1

Analisis Penggabungan Data DEM SRTM 30 dengan Data Kontur RBI Menggunakan

Metode Integrasi Untuk Perbaikan Tingkat Akurasi DEM Arry Prasetya Nugraha

1) M.Awaluddin, ST., MT.

2) Bandi Sasmito, ST., MT.

3) Atriyon Julzarika, ST.

4)

1) Mahasiswa Teknik Geodesi Universitas Diponegoro, Semarang

2) Dosen Pembimbing I Teknik Geodesi Universitas Diponegoro, Semarang

3) Dosen Pembimbing II Teknik Geodesi Universitas Diponegoro, Semarang

4) Peneliti Lembaga Penerbangan dan Antaraiksa Nasional (LAPAN) Pusbangja, Jakarta

ABSTRACT

Digital Elevation Model (DEM) can be made based on SRTM (Shuttle Radar Topography Mission) and

topography map (RBI contour). This research used DEM SRTM 30 (DEM SRTM X Band) and RBI contour. Those

DEM have strength and weakness. DEM SRTM 30 has good accuracy and large area coverage, but low spatial

resolution (30 m). While RBI contour has detail information in the hilly land, but it has less information in the flat

area. On the other hand, the area coverage of RBI contour does not cover all of Indonesia region (1:25000).

Combining DEM SRTM 30 band to RBI contour map of Semarang Regency has done in this research.

First, both of data is merged by extraction of spot height in those data, then the spot height is combined based on

height error map. The results will be converted to DEM using the spherical kriging interpolation. DEM Integration

has been evaluated using visual assessment for investigating the detail information of DEM. Finally, the assessment

of vertical accuracy is done based on measurement of Geodetic Global Position Systems (GPS) and the spot height

of RBI.

The result shows that combined DEM has smoother pattern and higher accuracy than original DEM. It can

be proved where the spot height of combined DEM is closer to the spot height of RBI contour. As conclusion,

combining between DEM SRTM 30 and topography map can be used to improve DEM accuracy of topography map.

Keyword: DEM SRTM 30, RBI contour, DEM Integration, DEM accuracy.

PENDAHULUAN

Digital Elevation Model (DEM) merupakan

salah satu bentuk (model) representasi statistik

sederhana yang menggambarkan bentuk topografi

permukaan bumi yang dibentuk dari banyak titik

koordinat (x,y,z) sehingga dapat divisualisasikan

kedalam tampilan 3D (tiga dimensi). Sekarang ini

DEM telah banyak digunakan di bidang analisis dan

pemetaan. Manfaat dari DEM antara lain untuk

menganalisa kemiringan lereng, membuat DAS

(Daerah Aliran Sungai), menganalisa daerah genangan

banjir, dan masih banyak aplikasi lainya yang dapat

menggunakan data DEM (Trisakti at al (2011)) .

Masing-masing metode pembuatan DEM ini

mempunyai kelebihan dan kekurangan, antara lain:

metode pengukuran lapangan membutuhkan titik

pengukuran yang banyak dan menyebar untuk

menghasilkan suatu DEM yang baik, citra stereo

sensor optik mudah diproses untuk menghasilkan

DEM dengan akurasi tinggi tapi bermasalah dengan

tutupan awan, sedangkan citra stereo sensor radar

tidak terpengaruh dengan kondisi awan dan waktu

(siang atau malam) tapi mempunyai masalah temporal

decorrelation (citra yang digunakan mempunyai

perbedaan waktu pengambilan) dan proses

pengolahannya yang sulit.

Dewasa ini, pembangunan yang dilakukan di

setiap daerah membutuhkan data DEM yang akurat

untuk memenuhi kebutuhan pembuatan peta topografi

wilayah, baik untuk skala global (provinsi dan

kabupaten) atau skala lokal (kecamatan dan

kelurahan). Selain itu banyaknya kejadian bencana

(gunung api, tsunami, banjir dan longsor) yang terjadi

di Indonesia membutuhkan DEM yang lebih detil dan

akurat untuk mendukung kegiatan mitigasi bencana

dalam memetakan daerah rawan bencana. Oleh karena

itu, sangat diperlukan adanya peningkatan akurasi dan

kedetilan informasi dari data DEM yang digunakan

saat ini. Salah satu cara untuk memenuhi kebutuhan

tersebut adalah melakukan penggabungan (DEM

Fusion and DEM Integration) antara data 2 atau lebih

data DEM untuk menghasilkan data DEM dengan

informasi yang lebih detil dan lebih akurat (Hoja and

dAngelo (2010), Hoja et al. (2006)). Pada penelitian ini akan dianalisis bagaimana

pengaruh penggabungan DEM untuk menghasilkan

DEM yang lebih detil dan akurat. Dimana hasilnya

diharapkan dapat menghilangkan keterbatasan yang

dimiliki DEM yang ada, dan menghasilkan DEM

dengan tingkat akurasi dan kedetilan informasi yang

lebih baik dibandingkan DEM pembentuknya. Studi

kasus yang digunakan dalam penelitian ini adalah di

daerah lembar RBI 1408-542 dan 1408-631, yang

meliputi Ungaran, dan Wiru. Pemilihan lokasi

penelitian ini karena berdasarkan pada ketersediaan

data penelitian.

2

Perumusan Masalah

Dari latar belakang yang telah dijelaskan diatas,

maka permasalahan yang didapat adalah sebagai

berikut:

1. Apakah bisa dilakukan penggabungan data DEM antara DEM SRTM 30 dengan DEM RBI?

2. Bagaimanakah hasil DEM Integrasi bila digunakan untuk pembuatan slope dan analisis

beda tinggi dengan DEM RBI?

3. Apakah penggabungan data DEM SRTM 30 dan data kontur dari peta RBI dapat memberikan

tingkat akurasi DEM yang lebih baik?

Tujuan Penelitian

Adapun tujuan dalam pembuatan tugas akhir ini

adalah :

1. Meningkatkan akurasi DEM dengan metode Integrasi.

Manfaat Penelitian

Manfaat yang ingin dicapai ini dalam pembuatan

tugas akhir adalah:

1. Memberikan alternatif pembuatan DEM Integrasi sebagai salah satu cara untuk meningkatkan

akurasi data DEM.

2. Memberi sumbangan penelitian dan telaah pustaka untuk pengembangan ilmu yang

berkaitan dengan DEM.

Pembatasan Masalah

Untuk menjelaskan permasalahan yang akan

dibahas di dalam tugas akhir ini, dan agar tidak terlalu

jauh dari kajian masalah yang penulis paparkan, maka

pada tugas akhir ini pembahasan akan dibatasi pada

hal-hal berikut ini:

1. Penelitian ini hanya mengambil sampel di daerah lembar RBI 1408-542 (Ungaran) dan 1408-631

(Wiru).

2. Data DEM yang dianalisis hanya berasal dari data DEM SRTM 30 dan data kontur dari peta

RBI.

3. Tidak membahas faktor internal dari data DEM SRTM 30.

4. Tidak mengkaji perbandingan jenis interpolasi.

Data Penelitian

Data yang digunakan dalam penelitian ini antara

lain:

1. Peta RBI digital skala 1:25000 lembar 1408-542 dan 1408-631 (diperoleh dari Bakosurtanal),

2. DEM SRTM 30 meter (diperoleh dari LAPAN), 3. Data GCP hasil pengukuran GPS Geodetik.

3

Metode penelitian

Metodologi penelitian yang akan dilakukan pada tugas akhir ini ditunjukkan pada Gambar 1 berikut:

Gambar 1. Diagram Alir Penelitian

4

PELAKSANAAN PENELITIAN

Lokasi Penelitian

Wilayah penelitian didasarkan pada lembar RBI

1408-542 dan 1408-631. Wilayah administrasi yang

tercakup dalam wilayah penelitian diantaranya adalah :

1. Kabupaten Semarang: Kecamatan Ungaran Barat, Kecamatan Ungaran Timur, Kecamatan Bawen,

Kecamatan Pringapus, Kecamatan Bergas,

Kecamatan Ambarawa, Kecamatan Bringin,

Kecamatan Tuntang.

2. Kabupaten Grobogan: Kecamatan Kedungjati, Kecamatan Tanggung Harjo.

3. Kabupaten Demak: Kecamatan Karangawen.

Alat

Dalam tahapan penelitian kali ini, hal pertama

yang perlu diperhatikan adalah alat-alat yang digunakan

dalam pengolahan data spasial yang telah dikumpulkan

sebelumnya. Adapun alat yang digunakan dalam

penelitian ini antara lain:

1. Hardware a. Satu unit notebook HP dengan spesifikasi

Processor Intel(R) Core(TM) i5-2410M CPU

@ 2.30GHz (4 CPUs), Ram 2Gb, Harddisk

500 Gb

b. 1set GPS Geodetic Merk Topcon Hiper II c. GPS Handheld d. Statif e. Meteran

2. Software a. Microsoft Office 2007 b. Autodesk Map 2004 c. Global Mapper 11.0 d. ArcGIS 9.3 e. Surfer 10 f. Topcon Tools v.7.5.1

Pengolahan Data

Pembuatan Kontur SRTM dan Eksport Data ke

Format *.bln Pada proses ini DEM SRTM 30 yang berformat

*.tiff akan dibuat konturnya dengan interval kontur

setiap 1 meter. Langkah-langkahnya bisa dilakukan

sebagai berikut: buka data SRTM di Global Mapper Pada menu File klik Generate Contours Muncul kotak dialog Contour Generation Option Isi Contour Interval dengan nilai 1 meter Kemudian klik Ok. Nilai resolusinya bernilai 30 meter, hal ini dulakukan

untuk menyamakan resolusi dari DEM SRTM dan DEM

RBI.

Hasil generate contours akan terlihat seperti

gambar di bawah ini kemudian di eksport ke format

*.bln.

Gambar 3. Hasil Generate Contours

Setelah itu, kontur dan titik tinggi yang berasal

dari RBI skala 1:25.000 berformat *.shp bisa dibuka

menggunakan software Global Mapper, kemudian di

export ke format file *.bln supaya bisa diolah lebih lanjut

pada software Surfer.

Pembuatan DEM RBI dan Height Error Map RBI

Height Error Map adalah merupakan hasil yang

menunjukkan kualitas DEM saat melakukan pembuatan

DEM melalui metode interpolasi (Surfer) atau

pembuatan DEM dengan citra stereo optik (Leica

Photogrametry Suite, Erdas Imagine).

DEM RBI dan HEM RBI bisa dilihat pada

gambar 4 dan gambar 5 dibawah ini.

Gambar 4. Tampilan DEM RBI

Gambar 5. Tampilan Height Error Map RBI

Error

5

Gambar 6. Tampilan Gridding Report RBI

Penggunaan metode krigging spherical dalam

melakukan interpolasi berdasarkan penelitian terdahulu

yang menyatakan bahwa metode tersebut adalah metode

yang paling baik untuk melakukan interpolasi garis

kontur karena memiliki nilai RMSE paling kecil.

Dari hasil interpolasi yang telah dilakukan akan

menghasilkan tiga file, yaitu: file hasil interpolasi format

*.grd, file standar deviasi (height error map) format

*.grd, dan file report.

Pembuatan Height Error Map SRTM

DEM SRTM dan HEM SRTM bisa dilihat pada

gambar 7 dan gambar 8 dibawah ini.

Gambar 7. Tampilan DEM SRTM

Gambar 8. Tampilan Height Error Map SRTM

Gambar 9. Tampilan Gridding Report SRTM

Intergrasi Grid DEM RBI dengan Data DEM SRTM

Penggabungan data DEM dilakukan dengan cara

melakukan mengekstrak titik tinggi (grid) dari kedua

data DEM menggunakan software Global Mapper

dengan sample spacing titiknya setiap 30 meter.

Gambar 10. Hasil ekstraksi grid (30x30) SRTM

Gambar 11. Hasil ekstraksi grid (30x30) RBI

Hasil titik tinggi yang berbentuk grid tersebut

kemudian dieksport ke format *shp supaya memudahkan

pengolahan di ArcGIS.

DEM yang akan diperbaiki adalah DEM RBI,

maka harus ditentukan area mana saja yang akan

diperbaiki dan akan diisi dengan titik tinggi SRTM.

Height Error Map RBI digunakan sebagai panduan

pendeteksian area yang akan diperbaiki pada DEM RBI.

Dari data Height Error Map RBI dapat ditentukan

area DEM RBI mana saja yang akan diisi, dengan cara

mengecek nilai standard deviation pada hasil gridding

report RBI.

Error

6

Gambar 12. Area HEM RBI yang akan diisi dengan

data grid SRTM

Area yang terlihat seperti gambar di atas dieksport

ke format *.shp kemudian diedit menggunakan ArcGIS

sehingga menjadi bentuk poligon. Poligon tersebut

digunakan untuk menghapus titik tinggi RBI yang telah

diekstrak, pada ArcGIS bisa menggunakan toolbox erase

yang hasilnya terlihat seperti gambar di bawah ini.

Sedangkan titik tinggi SRTM dilakukan clipping dengan

menggunakan toolbox clip pada ArcGIS. Setelah itu,

kedua data tersebut digabung (merge) dengan

menggunakan toolbox merge pada ArcGIS.

Gambar 13. Grid RBI yang telah dihapus berdasarkan

area yang telah ditentukan.

Gambar 14. Grid SRTM yang telah dilakukan clipping.

Gambar 15. Gabungan data grid RBI dengan data grid

SRTM

Pembuatan DEM Integrasi

DEM Integrasi adalah gabungan antara DEM RBI

dengan DEM SRTM. Setelah proses penggabungan titik

tinggi RBI dengan SRTM, titik tinggi tersebut kemudian

dilakukan interpolasi metode kriging spherical dengan

spacing 30 meter. Pengolahan DEM Integrasi

menggunakan software Sufer.

Setelah proses gridding selesai, maka hasil DEM

Integrasi dan HEM Integrasi bisa dilihat pada gambar 16

dan gambar 16 dibawah ini.

Gambar 16. Hasil DEM Integrasi

Gambar 17. Hasil Height Error Map DEM Integrasi

Gambar 18. Tampilan Gridding Report Integrasi

HASIL DAN ANALISIS

Analisis Korelasi Data RBI dengan DEM SRTM

Sebelum melakukan proses penggabungan

(integrasi) data antara kontur RBI dengan DEM SRTM,

sebaiknya diuji terlebih dahulu apakah data RBI dan

Error

Error

7

DEM SRTM memiliki korelasi yang kuat, sehingga

dapat dilakukan penggabungan data. Pengujian ini dapat

dilakukan dengan melakukan metode korelasi. Analisis

korelasi merupakan salah satu teknik statistik yang

digunakan untuk menganalisis hubungan antara dua

variabel atau lebih yang bersifat kuantitatif.

Pengujian mengambil sampel 494 titik tinggi

RBI dan 494 titik tinggi DEM SRTM yang telah

diekstrak titik tingginya (tabel titik sampel bisa dilihat

pada lampiran), kemudian kedua data tersebut dianalissi

dengan metode korelasi.

Gambar 21. Grafik Korelasi Titik Tinggi RBI dengan

SRTM

Berdasarkan gambar 21 diatas, nilai korelasi R2= 0.998.

Jadi dapat ditarik kesimpulan bahwa data DEM SRTM

dengan data titik tinggi RBI memiliki keterkaitan yaang

sangat kuat sekali, jika dipersentasekan keterkaitan data

tersebut sebesar 99.8%. Sehingga dapat disimpulkan

bahwa dapat dilakukan penggabungan (integrasi) antara

data DEM SRTM dengan data kontur RBI.

Analisis Height Error Map (HEM)

Height Error Map merupakan hasil yang

menunjukkan kualitas DEM saat melakukan pembuatan

DEM melalui metode interpolasi (Surfer). Height Error

Map dibuat berbasis pada standar deviasi dari setiap nilai

ketinggian, proses pembuatannya melalui tahapan

konturing (interval 1 m), dan interpolasi menggunakan

software Surfer.

Dari hasil pembuatan DEM SRTM dan DEM RBI

menghasilkan Height Error Map, yang kemudian dapat

disingkat sebagai HEM. Height Error Map (HEM) DEM

SRTM dan Height Error Map (HEM) DEM RBI.

Gambar 22. Perbandingan Height Error Map DEM RBI

dengan Height Error Map DEM SRTM

Berdasarkan gambar 22 diatas terlihat bahwa

DEM RBI memiliki error paling banyak. Hal ini

disebabkan kondisi topografi pada daerah tersebut yang

relatif datar sehingga informasi kontur renggang yang

mengakibatkan kekurangan informasi ketinggian pada

DEM RBI. Sedangkan berdasarkan Gridding Report

yang diperoleh dari proses gridding, DEM RBI memiliki

nilai standar deviasi 5.761 meter dan DEM SRTM

memiliki nilai standar deviasi 6.680 meter. Hal ini

disebabkan karena DEM SRTM memiliki resolusi yang

rendah.

Gambar 23. Perbandingan Height Error Map DEM RBI

dengan Height Error Map DEM Integrasi

Dari Height Error Map DEM Integrasi terlihat

error map nya tidak sebanyak Height Error Map DEM

RBI, karena telah dilakukan penggabungan (integrasi)

data DEM SRTM dengan DEM RBI sehingga errornya

tereduksi pada proses gridding (interpolasi). Dari report

gridding DEM Integrasi, nilai standar deviasi bernilai

1.194 meter.

Analisis DEM SRTM, DEM RBI, dan DEM Integrasi

Berdasarkan DEM SRTM yang dihasilkan dari

proses interpolasi memiliki tekstur yang cenderung

buram bila dibandingkan dengan DEM RBI ataupun

DEM Integrasi. Sedangkan DEM RBI yang dihasilkan

memiliki tingkat kedetilan yang lebih baik bila

dibandingkan dengan DEM SRTM dan hampir memiliki

tingkat kedetilan yang sama dengan DEM Integrasi.

Berdasarkan tabel dibawah ini, maka dipilihlah

DEM RBI yang akan diperbaiki dengan DEM SRTM

karena ingin mempertahankan kedetilan topografi dari

DEM RBI. Meskipun DEM SRTM memiliki nilai

standar deviasi yang tidak sebaik DEM RBI, namun

HEM DEM SRTM lebih sedikit dibandingkan HEM

DEM RBI. Hal ini terjadi karena DEM SRTM memiliki

informasi ketinggian yang baik pada daerah yang

bertopografi datar.

Tabel 1. Hasil Report Gridding pada software Surfer

Data Standard Deviation (meter)

DEM SRTM 6.680

DEM RBI 5.761

DEM Integrasi 1.194

Berdasarkan hasil report gridding software Surfer,

DEM Integrasi memiliki standar deviasi 1.194 meter dan

bila dibandingkan dengan DEM RBI, maka DEM

Integrasi lebih bagus.

8

Tabel 2. Cuplikan Daerah yang Dilakukan

Penggabungan (Integrasi)

Data Screen shoot DEM

DEM

RBI

DEM

SRTM

DEM

Integrasi

Analisis Beda Tinggi Pengukuran Lapangan dengan

DEM Integrasi Pengukuran lapangan bertujuan untuk

memverifikasi hasil pengolahan DEM Integrasi.

Pengukuran ini menggunakan GPS Geodetik, dengan

mengukur 12 titik yang tersebar di area penelitian. Data

tinggi dari hasil pengukuran lapangan dibandingkan

dengan data tinggi dari DEM Integrasi, kemudian

dilakukan perhitungan beda tingginya. Beda tinggi

maksimum terdapat pada titik 1132021 dengan nilai

11.184 meter, beda tinggi minimum terdapat pada titik

1132024 dengan nilai 0.059 meter. Sedangkan standar

deviasinya 5.364 meter.

Tabel 4 Perbandingan Data Pengukuran Lapangan

dengan DEM Integrasi

No

Z (Ukuran

Lapangan)

(m)

Z DEM

Integrasi

(m)

dH Pengukuran

Lapangan-DEM

Integrasi (m)

TTK1 546.126 539.688 6.438

1132070 251.403 240.710 10.693

TTK3 57.491 61.355 3.864

1132021 138.319 127.135 11.184

1132024 506.312 506.371 0.059

TTK6 449.879 449.223 0.656

TTK7 666.175 663.338 2.837

TTK8 517.288 514.708 2.580

TTK9 313.202 312.500 0.702

TTK10 318.242 320.684 2.442

TTK11 272.603 274.566 1.963

TTK12 305.578 300.676 4.902

Maksimum 11.184

Minimum 0.059

Rata-rata 7.434

Std.

Deviasi 5.364

Gambar 25. Grafik Perbandingan Elevasi Hasil

Pengukuran Lapangan dengan DEM Integrasi

Jika diperhatikan tabel dan grafik diatas, nilai

beda tinggi antara pengukuran lapangan dengan DEM

Integrasi tidak ada selisih yang sangat mencolok, hampir

mendekati ketinggian eksisting dilapangan, dan

dibuktikan dengan nilai standar deviasinya yang kecil

5.364 meter. Sehingga dapat disimpulkan bahwa

penggabungan (integrasi) data DEM SRTM dengan data

kontur RBI dapat meningkatkan akurasi DEM.

Analisis Beda Tinggi DEM Menggunakan ArcGIS Hasil minus raster di ArcGIS antara DEM

Integrasi dengan DEM RBI, nilai statsitiknya seperti

yang terlihat pada gambar 26. Dari hasil pengolahan

beda tinggi, didapat nilai maksimum 28 meter dan nilai

minimum -23 meter. Hasil standar deviasinya bernilai

1.798 meter.

9

Gambar 26. Tampilan Classification Statistic Beda

Tinggi Antara DEM Integrasi dengan DEM RBI

Analisis Perbandingan Elevasi Aliran Sungai pada

DEM RBI dengan DEM Integrasi Analisis ini bertujuan untuk mengetahui

perbedaan elevasi antara sungai DEM RBI dengan

sungai DEM Integrasi. Untuk mengetahui selisih elevasi

sungai antara kedua DEM tersebut, maka dilakukan

overlay sungai DEM RBI dengan sungai DEM Integrasi.

Untuk melihat perbandingan elevasinyanya bisa

menggunakan Create Profile Graph sehingga terlihat

penampang memanjang (long section) sungai seperti

gambar 27. Panjang sungai yang dibuat long section

tersebut memiliki panjang 15,507 kilometer.

Gambar 27. Penampang Memanjang Sungai DEM RBI

dengan DEM Integrasi

Untuk memudahkan analisis perbedaan elevasi

penampang memanjang sungai tersebut, maka tiap jarak

500 meter (interval 500 meter) diambil informasi elevasi

sungai dari DEM Integrasi dan DEM RBI, seperti terlihat

pada tabel 5 di bawah ini.

Tabel 5. Perbandingan Elevasi Sungai DEM Integrasi

dengan DEM RBI Stationing

(m) Elevasi DEM Integrasi

(m) Elevasi DEM RBI

(m) dH (m)

0 612.786 611.639 1.147

500 599.374 599.407 0.033

1000 573.677 573.630 0.047

1500 553.290 551.805 1.485

2000 537.248 537.232 0.016

2500 523.482 523.452 0.030

3000 508.608 508.661 0.053

3500 496.370 496.305 0.065

4000 487.453 487.369 0.084

4500 472.882 472.852 0.030

5000 461.908 461.843 0.065

5500 448.445 448.280 0.165

6000 436.892 436.769 0.123

6500 427.254 427.651 0.397

7000 411.962 411.933 0.029

7500 400.923 400.726 0.197

8000 387.442 386.899 0.543

8500 386.144 386.021 0.123

9000 384.494 384.494 0.000

9500 383.951 384.074 0.123

10000 385.947 385.138 0.809

10500 379.596 377.799 1.797

11000 373.977 374.073 0.096

11500 350.226 350.109 0.117

12000 337.886 337.772 0.114

12500 331.234 331.404 0.170

13000 319.040 319.040 0.000

13500 309.208 309.219 0.011

14000 297.984 297.938 0.046

14500 287.454 287.402 0.052

15000 239.290 238.992 0.298

15500 200.096 199.755 0.341

Maksimum 1.797

Minimum 0.000

Rata-rata 0.269

Standar Deviasi 0.508

Berdasarkan gambar 27 dan tabel 5 diatas terlihat

bahwa sungai DEM RBI dengan DEM Integrasi hampir

berimpit, selisih elevasi maksimum 1.797 meter pada

stationing ke 10500, kemudian pada stationing ke 9000

elevasi DEM RBI dengan DEM Integrasi benar-benar

berimpit karena memiliki elevasi yang sama (selisih

elevasi 0 meter). Hasil pengujian dengan 32 titik

stationing pada masing-masing DEM RBI dan DEM

Integrasi menghasilkan nilai standar deviasi 0.508 meter.

Analisis Perbandingan Slope Aliran Sungai pada

DEM RBI dengan DEM Integrasi Slope adalah nilai dari perubahan ketinggian

(kemiringan). Daerah dengan nilai slope yang lebih

rendah, merupakan daerah yang lebih datar. Sebaliknya,

10

daerah dengan nilai slope yang lebih tinggi merupakan

daerah yang lebih curam. Output Slope dari sebuah

obyek raster dapat dihitung dalam bentuk persen atau

derajat slope.

Presentase Slope =

Gambar 28. Bagian Yang Akan Ditentukan Nilai

Kemiringannya

Slope yang akan dihitung adalah kemiringan dari

aliran sungai yang terdiri dari lima segmen seperti

terlihat pada gambar 28, yang masing-masing memiliki

kemiringan yang bervariasi. Setelah itu kemudian

dilakukan perhitungan slope DEM Integrasi dan slope

DEM RBI pada tabel 7.

Tabel 7 Slope DEM Integrasi dan Slope DEM RBI

Segmen

Slope DEM

Integrasi (%)

Slope DEM

RBI (%)

Std. Deviasi

(m)

1 -3.40 -3.40 0.515

2 -2.30 -2.30 0.542

3 -0.30 -2.12 1.194

4 -2.30 -2.30 0.168

5 -9.20 -9.20 0.503

Berdasarkan perhitungan slope DEM Integrasi

dan slope DEM RBI pada tabel 7, ternyata dari 5 segmen

yang telah dibuat hanya terjadi perbedaan nilai slope

pada segmen 3. Sedangkan pada segmen 1, segmen 2,

segmen 4, dan segmen 5 memiliki nilai slope yang sama.

Perbedaan slope yang terjadi pada segmen 3 bisa

disebabkan oleh pembagian segmen yang kurang teliti

dan elevasi yang naik-turun. Kemudian dapat

disimpulkan slope yang paling curam terjadi pada

segmen 5 dengan nilai slope -9.20%.

PENUTUP

Kesimpulan

Dari serangkaian proses dan analisis pada bab

sebelumnya kita dapat menarik beberapa kesimpulan

sebagai berikut:

1. Berdasarkan analisis korelasi antara DEM RBI dengan DEM SRTM 30 terdapat korelasi sebesar

99.8%, yang menandakan memiliki hubungan yang

sangat dekat, sehingga bisa dilakukan penggabungan

(integrasi) data antara kedua DEM tersebut.

2. Berdasarkan perbandingan slope DEM Integrasi dengan slope DEM RBI hanya terjadi perbedaan nilai

slope pada segmen 3, sedangkan pada segmen 1,

segmen 2, segmen 4, dan segmen 5 memiliki nilai

slope yang sama. Pada segmen 3, slope DEM

Integrasi bernilai -0.30% sedangkan pada slope DEM

RBI bernilai -2.12%. Hal ini disebabkan pembagian

segmen yang kurang detil dan besarnya standar

deviasi pada segmen 3 yang bernilai 1.194 meter bila

dibandingkan dengan segmen-segmen yang lain.

3. Berdasarkan analisis beda tinggi aliran sungai pada DEM RBI dengan DEM Integrasi, selisih elevasi

maksimum pada stationing ke 10500 dengan nilai

1.797 meter. Standar deviasi perbandingan elevasi

aliran sungai pada DEM RBI dengan DEM Integrasi

adalah 0.508 meter. Hal ini menunjukkan DEM

Integrasi memiliki ketelitian yang cukup baik

sehingga bisa digunakan untuk analisis beda tinggi.

4. Kedetilan dan tingkat akurasi DEM dapat ditingkatkan dengan melakukan pengabungan DEM,

dimana DEM Integrasi mempunyai pola yang lebih

halus, dan lebih akurat karena lebih sesuai dengan

koordinat titik tinggi dari peta RBI dan hasil

pengukuran GPS Geodetik.

Saran

Dari beberapa kesimpulan di atas maka dapat

dikemukakan saran-saran yang berguna untuk

menyempurnakan penelitian kali ini yaitu :

1. Data DEM SRTM yang digunakan sebaiknya sudah terbebas dari noise, sehingga dapat memberikan hasil

yang maksimal pada proses penggabungan DEM.

2. Titik sampel hasil pengukuran GPS Geodetik sebaiknya ditambah lagi dan di tempatkan secara

merata pada areal penelitian. Base yang dijadikan

sebagai titik kontrol pada saat pengukuran dipilih

yang memiliki sedikit obstruksi.

3. Jika memungkinkan tersedianya data pengukuran sipat datar untuk dibandingkan dengan hasil DEM

Integrasi.

4. Dalam membangun sebuah DEM dari data kontur RBI sebaiknya dilakukan proses pengecekan terhadap

kontur dari DEM RBI apakah sesuai dengan elevasi

yang seharunya agar DEM yang dibangun benar-

benar memiliki kesalahan seminimal mungkin.

5. Hendaknya menganalisa faktor-faktor lain yang mungkin berpengaruh terhadap ketelitian vertikal

DEM SRTM dan DEM Integrasi.

Daftar Pustaka

Abidin,H.Z. 2002. Survey dengan GPS, Jakarta : Pradnya

Paramitha.

A. Cuartero, A.M Felicisimo, F.J Ariza. 2003. Accuracy

of DEM Generation From TERRA-ASTER Stero

11

Data. Dept. of Cartography, Geodesy and

Photogrammetry Engineering, University of

Jan.Spanyol

Andy Jarvis, Jorge Rubiano, Alex Cuero. 2006.

Comparison of SRTM derived DEM vs. topographic

map derived DEM in the region of Dapa. CIAT

(Inetrnational Center for Tropical Agricultue)

Bambang Trisakti, Atriyon Julzarika. 2005 . Kajian

Penggabungan Data SRTM C Band dan Peta

Topografi untuk Perbaikan Tingkat Akurasi DEM.

Proceding PIT Mapin tahun 2011

Kustiyo, Yohanes Manalu, Sri Harini Prmono. 2005.

Analisis Ketelitian Ketinggian Data DEM1 X SAR .

ITS. Surabaya

Prahasta, E., 2001, Konsep-Konsep Dasar Sistem

Informasi Geografis, Informatika, Bandung.

Trisakti B. dkk, 2010, Pengembangan Metode Ekstraksi

Dem (Digital Elevation Model) Dari Data ALOS

PRISM, Laporan Akhir Program Insentif Riset

Dasar, Pusbangja, LAPAN, 2010

Qiming Zhou, Brian Lees, Guo-an Tang (eds). 2008.

Advances in Digital Terrain

Analysis. Springer-Verlag. Berlin Heidelberg

Kurniawan, Bayat. 2011. Analisis Pengaruh Faktor

Tutupan Lahan Terhadap Ketelitian Vertikal DEM

SRTM 30 (Studi Kasus Kabupaten Semarang).

Tugas Akhir Teknik Geodesi. Semarang