Studi Kasus:
Kabupaten Rokan Hulu, Provinsi Riau
Oleh :
RAHYU RAHMAYUDIN
(051112008)
Diketahui oleh,
Ketua
Program Studi Teknik Geodesi
Fakultas Teknik Universitas Pakuan
i
KATA PENGANTAR
ii
9. Bapak Didis Halaludin (Alm.) dan Ibu Sri Wulan selaku orangtua yang selalu
memanjatkan do’a, kasih sayang dan semangat untuk penyusun serta bantuan
baik moril maupun materil yang sangat berharga.
10. Eka Stefani Saputri, Tria Sartika dan Hekti Kemalahayati serta keluarga yang
selalu memberikan do’a, motivasi dan semangat untuk penyusun.
11. Riyan Nonika, Yuridho Agni Kusuma, Rando Wylliyanto P.D, M. Ikwan
Nahdudin, Jaka Kurnia Saputra, M. Haidar Abdillah, Rian Stadyanto serta
seluruh saudara/i Himpunan Mahasiswa Geodesi angkatan 2012 yang selalu
memberikan semangat dan tawa untuk penyusun.
12. Sahabat dan teman-teman yang selalu memberikan dukungan untuk
penyusun.
13. Saudara, kakak dan adik-adik tingkat Himpunan Mahasiswa Geodesi yang
telah memberikan bantuan dan dukungannya.
14. Serta pihak-pihak yang tidak bisa disebutkan satu persatu yang telah
membantu kegiatan Tugas Akhir.
Semoga Allah SWT memberikan pahala dan balasan yang berlipat ganda
untuk semuanya. Penyusun menyadari dalam penyajian laporan ini belum
sempurna, saran yang bersifat membangun dari berbagai pihak akan dapat lebih
menyempurnakan penulisan ini.
Akhir kata hanya kepada Allah SWT penyusun berharap dan berserah,
semoga laporan Tugas Akhir ini dapat bermanfaat dan berguna bagi semua pihak.
Penulis
iii
DAFTAR ISI
LEMBAR PENGESAHAN....................................................................................i
KATA PENGANTAR............................................................................................ii
DAFTAR ISI..........................................................................................................iv
DAFTAR GAMBAR............................................................................................vii
DAFTAR TABEL...............................................................................................viii
BAB I PENDAHULUAN.......................................................................................1
1.1 Latar Belakang..........................................................................................1
1.2 Perumusan Masalah...................................................................................2
1.3 Tujuan Penelitian.......................................................................................2
1.4 Manfaat Penelitian.....................................................................................2
1.5 Batasan Masalah........................................................................................2
1.6 Metodologi Penelitian...............................................................................4
1.6.1 Persiapan............................................................................................4
1.6.2 Tahapan Pengumpulan Data..............................................................5
1.6.3 Tahapan Pengolahan data...................................................................5
1.6.4 Tahapan Pembahasan.........................................................................5
1.6.5 Tahapan Pelaporan.............................................................................5
1.7 Lokasi dan Jadwal Penelitian....................................................................6
1.8 Sistematika Penulisan Laporan.................................................................6
BAB II TINJAUAN PUSTAKA............................................................................8
2.1 Penginderaan Jauh.....................................................................................8
2.2 Pengolahan Citra Digital.........................................................................10
2.2.1 Konsep Data Vektor dan Data Raster..............................................11
2.2.2 Konsep Resolusi...............................................................................13
2.3 Citra Satelit Resolusi Tinggi...................................................................15
2.4 Digital Elevation Model (DEM)..............................................................16
2.5 Kualitas Citra...........................................................................................17
2.5.1 Tutupan Awan dan Gangguan Kabut...............................................18
iv
2.5.2 Korelasi antar saluran.......................................................................18
2.5.3 Kesalahan Geometri.........................................................................19
2.5.4 Kesalahan Radiometri......................................................................20
2.6 Orthorektifikasi.......................................................................................20
2.6.1 Orthorektifikasi Primer....................................................................26
2.6.2 Orthosistematis.................................................................................26
2.7 Ground Control Point (GCP) dan Independent Check Point (ICP)........27
2.7.1 Ground Control Point (GCP)...........................................................27
2.7.2 Independent Check Point (ICP).......................................................28
2.8 Sistem Referensi Koordinat dan Proyeksi Peta.......................................29
2.8.1 Sistem Referensi Geodesi Indonesia (SRGI) 2013..........................29
2.8.2 Proyeksi Peta....................................................................................32
2.9 Ketelitian Peta Dasar...............................................................................35
2.9.1 Ketelitian Geometri Peta Dasar........................................................36
2.9.2 Standar Pengujian Peta Dasar Darat (RBI)......................................37
BAB III METODOLOGI PENELITIAN..........................................................39
3.1 Persiapan.................................................................................................39
3.1.1 Persiapan Alat..................................................................................39
3.1.2 Persiapan Data..................................................................................40
3.2 Pengolahan Data......................................................................................43
3.2.1 Assemble Tile..................................................................................43
3.2.2 Pansharpening (Fusi Citra)...............................................................45
3.2.3 GCP / TP Collection........................................................................46
3.2.4 Ortho Generation..............................................................................47
3.2.5 Uji Ketelitian....................................................................................48
BAB IV HASIL DAN PEMBAHASAN............................................................49
4.1 Assemble Tiles........................................................................................49
4.2 Pansharpening (Fusi Citra)......................................................................50
4.3 GCP/TP Collection..................................................................................51
4.4 Ortho Generation.....................................................................................54
4.5 Uji Ketelitian ICP Manual.......................................................................58
BAB V KESIMPULAN DAN SARAN...............................................................61
v
5.1 Kesimpulan...................................................................................................61
5.2 Saran............................................................................................................61
DAFTAR PUSTAKA...........................................................................................62
LAMPIRAN..........................................................................................................64
vi
DAFTAR GAMBAR
vii
Gambar 4.3 (A) citra Worldview2 (pankromatik) sebelum di Assamble tiles, (B)
citra (pankromatik) sesudah di Assamble tiles..............................50
Gambar 4.4 (A) citra Worldview2 sebelum di pansharp memiliki resolusi pixel
size 2 meter, (b) ) citra Worldview2 sesudah di pansharp memiliki
resolusi pixel size 0,5 meter...........................................................51
Gambar 4.5 Sebaran GCP pada citra Worldview2 dengan 11 titik..................52
Gambar 4.6 Sebaran GCP pada citra Worldview2 dengan 10 titik..................53
Gambar 4.7 Sebaran GCP pada citra Worldview2 dengan 9 titik....................53
Gambar 4.8 Sebaran GCP pada citra Worldview2 dengan 8 titik....................54
Gambar 4.9 (a) Foto Citra Worldview2 sebelum Orhorektifikasi, (b) Foto Citra
Worldview2 sesudah Orhorektifikasi............................................55
Gambar 4.10 (a) Objek Bukit yang terlihat rebah sebelum Orthorektifikasi, (b)
Objek Bukit yang terlihat terangkat/ timbul sesudah Orthorektifikasi
.......................................................................................................56
Gambar 4.11 (a) Perubahan relief citra sebelum Orthorektifikasi, (b) Perubahan
relief citra sesudah Orthorektifikasi...............................................57
viii
DAFTAR TABEL
ix
BAB I
PENDAHULUAN
1.1 Latar Belakang
Dalam upaya pemekaran dan pembangunan di berbagai wilayah di
Indonesia, tentu diperlukan ketersediaan peta skala besar. Badan Informasi
Geospasial merupakan lembaga pemerintahan yang bertugas untuk
menyediakan Informasi Geospasial di Indonesia, salah satu produk dari
Informasi Geospasial ini adalah Peta Rupabumi atau Peta Dasar yang
dijadikan sebagai acuan dalam keperluan pemetaan, baik untuk kepentingan
nasional maupun swasta.
Citra satelit Resolusi Tinggi (CSRT) merupakan salah satu alternatif dalam
percepatan kebutuhan pemetaan skala besar pada beberapa aplikasi pemetaan
seperti pemetaan RDTR dan penegasan batas administrasi melalui metode
kartometrik. CSRT pada perkembanganya telah mencapai pada piksel yang
semakin detil hingga 0.5 meter. Salah satu CSRT yang telah banyak
diaplikasikan oleh publik adalah citra satelit worldview 2 dengan resolusi
spasial 0.46m - 0.5 m. Resolusi tinggi tidak serta merta secara langsung dapat
digunakan karena masih terdapat berbagai distorsi geometrik baik yang
diakibatkan oleh sensor maupun distorsi dari kondisi topografi lokal (Toutin,
2004). Keperluan melakukan koreksi geometrik dengan pemenuhan terhadap
koreksi relief dan perspektif incidence angle inilah yang harus dilakukan
dalam sebuah prosedur yang dinamakan proses orthorektifikasi.
1
dengan Digital Elevation Model (DEM) IFSAR terhadap ketelitian objek Peta
pada Citra hasil Orthorektifikasi di Kabupaten Rokan Hulu, Provinsi Riau”.
2
Gambar 1.1 Kabupaten Rokan Hulu (Provinsi Riau) (Sumber : ArcGIS)
2. Citra Satelit Resolusi Tinggi yang digunakan dalam penelitian ini adalah
menggunakan 1 citra satelit, yaitu citra Worldview-2 (pengambilan citra
pada tahun 2014). Adapun spesifikasi dari citra satelit resolusi tinggi
Worldview-2 sebagai berikut:
a. Resolusi : 0.5 m pankromatik, multispektral 2 m
b. Band : pankromatik; 8 multispektral bands (Red, Green, Blue, Red
Edge, Coastal, Yellow dan 2 NIR)
c. Proyeksi : UTM, Lat/Long
d. Datum : WGS 84
e. Format : GeoTIFF, JPEG
f. Tanggal : November 2010 – sekarang (sumber : http://terra-
image.com)
3. DEM yang digunakan adalah Digital Surface Model (DSM) yang
bersumber dari :
3
a. IFSAR dengan spesifikasi: (sumber : http://terra-image.com)
1) Resolusi spasial : 5 meter (delivery 10 m)
2) Akurasi horisontal : ~ 2 m
3) Akurasi vertikal : 1 meter
4) Proyeksi : UTM / Latlong
5) Datum : WGS 84
6) Format : GeoTiFF, bil, dll
4. Data GCP yang dimiliki 11 titik.
5. Data ICP yang digunakan dalam uji akurasi adalah sebanyak 11 titik.
6. Dalam penelitian ini dilakukan 4 kali pengujian dengan rincian sebagai
berikut :
a. Pengolahan data dengan DEM IFSAR
1) Pengujian dengan 11 GCP
2) Pengujian dengan 10 GCP
3) Pengujian dengan 9 GCP
4) Pengujian dengan 8 GCP
Pemilihan parameter percobaan diatas memperhatikan area sebaran titik
GCP yang mewakili keseluruhan area citra, yaitu 11, 10, 9, dan 8.
7. Software yang digunakan dalam penelitian adalah sebagai berikut :
a. Software Pengolahan Citra : PCI Geomatica 2015
b. Software Uji Ketelitian : ArcGIS 10.5
c. Software Pendukung : Microsoft office (Word, Excel, Power Point)
1.6.1 Persiapan
4
1.6.2 Tahapan Pengumpulan Data
5
Gambar 1.2 Diagram Alir Penelitian
Bab I : Pendahuluan
6
Bab III : Pelaksanaan Pekerjaan
Daftar Pustaka
Lampiran
7
BAB II
TINJAUAN PUSTAKA
8
tenaga buatan biasa disebut pulsa. Penginderaan jauh yang
menggunakan tenaga matahari disebut dengan sistem pasif dan yang
menggunakan tenaga pulsa disebut sistem aktif. Sistem pasif dengan
cara merekam tenaga pantulan maupun pancaran. Dengan
menggunakan pulsa kelebihannya dapat digunakan untuk pengambilan
gambar pada malam hari.
2. Objek
Objek penginderaan jauh adalah semua benda yang ada
dipermukaan bumi, seperti gunung, tanah, air, vegetasi, dan hasil
budidaya manusia, kota, lahan pertanian, hutan atau benda-benda yang
di angkasa seperti awan.
3. Sensor
Sensor merupakan alat pemantau yang dipasang pada wahana, baik
pesawat maupun satelit. Prinsip perekaman oleh sensor dalam
pengambilan data melalui penginderaan jauh dilakukan berdasarkan
perbedaan daya reflektansi energy elektromagnetik masing-masing
objek di permukaan bumi. Daya reflektansi yang berbeda-beda oleh
sensor akan direkam dan didefinisikan sebagai objek yang berbeda
yang dipresentasikan dalam sebuah citra.
9
dilakukan analisa terhadap citra diperlukan kegiatan koreksi
radiometrik.
4. Wahana
Wahana merupakan media yang digunakan untuk membawa sensor
guna mendapatkan inderaja. Berdasarkan ketinggian peredaran dan
tempat pemantauannya di angkasa. Wahana dapat dibedakan menjadi
tiga kelompok, yaitu sebagai berikut:
a. Pesawat terbang rendah sampai menengah yang ketinggian
peredarannya antara 1.000 – 9.000 meter di atas permukaan bumi.
b. Pesawat terbang tinggi, yaitu pesawat yang ketinggian
peredarannya lebih dari 18.000 meter di atas permukaan bumi.
c. Satelit, wahana yang peredarannya antara 400 km – 900 km di luar
atmosfer bumi.
10
2.2.1 Konsep Data Vektor dan Data Raster
1. Data Vektor
Data vektor adalah data yang diperoleh dalam bentuk koordinat titik
yang menampilkan, menempatkan, dan menyimpan data spasial
dengan menggunakan titik, garis, atau area (polygon). Terdapat tiga
tipe bentuk data vektor, yaitu titik, garis, dan polygon/area yang bisa
digunakan untuk menampilkan informasi pada peta. Titik bisa
digunakan sebagai lokasi sebuah tempat atau posisi tertentu dalam
area. Garis bisa digunakan untuk menunjukkan route suatu perjalanan
atau menggambarkan batas suatu wilayah dan juga batas suatu
kawasan hutan atau area tertentu. Sedangkan polygon bisa digunakan
untuk menggambarkan sebuah danau atau sebuah luasan area yang
kemudia dapat di analisa luasan pada areal-areal tersebut.
Berikut adalah contoh dari data vektor:
2. Data Raster
Data raster adalah data yang disimpan dalam bentuk kotak segi empat
(grid) atau sel sehingga terbentuk suatu ruang yang teratur. Foto
digital seperti areal fotografi atau foto satelit merupakan bagian dari
data raster pada peta. Raster mewakili data grid continue. Nilainya
menggunakan gambar berwarna seperti fotografi, yang di tampilkan
dengan level merah, hijau, dan biru (RGB) pada proses analisis citra.
11
Pada data raster, objek geografis direpresentasikan sebagai struktur sel
grid yang disebut sebagai piksel (picture element). Resolusi (definisi
visual) tergantung pada ukuran pikselnya, semakin kecil ukuran
permukaan bumi yang direpresentasikan oleh sel, semakin tinggi
resolusinya. Data raster dihasilkan dari system penginderaan jauh dan
sangat baik untuk merepresentasikan batas-batas yang berubah secara
gradual seperti jenis tanah, kelembaban tanah, suhu, bentuk tutupan
lahan dan pengelolaan kawasan hutan. Peta raster adalah peta yang
diperoleh dari foto suatu areal, foto satelit, atau juga dari hasil scan
gambar peta, yang pada ilmu kehutanan sering disebut penginderaan
jauh. Berikut adalah contoh dari data raster:
12
Tabel 2.1 Perbandingan Data Vektor dan Data Raster
(https://geograph88.blogspot.com/)
Kelebihan Kelebihan
Kekurangan Kekurangan
13
2.2.2 Konsep Resolusi
Resolusi yaitu kemampuan suatu sistem optik-elektronik untuk
membedakan informasi yang secara spasial berdekatan atau secara
spektral mempunyai kemiripan (Swain dan Davis, 1978). Dalam
penginderaan jauh, dikenal konsep resolusi, yaitu resolusi spasial,
resolusi temporal, resolusi spektral, resolusi radiometrik, dan resolusi
layer.
1. Resolusi Spasial
Resolusi spasial adalah ukuran terkecil obyek yang masih dapat di
deteksi oleh suatu sistem pencitraan. Biasa dinyatakan dalam satuan
pixel (Picture element).
14
Gambar 2.4 Hasil Perbedaan Resolusi Spasial (Suwargana, 2013)
2. Resolusi Temporal
3. Resolusi Spektral
Resolusi spektral dari suatu sensor adalah kemampuan suatu sistem
optik untuk membedakan informasi obyek berdasarkan pantulan atau
pancaran spektralnya. Resolusi spektral juga dapat diartikan sebagai
dimensi dan jumlah daerah panjang gelombang sensitif terhadap
sensor. Resolusi spektral ini berkaitan langsung dengan kemampuan
sensor untuk dapat mengidentifikasi obyek.
15
Gambar 2.5 Resolusi Spektral
4. Resolusi Radiometrik
Resolusi radiometrik merupakan ukuran sensitivitas sensor untuk
membedakan aliran radiasi (radiation flux) yang dipantulkan atau
diemisikan suatu objek oleh permukaan bumi. Kemampuan sensor
ini secara langsung dikaitkan dengan kemampuan coding, yaitu
mengubah intensitas pantulan atau pancaran spektral menjadi angka
digital dan kemampuan ini dinyatakan dalam bit.
5. Resolusi Layar
Resolusi layar adalah kemampuan dari layar monitor komputer
sebagai alat display atau menyajikan produk penginderaan jauh
berupa citra. Semakin tinggi resolusi layarnya, maka display yang
ditampilkan juga akan semakin jelas dan tajam, sehingga dapat
mempermudah proses interpretasi visual.
16
1. Konprehensif, gambar/citra permukaan dengan ketajaman tinggi saat
memberikan gambaran keruangan yang menyeluruh dalam area yang sangat
luas.
2. Diperoleh dalam waktu relatif singkat.
3. Efisiensi, karena tidak memerlukan perijinan khusus, standar harga yang
sangat rasional dan berlaku internasional, dan pengolahan yang tidak banyak
membutuhkan waktu.
2.4 Digital Elevation Model (DEM)
Digital Elevation Model (DEM) merupakan bentuk penyajian ketinggian
permukaan bumi secara digital. Dilihat dari distribusi titik yang mewakili
bentuk permukaan bumi dapat dibedakan dalam bentuk teratur, semi teratur dan
acak. Bentuk data DEM adalah berupa titik (titik tinggi), garis (kontur) dan
penyiaman (lidar).
Dilihat dari sumber datanya, DEM dapat dikelompokkan sebagai berikut :
1. Foto Udara stereo
2. Citra satelit stereo
3. Data pengukuran lapangan : GPS, Theodolith, EDM, Total Station,
Echosounder
4. Peta topografi
5. Linier array image.
DEM juga dapat dibedakan berdasarkan modelnya, yaitu :
1. Digital Terrain Model (DTM)
DTM adalah singkatan dari Digital Terrain Model atau bentuk digital
dari terrain (permukaan tanah, tidak termasuk objek diatasnya) DTM
menampilkan data yang lebih lengkap dari DEM. DTM digambarkan
sebagai tiga representasi dimensi permukaan medan yang terdiri dari X,Y,Z
koordinat disimpan dalam bentuk digital yang tidak hanya mencakup
ketinggian dan elevasi unsur – unsur geografis lainnya dan fitur alami
seperti sungai, jalur punggungan, dan lain-lain. DTM secara efektif
merupakan DEM yang telah ditambah dengan unsur-unsur seperti
breaklines dan pengamatan selain data asli untuk mengoreksi artefak yang
dihasilkan dengan hanya menggunakan data asli.
17
2. Digital Surface Model (DSM)
Digital Surface Model (DSM) dapat diartikan sebagai model
permukaan digital. DSM juga merupakan model elevasi yang menampilkan
ketinggian permukaan, jika DTM hanya menampilkan ground (permukaan
tanah tanpa apapun yang diatasnya) maka DSM menampilkan bentuk
permukaan apapun yang ada seperti ketinggian pohon, bangunan dan objek
apapun yang ada diatas tanah.
Berikut merupakan gambaran ilustrasi perbandingan data DTM dan DSM
(Gambar 2.3).
Seluruh citra yang diperoleh melalui perekaman sensor tidak lepas dari
kesalahan, yang diakibatkan oleh mekanisme perekaman sensor, gerakan, wujud
geometri dan konfigurasi permukaan bumi, serta kondisi atmosfer pada saat
perekaman. Kesalahan yang terjadi pada proses pembentukan citra ini harus
dikoreksi agar aspek radiometri dan geometri citra tersebut dapat mendukung
dan menunjang sesuai dengan kebutuhannya. Baik buruknya suatu citra dapat
dilihat dari kualitas datanya.
Kualitas citra merupakan ukuran kualitatif (relatif) maupun kuantitatif
(absolut) suatu citra yang akan diproses dengan teknik penginderaan jauh agar
dapat menghasilkan informasi tematik-spasial turunan yang sesuai dengan
standar akurasi yang telah ditetapkan. Berikut ini merupakan beberapa
parameter kualitas citra, yaitu:
18
2.5.1 Tutupan Awan dan Gangguan Kabut
Satelit sumberdaya dikatakan baik atau memenuhi syarat apabila
luas liputan awannya kurang dari 10%. Semakin banyak luas liputan
awannya maka semakin banyak pula informasi permukaan bumi yang
hilang karena tutupan awan dan sekaligus bayangannya (Conway dan
Maryland Space Consortium, 1997).
19
Koefisien korelasi merupakan parameter yang sering digunakan
untuk menunjukkan kekuatan hubungan antar variabel. Bila koefisien
korelasinya tinggi, berarti kedua saluran memiliki kecenderungan yang
sama dalam merepresentasikan objek. Dengan kata lain, keduanya tidak
saling melengkapi. Oleh karena itu, semakin tinggi korelasi antar saluran,
semakin buruk kualitas citra untuk keperluan analisis multispektral.
20
Gambar 2.8 Kesalahan Geometri Citra Dan Penyebabnya
(Sumber : Arnoff, 2005)
2.5.4 Kesalahan Radiometri
Inkonsistensi detektor dalam menangkap informasi juga
menghasilkan kesalahan berupa anomali nilai piksel. Piksel ini menjadi
bernilai jauh lebih tinggi atau lebih rendah dari yang seharusnya.
Gangguan sinyal pada citra dapat berupa kosongnya nilai piksel
pada suatu (atau beberapa) baris pemindaian atau kolom tertentu
sehingga piksel-piksel tersebut bernilai 0 (nol). Gangguan lain adalah
anomali nilai piksel secara individual sehingga tidak merepresentasikan
informasi spektral yang seharusnya. Gangguan-gangguan sinyal
semacam ini pada umumnya disebabkan oleh tidak berfungsinya detektor
pada suatu periode tertentu.
Faktor eksternal sensor yang juga memegang peran penting adalah
adanya pengaruh atmosfer. Partikel-partikel dalam atmosfer yang
kadang-kadang menyerap radiasi pantulan atau pancaran objek, namun
dilain pihak kadang-kadang pula menghamburkannya, telah mengubah
informasi spektral yang mencapai sensor. Semua kesalahan, baik yang
telah dapat diperkirakan magnitude-nya maupun yang belum harus
dikoreksi untuk menghasilkan citra dengan informasi spektral yang
mendekati kebenaran. Kesalahan radiometri yang besar, terutama yang
merupakan kesalahan sistematik biasanya telah dikoreksi oleh stasiun
penerimanya.
2.6 Orthorektifikasi
Orthorektifikasi merupakan suatu proses menghilangkan distorsi pada citra
satelit pengaruh dari kondisi medan serta posisi sensor kamera pada saat akuisisi
pengambilan gambar. Proses ini dilakukan dengan cara memodelkan sifat dan
besarnya distorsi geometris dari citra satelit. Kondisi topografi yang beragam di
permukaan bumi serta kemiringan sensor satelit (angle) mempengaruhi jarak
serta ukuran suatu obyek yang akan ditampilkan pada citra satelit. Dengan
kondisi topografi yang naik turun dan bergelombang serta sudut kemiringan
sensor satelit yang tinggi merupakan aspek vertikal pada proses orthorektifikasi
21
juga dibutuhkan perbaikan dengan bantuan data permodelan Digital Elevation
Model (DEM). Orthorektifikasi juga biasanya diperlukan untuk menggabungkan
scene citra satelit dengan scene citra satelit yang berbeda waktu akuisisi
pengambilan gambarnya (pemotretan), sehingga saling sinkron (menyambung)
ketika layer saling overlay.
Orthorektifikasi diperlukan untuk membangun sistem informasi geografis
dan melakukan pemodelan spasial, meletakkan lokasi pengambilan training area
sebelum melakukan klasifikasi, membuat peta dengan skala yang lebih teliti,
melakukan overlay citra dengan data spasial lainnya, membandingkan citra
dengan data spasial lainnya yang mempunyai skala berbeda, membuat mozaik
citra, melakukan analisis yang memerlukan lokasi geografis dengan presisi yang
tepat.
Citra satelit resolusi tinggi lebih tepat dan akurat sehingga untuk
mendukung hal tersebut perlu adanya koreksi geomtri lebih lanjut dengan
menggunakan Model Matematik Orthorektifikasi Citra Satelit. Untuk
meminimalisir kesalahan geometrik (pergeseran nilai koordinat) akibat sudut
perekaman. Untuk itu, digunakan data tambahan menggunakan data DEM
(Digital Elevation Model) dan GCP (Ground Control Point) sehingga memenuhi
akurasi absolut dan relatif sesuai spesifikasi (Dodi Sukmayadi, 2014).
Perekaman sensor miring dan perbedaan ketinggian berbagai obyek di
permukaan bumi menyebabkan adanya kesalahan citra yang disebut relief
displacement. Relief displacement sendiri dapat didefinisikan sebagai pergeseran
posisi obyek dari tempat seharusnya, yang disebabkan oleh ketinggian obyek
dan kemiringan sensor citra, ilustrasi dari relief displacement dapat dilihat pada
Gambar 2.8 sebagai berikut:
22
Gambar 2.9 Relief Diplacement (Sumber :PCI 2015)
23
detektor. Matriks transformasi pertama untuk mengoreksi aspect ratio
menjadi 1:1 yaitu:
M 1=
[ 0b a0 ].................................................................................(II.67)
Dengan a merupakan angka pembanding dari jarak satu pusat piksel ke
pusat piksel lainnya, dan b merupakan angka pembanding dari a yang
merupakan nilai antar pusat piksel oleh proses oversampling.
b. Koreksi Kemencengan
Besarnya sudut inklinasi sensor berbanding lurus dengan arah gerak
satelit diatas akuator, serta meningkat sejalan dengan bertambah
besarnya lintang, baik utara maupun selatan. Sudut kemencengan θ
pada lintang tertentu L dalam derajat dinyatakan sebagai:
−1
θ=90 cos ¿................................................................................(II.68)
Dimana θ E adalah arah gerak satelit diatas ekuator. Dengan masing-
masing menganggap bahwa sudut θ pada sistem koordinat citra dapat
dirotasi sebesar θ berlawanan arah jarum jam, maka baris-baris
pemindaian (scan lines) dapat diputar sedemikian sehingga berorientasi
arah barat-timur dengan menggunakan matriks berikut:
[ ]
M 2= cos( θ) sin(θ) ............................................................(II.69)
−sin (θ) cos (θ)
Nilai posisi lintang L yang biasanya digunakan sebagai dasar penentuan
nilai θ merupakan nilai lintang dalam derajat pada pusat scene citra
yang akan dikoreksi. Karena posisi lintang satelit yang mengorbit selalu
berubah, begitu pula nilai lintangnya, maka nilai ini cukup destimasi
saja.
c. Koreksi Rotasi Bumi
Pada saat satelit mengorbit bumi dari arah utara ke selatan, satelit juga
secara kontinyu, melakukan perekaman dengan cara memindai
permukaan bumi yang ada dibawahnya. Pada saat yang bersamaan,
bumi berputar dari barat ke timur dengan kecepatan ‘perpindahan’
permukaan sebanding dengan posisi lintang tepat di posisi nadir satelit.
Untuk mengompensasi pergeseran ini maka diperlukan parameter
sebagai berikut:
1) Waktu yang diperlukan oleh sensor satelit untuk merekam citra
24
2) Kecepatan sudut rotasi bumi (ke arah timur)
ω E cos( L)
a sk = ............................................................................(II.71)
ω 0 cos(θ)
M 3=
[ 1 0
ask 1 ]
...............................................................................(II.72)
M =M 1. M 2. M 3 .......................................................................(II.73)
Tahap ini diterapkan pada citra digital mentah dan merupakan koreksi
kesalahan geometri sistematik.
2. Transformasi GCP
Koreksi geometri dengan menggunakan transformasi Ground Control
Point (GCP) disebut juga dengan koreksi geometri primer atau koreksi
25
geometrik empiris. Koreksi geometrik empiris memerlukan beberapa titik
kontrol (GCP). GCP adalah suatu lokasi pada permukaan bumi yang dapat
diidentifikasi pada citra dan sekaligus dikenali posisinya pada peta (Jansen,
2005).
26
langsung. Karena kecepatan dan kemudahan implementasi, metode tidak
langsung juga digunakan dalam algoritma orthorektifikasi yang disajikan.
2.6.2 Orthosistematis
27
geometrik sistematis adalah koreksi untuk memperbaiki kesalahan dari
Model Geometri Orbital.
Dengan semakin berkembangnya teknologi dan pengetahuan,
berbagai metode telah dikembangkan untuk mempermudah dan
mengefisienkan pekerjaan orthorektifikasi karena dilakukan tanpa
menggunakan titik kontrol tanah (GCP) dalam pengerjaannya.
Orthosistematis di Indonesia dikembangkan oleh Lembaga Penerbangan
dan Antariksa (LAPAN). Salah satu metode yang digunakan oleh
LAPAN dalam melakukan orthosistematik adalah dengan menggunakan
parameter Rational Polynomial Coefficient (RPC) dan Digital Elevation
Model (DEM) (Randy Prima & Kustiyo, 2017). Sama seperti pada
orthorektifikasi primer, secara umum tahapan pengerjaan dari
orthosistematis adalah sama, yang membedakan hanyalah pada saat
proses triangulasi udara tidak digunakan GCP.
2.7 Ground Control Point (GCP) dan Independent Check Point (ICP)
2.7.1 Ground Control Point (GCP)
Ground Control Point (GCP) atau titik kontrol tanah adalah proses
penandaan lokasi yang berkoordinat berupa sejumlah titik yang
diperlukan untuk kegiatan mengkoreksi data dan memperbaiki
keseluruhan citra yang akhirnya disebut sebagai proses rektifikasi.
Lokasi ideal saat pengambilan GCP adalah perempatan jalan, sudut jalan,
perpotongan jalan pedestrian, kawasan yang memiliki warna mencolok,
persimpangan rel dengan jalan dan benda atau monumen atau bangunan
yang mudah diidentifikasi atau dikenal. Perlu dihindari pohon, bangunan,
dan tiang listrik selain sulit diidentifikasi, karena kesamaanya yang
tinggi.
Pada saat melakukan GCP, terdapat 3 hal yang harus diperhatikan :
a. Tingkat akurasi, yang bergantung pada jenis perangkat GPS yang
digunakan.
b. Lokasi titik GCP, berkaitan dengan tempat pemilihan titik-titik
kontrol dilapangan pada daerah atau sudut yang mudah dikenali.
c. Jumlah dan geometri sebaran GCP
28
2.7.2 Independent Check Point (ICP)
ICP atau dalam bahasa Indonesia disebut sebagai titik uji akurasi, yaitu
titik-titik yang sudah teridentifikasi pada citra dan peta referensi tetapi
berlainan posisi dengan titik-titik kontrol tanah (Wibowo & Eko, 2010).
Syarat persebaran icp adalah objek yang digunakan sebagai titik uji harus
memiliki sebaran yang merata di seluruh area yang akan diuji. Jumlah
titik uji untuk mendapatkan ketelitian dengan tingkat kepercayaan 90%.
ICP digunakan untuk menguji hasil rektifikasi yang telah dilakukan
menggunakan GCP.
Syarat penentuan objek untuk titik kontrol (GCP maupun ICP) adalah
sebagai berikut:
a) Obyek yang dijadikan GCP harus dapat diidentifikasi secara jelas
dan akurat pada citra dalam resolusi tersebut
b) Obyek harus berada pada permukaan tanah
c) Obyek bukan merupakan bayangan
d) Obyek tidak memiliki pola yang sama
e) Obyek merupakan permanen dan diam serta diyakini tidak akan
mengalami perubahan atau pergeseran pada saat pengukuran GNSS
f) Bentuk obyek harus jelas dan tegas
g) Warna obyek harus kontras dengan warna disekitarnya
h) Terdapat akses menuju lokasi GCP
i) Bangunan dapat dipilih menjadi objek titik kontrol tanah dengan
syarat adalah sebagai berikut:
1) Tidak ada objek lain selain bangunan
2) Merupakan bangunan konkrit/bukan bangunan sementara
29
3) Bukan bangunan bertingkat, ketinggian bangunan maksimal 3
meter
4) Objek yang diukur merupakan sudut atap dan bukan sudut
tembok bagian dalam bangunan
30
1. SRGI 2013 Horizontal
SRGI 2013 Horizontal (Datum Horizontal) adalah sistem
referensi koordinat yang digunakan dalam penentuan posisi
horizontal, terdiri dari 4 komponen berikut :
31
2) Stasiun pengamatan geodetik periodik (JKHN, JKVN,
JKGN).
32
2. SRGI Datum Vertikal
SRGI 2013 Vertikal (Datum Vertikal) adalah sistem referensi
tinggi yang digunakan dalam penentuan posisi Vertikal, dengan
ketentuan sebagai berikut:
1. Datum Vertikal menggunakan Geoid Indonesia.
2. Geoid Indonesia diturunkan berdasarkan pengukuran gaya berat
(airborne gravity survey) yang terikat pada Jaring Kontrol Gaya
berat Nasional.
3. Dalam hal geoid belum tersedia secara memadai, maka dapat
digunakan permukaan laut rata-rata yang ditentukan berdasarkan
pengamatan pasang surut laut selama sekurang-kurangnya 18,6
tahun.
33
Sistem proyeksi yang digunakan di Indonesia adalah sistem proyeksi
Transverse Mercator (TM) dan sistem proyeksi Universal Transverse
Mercator (UTM).
1. Proyeksi Transverse Mercator
Proyeksi Tranverse Mercator adalah proyeksi yang memiliki
ciri-ciri silinder, tranversal, conform dan menyinggung. Pada
proyeksi ini secara geografis silindernya menyinggung bumi pada
sebuah meridian yang disebut meridian sentral. Pada meridian
sentral, faktor skala (k) adalah 1 (tidak terjadi distorsi). Perbesaran
sepanjang meridian akan semakin meningkat pada meridian yang
semakin jauh dari meridian sentral kearah timur maupun kearah
barat.
Perbesaran sepanjang paralel semakin akan meningkat pada
lingkaran paralel yang semakin mendekati equator. Dengan adanya
distorsi yang semakin membesar, maka perlu diusahakan untuk
memperkecil distorsi dengan membagi daerah dalam zone-zone yang
sempit (daerah pada muka bumi yang dibatasi oleh dua meridian).
Lebar zone proyeksi TM biasanya sebesar 3º. Setiap zone
mempunyai meridian sentral sendiri. Jadi seluruh permukaan bumi
tidak dipetakan dalam satu silinder. Selain itu, proyeksi Tranverse
Mercator ini cocok dipergunakan untuk topografi dan baik
digunakan untuk daerah yang membujur utara-selatan.
34
2. Proyeksi Universal Transverse Mercator
Proyeksi UTM ini hampir sama dengan proyeksi Transverse
Mercator, yakni sama-sama menggunakan bidang proyeksi silinder
dengan posisi sumbu tegak lurus dengan sumbu bumi dan baik untuk
menggambarkan daerah equator. Perbedaan UTM dengan
Transverse Mercator antara lain, dari persinggungannya proyeksi
UTM memotong bidang proyeksi (secantial), sehingga daerah kutub
utara maupun selatan tidak tergambarkan, garis proyeksi
meridiannya berupa garis lengkung yang menghadap ke meridian
tengah, garis proyeksi paralel berupa garis lengkung yang
menghadap kearah proyeksi kutub utara untuk yang berada di
belahan bumi utara dan menghadap ke proyeksi kutub selatan untuk
yang berada di bumi belahan selatan, dan semua koordinat geodetik
dihitung terhadap Meridian Greenwich sebagai bujur nol dan
terhadap lingkaran equator sebagai lintang nol.
UTM ini pada sebuah peta, yaitu terdapatnya garis lintang
(Latitude) dan garis bujur (Longitude). Keuntungan peta ini adalah
menggunakan sistem koordinat global (seluruh dunia), sehingga
apabila menggambarkan suatu daerah yang diketahui Latitude dan
Longitude-nya, maka apabila ingin menggabungkan satu peta
dengan peta yang lainnya tidak akan sulit.
Proyeksi UTM adalah proyeksi yang memiliki mercator yang
memiliki sifat-sifat khusus. Sifat-sifat khusus yang dimiliki oleh
proyeksi UTM adalah:
1. Proyeksi : Transvere Mercator dengan lebar zone 6°.
2. Sumbu pertama (ordinat / Y) : Meridian sentral dari tiap zone.
3. Sumbu kedua (absis / X) : Ekuator.
4. Satuan : Meter.
5. Absis Semu (T) : 500.000 meter pada Meridian sentral.
6. Ordinat Semu (U) : 0 meter di Ekuator untuk belahan bumi
bagian utara dan 10.000.000 meter di Ekuator untuk belahan
bumi bagian selatan.
35
7. Faktor skala : 0,9996 (pada Meridian sentral).
8. Penomoran zone : Dimulai dengan zone 1 dari 180° BB s/d 174°
BB,Tzone 2 dari 174° BB s/d 168° BB, dan seterusnya sampai
zone 60 yaitu dari 174° B s/d 180° BT.
9. Batas Lintang : 84° LU dan 80° LS dengan lebar lintang untuk
masing-masing zone adalah 8°, kecuali untuk bagian lintang X
yaitu 12°.
10. Penomoran bagian derajat lintang : Dimulai dari notasi C , D, E,
F sampai X (notasi huruf I dan O tidak digunakan).
36
Ketelitian Geometri adalah nilai yang menggambarkan ketidakpastian
koordinat posisi suatu objek pada peta dibandingkan dengan koordinat
posisi objek yang dianggap posisi sebenarnya. Komponen ketelitian
geometri terdiri atas:
a. Akurasi horizontal; dan
b. Akurasi vertikal.
2. Ketelitian atribut/semantik adalah nilai yang menggambarkan tingkat
kesesuaian atribut sebuah objek di peta dengan atribut sebenarnya.
4 1:100.000 40 30 20 60 30 90.0 40
5 1:50.000 20 15 10 30 15 45.0 20
7 1:10.000 4 3 2 6 3 9.0 4
37
kelas 1
Nilai ketelitian posisi dasar pada Tabel 2.4 adalah CE90 untuk
ketelitian horizontal dan LE90 untuk ketelitian tersebut dengan
tingkat kepercayaan 90%.
Nilai CE90 dan LE90 diperoleh dengan rumus sebagai berkut.
CE90 = 1.5175 x RMSEr
LE90 = 1.6499 x RMSEz
Keterangan :
RMSEr = Root Mean Square Error pada posisi X dan Y (horizontal)
√
2
RMSEhorizontal = D
n
RMSEhorizontal = √ Σ¿ ¿ ¿
RMSEvertikal = √ Σ¿ ¿ ¿
Keterangan :
38
Nilai CE90 dan LE90 kemudian dihitung berdasarkan rumus:
CE90 = 1.5175 x RMSEr
LE90 = 1.6499 x RMSEz
39
BAB III
METODOLOGI PELAKSANAAN
Pelaksanaan proses pengolahan data tugas akhir ini akan digambarkan pada
diagram alir sebagai berikut :
3.1 Persiapan
Dalam penelitian tugas akhir ini terlebih dahulu dilakukan persiapan, meliputi:
40
2. Software yang digunakan untuk proses orthorektifikasi citra dan uji
akurasi pada titik GCP/ICP adalah PCI Geomatica 2015.
3. Software pendukung untuk pengolahan orthorektifikasi citra adalah;
a. ArcGIS 10.5, digunakan untuk menganalisis hasil dari citra tegak,
b. Microsoft Excel 2016, digunakan untuk perhitungan analisis uji
akurasi ketelitian horizontal, dan
c. Microsoft Word 2016, digunakan untuk pembuatan laporan.
41
Gambar 3.2 Citra Worldview2 band Pankromatik
42
(Digital Surface Model) dari IFSAR. Adapun spesifikasi DEM IFSAR
itu sendiri adalah sebagai berikut:
a. Resolusi spasial : 5 meter (delivery 10m)
b. Akurasi horizontal : ~ 2m
c. Akurasi vertical : 1 meter
d. Proyeksi : UTM/Latlong
e. Datum : WGS 84
f. Format : GeoTIFF, bil, dan lain-lain
43
Koordinat ICP dalam penelitian ini digunakan sebagai titik uji
ketelitian citra hasil orthorektifikasi. Sama seperti pada koordinat
GCP, koordinat ICP ini didapatkan dari hasil pengamatan GPS
menggunakan metode relatif differensial dengan teknik radial.
Sebaran titik yang digunakan adalah sebanyak 11 titik. Deskripsi dan
posisi titik sama seperti pada koordinat GCP, dimana titik-titik
memiliki Area of Interest (AOI) yang sama dengan hasil digitasi pada
citra. Berikut ini merupakan daftar koordinat ICP hasil dari
pengukuran di lapangan.
Tabel 3.2 Koordinat titik GCP dan ICP
ID Latitude (Global) Longitude (Global) Elevation(Meter) KET
IPRP1 N0°52'26.26225" E100°19'09.77739" 55.559 ICP
IPRP2 N0°52'04.68757" E100°17'37.75887" 55.143 ICP
PRP1R N0°53'56.78400" E100°19'30.13578" 53.740 ICP
PRP2 N0°53'44.21219" E100°21'12.52385" 57.215 GCP
PRP3R N0°52'16.95490" E100°15'36.28117" 63.229 ICP
PRP4R N0°53'49.29800" E100°18'12.04428" 69.817 GCP
PRP5R N0°50'50.85144" E100°15'58.20684" 58.779 GCP
PRP6 N0°51'13.37412" E100°17'44.55722" 59.491 GCP
PRP7 N0°50'28.72402" E100°20'24.53423" 80.142 GCP
PRP8R N0°51'51.33828" E100°14'05.11003" 61.224 GCP
RH01 N0°51'05.16786" E100°18'25.09460" 86.044 ICP
RH02 N0°50'56.62558" E100°19'31.05124" 62.330 GCP
RH03 N0°51'31.51785" E100°20'52.70609" 70.113 ICP
RH04R N0°51'26.39927" E100°16'58.97089" 59.617 ICP
RH05R N0°53'08.25020" E100°17'55.59710" 55.153 ICP
RH06R N0°52'43.07139" E100°17'12.24549" 62.493 ICP
RH07 N0°52'06.21273" E100°18'27.50314" 61.538 ICP
RH08 N0°52'15.46801" E100°16'26.27545" 58.031 GCP
RH09R N0°54'38.25427" E100°19'50.90592" 47.778 GCP
RH10R N0°50'23.34925" E100°17'30.01318" 85.300 ICP
RH11 N0°49'31.86787" E100°15'31.13920" 70.423 GCP
RH12R N0°49'09.88222" E100°19'35.17429" 75.706 GCP
TBNDRA N0°50'42.43444" E100°22'03.50585" 66.042 BASE
44
3.2.1 Assemble Tile
Proses Assemble Tiles pada program PCI Geomatica 2015 berfungsi
untuk penggabungan Tile-tile citra Worldview2 yang sebelumnya terbagi
dari potongan-potongan citra sehingga membentuk satu page sesuai
dengan scene data citra. Proses assemble ini berkerja secara otomatis
melalui program PCI Geomatica 2015. Perhatikan kondisi data citra,
apabila pada citra terdapat tulisan “R*C*”, maka ikuti langkah ini,
namun apabila tidak terdapat tulisan tersebut di nama citra yang akan di
orthorektifikasi, maka lewati tahapan ini. Adanya tulisan “R*C*”
menandakan citra tersebut berukuran besar, sehingga untuk memudahkan
pengiriman data, citra tersebut di partisi. Maka dari itu, citra dengan
tulisan “R*C*” mengisyaratkan bahwa citra tersebut harus di gabung
terlebih dahulu dengan melakukan Assemble Tile. Adapun citra yang
digabung sebagai berikut : (14APR28041809-M2AS_R3C3-
054028754030_01_P001).
45
2. Tentukan number of row dan columns nya sesuai dengan data citra
yang akan digunakan
3. Tentukan sample filenya, dalam penelitian sample file yang
digunakan adalah sample dari raw data citra Worldview2 yang akan
di orthorektifikasi
4. Selanjutnya tentukan output filenamenya
5. Klik assamble untuk memulai penggabungan citra dari beberapa
potongannya
46
1. Pada menu tools, pilih menu Merge/pansharp multispectral image,
fusi citra dengan bantuan software ini berfungsi unutk
menggabungkan data yang didapatkan dari sumber yang berbeda.
Tujuannya adalah mendapatkan informasi dengan kualitas
gambar/citra yang lebih baik.
2. Input data citra multispektral dan data citra pankromatik, lalu simpan
file pemrosesan di perangkat sebagai output filename, selanjutnya
klik pansharp untuk proses penggabungan 2 data citra dengan
kualitas yang lebih baik.
47
Y. apabila nilai dari masing-masing residual tersebut sudah memenuhi
standar BIG, maka proses ini dapat di close.
1. Pilih file citra yang telah dilakukan penitikan di citra pada proses
sebelumnya.
2. Tentukan file output data sebelum di orthorektifikasi, disini output
yang dihasilkan ada 2 format file, yaitu .pix dan .tif
3. Masukkan data DEM (DSM) yang akan digunakan unutk proses
orthorektifikasi
4. Selanjutnya tentukan metode sampling, dalam proses ini
menggunakan metode Cubic. Dimana fungsi dari metode ini untuk
melakukan perataan dan menghaluskan/mempertajam hasil dari citra
orthorektifkasi. Kemudian untuk interval sampling, dimana semakin
48
kecil nilai interval sampling maka akan semakin baik citra yang
dihasilkan, namun memakan waktu proses yang sangat lama.
49
akan menghasilkan nilai RMSe dan akurasi horizontal 90% dari
perbandingan antara koordinat pengukuran GPS dengan koordinat peta
hasil ortho.
50
BAB IV
HASIL DAN PEMBAHASAN
Dalam Bab ini akan diterangkan mengenai hasil dari pekerjaan Othorektifikasi
citra pada PCI Geomatica 2015 yang dilakukan selama pelaksanaan Kerja Praktek.
Maksud dari pembahasan ini merupakan evaluasi dari hasil pekerjaan. Sedangkan
tujuannya adalah memahami proses dan hasil akhir pekerjaan.
51
(A) (B)
(A) (B)
Gambar 4.3 (A) citra Worldview2 (pankromatik) sebelum di Assamble tiles, (B) citra
(pankromatik) sesudah di Assamble tiles
52
(A) (B)
Gambar 4.4 (A) citra Worldview2 sebelum di pansharp memiliki resolusi pixel
size 2 meter, (b) ) citra Worldview2 sesudah di pansharp memiliki resolusi
pixel size 0,5 meter
Berikut adalah titik-titik yang penulis uji, dari beberapa pengujian titik GCP,
yaitu:
53
Gambar 4.5 Sebaran GCP pada citra Worldview2 dengan 11 titik
54
Gambar 4.7 Sebaran GCP pada citra Worldview2 dengan 9 titik
55
Model) dalam melakukan generate ortho image. Data DEM ini digunakan
sebagai data elevasi untuk memperbaiki atau mengeliminir pengaruh relief
displacement data citra akibat variasi terrain permukaan bumi. Berikut
merupakan hasil dari proses ortho generation:
(a) (b)
Gambar 4.9 (a) Foto Citra Worldview2 sebelum Orhorektifikasi, (b) Foto
Citra Worldview2 sesudah Orhorektifikasi
56
(a)
(b)
Gambar 4.10 (a) Objek Bukit yang terlihat rebah sebelum
Orthorektifikasi, (b) Objek Bukit yang terlihat terangkat/ timbul sesudah
Orthorektifikasi
57
2. Pergeseran posisi pixel citra
Pada proses Orthorektifikasi, terdapat rektifikasi yaitu suatu proses
melakukan transformasi data dari transformasi geometrik yang
menggunakan data DEM. Didalam proses transformasi tersebut terdapat
variabel pergeseran (Translasi). Perputaran (rotasi), Skala. Oleh karena
posisi pixel pada citra output tidak sama dengan posisi pixel input
(aslinya).
Bentuk relief pemukiman dikarenakan adanya data DEM dan
menyebabkan kunci interpretasi (rona atau warna, bentuk, tekstur, pola,
tinggi, bayangan).
(a)
(b)
58
Gambar 4.11 (a) Perubahan relief citra sebelum Orthorektifikasi,
(b) Perubahan relief citra sesudah Orthorektifikasi
4.5 Uji Ketelitian ICP Manual
Uji ketelitian ICP manual untuk mengetahui akurasi dari hasil Orthorektifikasi
citra. Hasil tersebut dapat dilihat dari nilai RMSE Error dan nilai akurasi
horizontal 90%. Nilai RMS Error menunjukkan ketelitian geometris hasil citra
setelah proses orthorektifikasi dilakukan.
Nilai RMS Error ICP bertujuan untuk melihat apakah suatu citra telah layak
digunakan untuk proses pengolahan selanjutnya ataupun belum. Sedangkan
nilai akurasi horizontal 90% digunakan untuk menentukan berapa skala
maksimal citra yang diperbolehkan dalam pembuatan peta tematik.
59
Tabel 4.3 Hasil Uji Ketelitian ICP 13 Titik
Tabel 4.1, 4.2, 4.3 dan 4.4 diatas dapat disimpulkan bahwa hasil uji ketelitian
ICP menghasilkan nilai RMSEr adalah 1.501 meter (11 ICP), 1.347 meter (12
ICP), 1.286 meter (13 ICP), dan 1.33 meter (14 ICP) dan nilai akurasi
horizontal dari masing-masing uji akurasi ICP adalah 2.278 meter (11 ICP),
2.043 meter (12 ICP), 1.951 meter (13 ICP), dan 2.018 meter (14 ICP).
60
Tabel 4.5 Hasil Uji Ketelitian Peta
Tabel 4.5 diatas dapat disimpulkan hasil uji akurasi horizontal 90% semua
pemodelan ICP, maka hasil tersebut masuk dalam ketelitian peta skala 1:5.000
pada kelas 2, yaitu 3 meter.
61
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Adapun beberapa hal yang bisa disimpulkan dari hasil orthorektifikasi adalah:
5.2 Saran
Saran yang dapat diberikan pada pelaksanaan Tugas Akhir ini adalah sebagai
berikut :
62
DAFTAR PUSTAKA
Abidin, H.Z., 2007, Penentuan Posisi Dengan GPS dan Aplikasinya. Jakarta:
Penerbitan PT Pradnya Paramita.
Davis, S. M. Dan Swain, P. H.. (1978). Remote Sensing: The Quantitative
Approach.____: McGraw-Hill International Book Company
Danoedoro. P. 2012. Pengantar Penginderaan Jauh Digital. Penerbit: Andi.
Yogyakarta
Gisda Aliska P. 2018. Orthorektifikasi Citra Satelit Resolusi Tinggi Menggunakan
Software Pixel Factory dengan Koordinat Orthosistematik di Wilayah Bangka.
Universitas Pakuan.Bogor
Jensen, J. R. 2005. Introductory Digital Image Processing – A Remote Sensing
Perspective. Englewood Cliffs, N.J.: Prentice Hall
Kiefer, Lillesand., 1993, Pengindraan Jauh dan Interpretasi Citra. Yogyakarta:
Universitas Gajah Mada Press, Cetakan 2.
Konecny, G., 2003, Geoinformation, Remote Sensing, Photogrammetry and
Geographic Information Systems, Taylor & Francis,London.
Lillesand, Thomas M, Kiefer, RW Chipman and Jonathan W., 2004. Penginderaan
Jauh dan Interpretasi Citra. Terjemahan. Yogyakarta : Gadjah Mada
University Press.
Mather, P.M. 2004. Computer Processing of Remotely Sensed Data : An
Introduction, 3th Edition. Brisbane: John Willey and Sons.
PCI Geomatics Enterprises Inc. (2015). Geomatica Training Guide-Geomatica
OrthoEngine Course Exercises. PCI Geomatics.
Peraturan Kepala Badan Informasi Geospasial., Nomor 6, 2018. Tentang Perubahan
Atas Peraturan Kepala Badan Informasi Geospasial Nomor 15, 2014. Tentang
Pedoman Teknis Ketelitian Peta Dasar. Bogor: Badan Informasi Geospasial.
Pramesti, L., 2017. Orthorektifikasi Citra Resolusi Tinggi Untuk Keperluan
Pemetaan Rencana Detail Tata Ruang. Program Studi Teknik Geodesi,
Universitas Pakuan Bogor.
Purwadhi S.H, Sanjoto TB., 2009. Pengantar Interpretasi Citra Pengindraan Jauh.
Lembaga penerbangan dan Antariksa Nasional (LAPAN), Universitas Negeri
Semarang.
63
Randy Prima Brahmantara, Kustiyo Pengukuran.2017. Kualitas Geometri Hasil
Orthorektifikasi Citra Worldview-2. Pusat Teknologi dan Data Penginderaan
Jauh-LAPAN
Sukmayadi, D. 2014. Citra Tegak Satelit Resolusi Tinggi Strategi Pemenuhan
Kebutuhan Survei dan Pemetaan Skala Besar Secara Cepat
<URL:http://www.bakosurtanal.go.id>.
Sutanto. 1987. Penginderaan jauh Jilid 2. Yogyakarta : Gadjah Mada University
Press.
Suwargana, N. 2013. Resolusi Spasial, Temporal Dan Spektral Pada Citra Satelit
Landsat, Spot Dan Ikonos. Jurnal Ilmiah Widya. 1(2) : 167-174
T. Toutin.2004. “Review paper: Geometric processing of remote sensing images:
Models, algorithms and methods” .Int. J. Remote Sensing., vol. 25, no. 10, pp.
1893-1924.
Wibowo, & Eko, P. (2010). Identifikasi Perubahan Tutupan Lahan Pulau Pagang,
Pulau Pramuka, Dan Pulau Karya Antara Tahun 2004 dan Tahun 2008.
Bandung: Institut Teknologi Bandung
64
LAMPIRAN
65
1. Lampiran Titik GCP
Keterangan
No. Titik Base Posisi Base
Lokasi
Titik
1 TBNDRA mudah
dikenali
N Titik Keterangan
Posisi titik pada Citra Posisi titik di lapangan
o GCP lokasi
Titik mudah
1 RHU8
dikenali
Titik mudah
2 PRP6
dikenali
66
Titik mudah
3 PRP8R
dikenali
Titik mudah
4 PRP4R
dikenali
Titik mudah
5 RHU3
dikenali
Titik mudah
6 RHU11
dikenali
Titik mudah
7 RHU9R
dikenali
67
Titik mudah
8 RHU12
dikenali
68
2. Lampiran Area of interest (AOI)
69
70
71
72
73
74
75
76
3. Lampiran Loghsheet
77
78
79
80
81
82
83
84
85