LEMBAR PENILAIANMODUL 1: KOREKSI RADIOMETRI DAN KOREKSI GEOMETRI

Nama: Florentina ChandraNIM: 26020213120017Ttd:

NO.KETERANGANNILAI

1Pendahuluan

2Tinjauan Pustaka

3Materi dan Metode

4Hasil dan Pembahasan

5Penutup

6Daftar Pustaka

TOTAL

Mengetahui,Koordinator praktikum

Tria Dewi Anggraeni26020211130053Asisten,

Ganis Tresna Kumala26020212120005

I. PENDAHULUAN

1.1 Latar BelakangPemanfaatan data satelit untuk pemantauan warna perairan, telah memegang peranan dalam membuka cakrawala ilmu pengetahuan dalam proses-proses oseanografi baik secara global maupun regional. Dari hasil pemantauan ini, banyak sekali pengetahuan-pengetahuan yang diketahui dan masih banyak juga yang menjadi misteri.Penginderaan jauh fotografik menguraikan tentang karakteristik interpretative dan geometric dasar foto udara. Karakteristk radiometrik foto udara menentukan bagaimana film tertentu yang dipotretkan dan diproses pada kondisi tertentu menanggapi tenaga dengan berbagai intensitas. Pengetahuan tentang karakteristik ini sering berguna dan kadang-kadang sangat penting bagi proses analisis citra fotografik terutama dalam supaya menampilkan hubungan kuantitatif antara nilai rona pada suatu citra dan beberapa fenomena medan.Koreksi radiometri (satelite Imagecallibration) merupakan sisitem penginderaan jauh yang digunakan untuk mengurangi pengaruh hamburan atmosfer pada citra satelit terutama pada saluran tampak (visible light). Hamburan atmosfer disebabkan oleh adanya partikel-partikel di atmosfer yang memberikan efek hamburan pada energi elektromagnetik matahari yang berpengaruh pada nilai spektral citra.Transformasi citra paling mendasar adalah penempatan kembali posisi pixel sedemikian rupa sehingga pada citra digital yang tertransformasi dapat dilihat gambaran obyek di permukaan bumi yang terekam sensor. Pengubahan bentuk kerangka liputan dari bujur sangkar menjadi jajar genjang merupakan hasil dari transformasi ini. Tahap ini diterapkan pada citra digital mentah (langsung dari perekaman satelit), dan merupakan koreksi kesalahan geometrik sistematik. Utilitas difungsikan untuk keperluan-keperluan khusus contohnya: pada pemotretan udara kesalahan bentuk dan lokasi dari Foto Udara dihasilkan oleh: kelengkungan bumi, posisi pesawat dan Kesalahan sistematik dari kamera untuk itu perlu dilakukan koreksi agar didapatkan foto udara yang benar-benar tegak. Koreksi geometri selanjutnya diperlukan untuk menghasilkan data yang lebih teliti dalam aspek planimetrik. Pada koreksi ini, sistem koordinat atau proyeksi peta tertentu dijadikan rujukan, sehingga dihasilkan citra yang mempunyai sistem koordinat dan skala yang seragam. Citra terkoreksi ini siap untuk dimanipulasi bersama dengan peta dalam kerangka sistem informasi geografi.

1.2 Tujuan1. Melakukan koreksi radiometrik citra dengan metode penyesuaian histogram dan penyesuaian regresi (berupa DPC, EDPC, CUT OFF) menggunakan software ER Mapper 7.02. Mahasiswa mampu melakukan koreksi geometri pada citra dengan metode Polinomial menggunakan perangkat lunak ER Mapper 7.03. Mahasiswa mampu dan memahami rektifikasi pada data satelit yang akan di koreksi geometri

1.3 ManfaatManfaat yang didapatkan dari praktikum modul II ini, praktikan dapat mengerti cara melakukan koreksi radiometrik dengan metode penyesesuaian regresi dan koreksi geometrik pada citra dengan metode polonomial serta bisa memahami rektifikasi pada data satelit yang akan dikoreksi geometri.

II. TINJAUAN PUSTAKA

2.1 Koreksi RadiometriPenginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah, atau fenomena melauli analisis data yang diperoleh dengan suatu alat tanpa kontak langsung dengan objek, daerah atau fenomena yang dikaji (Lillesand dan Kiefer, 1990).Koreksi radiometrik diperlukan atas dasar dua alasan,yaitu untuk memperbaiki kualitas visual citra dan sekaligus memperbaiki nilai-nilai pixel yang tidak sesuai dengan nilai pantulan atau pancaran spektral objek yang sebenarnya. Koreksi radiometrik citra yang ditujukan untuk memperbaiki kualitas visual citra berupa pengisian kembali baris yang kosong karena drop out baris maupun kesalahan awal pelarikan (scanning). Baris atau bagian baris yang bernilai tidak sesuai dengan yang seharusnya dikoreksi dengan mengambil nilai pixel atau baris diatas dan dibawahnya kemudian dirata-rata (Danoedoro, 1996). Koreksi radiometrik bisa dilakukan dengan berbagai cara yaitu : penyesuaian histogram, penyesuaian regresi dan kalibrasi bayangan. Koreksi radiometrik diperlukan atas dasar dua alasan, yaitu untuk memperbaiki kualitas visual citra sekaligus memperbaiki nilai-nilai piksel yang tidak sesuai dengan nilai pantulan atau pancaran spektral objek yang sebenarnya. Koreksi radiometrik citra yang ditujukan untuk memperbaiki kualitas visual citra berupa pengisian kembali baris yang kosong karena drop out baris maupun kesalahan awal pelarikan (scanning). Baris atau bagian bagian baris yang bernilai tidak sesuai dengan yang seharusnya dikoreksi dengan mengambil nilai piksel atau baris di atas dan dibawahnya kemudian dirata-rata, (Sutanto, 1987).

2.2 Penyesuaian HistogramMetode ini paling sederhana, hanya dengan melihat histogram tiap saluran secara independent. Dari histogram bisa diketahui nilai piksel terendah saluran tersebut, asumsi yang melandasi metode ini adalah bahwa dalam proses coding digital oleh sensor, objek yang memberikan respon spektral paling lemah atau tidak memberikan respon sama sekali seharusnya bernilai nol. Apabila nilai ini ternyata > 0 maka nilai terserbut dihitung sebagai offset, dan koreksi dilakukan dengan mengurangi keseluruhan nilai pada saluran tersebut dengan offsetnya. Penyesuaian histogram (histogram adjusment) meliputi evaluasi histogram pada setiap band dari data penginderaan jauh. Biasanya data pada panjang gelombang tampak (TM saluran 1-3) mempunyai nilai minimum yang lebih tinggi karena dipengaruhi oleh hamburan atmosfir. Sebaliknya penyerapan atau absorbsi pada atmosfir akan mengurangi kecerahan pada data yang direkam dalam interval panjang gelombang yang lebih besar seperti TM 4,5,7. Sehingga data pada band ini nilai minimumnya mendekati nilai nol (Anonim, 2011). Penyesuaian histogram ini melewati beberapa tahap, dan hasilnya tidak selalu naik. Hal ini disebabkan karena tidak setiap citra mempunyai nilai objek yang ideal untuk dikoreksi, seperti air jernih atau bayangan awan. Dibandingkandengan teknik penyesuaian histogram hasilnya tidak jauh berbeda, (Sutanto, 1987).

2.3 Penyesuaian Regresi (DPC, EDPC, CutOff)Penyesuaian regresi diterapkan dengan memplot nilai-nilai pixel hasil pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan apabila ada saluran rujukan (yang relatif bebas gangguan) yang menyajikan nilai nol untuk obyek tertentu. Kemudian tiap saluran dipasangkan dengan saluran rujukan tersebut untuk membentuk diagram pancar nilai pixel yang diamati. Cara ini secara teoritis mudah namun secara prakteknya sulit, karena gangguan atmosfer terjadi hampir pada semua spektra tampak dan saluran. Pengambilan pixel-pixel pengamatan harus berupa obyek yang secara gradual berubah naik nilainya,pada kedua saluran sekaligus dan bukan hanya pada salah satu saluran (Danoedoro, 1996).

2.3.1 Dark Pixel CorrectionKoreksi piksel gelap merupakan metode sederhana yang digunakan untuk menghilangkan efek atmosfer saat image radiance. Efek ini terkait dengan kontribusi hamburan aditif (additive scaterring) dari atmosfer dan efek dari transmisi multiplikatif energi melalui atmosfer ( Lillesand dan Kiefer, 1979).2.3.2 Dark Pixel Correction ( DPC )Dark pixel correction adalah koreksi sederhana untuk menghilangkan pengaruh atmosdhere yang cenderung memperbesar nilai pixel. Penggunaan dark pixel correction merupakan metode sederhana untuk menghilangkan efek atmosfer yang menjadi sumber utama dari perbedaan nilai pixel masing masing ciitra yang akan dimosaik (Anonim, 2010).

2.3.3 Enchanted Dark Pixel Correction ( EDPC )Hasil akurat dari deteki perubahan terhadap dua atau lebih citra waktu ditentukan oleh beberapa faktor; seperti citra yang sebanding, citra yang dapat diinterpretasikan, dan metode untuk mendapatkan perbedaan yang bermakna dari deteksi perubahan citra. Pixel ke pixel antara citra biasa ditampilkan untuk mendapatkan citra yang baik. Dark pixel correction ditampilkan untuk mengkoreksi kesalahan radiometrik dari suatu citra, maka enhance sebagai hasilnya lebih diinterpretasi untuk aplikasi tertentu. Dengan mengurangkan masing masing band dengan minimum digital number value nya, maka setiap band akan memiliki minimal DN dari nol (Anonim, 2011)

2.3.4 Cut OffCut-off merupakan cara ketiga dalam koreksi atmosfer yang menggunakan dua variasi scattergram. Dengan memasukkan nilai terendah tiap tiap band pada window Scattergram (Anonim,2010)

2.4 Koreksi GeometriKoreksi geometrik merupakan proses memposisikan citra sehingga cocok dengan kordinat peta dunia sesungguhnya. Ada beberapa cara dalam pengkoreksian ini antara lain triangulasi, polinominal, orthorektifikasi dengan menggunakan kontrol titik titik lapangan (ground control point), proyeksi peta ke peta dan registrasi titik titik yang telah diketahui (know point registration). Koreksi citra bedasarkan citra yang lain yang telah dikoreksi disebut image to image (Mapper, 1998)Koreksi geometri digunakan untuk memperbaiki kemencengan, rotasi dan perspektif citra sehingga orientasi, projeksi dan anotasinya sesuai dengan yang ada pada peta. Koreksi geometri terdiri dari koreksi sistematik (karena karakteristik alat) dan non sistematik (Karena perubahan posisi penginderaan). Koreksi sistematik biasanya telah dilakukan oleh penyedia data. Koreksi non sistematik biasanya dilakukan dengan suatu proses koreksi geometri. Proses ini memerlukan ikatan yang disebut titik kontrol medan (ground control point/GCP). GCP tersebut dapat diperoleh dari peta, citra yang telah terkoreksi atau tabel koordinat penjuru. GCP kemudian disusun menjadi matriks transformasi untuk rektifikasi citra (Anonim, 2008)Ada tiga cara untuk melakukan koreksi geometri yang pertama adalah rektifikasi geometri. Rektifikasi geometri adalah mengubah aspek geometri pada citra dengan cara merujuk pada proyeksi peta yang baku, sehingga koordinat pada citra menjadi sama dengan koordinat pada peta yang digunakan sebagai data acuan. Proses yang digunakan dalam koreksi geometri dengan cara rektifikasi geometri adalah dengan transformasi koordinat dan resampling. Metode yang digunakan adalah dengan metode GCP (ground control point), yaitu membandingkan titik-titik kontrol pada citra dan titik-titik kontrol pada peta. Pengambilan titik kontrol harus mewakili dan merata pada seluruh citra. untuk memudahkan dalam pengambilan titik kontrol, obyek yang dipilih sebagai titik kontrol adalah obyek yang mudah dikenali pada citra, seperti posisi jalan, sungai dan kenampakan obyek yang khas. Cara yang kedua adalah dengan registrasi citra yaitu dengan mendaftarkan koordinat citra yang belum terkoreksi dengan koordinat citra yang sudah terkoreksi yang mempunyai daerah yang sama, atau (map to map transformation).sedangkan Ortorektifikasi adalah bentuk lebih akurat dari rektifikasi karena mengambil penghitungan sensor (kamera) dan karakteristik platform (pesawat terbang). Ini khusus direkomendasikan untuk foto udara. Ortorektifikasi dicakup terpisah di dalam `Image orthorectification' (Lillesand, T.M and Kiefer, R.W. 1979)

Green (1983, dalam Jensen, 1986) menjelaskan dua operasi yang harus dilakukan dalam rektifikasi geometri citra, yaitu:1. Interpolasi spasial menggunakan transformasi koordinatPrinsip kerja proses ini adalah menyamakan koordinat citra dengan koordinat peta. Besarnya distorsi geometrik citra dapat diketahui dengan melihat besarnya nilai total RMS error (Residual Mean Square) yang dinyatakan dengan besaran sigma ().2. Interpolasi nilai kecerahan (resampling)Interpolasi ini bertujuan untuk mengembalikan nilai kecerahan lokasi X dan Y pada citra asli (yang masih mengalami distorsi) dan menempatkannya kembali pada koordinat X dan Y pada citra terektifikasi. Metode yang digunakan adalah interpolasi tetangga terdekat (nearest neighbor interpolation). Algoritma tetangga terdekat diterapkan dengan hanya mengambil kembali nilai dari piksel terdekat yang telah tergeser ke posisi baru. Algoritma ini sesuai untuk diterapkan pada citra saluran asli karena nilai piksel baru hasil interpolasi tetap merupakan pantulan spektral obyek yang sebenarnya.Kesalahan Geometrik terjadi karena jarak wahana dengan objek yang jauh, sehingga menimbulkan distorsi geometrik. Koreksi geometrik dilakukan sesuai dengan jenis atau penyebab kesalahannya, yaitu kesalahan sistematik dan kesalahan random. Adapun koreksi geometrik ini memiliki tiga tujuan, yaitu: Melakukan rektifikasi (perbaikan) dan restorasi (pemulihan) citra agar koordinat citra sesuai dengan koordinat geografi.1. Registrasi (mencocokkan) posisi citra dengan citra lain atau mentransformasikan system koordinat citra multispektral atau multi temporal. 2. Registrasi citra ke peta atau transformasi sistem koordinat citra ke peta, yang menghasilkan citra dengan sistem proyeksi tertentu. Koreksi geometri juga diperlukan untuk menghasilkan data yang lebih teliti dalam aspek planimetrinya. Pada koreksi ini sistem koordinat atau proyeksi peta tertentu dijadikan rujukan, sehingga dihasilkan citra yang mempunyai sistem koordinat dan skala yang seragam. Citra terkoreksi ini siap dimanipulasi bersama dengan peta dalam kerangka Sistem Informasi Geografi (Kartini, C. N., 1999).

2.5 RektifikasiRektifikasi adalah suatu proses melakukan transformasi data dari satu system grid menggunakan suatu transformasi geometric. Oleh karena posisi pixel pada citra output tidak sama dengan posisi pixel input (aslinya) maka pixel-pixel yang digunakan untuk mengisi citra yang baru harus di-resampling kembali. Resampling adalah suatu proses melakukan ekstrapolasi nilai data untuk pixel-pixel dalam system grid yang baru dari nilai pixel citra aslinya. Tahap-tahap Rektifikasi. Secara umum melakukan rektifikasi adalah sebagai berikut:1. Memilih titik control lapangan (Ground Control Point). GCP tersebut sedapat mungkin adalah titik-titik atau obyek yang tidak mudah berubah dalam jangka waktu lama misalnya belokan jalan, tugu di persimpangan jalan dan atau sudut-sudut gedung (bangunan). Hindari menggunakan belokan sungai atau delta sungai karena mudah berubah dalam jangka waktu tertentu. GCP juga harus tersebar merata pada citra yang akan dikoreksi.2. Membuat persamaan transformasi yang digunakan untuk melakukan interpolasi spasial. Persamaan ini imumnya berupa persamaan polynomial baik orde 1,2 maupun 3.Ordo I : disebut juga Affine transformation (diperlukan minimal 3 GCP)Ordo II : memerlukan minimal 6 GCPOrdo III : memrlukan minimal 1 GCP3. Menghitung kesalahan (RMS Error) dari GCP yang terpilih. Umumnya tidak boleh lebih besar dari 0,5 pixel.4. Melakukan interpolasi intensitas (nilai kecerahan) dengan salah satu metode berikut, yaitu nearest neighbourhood, bilinear dan convolution, sekaligus membuat citra baru dengan system koordinat yang ditentukan. Dalam proses ini juga menentukan ukuran pixel output, sesuai dengan resolusi spasial yang dikehendaki, yang umumnya disesuaikan dengan ukuran resolusi data spasial yang aslinya. Hanya untuk kasus-kasus tertentu saja yang membuat ukuran spasial citra baru yang berbeda dengan ukuran aslinya, misalnya untuk tujuan melakukan fusi antar band kanal (Sumaryono. 1999 ).

2.6 RMS ErrorParameter tingkat keakurasian dari proses rektifikasi ini adalah nilai yang dipresentasikan oleh selisih antara koordinat titik kontrol hasil transformasi dengan koordinat titik kontrol, yang dikenal dengan nama RMS (Root Mean Square) Error. Nilai RMS Error yang rendah akan menghasilkan hasil rektifikasi yang akurat. Sebagai contoh, hasil transformasi boleh jadi masih berisi kesalahan yang significant karena rendahnya/sedikitnya titik control yang dimasukkan. Ada beberapa faktor yang mempengaruhi RMS Error ini yaitu : 1. Tingkat ketelitian titik kontrol lapangan 2. Tingkat ketelitian titik kontrol citra 3. Jumlah dan distribusi letak titik control 4. Model transformasi yang digunakan(Anonim, 2008)

III. MATERI DAN METODE

3.1. Waktu dan Tempat Pelaksanaan Hari / Tanggal: Selasa, 14 Oktober 2014 / Selasa, 21 Oktober 2014Waktu: 14.40 - SelesaiTempat:Laboratorium Komputasi, Gedung E Lantai 2, Jurusan Ilmu Kelautan, Fakultas Perikanan dan Ilmu Kelautan, Universitas Diponegoro, Semarang.

3.2. MateriMateri yang disampaikan pada praktikum Pengindraan Jauh Modul II adalah: Koreksi Radiometri1. Penyesuaian Histogram2. DPC ( Dark Pixel Correction )3. EDPC ( Enhanced Dark Pixel Correction )4. Cut Off Koreksi Geometri 1. Membuka citra dan memeriksa koreksinya2. Proses koreksi Geocoding3. Cara penggabungan dua citra

3.3. Metode- Koreksi Geometri3.3.1. Memeriksa Nilai Atmosferic Bias Citra1. Membuka Program ER Mapper, memilih Edit Algorithm kemudian Load Dataset Membuka file citra Landsat_TM_23Apr85.ers pada volume E:\ Shared Data.

2. Menduplikat Pseudo Layer menjadi 6. Kemudian mengubah namanya menjadi Band 1,Band 2 dan seterusnya sampai Band 7 (tanpa mengikutkan Band 6). Kemudian input data sesuai dengan Band masing-masing.

3. Memilih Band 1,kemudian Edit Transform Limit .Maka akan muncul window Transform dan terlihat nilai atmospheric biasnya adalah 68.

Kemudian lakukan langkah tersebut pada band 2 hingga pada band 7, maka akan terlihat atmospheric biasnya, dan catat nilai dari atmospheric biasnya pada setiap band. Dan nilai-nilainya sebagai berikut:

BandNilai Atmospheric bias

168

221

315

44

52

71

3.3.2. Metode Penyesuaian Histogram1. Memilih Band 1, kemudian mengklik ikon Formula Editor. Akan muncul window Formula, lalu tuliskan INPUT1-68 (sesuai dengan nilai athmosperic biasnya). Apply Changes.

lakukan langkah yang sama pada band selanjutnya hingga pada band 7 (INPUT1-nilai athmosperic biasnya).2. Selanjutnya windows formula editor di close.3. Langkah selanjutnya yaitu memilih Band 1, kemudian klik Edit pada windows transform, memilih Delete this Transform.

lakukan langkah tersebut pada band selanjutnya hingga pada band 7.

4. File disimpan dengan cara mengklik file Save As dengan nama Histogram_FlorentinaChandra_ 26020213120017.ers dan pilih files of type ER MapperRaster Dataset(ers.) kemudian klik OK.

5. Setelah selesai proses file ,menutup window kecuali ER Mapper. Kemudian memanggil kembali citra dengan memilih Edit Algorithm, kemudian Load Dataset. Membuka file citra Histogram_FlorentinaChandra_26020213120017.ers, Edit Transform Limit. Maka akan terlihat nilai athmosperic biasnya adalah 1

Lakukan langkah tersebut pada band selanjutnya hingga pada band 7.

5. Kemudian lihat perbedaan citra yang belum dikoreksi dengan citra yang sudah di koreksi.

6.

3.3.3. Teknik Penyesuaian Histogram Lainnya1. Dark Pixel Correction (DPC)a. Pada window utama, memilih Toolbars, Remote Sensing. Akan muncul icon-icon baru.

b. Kemudian klik icon Land Application Wizard. Pada window Land Application Wizard, klik next Pilih Process TM imagery, lalu klik next.

c. Pilih Atmosphric Effect Correction, lalu klik next. Pilih Dark Pixel Correction, lalu klik next

d. Masukkan citra yang akan dikoreksi berupa citra Landsat_TM_23Apr85.ers yang tersimpan pada folder Shared Data. Masukkan juga nama file output-nya DPC_ _BelumDikoreksi_FlorentinaChandra_26020213120017.ers Kemudian klik Finish

e. Akan muncul citra dengan 7 band yang telah terkoreksi

f. Kemudian periksa nilai atmospheric biasnya pada window Transform. Dengan cara kengklik DPC_TM1 kemudian klik Edit Transform Limit. Kemudian klik edit dan pilih Delete This Transform

Lakukan langkah tersebut pada band selanjutnya hingga pada DPC_TM7.

g. Kemudian Save As citra dengan Save As citra dengan nama DPC_SudahDikoreksi_FlorentinaChandra_26020213120017.ers type file ER Mapper Raster Datesheet. Klik OK. kemudian tutup semua aplikasi kecuali Program ER. Mapper.

h. Selanjutnya untuk memeriksa kembali nilai atmospheric bias pada setiap band, klik edit algorithm kemudian load datased dan pilih DPC_BelumDikoreksi_FlorentinaChandra_26020213120017.ers klik DPC_TM1 dan klik Edit Transform Limit. Lakukan langkah tersebut pada band selanjutnya hingga pada DPC TM7.

2. Metode Enhaced Pixel Correction ( EDPC )a. Pada window utama, memilih Toolbars, Remote Sensing. Akan muncul icon-icon baru.

b. Kemudian klik icon Land Application Wizard. Pada window Land Application Wizard, klik next Pilih Process TM imagery, lalu klik next.

c. Pilih Atmosphric Effect Correction, lalu klik next. Pilih Dark Pixel Correction, lalu klik next

d. Memasukan file citra yang akan dikoreksi yaitu Landsat_TM_23Aprl85.ers klik OK lalu Next.

e. Memilih Use TM1 as Initial Band dan masukan nilai atmospheric biasnya. Range besar nilai atmospheric biasnya. Range besar nilai atmospheric biasnya sesuai dengan nilai atmospheric biasnya (67). Klik next.

f. Memilih clear ( TM1 >55 0 maka nilai terserbut dihitung sebagai offset, dan koreksi dilakukan dengan mengurangi keseluruhan nilai pada saluran tersebut dengan offsetnya.

3. Enhanched Dark Pixel CorrectionTeknik lain pada Metode Penyesuaian Histogram lain. Nilai TM yang digunakan sebagai inisial Band adalah TM 1. Hal ini dikarenakan TM 1 dianggap sudah mewakili nilai TM yang lain dan nilai TM 1 sudah merupakan acuan atau standar.Kemudian kita memakai kita menggunakan metode koreksi Very Clear dengan syarat TM1 55