PEMANFAATAN LIDAR UNTUK

PENINGKATAN KUALITAS DATA KADASTER

Oleh:

Vitriani
Kepala Sub Direktorat Pemetaan dan Pengelolaan Data Dasar
Direktorat Jenderal Survei Pemetaan Pertanahan dan Ruang

SAMARINDA, 30 JANUARI 2024 1

 KEBIJAKAN PEMETAAN DALAM RANGKA PENINGKATAN KUALITAS
DATA KADASTER
 PTSL terintegrasi (Fotogrametris, pentingnya akurasi, peningkatan kualitas data, output DTM dan tapak
bangunan)
 Peningkatan Kapasitas SDM
 Pemanfaatan Teknologi LIDAR untuk akusisi Data
 Pengembangan AI
 Pemetaan dan Pemodelan 100 Kota Lengkap - Digital Twin

2
 PEMANFAATAN LIDAR

 Light Detection and Ranging yang selanjutnya disingkat LIDAR, adalah metode penginderaan jauh yang menggunakan Light Amplification by Stimulated
Emission of Radiation (LASER) yang dapat mengukur jarak terhadap objek dengan memancarkan pulsa LASER dan mengukur perbedaan waktu antara
pancaran pulsa laser dan penerimaan kembali pulsa refleksi (interval).
 Terdapat 3 komponen utama dalam sistem LiDAR, yaitu Sensor LiDAR, DGPS (Differential Global Positioning System), dan IMU (Inertial Measuring
Unit
 Interval waktu yang tercatat untuk setiap pantulan dikonversi menjadi jarak, yang kemudian dikombinasikan dengan informasi posisi dan informasi dari
GNSS receiver, IMU dan instrumen LIDAR itu sendiri yang memungkinan untuk menghitung lokasi titik 3D dari objek.
 Nilai itensitas LiDAR merupakan kekuatan dari gema backscattered pada objek dipermukaan bumi untuk setiap titik/materi terukur yang dipancarkan
oleh sensor
 Digunakan untuk mendapatkan data yang sangat detail tentang bentuk permukaan bumi, topografi, dan objek di permukaan tanah
 Data yang diperoleh dapat digunakan untuk membuat model 3D melalui ekstraksi point clouds yang merepresentasikan permukaan objek dan
topografi.

 Perbandingan Output

3
 CONTOH PEMANFAATAN LIDAR

 Pemetaan identifikasi titik batas bidang tanah menggunakan LiDAR, foto udara, dan UAV

• Pemasangan Patok • Validasi terhadap peta

Batas menggunakan Foto : titik batas di
media Aluminium Foil area tebuka terlihat,
• Dilakukan Klasifikasi tetapi di area tertutup
nilai intensitas dari vegetasi tdk terlihat
point cloud Lidar;
• Dilakukan Validasi 4
terhadap peta Foto
• Perbandingan keunggulan Point Cloud dari LiDAR Vs image:
Point Cloud LiDAR Point Cloud Image
• Memiliki informasi intensitas (intensity) • Memiliki informasi RGB/Pewarnaan
• Shadow & spectral independencies • Menghasilkan very high dense points
• Menembus kanopi / vegetasi rapat • High temporal applicability
• Tidak terpengaruh relief displacement • Applicable untuk low cost mapping
• Multiple echoes

• Image-based point clouds memiliki

ketergantungan terhadap:
➢ Kualitas spectral/radiometric objek,
➢ bentuk,
➢ bayangan
➢ textureless areas
• Image-based point clouds memiliki
keterbatasan dalam mendeteksi obyek
yang terlalu tinggi (high peak objects)
PERLUNYA UPGRADING DATA KADASTER
Diperlukan data DTM
Bagaimana
supaya batas
persil memiliki
nilai Z tanpa
melakukan
pengukuran
lapangan?
 MEMBENTUK DTM DARI POINT CLOUD

Point Cloud adalah sekumpulan titik yang merepresentasikan bentuk permukaan objek yang dipindai, yang
menghasilkan koordinat 3D (X,Y, Z).

DTM 7
DSM (dari point clouds) Filtering/klasifikasi point clouds
Building Outlines (BO) Point clouds
Bisa dibentuk dari :

Orthophoto

OBIA method AI_deep learning

AI_deep
learning+DBSCAN
Density-based spatial clustering of
applications
 2 Ground Extraction Surface (DTM) & Building Foot Print

Source : esri.com/content

Building site detection Z value obtained without taking Extruded building footprint
to form 3D model LoD 1

Directorate General of Land and Spatial Survey and Mapping bhumi.atrbpn.go.id ditjensppr. atrbpn
 Digital Twin

PILOT PROJECT 3D LIDAR PHOTO MAPPING

Source : Journal Of Geodesy and Geomatic Geoid Vol. 17, No.2, 2022, (176-184)

• Tahun : 2023 Pilot Project Upgrading Data dasar 3D di Kota Bogor

menggunakan Foto, Lidar, Oblique dan Pemodelan 3D.

• Tahun 2024, Pemotretan dan Pemetaan 3D menggunakan Foto dan Lidar 3D

di 5 Kota Besar (Denpasar, Badung, Bandung, Surakarta dan Surabaya)
New Approach for LAND ADMINISTRATION
• Penyelesaian target 100 Kota/Kab dalam rangka kota/Kab lengkap dan 3D
kadaster DIGITAL TWIN
In 2025 we will start the digital twin project in 100 complete cities in Indonesia

Directorate General of Land and Spatial Survey and Mapping bhumi.atrbpn.go.id ditjensppr. atrbpn
 PILOT PROJECT BOGOR
UPGRADING DATA SPASIAL DASAR 3D

❑ Dalam kegiatan ini dilakukan uji coba akuisisi

pemetaan framework 3D dengan pemanfaatan
sensor LIDAR, Fotogrametri, dan Kamera Oblique
dengan wahana Pesawat Udara Nirawak (PUNA);
❑ Output dari kegiatan ini digunakan sebagai dasar
dalam peningkatan kualitas data spasial (upgrading
Peta Dasar Pertanahan) dan sebagai kerangka
dasar dalam kadaster 3 Dimensi;
❑ Lokasi Pemotretan seluas 11.324 Ha (Lidar dan
Foto), 5 Ha di Kawasan Bogor Icon (Oblique);
❑ Keberadaan Obyek Vital Nasional (Istana Bogor)
memerlukan perijinan yang lebih lama;
❑ Kajian Hasil Pilot Project Upgrading Data Dasar 11

3D dengan Perguruan Tinggi.

AKUISISI

❑ GCP : 21 titik, ICP: 39 titik

❑ Foto Udara : Pesawat VTOL (h = 400m) area Datar dan
Multi Rotor, (h= 150m) sidelap : 60%, Overlap 80%
❑ Lidar : h= 125m, Density: 50 pts/sqm dan 210 pts/sqm
❑ Oblique Spesifikasi Flight : Sudut Oblique 45 derajad, h: 90
relatif terhadap terrain, Flight Mode : Smart Oblique, Front
Overlap: 80%, Side Overlap : 70%

12
 HASIL AKUISISI FOTO UDARA
• Total keseluruhan frame foto yang diperoleh dari pemotretan ini adalah 55,165 frame foto udara, yang
merupakan gabungan antara sensor kamera Sony A7RIV maupun kamera internal Lidar AA450
• Untuk kawasan istana bogor yang tidak bisa dilakukan pemotretan udara maka dilakukan penambalan dengan
sumber citra satelit.

13
 HASIL AKUISISI DAN PENGOLAHAN LIDAR
Point cloud
Point cloud terklasifikasi
• Klasifikasi Point Cloud : Ground,
non Ground (Vegetasi+Bangunan)
• Klasifikasi menggunakan kombinasi
algoritma Random Forest berbasis
kecerdasan buatan (AI) dan Blue
Marble Geographic’s Hybrid Filtering,
• Data point clouds ground
kemudian digunakan untuk
pembentukan DTM

14
 HASIL PENGOLAHAN LIDAR
2. DTM dan DSM

(a) DTM (b) DSM

15
 PEMODELAN

Level of Detail (LoD) Model menurut OGC

❑ Pemodelan dilakukan para seluruh area akuisisi,

meliputi:
1) Ekstraksi footprint bangunan (LoD0)
2) Identifikasi tinggi bangunan (nDSM)
3) Extrude dari footprint bangunan terhadap
tinggi bangunan (LoD1)
4) Pembuatan model atap bangunan (LoD2)

16
 DETEKSI TAPAK BANGUNAN

❑ Deteksi Tapak Bangunan dilakukan dengan Proses

Segmentasi Point Cloud terklasifikasi Bangunan yang
diproses dari Filtering menggunakan algoritma Random
Forest berbasis kecerdasan buatan (AI) dan Blue Marble
Geographic’s Hybrid Filtering;
❑ Training area Berasal dari Digitasi Manual Bangunan
pada Peta Foto;
❑ Dilakukan proses Refinement terhadap obyek yang
missclasify

17
ALUR PEKERJAAN PEMBUATAN LOD 2

❑ Untuk Memperoleh LoD2,

Digital Surface model & dan
Digital Terrain Model diolah
dengan menggunakan rumus
DSM – DTM sehingga
memperoleh nDSM
(Normalized Digital Surface
Model)
❑ Ditentukan parameter
dalam pemodelan 3D misal
luas minimum detail
bangunan, area bangunan,
dan sudut kemiringan
maksimum atap bangunan.

18
 - =

DSM DTM nDSM

MODEL LOD 2

19
 PEMODELAN LOD3

◉ Lokasi : Bogor Icon Hotel & Convention (5Ha)

◉ Hasil foto oblique yang telah diakuisisi diproses
alignment agar hasil foto udara oblique memiliki
referensi yang sama dengan point cloud LiDAR;
◉ Hasil 3D model (LoD2) dilakukan proses
rendering terhadap foto udara oblique untuk
menghasilkan model 3D bangunan yang memiliki
tekstur

20
3D OBLIQUE LOD 3

21
HASIL PEMODELAN 3D LOD3 BOGOR ICON CIMANGGU

22
 UJI AKURASI
❑ Uji Akurasi Horizontal dilakukan terhadap Koordinat X,Y pada Peta Foto terhadap
Koordinat X,Y titik uji ICP (nilai CE90 =21.37 cm)
❑ Uji Akurasi Vertikal dilakukan terhadap ketinggian DTM dan Point Cloud terhadap nilai z titik
Uji ICP (nilai LE90)

❑ DTM Point Cloud

❑ Uji Akurasi Model : Completeness (omission dan commission), ketepatan bentuk geometri
(correctness), akurasi geometri model, dan uji statistic terhadap geometri model.

23
KAJIAN PILOT PROJECT UPGRADING DATA SPASIAL 3D

WHAT’S LEARN

 Perlunya dilakukan Uji Model 3D selain Uji akurasi vertical dan horizontal;
 DTM dari point cloud Lidar mempunyai Tingkat akurasi vertical yang lebih baik dibandingkan dengan point cloud
dari FU baik tegak maupun oblique;
 Kombinasi antara Foto udara dan Lidar dianggap efektif untuk pemodelan 3D;
 Isue Big Data
 Interoperabilitas data;
 Tantangan dalam pemodelan: Pemanfaatan AI, Pemodelan bangunan, Pemodelan Atap;
 Peningkatan Kualitas data Bidang tanah (Reposisi dan Plotting Kw456) agar model 3D bangunan terlandingkan
dengan tepat pada persil yang sudah valid;

24
 WHAT’S NEXT

▪ Undang-Undang Pokok Agraria UUPA dan diperkuat dengan terbitnya UUCK (UU 11 Tahun 2020) serta Peraturan
Pemerintah Nomor 18 Tahun 2021 definisi Hak Atas Tanah tidak terbatas permukaan tanah saja, namun meliputi
ruang atas dan bawah permukaan bidang tanah, selanjutnya perlu diformulasikan standar yang baku dalam
pemetaan dan pendaftaran RAT RBT;
▪ Diperlukan Platform dan Sistem Manajemen Basis Data Pertanahan yang mengakomodir Kadaster 3D;
▪ Pemodelan memungkinkan terciptanya tema2 baru dalam pemetaan termasuk Analisa spasial untuk berbagai
keperluan;
▪ Pemodelan 3D Bangunan bisa menjadi informasi dalam penghitungan Potensi pajak daerah bagi Pemerintah Daerah
maupun pusat, termasuk penghitungan pembiayaan perbankan. Dari model yang akurat bisa diperkirakan dimensi
bangunan (luas, dan jumlah lantai);
▪ Peningkatan capacity building dan infrastruktur yang memadai untuk mempercepat penyediaan data geospasial 3D.

25
TERIMA KASIH

26

Melayani, Profesional, Terpercaya