasil
pengukuran drone di beberapa lokasi. Dikarenakan
PEMBAHASAN
banyak kegiatan di Balai Litbang Sabo yang
Dari hasil pengukuran topografi yang diukur memerlukan data hasil pengukuran topografi,
oleh drone dengan menggunakan teknik maka mungkin akan lebih baik jika bisa diusulkan
fotogrametri didapatkan peta-peta DSM, DTM, dan untuk membeli software tersebut daripada
kontur dengan resolusi yang sangat tinggi, yaitu 5 menyewa setiap bulannya.
cm pada studi ini. Resolusi yang dihasilkan dari Dalam studi ini drone fotogrametri digunakan
teknik ini sangat tergantung dari berbagai faktor untuk membuat peta DEM atau kontur pada suatu
seperti tinggi terbang, cuaca, ukuran tampalan kawasan tanpa adanya sungai. Drone fotogrametri
antar foto, dan teknik pengolahan foto itu sendiri. juga dapat diaplikasikan untuk membuat peta DEM
Pada kajian ini proses mulai dari pengukuran pada area disekitar sungai (River bank), baik
hingga dihasilkan kontur sangatlah cepat (dengan sungai-sungai vulkanik maupun non vulkanik.
catatan tidak ada kendala teknik) dibandingkan Untuk sungai-sungai vulkanik, penggunakan drone
192
Teknologi Drone Untuk Pembuatan Peta Kontur...(Samuel J. Sutanto dan Banata W. Ridwan)
193
Jurnal Teknik Hidraulik, Vol.7 No.2, Desember 2016: 179-194
Ouédraogo M. M., Degré A., Debouche C., dan Lisein Sze L. T., Cheaw W. G., Ahmad Z. A., Ling C. A., Chet K.
J. 2014. The evaluation of unmanned aerial V., Lateh H., dan Bayuaji L. 2015. High
system-based photogrammetry and terrestrial resolution DEM generation using small drone
laser scanning to generate DEMs of agricultural for interferometry SAR, International
watersheds, geomorphology, 214, 339-355, conference on space science and
doi:10.1016/j.geomorph.2014.02.016. communication,
d’Oleire-Oltmanns S., Marzolff I., Peter K. D., dan Ries doi:10.1109/IconSpace.2015.7283801.
J. B. 2012. Unmanned aerial vehicle (UAV) for Turner D., Lucieer A., dan de Jong S. M. 2015. Time
monitoring soil erosion in Morocco, Remote series analysis of landslide dynamics using an
sens., 4, 3390-3416, doi:10.3390/rs4113390. unmmaned aerial vehicle (UAV), Remote sens.,
Rock G., Ries J. B., dan Udelhoven T. 2011. Sensitivity 7, 1736-1757, doi:10.3390/rs70201736.
analysis of UAV-photogrammetry for creating Uysal M., Toprak A. S., dan Polat N. 2015. DEM
digital elevation model (DEM), International generation with UAV photogrammetry and
archives of the photogrammetry, Remote accuracy analysis in Sahitler hill, Measurement,
sensing and spatial information sciences, Vol 73, 539-543,
XXXVIII-1/C22UAV-g2011, Conference on doi:10.1016/j.measurement.2015.06.010.
unmmaned aerial vehicle in geomatics, Zurich,
Switzerland.
Rossi G., Nocentini M., Lombardi L., Vannocci P., UCAPAN TERIMA KASIH
Tanteri L., Dotta G., Bicocchi G., Scaduto G.,
Pada kesempatan ini penulis
Salvatici T., Tofani, V., Moretti S., dan Casagli
mengucapkan terima kasih kepada Syarif
N. 2016. Integration of multicopter drone
measurements and ground-based data for Hidayatuloh Puskim atas bantuannya dalam
landslide monitoring, Landslide and pengambilan data dengan drone, dan juga kepada
engineered slopes. Experience, theory and Indragiri K.M.S. Budiharso dan Wahyu Kurniawan
practice, Rome, Italy, ISBN 978-1-138-02988-0. atas bantuannya dalam pengukuran GCP. Penulis
juga mengucapkan terima kasih kepada para
reviewers atas masukkannya demi terciptanya
makalah yang lebih baik.
194