pembuatan dem dari citra aster

PEMBUATAN MODEL PERMUKAAN DIGITAL

DARI SUMBER CITRA ASTER SECARA SEMI OTOMATIS

SKRIPSI

Oleh :

DANIEL ADI NUGROHO NIM : 99/129265/TK/24075

JURUSAN TEKNIK GEODESI FAKULTAS TEKNIK UNIVERSITAS GADJAH MADA

YOGYAKARTA 2003

i



SKRIPSI

untuk memenuhi persyaratan dalam mencapai derajat sarjana teknik

Program Studi Teknik Geodesi-Geomatika

diajukan oleh :


kepada :

JURUSAN TEKNIK GEODESI FAKULTAS TEKNIK UNIVERSITAS GADJAH MADA

YOGYAKARTA

ii

SKRIPSI



dipersiapkan dan disusun oleh :


telah dipertahankan di depan Dewan Penguji pada tanggal 11 Oktober 2003

Susunan Dewan Penguji :

Ketua/Pembimbing Anggota

Ir. Djurdjani, MS., M.Eng

1.

Ir. Hadiman, M.Sc.

2.

Catur Aries Rokhmana, S.T., M.T.

Skripsi ini telah diterima sebagai salah satu persyaratan untuk mencapai derajat sarjana teknik

Program Studi Teknik Geodesi

Tanggal .........................................

Ir. H. Sumaryo, M.Si. Ketua Jurusan Teknik Geodesi

iii

PERNYATAAN

Dengan ini saya menyatakan bahwa dalam skripsi ini tidak terdapat karya yang

pernah diajukan untuk memperoleh gelar kesarjanaan di suatu perguruan tinggi, dan

sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang pernah

ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis diacu dalam

naskah ini dan disebutkan dalam daftar pustaka.

Yogyakarta, 11 Oktober 2003

Daniel Adi Nugroho

iv

I dedicate this to…

…The Lord to whom I belong, …my parents who care for me, …the one who lets me print this using her Canon BJC-2100SP.

v

KATA PENGANTAR

Puji syukur ke hadirat Tuhan Yang Maha Kuasa yang senantiasa

melimpahkan rahmat dan anugerahnya sehingga penelitian tugas akhir ini dapat

diselesaikan dengan baik dan lancar.

Penelitian ini dilakukan dalam rangka memenuhi persyaratan dalam

mencapai derajat sarjana teknik pada Program Studi Teknik Geodesi-Geomatika.

Dalam penulisan tugas akhir ini telah banyak pihak yang turut memberikan

dukungan, baik berupa bimbingan, saran, maupun bantuan administratif yang sangat

membantu kelancaran penyusunan skripsi ini. Penulis mengucapkan terima kasih

yang tulus kepada:

1. Ir. Sumaryo, M.Si., Ketua Jurusan Teknik Geodesi Fakultas Teknik

Universitas Gadjah Mada.

2. Ir. Waljiyanto, M.Sc., Sekretaris Jurusan Teknik Geodesi Fakultas Teknik

Universitas Gadjah Mada.

3. Ir. Djurdjani, MS., M.Eng., dosen pembimbing tugas akhir atas

bimbingan dan arahannya.

4. Heri Sutanta, S.T., M.Sc., yang telah memberikan motivasi dan masukan

yang sangat berharga pada awal penelitian.

5. Ir. Soeta’at, Dipl., Ph.E., yang telah memberikan saran dan kritik pada

awal penelitian.

6. Harintaka, S.T., M.T., yang telah memberikan beberapa informasi pada

awal penelitian.

7. Dr. Ming-Ying Wei, staf NASA Headquarters, yang telah memberikan

ijin penggunaan data citra ASTER.

8. Ir. T. Aris Sunantyo, M.Sc., atas dukungan moral dan pinjaman buku-

buku teksnya.

9. Inge Wijaya atas dukungan moral, ide awal penelitian serta print-out

buku-buku teks, Hendro Prastowo dan Hermawan Eko S. atas CD-

writernya, I Made Martawan atas bantuan CPU yang bertenaga, Dia’lah

Hokosuja H., atas pertimbangan least squares-nya, Sukamto atas printer

vi

BJC-1000SP-nya, dan juga saudaraku Ardhian Prabawa yang

meminjamkan CPU-nya pada saat-saat akhir penulisan.

10. Chris Triwarseno, Edi Suryanto, WS Andirachman, Laswanto, Adi

Permadi, Fachry Ansori, Yulieta, Niken ZS, Vitriani, Bisri Musthofa,

Bayu Triyogo, serta rekan-rekan lain yang tidak dapat penulis sebutkan

satu demi satu, atas dukungan moral dan persahabatan yang hangat.

11. Bapak Prayoga, Ibu Murwati, serta Kristi Puji Astuti atas semua

bantuannya.

Saran dan kritik yang membangun sangat diharapkan demi sempurnanya

skripsi ini. Penulis berharap bahwa penelitian ini dapat memberikan manfaat bagi

semua pihak, terutama yang berkaitan dengan bidang fotogrametri, penginderaan

jauh maupun pemetaan topografi.

Yogyakarta, 11 Oktober 2003 Penulis

vii

DAFTAR ISI

Halaman Judul............................................................................................................ i Halaman Pengesahan.................................................................................................. ii Halaman Pernyataan................................................................................................... iii Halaman Persembahan............................................................................................... iv Kata Pengantar........................................................................................................... v Daftar Isi..................................................................................................................... vii Daftar Gambar............................................................................................................ ix Daftar Tabel................................................................................................................ x Daftar Lampiran......................................................................................................... xi Intisari......................................................................................................................... xii BAB I PENDAHULUAN I.1. Latar Belakang....................................................................................... 1 I.2. Tujuan.................................................................................................... 2 I.3. Pembatasan Masalah.............................................................................. 2 I.4. Landasan Teori....................................................................................... 3 I.4.1. Sistem Satelit Terra.................................................................... 3 I.4.1.1. Karakteristik Sistem..................................................... 3 I.4.1.2. Sensor-sensor pada Satelit Terra..............................… 3 I.4.2. Sensor ASTER........................................................................... 3 I.4.2.1. Karakteristik Sensor ASTER........................................ 3 I.4.2.2. Sifat Stereoskopik pada Citra ASTER......................... 6 I.4.3. Data Citra ASTER..................................................................... 7 I.4.3.1. Pemrosesan Data Citra ASTER.................................... 7 I.4.3.2. Format Data Citra ASTER........................................... 7 I.4.4. Pembentukan Model Permukaan Digital................................... 7 I.4.4.1. Teknik Korelasi Silang................................................. 7 I.4.4.2. Penghitungan Paralaks dan Elevasi.............................. 11 I.4.4.3. Model Permukaan Digital............................................ 13 I.4.5. Noise filtering.................................... ....................................... 14 I.4.5.1. Simpangan Baku Lokal................................................ 14 I.4.5.2. Filter Median................................................................ 14 I.4.6. Hitung Kuadrat Terkecil............................................................ 15 I.4.7. Transformasi Polinomial............................................................ 17 I.4.8. Teori Kesalahan......................................................................... 18 I.4.9. Acuan Ketelitian Baku............................................................... 21 I.4.9. Perangkat Lunak Komputer....................................................... 21 I.4.9.1. IDL/ENVI..................................................................... 21 I.4.9.2. Delphi 5............................... ........................................ 22 BAB II PELAKSANAAN II.1. Persiapan.................................... ......................................................... 24 II.2. Materi Penelitian.................................... ............................................. 24 II.3. Alat Penelitian.................................... ................................................ 24 II.4. Alur Penelitian.................................... ................................................ 25

viii

II.4.1. Pemrograman Komputer........................................................ 26 II.4.1.1. Perancangan Interface............................................. 26 II.4.1.2. Penulisan Kode Program......................................... 27 II.4.1.3. Uji Program dan Debugging.................................... 28 II.4.2. Ekstraksi Band 3N dan 3B..................................................... 29 II.4.3. Pengukuran Koordinat pada Peta Rupabumi......................... 31 II.4.3.1. Titik Kontrol Tanah dan Titik Ikat.......................... 33 II.4.3.2. Titik Cek.................................................................. 33 II.4.4. Pengukuran Koordinat Titik Ikat pada Citra.......................... 33 II.4.5. Pengolahan Data secara Otomatis.......................................... 34 II.4.5.1. Registrasi Band 3B ke 3N secara Otomatis............. 34 II.4.5.2. Korelasi Stereo secara Otomatis.............................. 36 II.4.5.3. Noise filtering Model Permukaan Digital............... 37 II.4.5.4. Koreksi Elevasi secara Otomatis............................. 39 II.4.5.5. Penyimpanan Data Model Permukaan Digital........ 39 II.4.6. Georeferensi Model Permukaan Digital................................ 41 II.4.7. Evaluasi Ketelitian Model Permukaan Digital...................... 43 II.4.8. Visualisasi Model Permukaan Digital................................... 44 BAB III HASIL DAN PEMBAHASAN III.1. Hasil Penelitian.................................... ............................................... 45 III.2. Registrasi Band 3B ke 3N................................................................... 45 III.3. Korelasi Stereo secara Otomatis.......................................................... 45 III.3.1. Ukuran Daerah Selidik......................................................... 46 III.3.2. Ukuran Daerah Sasaran........................................................ 46 III.4. Noise filtering.................................... ................................................. 47 III.5. Koreksi Elevasi Model Permukaan Digital......................................... 49 III.6. Georeferensi Model Permukaan Digital.............................................. 49 III.6. Ketelitian Model Permukaan Digital................................................... 50 BAB IV KESIMPULAN DAN SARAN IV.1. Kesimpulan.................................... ..................................................... 52 IV.2. Saran.................................... .......................... .................................... 53 IV.2.1. Pengembangan Program....................................................... 53 IV.2.2. Penelitian pada Daerah dengan Berbagai Variasi Terrain.... 53 IV.2.3. Pengujian dengan Menggunakan MPD Acuan.................... 54 IV.2.4. Penggunaan Komputer dengan Kecepatan Tinggi............... 54 Daftar Pustaka............................................................................................................ 56 Lampiran.................................................................................................................... 57

ix

DAFTAR GAMBAR

Gambar I.1. Diagram skematik linear array sensor.............................................. 4 Gambar I.2. Subsistem VNIR pada sistem sensor ASTER................................... 6 Gambar I.3. Geometri citra ASTER...................................................................... 6 Gambar I.4. Korelasi silang 2 dimensi.................................................................. 8 Gambar I.5. Estimasi koordinat sub-piksel............................................................ 10 Gambar I.6. Penentuan elevasi berdasarkan paralaks pada citra ASTER............. 12 Gambar I.7. Proses penghitungan median filter.................................................... 15 Gambar I.8. Kurva distribusi normal..................................................................... 19 Gambar II.1. Diagram alir penelitian...................................................................... 25 Gambar II.2. Properties dan Events dalam Object Inspector Delphi..................... 27 Gambar II.3. Code Editor pada Delphi................................................................... 28 Gambar II.4. Ukuran citra ASTER Level-1B full scene......................................... 29 Gambar II.5. Fasilitas New File Builder pada ENVI.............................................. 30 Gambar II.6. Distribusi titik GCP dan titik ikat yang digunakan........................... 32 Gambar II.7. Tampilan awal program DEMCreator 4............................................ 34 Gambar II.8. Bagian pengaturan proses dalam program DEMCreator 4............... 35 Gambar II.9. Daerah tepi yang tidak dapat dihitung nilai korelasi silangnya......... 36 Gambar II.10. Citra dengan noise dan citra yang telah dihilangkan noise-nya........ 37 Gambar II.11. Bagian pengaturan lanjut DEMCreator 4.......................................... 38 Gambar II.12. Pemilihan GCP untuk proses georeferensi........................................ 42 Gambar II.13. Fasilitas Image to Map Registration untuk melakukan georeferensi

model.................................................................................................

43 Gambar III.1. Selisih elevasi titik cek pada model terhadap elevasi titik cek pada

peta rupabumi....................................................................................

51

x

DAFTAR TABEL

Tabel I.1. Parameter orbit satelit Terra.................................................................. 3 Tabel I.2. Karakteristik band Citra ASTER........................................................... 5 Tabel I.3. Faktor pengali σ untuk berbagai tingkat kepercayaan.......................... 20 Tabel I.4. Hubungan antara skala peta, interval kontur, dan syarat tingkat

ketelitian................................................................................................

21 Tabel III.1. Nilai parameter transformasi polinomial satu dimensi......................... 45 Tabel III.2. Pengaruh ukuran daerah sasaran terhadap ketelitian korelasi

otomatis.................................................................................................

47 Tabel III.3. Pengamatan secara visual hasil filter.................................................... 48 Tabel III.4. Nilai parameter transformasi dalam koreksi elevasi............................. 49 . .

xi

DAFTAR LAMPIRAN

Lampiran A Visualisasi Model Permukaan Digital................................................. 58 Lampiran B Daftar Koordinat GCP dan Titik Ikat.................................................. 65 Lampiran C Hasil Uji Korelasi Otomatis................................................................ 68 Lampiran D Hasil Uji Noise filtering....................................................................... 81 Lampiran E Hasil Uji Ketelitian Model Permukaan Digital................................... 87 Lampiran F Setting Program untuk Pembuatan Model Permukaan Digital

Daerah Parengan, Tuban......................................................................

92 Lampiran G Panduan Singkat Penggunaan Program DEMCreator......................... 95 Lampiran H Flowchart Modul Program Korelasi Otomatis dan Filtering............... 113 Lampiran I CD-ROM............................................................................................. - 1. Dokumen Skripsi................................................ folder DOC 2. Data Mentah....................................................... folder RAW 3. Data Hasil Olahan.............................................. folder DEM 4. Paket Program DEMCreator 4........................... folder SOFT

xii

INTISARI

Perkembangan teknik fotogrametri ke arah sistem digital berjalan dengan

cepat seiring dengan semakin majunya teknologi komputer. Demikian pula dengan perkembangan teknologi penginderaan jauh yang memberikan banyak inovasi baru dalam kaitannya dengan kegiatan pemetaan. Salah satunya ditandai dengan diluncurkannya satelit EOS-AM1/Terra yang memiliki sensor ASTER dengan kemampuan yang istimewa yaitu mengindera tempat yang sama dari dua posisi pencitraan dalam satu jalur orbit, sehingga didapatkan citra stereo. Dari pasangan citra stereo tersebut, dapat dibentuk model tiga dimensi dari permukaan daerah yang diindera.

Penelitian ini memanfaatkan prinsip paralaks untuk menentukan elevasi titik-titik pada citra ASTER dalam pembentukan model permukaan digital. Dalam menentukan elevasi hanya diperhatikan dua faktor, yaitu B/H ratio sebesar 0,6 dan beda paralaks tiap piksel. Untuk menentukan titik-titik yang bersesuaian pada dua buah citra, dilakukan proses image-matching secara otomatis dengan teknik korelasi silang. Untuk melaksanakan korelasi otomatis serta penghitungan model permukaan digital ini disusun sebuah program komputer dengan menggunakan perangkat lunak pemrograman Delphi 5.

Hasil utama yang didapat dari penelitian ini adalah sebuah model permukaan digital tergeoreferensi daerah Parengan, Tuban, Jawa Timur, berukuran 1132 piksel x 1131 piksel dengan resolusi spasial 15 meter secara horisontal dan 1 meter secara vertikal. Berdasarkan 150 buah titik sampel yang diambil dari titik-titik tinggi pada peta rupabumi didapatkan root mean square error (RMSE) pada komponen elevasi sebesar 8,8 meter atau setara dengan tingkat ketelitian sebesar 14,48 meter pada tingkat kepercayan 90%, sehingga memenuhi persyaratan ketelitian menurut United States National Map Accuracy Standards untuk keperluan pembuatan peta topografi dengan skala 1:100.000 atau lebih kecil lagi.

1

BAB I

PENDAHULUAN

I.1. Latar Belakang

Pengukuran bentuk fisik dari permukaan bumi adalah pekerjaan yang sangat

penting dalam geodesi dan kartografi. Dapat dikatakan semua penelitian yang

melibatkan permukaan bumi memerlukan data topografi dan produk turunannya,

seperti kemiringan lahan, aspek kemiringan, serta pola drainase. Pada kasus tertentu,

misalnya untuk daerah bergelombang, data model permukaan digital diperlukan

untuk memproduksi citra raster yang terektifikasi dan bergeoreferensi, yang

merupakan suatu keharusan dalam integrasi data citra ke sebuah Sistem Informasi

Geografis. Selain itu, data topografi juga diperlukan untuk melakukan koreksi

geometrik, radiometrik, dan atmosferik terhadap data satelit yang dihasilkan oleh

instrumen optis maupun gelombang mikro (Lang, 1999).

Dalam pekerjaan pembuatan peta topografi, data elevasi permukaan bumi

didapatkan dari berbagai sumber, seperti dari pemetaan terestris maupun dari

pemetaan fotogrametri. Untuk wilayah yang luas, pemetaan secara terestris

membutuhkan waktu dan biaya yang sangat besar, sehingga pemetaan secara

fotogrametri merupakan alternatif menarik sebagai sumber data dalam pemetaan,

terutama pada daerah yang sulit dijangkau. Selaras dengan perkembangan teknologi,

teknik fotogrametri tidak hanya dapat diterapkan pada foto udara, namun juga dapat

diterapkan pada data citra satelit. Citra satelit mempunyai beberapa keuntungan

dibandingkan foto udara konvensional, diantaranya adalah daerah cakupan yang

lebih luas, akuisisi data yang lebih cepat dan murah daripada foto udara, dan

penggunaan spektrum yang lebih luas.

Perkembangan teknik fotogrametri ke arah sistem digital berjalan dengan

cepat seiring dengan semakin majunya teknologi komputer. Banyaknya keuntungan

yang ditawarkan oleh data digital apabila dibandingkan dengan data analog, serta

semakin efisiennya pekerjaan yang dilakukan dengan menggunakan sistem digital

merupakan pendorong utama transisi dari fotogrametri konvensional menuju

fotogrametri digital. Pada pengolahan data citra satelit untuk pembentukan model

2

permukaan digital, proses otomasi mutlak diperlukan karena kuantitas data yang

besar dan kerumitan dalam hitungan matematis yang terlibat di dalamnya.

Salah satu metode yang digunakan untuk menentukan beda tinggi antar titik

dalam fotogrametri adalah penggunaan paralaks, yaitu perubahan kenampakan posisi

suatu objek terhadap kerangka acuan tertentu yang disebabkan oleh perpindahan

posisi pengamat. Selama ini, prinsip paralaks telah diaplikasikan dengan bantuan

stereoskop dan tongkat paralaks. Dari pengukuran beda paralaks dapat dihitung beda

tinggi dengan menggunakan suatu rumusan matematis yang relatif lebih sederhana

daripada penghitungan dengan prinsip kesegarisan dan kesebidangan.

Pembuatan model permukaan digital dari citra satelit telah dilakukan pada

citra-citra satelit yang mempunyai sifat stereoskopis, seperti SPOT, JERS-1, dan

MOMS. Salah satu kelemahan dari citra satelit sebagai sumber data untuk pembuatan

model permukaan digital adalah adanya selang waktu yang relatif lama antara dua

pengambilan gambar pada daerah yang akan dibentuk model permukaan digitalnya.

Adanya selang waktu ini memberikan dampak negatif pada proses pembentukan

model stereo karena daerah yang akan ditinjau akan mengalami berbagai perubahan

kenampakan, yang meliputi perubahan iluminasi, perubahan penutup lahan,

perubahan cuaca, maupun perubahan geomorfologis lainnya. Pada citra ASTER,

kelemahan ini dapat diatasi dengan adanya selang waktu yang singkat antara dua

pengambilan citra stereo, yaitu sekitar 9 detik.

I.2. Tujuan Penelitian

Tujuan penelitian ini adalah membentuk model permukaan digital dengan

memanfaatkan prinsip paralaks. Untuk menentukan titik-titik yang bersesuaian pada

dua buah citra, dilakukan proses image-matching dengan teknik korelasi silang.

I.3. Pembatasan Masalah

Dalam penelitian ini, hanya dua faktor yang diperhitungkan dalam

pembentukan model permukaan digital, yaitu beda paralaks serta perbandingan basis

terhadap tinggi terbang sebesar 0,6. Pengaruh kesalahan orientasi sumbu-sumbu

kamera, pengaruh kelengkungan bumi, pengaruh kesalahan orbit satelit, pengaruh

variasi skala dalam satu scene, serta pengaruh kesalahan radiometris diabaikan.

3

I.4. Landasan Teori

I.4.1. Sistem Satelit Terra (EOS AM-1)

I.4.1.1. Karakteristik Sistem. Pada bulan Desember 1999, National

Aeronautics and Space Administration (NASA) meluncurkan sebuah satelit bernama

EOS AM-1/Terra sebagai bagian awal dari misi Earth Observing System (EOS).

EOS terdiri dari komponen ilmiah dan sistem informasi data yang memberikan

dukungan kepada sejumlah satelit terkoordinasi dengan orbit kutub dan orbit

berinklinasi rendah untuk observasi global jangka panjang dari permukaan daratan,

biosfer, kerak bumi, atmosfer, dan lautan (Abrams, 2002).

Tabel I.1. Parameter orbit satelit Terra (ASTER Science Team, 2001)

Parameter Keterangan Orbit Sun synchronous, descending Sumbu semi-major (rerata) 7078 km Eksentrisitas 0,0012 Waktu lintas (lokal) 10.30 ± 15 menit. Kisaran ketinggian 700 - 737 km (705 km pada ekuator) Inklinasi 98,2° ± 0,15° Repeat cycle 16 hari (233 revolusi / 16 hari) Jarak antara orbit yang berdekatan 172 km Periode orbit 98,9 menit

Satelit Terra berada pada orbit kutub yang bersifat sun-synchronous, 30 menit

dibelakang Landsat ETM+; Terra melintasi ekuator pada sekitar pukul 10.30 pagi

waktu setempat. Parameter orbit satelit Terra ditunjukkan pada Tabel I.1.

I.4.1.2. Sensor-sensor pada Satelit Terra. Selain Advanced Spaceborne

Thermal Emission and Reflection Radiometer (ASTER), instrumen lain yang

terpasang pada satelit Terra adalah Moderate-Resolution Imaging Spectroradiometer

(MODIS), Multi-angle Imaging Spectro-Radiometer (MISR), Clouds and the Earth’s

Radiant Energy System (CERES), dan Measurements of Pollution in the Troposphere

(MOPITT).

I.4.2. Sensor ASTER

I.4.2.1. Karakteristik Sensor ASTER. ASTER (Advanced Spaceborne

4

Thermal Emission and Reflection Radiometer) adalah sebuah pengindera

multispektral modern yang dipilih oleh NASA untuk dipasang pada satelit EOS AM-

1 (Terra) bersama dengan empat buah sensor yang lain. Konsep dasar dari ASTER

adalah mengumpulkan data spektral kuantitatif dari radiasi yang dipantulkan dan

dipancarkan dari permukaan bumi dalam jangkauan panjang gelombang 0,5 – 2,5 µm

dan 8 – 12 µm.

Tujuan umum dari penyelidikan ilmiah menggunakan ASTER adalah untuk

mempelajari interaksi antara geosfer, hidrosfer, dan atmosfer bumi, dari sudut

pandang geofisika (ASTER Science Team, 2001).

Salah satu kemampuan sensor ASTER pada satelit Terra yang cukup menarik

adalah kemampuan stereoskopisnya pada arah jalur orbit, dimana waktu yang

diperlukan untuk mencitrakan suatu daerah dari dua sudut yang berbeda (arah nadir

dan arah lihat-belakang) relatif singkat, yaitu sekitar 64 detik. Dalam waktu yang

sangat singkat itu, perubahan kenampakan permukaan bumi akibat perubahan cuaca

atau penutup lahan akan dapat diminimalisasi. Selain itu, resolusi spasial yang

ditawarkan cukup tinggi, yaitu 15 meter.

Gambar I.1. Diagram skematik linear array sensor. (JARS, 1993)

Sensor ASTER pada subsistem VNIR termasuk tipe pushbroom dengan 5000

buah detektor CCD (Charge Coupled Device) yang terbuat dari silikon. Pushbroom

5

scanner atau linear array sensor adalah sebuah sistem penyiam (scanner) yang tidak

menggunakan cermin penyiam mekanis, melainkan menggunakan elemen-elemen

semikonduktor padat yang disusun dalam satu baris sehingga memungkinkan

perekaman satu baris citra secara simultan (JARS, 1993). Diagram skematik linear

array sensor ditunjukkan pada gambar I.1.

Tabel I.2. Karakteristik band Citra ASTER (ASTER Science Team, 2001).

Subsistem Band Kisaran spektral (µm)

Resolusi Spasial

Kuantisasi sinyal

VNIR

1 2

3N 3B

0.52 - 0.60 0.63 - 0.69 0.78 - 0.86 0.78 - 0.86

15 m 8 bit

SWIR

4 5 6 7 8 9

1.600 - 1.700 2.145 - 2.185 2.185 - 2.225 2.235 - 2.285 2.295 - 2.365 2.360 - 2.430

30 m 8 bit

TIR

10 11 12 13 14

8.125 - 8.475 8.475 - 8.825 8.925 - 9.275 10.25 - 10.95 10.95 – 11.65

90 m 12 bit

Satu scene penuh dari citra ASTER meliputi daerah berukuran sekitar 60 km

x 60 km. Tabel I.2. menunjukkan karakteristik kisaran spektral, resolusi spasial, dan

kuantisasi sinyal dari semua band yang ada pada citra ASTER.

ASTER terdiri atas tiga buah subsistem, yaitu: Visible and Near-Infrared

Radiometer (VNIR), yang memiliki 3 band (ditambah satu band pandangan ke

belakang yang menggunakan sebuah teleskop lihat-belakang untuk kemampuan

pandangan stereo) dengan resolusi spasial 15 meter; Shortwave Infrared Radiometer

(SWIR) yang memiliki 6 band dengan resolusi spasial 30 meter; dan Thermal

Infrared Radiometer (TIR) yang memiliki 5 band dengan resolusi spasial 90 meter.

Kenampakan fisik dari subsistem VNIR ditunjukkan pada gambar I.2.

6

Gambar I.2. Subsistem VNIR pada sistem sensor ASTER

I.4.2.2. Sifat Stereoskopik pada Citra ASTER. Citra ASTER memiliki

kemampuan stereoskopis pada arah jalur orbit (along track) karena dimilikinya

sebuah sensor pada arah vertikal (nadir looking) dan sebuah sensor dengan arah

miring ke belakang sebesar 27,6° terhadap vertikal (backward looking).

Perbandingan jarak basis terhadap ketinggian terbang (B/H ratio) sebesar 0,6.

Gambar I.3. Geometri citra ASTER (Lang, 1999).

7

Sebenarnya, untuk menghasilkan B/H ratio sebesar 0,6 diperlukan sudut

miring sebesar 30,96° terhadap vertikal, namun untuk mengkompensasi pengaruh

kelengkungan bumi, sudut miring diatur pada 27,6° (ASTER Science Team, 2001).

Data yang dihasilkan oleh kedua sensor yang bekerja pada daerah gelombang tampak

dan infra merah dekat (subsistem VNIR) ini direkam dalam band 3 pada tiap citra,

yaitu pada band 3N (band 3 nadir) dan band 3B (band 3 backward). Untuk merekam

satu stereo scene diperlukan waktu selama 64 detik. Kemampuan stereoskopis ini

memungkinkan pembuatan model 3 dimensi dari daerah yang diamat oleh satelit

Terra. Diagram skematik geometri pencitraan disajikan pada gambar I.3.

I.4.3. Data Citra ASTER

I.4.3.1. Pemrosesan Data Citra ASTER. Pada produk citra ASTER dikenal

adanya produk Level 1A dan 1B. Pada level 1A, citra belum dikoreksi secara

geometris maupun radiometris, tetapi parameter-parameter untuk melakukan koreksi-

koreksi tersebut telah disertakan dalam header file citra. Sedangkan pada level 1B,

citra sudah dikoreksi menggunakan data citra dari Level 1A dengan parameter-

parameter koreksi yang juga terdapat pada level 1A.

I.4.3.2. Format Data Citra ASTER. Format standar dari citra ASTER adalah

EOS-HDF, sebuah implementasi khusus dari format HDF (Hierarchical Data

Format), yang dapat dikenali oleh beberapa perangkat lunak seperti PCI Geomatica

OrthoEngine, Matlab, ILWIS, dan IDL/ENVI. Satu scene penuh dari citra ASTER

yang terdiri atas 14 band berukuran sekitar 120 MB. Data ini didistribusikan dalam

berbagai media data, seperti CD-ROM (Compact Disc – Read Only Memory), CCT

(Computer Compatible Tape), maupun transfer data secara langsung melalui Internet

dengan fasilitas FTP (File Transfer Protocol).

I.4.4. Pembentukan Model Permukaan Digital

I.4.4.1. Teknik Korelasi Silang. Untuk mendapatkan koordinat titik yang

bersesuaian pada kedua band, digunakan teknik korelasi silang. Korelasi silang

adalah algoritma untuk menentukan lokasi bagian-bagian dari citra berdasarkan

kesamaan tingkat keabuan. Sebuah titik referensi ditentukan pada citra referensi, dan

8

titik yang bersesuaian dicari pada citra pencarian. Untuk keperluan itu, citra referensi

digerakkan pada citra pencarian, dan posisi dari kesamaan maksimum dari tingkat

keabuan dapat dicari. Pada setiap posisi dari citra referensi dalam citra pencarian,

sebuah nilai kesamaan, yaitu koefisien korelasi silang dari tingkat-tingkat keabuan,

dihitung. Koefisien korelasi dihitung dengan persamaan I.1. (Rottensteiner, 2001).

Gambar I.4. Korelasi silang 2 dimensi.

Pencarian piksel yang bersesuaian pada kedua band dilakukan dengan

membentuk daerah selidik dan daerah sasaran, seperti yang diilustrasikan pada

gambar I.4.. Pada citra band 3N, piksel yang akan dicari pasangannya dibentuk

sebuah daerah sasaran dengan ukuran tertentu dengan titik tersebut sebagai pusatnya,

misalnya 3 x 3 piksel, 5 x 5 piksel, atau lebih besar lagi.

Pada citra band 3B dibentuk daerah selidik dengan ukuran yang lebih besar

dari daerah sasaran. Untuk tiap piksel pada daerah selidik, dibentuk daerah sasaran

dengan piksel yang bersangkutan sebagai titik pusat. Kemudian, dihitung nilai

korelasi antara daerah sasaran pada citra band 3N dengan daerah sasaran pada citra

band 3B. Proses ini diulang untuk tiap piksel pada daerah selidik, dengan demikian

diperoleh nilai korelasi untuk tiap piksel pada daerah selidik tersebut. Piksel dengan

nilai korelasi paling tinggi merupakan piksel yang bersesuaian pada citra band 3N

dan band 3B.

9

∑∑ ∑∑

∑∑

= = = =

= =

−⋅−

−−=

t

x

t

y

t

x

t

ymyxmyx

t

x

t

ymyxmyx

hhgg

hhgg

1 1 1 1

2),(

2),(

1 1),(),(

][][

]][[δ (I.1)

dalam hal ini :

δ : koefisien korelasi

g(x,y) : derajat keabuan untuk piksel yang mempunyai koordinat (x, y)

pada citra pertama.

h(x,y) : derajat keabuan untuk piksel yang mempunyai koordinat (x, y)

pada citra kedua.

gm, hm : rerata nilai keabuan piksel dalam luasan jendela citra pertama

dan citra kedua.

Untuk mendapatkan ketelitian sub-piksel, maka piksel dengan nilai korelasi

terbesar dijadikan pusat dari sebuah daerah interpolasi berukuran 3 x 3 piksel. Nilai

koordinat piksel dan nilai korelasi untuk tiap piksel pada daerah tersebut digunakan

untuk menghitung parameter dari suatu fungsi permukaan kuadratis.

2

52

43210 yaxaxyayaxaa +++++=δ (I.2)

dengan

δ : koefisien korelasi

a0 – a5 : koefisien parameter polinomial

x, y : koordinat piksel

Setelah parameter fungsi permukaan kuadratis tersebut dihitung dengan

menggunakan hitung kuadrat terkecil dengan persamaan I.2 sebagai persamaan

observasi, maka dapat dihitung nilai koordinat piksel yang memiliki nilai korelasi

yang maksimum dari derivatif pertama dari fungsi permukaan kuadratis dengan

menggunakan persamaan I.3, dengan demikian, ketelitian sub-piksel dapat diketahui.

10

Ketelitian metode estimasi sub-piksel ini secara empiris diperoleh sekitar 0,2 – 0,3

piksel (Rottensteiner, 2001).

=

∗

+

=

∂∂∂∂

00

22

max

max

53

34

2

1

yx

aaaa

aa

y

xδ

δ

(I.3)

Gambar I.5. Estimasi koordinat sub-piksel (Rottensteiner, 2001).

Menurut Lang (1999), ketelitian elevasi secara teoritis yang dapat dihasilkan

dari citra satelit stereo dihitung dengan persamaan:

BpHh ∆

=∆ (I.4)

dengan

∆h = ketelitian teoritis

∆p = asumsi kesalahan image-matching maksimum

H = tinggi orbit satelit

B = jarak basis

Apabila ketelitian pada proses korelasi silang diasumsikan sebesar 1 piksel (15

meter), maka berdasarkan persamaan I.4 resolusi elevasi model adalah 25 meter.

Sebuah model permukaan digital dengan resolusi elevasi sebesar 25 meter akan

tampak berteras-teras pada daerah yang miring. Efek berteras (terraced effect) ini

11

akan tampak nyata pada daerah yang landai maupun daerah yang mendekati datar.

Selain kualitas visual yang buruk, model dengan resolusi elevasi 25 meter akan

cenderung menghilangkan detil lokal dari permukaan bumi.

Untuk mengatasi masalah-masalah yang muncul pada model dengan resolusi

elevasi besar tersebut, digunakan proses korelasi silang dengan ketelitian sub-piksel

sehingga resolusi elevasi dari model permukaan digital dapat ditingkatkan.

Proses korelasi silang membutuhkan unjuk kerja komputasi yang handal

karena proses korelasi dilakukan pada tingkat piksel untuk tiap piksel pada citra serta

melibatkan banyak hitungan floating-point. Karena pada penghitungan elevasi

diperlukan nilai beda paralaks pada sumbu y, maka proses korelasi silang dapat

dipercepat dengan membatasi daerah sasaran dan selidik menjadi satu dimensi saja.

Namun demikian, pada kenyataan, diperlukan toleransi sebesar masing-masing satu

piksel ke arah sumbu x positif dan sumbu x negatif untuk mengkompensasi

perubahan ketinggian satelit.

Korelasi silang, sebagai salah satu metode image-matching berdasar area

(area-based image-matching) mempunyai beberapa kelemahan, yaitu:

a. tidak memberikan solusi untuk daerah yang tingkat keabuannya homogen,

misalnya salju, padang rumput, dataran pasir, dan lautan.

b. tidak memberikan solusi untuk daerah yang sangat gelap, maupun sangat

terang, seperti daerah bayang-bayang atau permukaan atas awan.

c. tidak memberikan hasil yang tepat untuk daerah dengan perulangan pola

tertentu (repeated patterns).

d. tidak memberikan hasil yang tepat pada daerah yang sama sekali tidak mirip,

misalnya apabila objek pada salah satu citra tertutup awan.

I.4.4.2. Penghitungan Paralaks dan Elevasi. Besarnya paralaks dari tiap piksel

pada citra dapat ditentukan dengan proses image-matching menggunakan teknik

korelasi silang, dimana untuk tiap piksel pada band 3N dicari piksel yang bersesuaian

pada band 3B. Beda koordinat pada komponen sumbu y adalah beda paralaks pada

sumbu y, sedangkan beda koordinat pada komponen sumbu x adalah beda paralaks

pada sumbu x. Koordinat x dan y adalah dalam koordinat citra, merupakan sistem

koordinat tangan kiri, dengan sumbu y sejajar arah orbit.

12

Beda tinggi dapat diketahui berdasarkan besar paralaks dan perbandingan

antara basis citra terhadap tinggi terbang (B/H ratio). B/H ratio dari citra ASTER

adalah sebesar 0,6. Hubungan matematis dari paralaks dan beda tinggi ditunjukkan

dalam persamaan berikut:

αtan21 XX

h−

=∆ (I.5)

αtan

p∆= (I.6)

B

pH ∆⋅= (I.7)

Gambar I.6. Penentuan elevasi berdasarkan paralaks pada citra ASTER (Lang, 1999).

Beda paralaks pada sumbu x pada citra yang terkoreksi harus sama dengan 0.

Hal ini disebabkan karena sifat stereoskopis dari citra ASTER adalah untuk scene

13

yang terletak berurutan pada satu jalur terbang (along track), sehingga untuk kondisi

ideal, paralaks yang ada hanyalah paralaks pada sumbu y saja. Namun pada

kenyataannya, kemungkinan terdapat kesalahan geometrik sebesar 1 piksel pada

sumbu x, yang disebabkan karena perubahan tinggi satelit (Lang, 1999). Kesalahan

ini perlu dikompensasi pada saat proses image-matching.

I.4.4.3. Model Permukaan Digital. Pemodelan permukaan merupakan istilah

umum yang digunakan untuk menjelaskan suatu proses menyajikan permukaan nyata

atau tiruan secara matematis. Pemodelan permukaan bumi merupakan kategori

khusus dari pemodelan permukaan yang berkaitan dengan problem khusus untuk

menyajikan bentuk permukaan bumi (Djurdjani, 1999). Model permukaan digital

dapat disimpan dengan berbagai metode:

a. Data berdistribusi teratur. Data disimpan dengan spasi yang teratur antar

titik data sehingga membentuk suatu grid. Bentuk dasar dari grid yang

paling sering digunakan adalah bentuk bujur sangkar. Data elevasi dicatat

pada tiap jarak tertentu, sesuai dengan resolusi spasial dari grid.

b. Data berdistribusi semi teratur. Pada metode ini, keteraturan terdapat pada

salah satu unsur datanya, sedangkan unsur yang lain acak. Misalnya garis-

garis kontur pada peta yang merepresentasikan ketinggian yang sama

pada permukaan bumi dengan interval ketinggian tertentu yang konstan

mempunyai keteraturan pada unsur Z, tetapi pada unsur X dan Y acak.

c. Data berdistribusi acak. Pada metode ini, tidak ada keteraturan pada

setiap unsur datanya. Salah satu bentuk struktur data acak adalah TIN

(Triangulated Irregular Networks) dengan segitiga-segitiga tak beraturan

sebagai satuan datanya.

d. Fungsi permukaan. Permukaan bumi dapat pula disajikan dalam model

matematis tertentu, namun pemodelan ini cenderung hanya memberikan

gambaran umum permukaan (trend surface) serta menghilangkan detil-

detil lokal pada permukaan bumi, mengingat kenampakan fisik dari

permukaan bumi sangat kompleks dan sulit dimodelkan melalui suatu

fungsi matematis secara tepat.

14

I.4.5. Noise Filtering

Dua tahap yang terlibat dalam proses noise filtering adalah deteksi noise dan

eliminasi noise. Dalam penelitian ini noise dideteksi dengan menggunakan teknik

simpangan baku lokal, sedangkan noise yang telah dideteksi dihilangkan dengan

menggunakan filter median.

I.4.5.1. Simpangan baku lokal. Salah satu cara untuk mendeteksi adanya

noise adalah dengan menggunakan simpangan baku lokal. Simpangan baku lokal

adalah simpangan baku nilai ketinggian pada sebuah daerah window bujur sangkar

berukuran tertentu. Nilai ketinggian yang melebihi ambang batas tertentu dianggap

sebagai noise. Ambang batas dihitung dengan mengalikan simpangan baku dengan

faktor pengali tertentu.

nxxi

2)(∑ −=σ (I.8)

dengan

xi = nilai ketinggian pada piksel ke-i

x = nilai rerata ketinggian pada jendela

n = jumlah piksel pada jendela

σ = simpangan baku

I.4.5.2. Filter Median. Filter median adalah filter yang memeriksa setiap nilai

piksel yang tercakup dalam jendela filter dan mengurutkannya dari nilai terkecil

sampai terbesar. Hasil dari filter median adalah nilai yang tepat berada di tengah

urutan tersebut.

Sebagai contoh, pada gambar I.7 diilustrasikan sebuah jendela filter

berukuran 3 x 3 piksel. Nilai yang dihasilkan filter median pada ilustrasi tersebut

adalah nilai yang berada pada bagian tengah hasil pengurutan, atau dalam hal ini

nilai ke-4, yaitu 23. Nilai-nilai ekstrim akan berada pada awal maupun akhir dari

daftar pengurutan, sehingga dapat disimpulkan bahwa nilai-nilai ekstrim dapat

dihilangkan dengan filter median.

15

Jendela filter 3 x 3

Hasil pengurutan dari 9 piksel yang ada pada jendela filter

22 22 23 23 23 24 24 25 35

Gambar I.7. Proses penghitungan median filter.

I.4.6. Hitung Kuadrat Terkecil

Kuadrat terkecil adalah prosedur yang dilakukan untuk menghitung nilai yang

paling mungkin dari suatu pengukuran yang mengandung kesalahan acak. Prinsip

dasar yang dipakai dalam penyelesaian kuadrat terkecil adalah meminimumkan

kuadrat residual, yaitu kuadrat selisih antara hasil pengamatan dengan hasil perataan.

Penelitian ini memakai hitungan kuadrat terkecil metode parameter.

Dalam metode parameter, harus dicari sejumlah parameter (besaran yang

independen) sebanyak minimum data yang harus diketahui untuk menyelesaikan

suatu sistem persamaan (u). Setelah parameternya diketahui, dapat disusun

persamaan atau hubungan matematis antara hasil pengamatan dengan masing-masing

parameter tersebut. Jumlah persamaan ini harus sama dengan jumlah pengamatan

(n). Hubungan antara hasil pengamatan, nilai yang paling mungkin (pengamatan

terkoreksi), dan nilai koreksi kesalahan adalah :

annn

a

a

lvl

lvllvl

=+

=+=+

........222

111

(I.9)

dengan

ln = hasil pengamatan

vn = residual

lan = pengamatan terkoreksi

23 25

23 35

24

24 22

22

23

16

Hubungan fungsional antara la dan x berbentuk

0,,22,11,

0,1,122,111,11

......

...

nuunnnan

uua

axaxaxal

axaxaxal

++++=

++++=

(I.10)

sehingga persamaan I.9 menjadi

0,,22,11,

0,1,122,111,111

......

...

nuunnnnn

uu

axaxaxavl

axaxaxavl

++++=+

++++=+

(I.11)

maka didapat persamaan dalam fungsi v sebagai berikut

nnuunnnn

uu

laxaxaxav

laxaxaxav

−++++=

−++++=

0,,22,11,

10,1,122,111,11

......

... (I.12)

dalam bentuk matriks dapat dituliskan

FAXV += (I.13)

dengan

=

nv

vV ...

1

=

unnn

u

aaa

aaaA

,2,1,

,12,11,1

...............

...

=

ux

xX ...

1

−

−=

nn la

laF

0,

10,1

......

V = matriks residual

A = matriks koefisien

X = matriks koefisien parameter

F = matriks vektor sisa

Jumlah kuadrat residual sama dengan transpos matriks V dikalikan matriks V. Supaya

jumlah kuadrat residual minimum, maka turunan pertama dari VTV (jumlah kuadrat

residual) terhadap X harus sama dengan nol.

17

0=∂

∂X

VV T

(I.14)

Karena

)()( FAXFAXVV TT ++= (I.15)

maka

022 =+ AFAAX TTT (I.16)

0=+ AFAAX TTT (I.17)

Apabila persamaan diatas ditranspos maka

0=+ FAAXA TT (I.18)

Sehingga

)()( 1 FAAAX TT −−= (I.19)

Nilai varian posteriori adalah :

unVV T

−=2

0σ (I.20)

dengan 2σ = varian posteriori

n = jumlah persamaan

u = jumlah parameter

I.4.7 Transformasi Polinomial

Transformasi polinomial dipakai apabila hubungan antara kedua sistem yang

akan ditransformasikan sulit diterangkan secara geometri, sehingga diasumsikan ada

hubungan polinomial antara kedua sistem koordinat (Soeta’at, 1999).

Bentuk umum persamaan polinomial adalah:

yAxX T ⋅⋅= (I.21)

yBxY T ⋅⋅= (I.22)

18

dengan

=

............

...

...

...

222120

121110

020100

aaaaaaaaa

A (I.23)

=

............

...

...

...

222120

121110

020100

bbbbbbbbb

B (I.24)

dalam hal ini

A, B = matriks koefisien polinomial

[ ]...1 32 xxxxT = (I.25)

[ ]...1 32 yyyyT = (I.26)

Dalam penelitian ini, transformasi polinomial digunakan pada proses

minimalisasi paralaks-x. Karena yang diperlukan pada proses ini hanya komponen

absis saja, maka hitungan kuadrat terkecil untuk mencari nilai koefisien polinomial

dibatasi pada matriks A (matriks koefisien polinomial untuk komponen absis),

sedangkan matriks B (matriks koefisien polinomial untuk komponen ordinat) tidak

dihitung.

1.4.8. Teori Kesalahan

Kesalahan yang terjadi pada setiap pengukuran dapat digolongkan menjadi

tiga jenis kesalahan, yaitu kesalahan kasar, kesalahan sistematis, dan kesalahan acak.

Kesalahan kasar adalah kesalahan bernilai besar yang melebihi kesalahan maksimum

yang diperbolehkan. Kesalahan sistematis adalah kesalahan yang mengikuti aturan

atau pola tertentu yang diakibatkan oleh kesalahan prosedur atau kesalahan sistem

pengukuran/pengolahan data.

19

Setelah kesalahan kasar dan kesalahan sistematik dihilangkan dari hasil

pengukuran, masih ada kesalahan yang tersisa, yaitu kesalahan acak. Kesalahan acak

terjadi diluar kendali pengukur, dan biasanya tidak mengikuti pola atau aturan

tertentu. Karena itu, kesalahan acak perlu ditangani menurut hukum probabilitas.

Pada kurva distribusi normal seperti yang diilustrasikan pada gambar I.8,

ditunjukkan distribusi kesalahan untuk suatu pengukuran dengan µ sebagai nilai

sebenarnya. Daerah dibawah kurva yang meliputi –σ sampai +σ mempunyai luas

68% dari keseluruhan luas daerah dibawa kurva, atau dapat dikatakan bahwa 68%

nilai data akan berada diantara –σ dan +σ, dengan σ sebagai kesalahan baku

(standard error).

Gambar I.8. Kurva distribusi normal.

Hal ini juga berarti bahwa untuk tiap kelompok pengukuran, terdapat

kemungkinan sebesar 68% bahwa sebuah pengukuran mempunyai kesalahan diantara

–σ dan σ. Kesalahan baku didefinisikan sebagai akar pangkat dua dari rerata kuadrat

kesalahan (error).

nxi∑ −

=2)( µ

σ (I.27)

dengan

σ = kesalahan baku

xi = nilai hasil ukuran

µ = nilai sebenarnya

n = jumlah pengukuran

20

RMSE (Root Mean Square Error) adalah suatu nilai yang digunakan untuk

menunjukkan ketelitian dengan melibatkan semua faktor kesalahan yang terjadi

selama proses pengukuran atau produksi data. Definisi matematis dari RMSE mirip

dengan kesalahan baku, yaitu akar pangkat dua dari rata-rata kuadrat kesalahan.

Menurut Lang, 1999, nilai RMSE untuk elevasi (RMSEz) dihitung dengan

menggunakan persamaan berikut:

nZZ

RMSEz DEMMAP∑ −=

2)( (I.28)

dengan

RMSEz = nilai root mean square error elevasi

ZMAP = nilai elevasi pada titik cek, berdasarkan peta rupabumi.

ZDEM = nilai elevasi pada model permukaan digital.

n = banyaknya titik cek.

Ketelitian pengukuran elevasi dengan tingkat kepercayaan 90% menurut

Mauney, 2002, adalah sebagai berikut :

Accuracy = E90 x RMSEz (I.29)

dengan

Accuracy = ketelitian elevasi

E90 = faktor pengali untuk tingkat kepercayaan 90% (Tabel I.3)

RMSEz = root mean square error untuk komponen z (elevasi)

Tabel I.3. Faktor pengali σ untuk berbagai tingkat kepercayaan (Wolf, 1997).

Tingkat kepercayaan Faktor pengali σ

50 % 0,6745

90 % 1,6449

95 % 1,960

99 % 2,576

99,7 % 2,965

99,9 % 3,29

21

I.4.9. Acuan Ketelitian Baku

Persyaratan ketelitian baku dari peta topografi menurut United States

National Map Accuracy Standards, 1947, adalah sebagai berikut:

1. Komponen horisontal

Untuk peta skala 1 : 20.000 atau lebih kecil lagi, sekurang-kurangnya 90%

dari titik yang diteliti harus mempunyai ketelitian 0,508 mm (1/50 inci) pada

peta. Dengan kata lain, ketelitian horisontal yang disyaratkan adalah sebesar

0,508 mm pada skala peta untuk tingkat kepercayaan 90%.

2. Komponen vertikal

Sekurang-kurangnya 90% dari titik yang diteliti harus mempunyai kesalahan

kurang dari 0,5 kali interval kontur pada peta. Dengan kata lain, ketelitian

vertikal yang disyaratkan adalah sebesar 0,5 kali interval kontur pada peta

untuk tingkat kepercayaan 90%.

Untuk peta skala 1 : 25.000 sampai dengan skala 1 : 500.000, hubungan antara skala

peta, interval kontur dan syarat tingkat ketelitian menurut United States National

Map Accuracy Standards, diringkas dalam tabel III.5.

Tabel I.4. Hubungan antara skala peta, interval kontur, dan syarat tingkat ketelitian.

Tingkat ketelitian (m) Skala peta Interval kontur (m) horizontal vertikal

1:25.000 12,5 12,7 6,25

1:50.000 25 25,4 12,5

1:100.000 50 50,8 25

1:250.000 125 127 62,5

1:500.000 250 254 125

I.4.10. Perangkat Lunak Komputer

I.4.10.1 IDL/ENVI. Environment for Visualizing Images (ENVI) adalah paket

perangkat lunak pemrosesan citra yang disusun menggunakan bahasa IDL

(Interactive Data Language). ENVI mampu mengenali format HDF yang digunakan

22

dalam distribusi data citra ASTER dan mengkonversinya kedalam format lain.

Sebagai perangkat lunak pemrosesan citra, ENVI memiliki fasilitas yang cukup

lengkap untuk melakukan berbagai hal yang diperlukan dalam penelitian ini, seperti

pemilihan dan pengukuran GCPs (Ground Control Points), rektifikasi,

registrasi/geocoding citra, contrast-stretching, dan lain-lain. ENVI mampu mengukur

koordinat suatu titik sampai pada ketelitian sub-piksel. Dalam penelitian ini

digunakan ENVI versi 3.1, yang dijalankan dengan menggunakan IDL versi 5.1.1.

I.4.10.2. Delphi 5. Bahasa pemrograman yang dipilih untuk pembuatan model

permukaan digital ini adalah bahasa pemrograman yang dapat memberikan

kecepatan maksimum pada proses hitungan, mengingat proses korelasi otomatis

melibatkan hitungan floating-point dalam jumlah yang sangat besar. Pada citra

ASTER berukuran 1000 piksel x 1000 piksel, dengan resolusi model permukaan

digital 15 meter, maka titik yang harus diproses berjumlah 1.000.000 titik. Oleh

karena itu, bahasa-bahasa pemrograman seperti yang bersifat terinterpretasi, seperti

Matlab, IDL, dan QBasic, bukan merupakan pilihan yang tepat. Pada bahasa

terinterpretasi, program tidak secara langsung dieksekusi oleh komputer, melainkan

melalui proses penerjemahan dahulu. Delphi dipilih karena kemampuannya membuat

sebuah program yang langsung dieksekusi oleh CPU (Central Processing Unit),

sehingga pengolahan data berlangsung lebih cepat.

Delphi adalah salah satu bahasa pemrograman komputer yang merupakan

perkembangan dari bahasa Pascal. Bahasa Pascal terkenal karena terstruktur,

fleksibel, serta mudah dipahami dan dipelajari. Selaras dengan perkembangan

teknologi informasi yang menuntut interaksi yang lebih mudah antara manusia

dengan komputer, maka bahasa Pascal yang semula hanya berjalan pada modus teks

dibawah sistem operasi DOS (Disk Operating System), dikembangkan menjadi

perangkat pemrograman komputer yang dirancang untuk memanfaatkan keunggulan

sistem operasi Windows.

Delphi dirancang sebagai bahasa pemrograman berbasis RAD (Rapid

Application Development) yang memungkinkan pembuatan program komputer

secara cepat dan handal, sehingga pemrogram dapat memfokuskan diri pada

23

penyelesaian pekerjaan pemrograman, bukan pada detail teknis pemrograman itu

sendiri.

Dalam lingkungan Windows, interaksi antara pengguna dengan komputer

dilakukan melalui tampilan grafis di layar monitor. Lembar kerja utama dimana

komponen-komponen antarmuka seperti button, text box, check box, diletakkan

adalah form. Tiap-tiap komponen mempunyai properties sendiri-sendiri yang

mengatur penampilan maupun sifat dari komponen itu. Pemrograman dalam

Windows bersifat event-driven, artinya kerja program dikendalikan oleh kejadian

(event), seperti peng-klik-an mouse pada komponen button, pemilihan menu,

pengisian text-box, dan lain-lain. Tiap kejadian membangkitkan serangkaian instruksi

yang dikerjakan oleh komputer.

Untuk memecah program menjadi bagian-bagian yang sederhana dapat

dilakukan dengan membuat prosedur dan fungsi. Sebuah fungsi adalah serangkaian

instruksi yang akan mengembalikan suatu nilai setelah fungsi tersebut dipanggil,

sedangkan prosedur hanya melakukan serangkaian instruksi tanpa mengembalikan

nilai apapun.

24

BAB II

PELAKSANAAN II.1. Persiapan

Pada tahap persiapan dilakukan studi pustaka, penentuan daerah penelitian,

pengajuan ijin penggunaan data citra ASTER, pencarian dan pengumpulan data

penelitian yang antara lain berupa citra ASTER dalam format HDF dan peta

rupabumi skala 1:25.000, serta penyiapan perangkat keras dan perangkat lunak

komputer yang akan digunakan.

II.2. Materi Penelitian

Materi yang dipergunakan dalam penelitian ini berupa :

1. Satu scene citra ASTER level 1B (local granule ID : pg-PR1B0000-

2000111402_006_001) dalam format EOS-HDF pada media CD-ROM

yang meliputi daerah Tuban, dicitrakan pada tanggal 9 September 2000.

Citra diperoleh dari LP-DAAC NASA, Amerika Serikat..

2. Peta rupabumi daerah Parengan, Tuban, skala 1:25.000. Peta ini diperoleh

dari Pusat Informasi Kebumian Bakosurtanal.

II.3. Alat Penelitian

Peralatan yang dipergunakan dalam penelitian ini berupa :

1. Satu unit komputer dengan prosesor Intel Pentium III 800 MHz, memori

128 MB, hard disk berkapasitas 20 GB, dan sistem operasi Windows 98,

untuk pembuatan dan eksekusi program.

2. Media penyimpan data berupa CD-ROM, CD-R, dan floppy disk 3½ inci.

3. Printer inkjet Canon BJC-2100SP untuk mencetak laporan penelitian.

4. Perangkat lunak IDL/ENVI 3.1, untuk melakukan proses georeferensi

citra, serta untuk mengkonversi format HDF ke format standar ENVI.

5. Paket bahasa pemrograman Delphi 5, untuk menyusun program

komputer.

6. Paket perangkat lunak Microsoft Office 2000, untuk pengetikan laporan

penelitian serta pengolahan data numeris.

25

II.4. Alur Penelitian

Langkah-langkah yang perlu dilaksanakan dalam penelitian ini dapat

digambarkan dalam diagram alir berikut :

Gambar II.1. Diagram alir penelitian.

Pemilihan dan pengukuran GCP

Pemilihan dan pengukuran titik cek

ASTER L-1B

Ekstraksi band 3N dan 3B

Pemilihan titik ikat pada band 3N dan 3B

Visualisasi MPD

Evaluasi Ketelitian MPD

Peta Rupabumi

Pemrograman Komputer

Pengujian Program

Paket Program Komputer

Pengumpulan data

Pengolahan data

Pembuatan program

Proses otomatis MPD : model permukaan digital

Georeferensi MPD

Korelasi stereo untuk pembuatan MPD

Noise filtering MPD

Koreksi elevasi pada MPD

26

II.4.1. Pemrograman Komputer

Pengolahan data secara otomatis dengan menggunakan komputer memer-

lukan sebuah program yang harus disusun terlebih dahulu. Sebelum penulisan kode

program, terlebih dahulu disusun dasar logika dan rangkaian tahapan yang perlu

dilakukan. Kerangka logika program ini dituangkan dalam bentuk flow chart atau

diagram alir untuk mempermudah pemahaman atas cara kerja dari program yang

akan disusun. Hal ini sangat membantu dalam memecah program yang kompleks

menjadi modul-modul yang lebih sederhana, misalnya flow chart pada lampiran H.

II.4.1.1. Perancangan Interface. Pada pemrograman visual, interface adalah

bagian yang sangat penting dalam program, karena seolah-olah sebagian besar kode

program “menempel” pada interface. Oleh karena itu perlu dilakukan perancangan

interface terlebih dahulu supaya dapat direncanakan prioritas modul program yang

apa saja yang akan ditulis. Selain harus mudah dimengerti oleh pengguna (user-

friendly), interface juga harus sesuai dengan diagram alir program yang telah

direncanakan.

Delphi adalah bahasa pemrograman visual yang memberikan berbagai

kemudahan dalam merancang tampilan program. Dalam bahasa pemrograman visual

seperti Delphi, form adalah inti dari antarmuka pemakai (user interface) yang

berperan sebagai sarana komunikasi antara pemakai komputer dengan program

komputer. Form merupakan “kanvas” tempat pemrogram dapat meletakkan berbagai

komponen dalam konsep graphical user interface (GUI) yang umum digunakan

dalam berbagai sistem operasi modern, seperti tombol (button), combo-box, text-box,

radio button, check-box, frame, panel, dan lain-lain. Komponen-komponen GUI itu

disebut controls dalam Delphi.

Desain antarmuka pemakai dilakukan dengan melakukan penempatan

controls pada form sedemikian rupa sehingga program menjadi mudah dimengerti

dan digunakan oleh pemakai program. Baik form maupun berbagai controls yang ada

padanya memiliki properties dan methods yang lazim ada dalam pemrograman

berorientasi objek. Properties adalah sekumpulan variabel yang mengatur sifat dari

komponen/controls yang bersangkutan, seperti warna komponen, teks yang muncul

pada komponen, tinggi dan lebar komponen dan sebagainya. Methods adalah

27

sekumpulan subrutin program yang digunakan untuk mengoperasikan

komponen/controls yang bersangkutan, seperti menampilkan, menyembunyikan, atau

membuang komponen dari memori.

Gambar II.2. Properties dan Events dalam Object Inspector Delphi.

Setiap komponen form akan membangkitkan kejadian (event) tertentu apabila

pemakai melakukan sesuatu terhadap komponen tersebut, seperti meng-klik mouse,

mengetik sesuatu pada keyboard, menyeret mouse (dragging), dan lain-lain. Karena

pemrograman dalam visual umumnya bersifat event-driven, maka untuk event-event

tertentu diberikan event-handler, sehingga misalnya saat pemakai program meng-klik

sebuah tombol, maka serangkaian instruksi tertentu akan dilaksanakan oleh

komputer. Properties dan events dapat dimanipulasi nilai dan cara penanganannya

dengan menggunakan fasilitas Object Inspector pada Delphi (gambar II.2).

II.4.1.2. Penulisan kode program. Penulisan kode dimulai dengan membagi

program menjadi beberapa modul utama berdasarkan logika dari flow chart. Masing-

masing modul tersebut disusun dan diuji secara terpisah untuk memastikan bahwa

tiap modul dapat berfungsi dengan benar. Proses penulisan kode dilakukan

28

menggunakan window Code Editor (gambar II.3). Melalui proses pengujian program

kemungkinan besar akan timbul berbagai kesalahan yang disebabkan oleh kesalahan

penulisan kode (syntax error) program maupun kesalahan logika program. Untuk

mengatasi masalah tersebut, program perlu diperbaiki dan ditinjau ulang algoritma

serta implementasinya. Setelah diperbaiki, proses pengujian dilakukan lagi sampai

modul program yang bersangkutan dapat dipastikan berjalan dengan baik.

Gambar II.3. Code Editor pada Delphi.

II.4.1.3. Uji Program dan Debugging. Kesalahan penulisan kode program

akan langsung dapat dideteksi pada proses kompilasi, yaitu proses penerjemahan

baris-baris program dalam bahasa tingkat tinggi yang dimengerti manusia menjadi

kode-kode mesin yang dapat dikenali oleh prosesor. Kesalahan syntax sangat mudah

diperbaiki karena mudah dideteksi. Kesalahan logika adalah kesalahan yang terjadi

akibat kesalahan dalam algoritma pemrograman, sehingga program tidak berjalan

sebagaimana yang diharapkan. Kesalahan logika lebih sulit diselesaikan daripada

kesalahan syntax, karena komputer tidak dapat memberikan petunjuk dimana

kesalahan itu terjadi. Proses pelacakan kesalahan logika ini dikenal dengan

29

debugging. Pada proses debugging, program dapat dijalankan baris demi baris untuk

melihat nilai setiap variabel yang ada, serta dapat dilihat pula ke arah baris mana

program berjalan, dengan demikian dapat diketahui pada modul mana program mulai

berjalan tidak sesuai dengan yang diharapkan.

Setelah semua modul dapat berfungsi dengan benar, maka dilakukan

penulisan program penuh dengan menyatukan semua modul, satu demi satu, menurut

prioritas pemakaiannya. Setelah program dapat berjalan dengan benar, dilakukan

perbaikan-perbaikan kecil untuk mempermudah pemahaman algoritma,

menanggulangi kesalahan run-time, dan lain-lain. Program yang telah berjalan sesuai

yang direncanakan siap digunakan untuk pengolahan data secara otomatis, yaitu pada

tahap korelasi stereo otomatis, noise filtering, dan koreksi elevasi. Panduan singkat

penggunaan program terdapat pada lampiran G.

II.4.2. Ekstraksi band 3N dan 3B

Untuk menghemat tempat di hard disk dan mempercepat waktu pemrosesan,

pengolahan lebih lanjut difokuskan hanya pada band 3N dan 3B. HDF adalah format

data yang kompleks dan berukuran besar, oleh karena itu diperlukan perangkat lunak

khusus untuk mengekstraksi band yang diperlukan.

Gambar II.4. Ukuran citra ASTER Level-1B full scene

(ASTER Science Team, 2001).

30

Citra ASTER level 1B full-scene berukuran 4980 x 4200 piksel untuk band

3N dan 4980 x 4600 piksel untuk band 3B. Karena daerah yang tercakup pada citra

ASTER full-scene jauh melebihi cakupan daerah penelitian yang hanya seluas 14 km

x 14 km, maka dilakukan pemotongan (cropping) pada citra. Proses pemotongan ini

dilakukan dengan menggunakan ENVI. Ukuran pemotongan pada band 3N adalah

1000 x 1000 piksel atau setara dengan daerah seluas 15 km x 15 km. Sedangkan pada

band 3B ukurannya 1000 x 1400 piksel. Diagram ukuran citra ASTER Level 1B full-

scene disajikan pada gambar II.4.

Daerah yang akan dipotong ditentukan koordinat batasnya (koordinat pojok

kiri atas dan kanan bawah) pada citra band 3N, kemudian untuk memperkirakan

daerah yang bersesuaian (bertampalan 100%) pada band 3B dilakukan penambahan

nilai ordinat pada koordinat pojok kanan bawah pada band 3N sebesar 400 piksel,

sehingga diperoleh nilai pojok kanan bawah yang baru. Nilai 400 piksel adalah besar

selisih posisi y untuk titik dengan elevasi 0, pada bidang referensi elipsoid WGS 84

(World Geodetic System 1984).

Gambar II.5. Fasilitas New File Builder pada ENVI

31

Dalam penelitian ini digunakan perangkat lunak pengolah citra IDL/ENVI

untuk melakukan ekstraksi dan cropping. Pemotongan dilakukan dengan

menggunakan kotak dialog New File Builder pada ENVI yang dijelankan dengan

perintah Utilities File Utilities Create New File Standard. Pada New File

Builder pilih Import File, kemudian dipilih citra yang akan dipotong (citra full-scene

harus sudah dimuat di memori). Untuk membuat potongan, dipilih Spatial Subset

untuk menentukan batas pemotongan.

Dalam penelitian ini, untuk band 3N dilakukan subset pada daerah dengan

koordinat piksel bagian kiri atas pada kolom 2569 dan baris 2061, serta bagian kanan

bawah pada kolom 3568 dan baris 3060. Sedangan untuk band 3B dilakukan subset

pada daerah dengan koordinat piksel bagian kiri atas pada kolom 2569 dan baris

2061, serta bagian kanan bawah pada kolom 3568 dan baris 3460. Citra hasil

cropping disimpan dalam format raster standar ENVI dan berekstensi *.img.

II.4.3. Pengukuran Koordinat pada Peta Rupabumi

Pengukuran koordinat serta elevasi titik cek dapat dilakukan secara langsung

pada peta rupabumi dengan menggunakan bantuan mistar ukur. Namun untuk

mempermudah identifikasi dan mempercepat pengukuran koordinat serta elevasi titik

cek, maka pengukuran dilakukan dengan bantuan perangkat lunak komputer.

Untuk melakukan proses pengukuran dengan menggunakan komputer, peta

rupabumi di-scan sehingga diperoleh versi digitalnya. Versi digital peta rupabumi

yang berformat raster ini perlu dikoreksi dengan menggunakan ENVI. Proses koreksi

pada intinya adalah proses rektifikasi citra hasil scanning dengan menggunakan

transformasi affine, sehingga kesalahan geometrik akibat deformasi kertas peta

maupun kesalahan akibat tidak tepatnya orientasi kertas peta saat proses scanning

dapat diminimalisasi.

Citra peta rupabumi yang telah dikoreksi kemudian dimasukkan ke dalam

dokumen pada AutoCAD sebagai raster image object dan koordinatnya diatur

melalui proses penskalaan dan translasi dengan perintah SCALE dan MOVE

sehingga sesuai dengan koordinat UTM yang ada pada peta. yaitu dengan membuat

sebuah objek titik pada titik yang diinginkan dengan perintah POINT, mengatur

elevasi titik tersebut dengan perintah CHANGE, kemudian setelah membuat objek

32

titik pada semua titik yang akan diukur, diberikan perintah LIST untuk menampilkan

daftar koordinat dari semua objek titik beserta informasi tambahan lain.

Perangkat lunak AutoCAD dipilih karena adanya fasilitas untuk

menampilkan data koordinat, sehingga tidak diperlukan proses key-in data koordinat

UTM secara manual. Transfer data dari tampilan koordinat AutoCAD hasil perintah

LIST dapat dilakukan dengan proses copy dan paste ke file teks ASCII dengan

editing seperlunya (membuang informasi yang tidak diperlukan). Dengan demikian,

proses penentuan koordinat dan elevasi suatu titik dapat dilakukan dengan cepat dan

mudah.

Gambar II.6. Distribusi titik GCP dan titik ikat yang digunakan.

33

II.4.3.1. Pengukuran Koordinat Titik Kontrol Tanah. Sebelum dilakukan

pengukuran, terlebih dahulu dilakukan identifikasi titik-titik yang dapat dikenali pada

citra serta mencocokkannya dengan kenampakan yang ada pada peta rupabumi.

Titik-titik yang teridentifikasi diukur koordinatnya dalam sistem UTM dengan

menginterpolasi grid pada peta menggunakan AutoCAD. Elevasi titik tinggi

diperoleh dengan cara menginterpolasi garis kontur secara linier. Untuk keperluan

registrasi model permukaan digital, digunakan 11 buah titik kontrol tanah yang

dipilih sedemikian rupa sehingga distribusinya merata di seluruh citra (gambar II.6).

Deskripsi titik kontrol tanah disajikan pada lampiran B.

Selain koordinat tanahnya, sebuah titik kontrol tanah juga harus diketahui

koordinat pikselnya pada citra, oleh karena itu diperlukan pengukuran koordinat

piksel pada citra. Proses input data titik kontrol serta pengukuran koordinat piksel ini

dapat dipermudah dengan menggunakan fasilitas Register Select GCPs Image to

Map pada ENVI. Data hasil pengukuran disimpan dalam file berkstensi *.pts sesuai

dengan format yang dijelaskan pada lampiran G, bagian III.1.

II.4.3.2. Pengukuran Titik Cek. Titik cek diperlukan dalam tahap evaluasi

ketelitian model permukaan digital. Cara mengukur titik cek mirip dengan cara

mengukur koordinat titik kontrol tanah. Titik-titik yang dipilih adalah titik-titik tinggi

pada peta rupabumi yang tersebar secara merata di seluruh muka peta. Untuk

keperluan titik cek, diukur koordinat dan elevasi 150 buah titik tinggi pada peta

rupabumi. Daftar koordinat dan elevasi titik cek disertakan pada lampiran E.

II.4.4. Pengukuran Koordinat Titik Ikat pada Citra

Titik-titik ikat antara band 3N dan band 3B diukur koordinatnya dengan

menggunakan fasilitas Ground Control Points Selection melalui pilihan menu

Register Select GCPs Image to Image pada ENVI. Hasil pengukuran ini disimpan

ke dalam file teks berekstensi *.pts dengan format seperti yang dijelaskan pada

lampiran G, bagian III.1. Untuk keperluan registrasi dari band 3B ke band 3N (titik

ikat) digunakan 30 buah titik ikat. Diantara 30 buah titik tersebut, 11 buah titik ikat

adalah titik yang sama dengan titik yang digunakan sebagai titik kontrol tanah. Titik

ikat dipilih sedemikian rupa sehingga distribusinya merata di seluruh citra.

34

II.4.5. Pengolahan Data secara Otomatis

Setelah data citra band 3N dan 3B, data titik ikat, dan data titik kontrol tanah

didapatkan, maka dilakukan pengolahan data secara otomatis dengan menggunakan

program komputer yang telah disusun (DEMCreator versi 4). Pengolahan secara

otomatis ini meliputi registrasi band 3B ke 3N, korelasi otomatis dengan teknik

korelasi silang, noise filtering, serta koreksi elevasi. Menu utama DEMCreator 4

ditunjukkan pada gambar II.7, sedangkan berbagai menu pengaturan proses dapat

diakses pada bagian DEM Generation Settings yang ditunjukkan pada gambar II.8.

Pilihan pengaturan yang dipakai saat eksekusi program disajikan pada lampiran F.

Gambar II.7. Tampilan awal program DEMCreator 4.

II.4.5.1. Registrasi Band 3B ke 3N secara Otomatis. Secara ideal, beda

paralaks hanya terjadi pada sumbu y saja, sedangkan pada sumbu x tidak ada beda

paralaks sehingga proses korelasi silang dapat dilakukan dalam 1 dimensi saja,

namun kondisi ideal ini tidak dapat tercapai karena proyeksi sentral yang terjadi pada

setiap kolom citra ASTER. Untuk citra ASTER, setiap kolom citra dapat dikatakan

mempunyai proyeksi ortogonal, tetapi untuk setiap barisnya mempunyai proyeksi

35

sentral. Proyeksi sentral pada arah sejajar sumbu x inilah yang menyebabkan

timbulnya paralaks-x yang tidak diharapkan.

Proses registrasi band 3B ke 3N dilakukan untuk mengurangi adanya

paralaks-x pada citra, sehingga paralaks yang ada hanya paralaks-y yang disebabkan

karena perbedaan elevasi. Pada proses ini tidak dilakukan pengubahan apapun pada

citra, namun dilakukan transformasi untuk memberikan nilai absis dari pusat window

korelasi silang. Jenis transformasi yang digunakan adalah polinom orde 1 mengingat

daerah penelitian secara umum bertopografi datar sampai berbukit, variasi relief

tidak ekstrim dengan tinggi bukit terhadap daerah disekitarnya maksimum kurang

lebih 400 meter.

Parameter transformasi diperoleh dengan perhitungan kuadrat terkecil dari

data koordinat titik-titik ikat. Proses registrasi ini dilakukan secara otomatis di dalam

program komputer apabila disediakan titik-titik ikat antara band 3N dan band 3B

yang dimuat dalam file teks dengan format seperti yang dijelaskan pada lampiran G,

bagian III.1, dengan ekstensi *.pts.

Gambar II.8. Bagian pengaturan proses dalam program DEMCreator 4.

36

II.4.5.2. Korelasi Stereo secara Otomatis. Untuk mendapatkan koordinat dari

titik-titik yang bersesuaian pada band 3N dan band 3B diperlukan proses korelasi

stereo dengan teknik korelasi silang. Jumlah data yang besar dan proses

penghitungan yang rumit memerlukan proses otomasi dengan menggunakan program

komputer. Dari hasil korelasi stereo dapat dihitung besar paralaks dan elevasi tiap

titik data. Untuk mendapatkan nilai elevasi, maka hanya paralaks-y yang diperlukan,

sedangkan paralaks-x yang ada dapat diminimalisasi dengan proses registrasi band

3B ke 3N.

Pada band 3N ditentukan koordinat piksel-piksel yang akan diproses, sesuai

dengan resolusi model permukaan digital yang diinginkan. Untuk mendapatkan titik

yang bersesuaian pada band 3B dilakukan proses korelasi silang dengan koordinat

(absis) pusat window korelasi silang ditentukan dengan menggunakan transformasi

affine. Sedangkan untuk ordinatnya, ditentukan berdasarkan ordinat titik pada band

3N dikurangkan dengan rerata beda paralaks maksimum dan minimum yang

diharapkan terjadi pada citra. Pengurangan ini secara teknis pemrograman

dimaksudkan untuk meletakkan pusat jendela korelasi di tengah-tengah daerah

pencarian piksel yang bersesuaian.

Sebagaimana yang disajikan pada gambar II.9, daerah pada tepi citra tidak

dapat diproses karena sebagian window korelasi akan terletak diluar citra. Oleh

karena itu, untuk daerah tepi ini elevasinya tidak dihitung. Besarnya daerah tepi

sangat tergantung dari ukuran window korelasi.

Gambar II.9. Daerah tepi yang tidak dapat dihitung nilai korelasi silangnya.

37

II.4.5.3. Noise Filtering Model Permukaan Digital. Pada saat korelasi

otomatis, seringkali terjadi kesalahan kasar (blunder), yaitu program memilih posisi

yang salah, walaupun koefisien korelasinya cukup besar. Hal ini dapat terjadi pada

daerah-daerah yang memiliki pola berulang (repeated patterns) seperti pada kawasan

perumahan, sawah, maupun pada daerah dengan kontras yang rendah, seperti daerah

pantai, laut, awan, dan lain-lain. Karena nilai koefisien korelasi yang tinggi, maka

kesalahan ini tidak terdeteksi pada saat proses korelasi otomatis berlangsung.

Kesalahan ini menyebabkan timbulnya titik-titik dengan nilai elevasi yang ekstrim

(peaks and spikes) apabila dibandingkan daerah sekitarnya. Karena nilainya yang

ekstrim dan jumlahnya yang cukup banyak serta tersebar seara acak di seluruh model

permukaan digital, maka titik-titik ekstrim ini dapat dianggap sebagai noise pada

citra digital.

a b

Gambar II.10. Citra dengan noise (a), citra yang telah dihilangkan noise-nya (b).

Selain titik-titik ekstrim, pada penelitian ini piksel-piksel yang mempunyai

koefisien korelasi rendah (dengan penentuan ambang batas tertentu, misalnya 0,7)

juga dianggap sebagai noise, karena hanya meliputi daerah yang kecil dan

distribusinya acak diseluruh model. Pada daerah yang nilai kontrasnya rendah atau

bahkan tanpa kontras sama sekali, akan terjadi pengelompokan (clustering) piksel-

piksel dengan koefisien korelasi rendah.

Untuk menghilangkan noise ini, diperlukan proses noise filtering, yang dapat

dibagi menjadi dua pekerjaan utama, yaitu deteksi noise dan eliminasi noise. Cara

38

mendeteksi piksel-piksel yang merupakan noise adalah dengan menggunakan teknik

simpangan baku lokal. Sebuah jendela dengan ukuran tertentu, sesuai dengan ukuran

filter, dihitung simpangan baku nilai elevasinya, kemudian piksel yang berada tepat

di tengah jendela tersebut dibandingkan nilainya dengan simpangan baku area di

sekitarnya. Apabila beda nilai simpangan baku terhadap nilai elevasi piksel yang

dievaluasi melebihi faktor pembatas (threshold) tertentu, maka piksel tersebut

dianggap sebagai noise.

Faktor pembatas yang diterapkan adalah faktor pengali dari simpangan baku

lokal. Secara statistik, semua nilai yang meliputi 3 kali simpangan baku mempunyai

kemungkinan 99% bahwa nilai rata-rata ada di jangkauan nilai tersebut, sedangkan

nilai diluar jangkauan –3σ sampai +3σ dapat dianggap sebagai outlier. Dengan

demikian dapat disimpulkan bahwa semakin besar jangkauan yang diberikan, maka

semakin sedikit noise yang dapat dideteksi.

Gambar II.11. Bagian pengaturan lanjut DEMCreator 4.

39

Salah satu metode filtering yang cukup efektif untuk menghilangkan noise

adalah dengan menggunakan filter median, namun filter median cenderung

menghilangkan detil dari model (oversmoothing). Oleh karena itu, filter median tidak

diterapkan pada semua piksel pada model permukaan digital, melainkan hanya pada

piksel-piksel yang dianggap sebagai noise.

Proses deteksi dan eliminasi noise dapat dilakukan beberapa kali (gambar

II.11), sampai diperkirakan sebagian besar noise telah hilang. Namun, perlu

diperhatikan bahwa semakin banyak dilakukan noise filtering, maka akan terjadi

penghalusan permukaan model yang berlebihan sehingga detil model akan

berkurang, yang pada intinya akan menurunkan kualitas model permukaan digital

yang dihasilkan.

Pada tahap akhir filtering noise, pada model dilakukan penghalusan

(smoothing) dengan menggunakan filter rerata berukuran 3 x 3. Penghalusan ini

dilakukan dengan tujuan untuk menghilangkan noise yang masih tersisa dan

mengurangi sifat diskontinuitas model.

II.4.5.4. Koreksi Elevasi secara Otomatis. Koreksi elevasi model permukaan

digital dilakukan menggunakan dengan transformasi linier untuk membawa elevasi

relatif menjadi elevasi absolut pada model yang telah difilter. Karena nilai elevasi

pada suatu titik kontrol tanah diketahui, maka dengan menggunakan minimal 2 titik

kontrol, dua parameter transformasi, yaitu faktor pengali dan penambah, dapat dicari

dengan melakukan hitung kuadrat terkecil. Persamaan transformasinya ditunjukkan

pada persamaan II.1.

bhaH +⋅= (II.1)

dengan

H = elevasi sebenarnya (elevasi absolut)

h = elevasi pada model relatif

a, b = faktor pengali dan penambah.

II.4.5.5. Penyimpanan Data Model Permukaan Digital. Data model

permukaan digital yang dihasilkan oleh proses korelasi otomatis berada di memori

40

utama komputer. Supaya data tersebut dapat digunakan pada proses pengolahan

selanjutnya maka data pada memori utama harus dipindahkan ke file pada media

penyimpanan karena memori utama komputer bersifat volatile, yaitu data pada

memori akan hilang apabila arus listrik dimatikan.

Format yang digunakan dalam penyimpanan data model permukaan digital

adalah format raster/grid biner dengan tipe bilangan bulat tak bertanda (unsigned

integer) dengan subtipe word, yaitu bilangan bulat antara 0 sampai 65535. Subtipe

word memerlukan memori sebanyak 16 bit atau 2 byte untuk menyimpan sebuah

nilai bilangan. Karena pengolahan data dilakukan pada komputer dengan prosesor

Intel, maka data yang dihasilkan akan mempunyai urutan Least Significant Byte First

(LSB).

Untuk mendeskripsikan dimensi dari data raster, diperlukan sebuah file yang

berisi keterangan tentang data raster yang bersangkutan, yang disebut file header.

Pada ENVI, struktur dari sebuah file header adalah susunan field-field tertentu.

Field-field yang mendasar dapat dijelaskan sebagai berikut :

description – sebuah string karakter yang mendeskripsikan citra atau

pengolahan yang dilakukan.

samples – jumlah piksel tiap baris citra untuk tiap band.

lines – jumlah baris citra untuk tiap band.

bands – jumlah band pada citra.

header offset – menunjukkan jumlah byte embedded header information

yang ada dalam file. Byte ini akan dilompati apabila file dibaca oleh ENVI.

file type – menunjukkan jenis file yang didefinisikan oleh ENVI, seperti

format data dan hasil pemrosesan tertentu.

data type – parameter yang menunjukkan jenis penyajian data, dengan

ketentuan 1=byte, 2=integer, 3=long integer, 4=floating point, 5=double

precision, 6=complex

interleave – menunjukkan apakah data disimpan dalam struktur band

sequential (BSQ), band interleaved by pixel (BIP), atau band interleaved by

line (BIL).

sensor type – menunjukkan jenis instrumen tertentu yang digunakan untuk

memperoleh data, seperti Landsat TM, SPOT, RadarSat, dan sebagainya.

41

byte order – menunjukkan urutan byte-byte dalam tipe data integer, long

integer, floating point, double precision, dan complex; dengan ketentuan :

- byte order=0 adalah data Least Significant Byte First (LSB), dipakai

pada sistem komputer DEC dan MS-DOS (berbasis prosesor Intel).

- byte order=1 adalah data Most Significant Byte First (MSB), dipakai

pada sistem komputer SUN, SGI, IBM, HP, DG (berbasis prosesor

Motorola).

map info – menyatakan informasi koordinat geografis dalam urutan sebagai

berikut : nama proyeksi, absis dalam koordinat piksel untuk piksel paling kiri

atas, ordinat dalam koordinat piksel untuk piksel paling kiri atas, absis dalam

koordinat tanah untuk piksel paling kiri atas, ordinat dalam koordinat tanah

untuk piksel paling kiri atas, ukuran x dari piksel, ukuran y dari piksel, dan

zona proyeksi.

pixel size – menunjukkan ukuran X dan Y piksel dalam meter.

II.4.6. Georeferensi Model Permukaan Digital

Data citra ASTER level 1A adalah data mentah, oleh karena itu diperlukan

registrasi untuk melakukan koreksi geometrik. Untuk level 1B, koreksi geometrik

telah dilakukan oleh NASA (EOS Data Gateway) dengan menggunakan data

efemeris satelit Terra dan data dari daftar titik kontrol tanah di seluruh dunia (GCP

Library). Pada level 1A maupun 1B, citra ASTER belum tergeoreferensi dan

orientasinya masih searah jalur orbit (path-oriented), bukan ke arah utara peta. Citra

ASTER yang akan diproses tidak perlu digeoreferensikan terlebih dahulu karena

dalam proses korelasi otomatis dan penghitungan paralaks diperlukan citra yang

orientasinya searah jalur orbit, sehingga sesuai dengan geometri pada saat pencitraan

dilakukan.

Data model permukaan digital yang dihasilkan program masih terorientasi ke

arah jalur orbit, bukan ke arah utara sebenarnya. Sehingga untuk membawanya ke

koordinat tanah, diperlukan proses georeferensi. Prosedur khusus untuk menentukan

titik-titik kontrol pada model permukaan digital serta koordinat petanya dilakukan

dengan langkah-langkah sebagai berikut:

42

a. Melakukan pengukuran posisi titik kontrol tanah pada citra dan

memasukkan koordinat tanahnya. Hal ini dilakukan dengan menggunakan

fasilitas Register Select GCPs Image to Map pada menu utama ENVI.

b. Nilai koordinat titik kontrol tanah, baik pada citra maupun koordinat

tanahnya, disimpan pada file dengan perintah File Save GCPs with Map

coords pada kotak dialog GCP Selection (gambar II.12).

Gambar II.12. Pemilihan GCP untuk proses georeferensi.

c. Karena ukuran model permukaan digital sama dengan ukuran citra dibagi

dengan spasi grid model permukaan digital, maka nilai koordinat citra

diganti dengan koordinat citra tersebut dibagi dengan spasi grid model

dalam piksel. Misalnya resolusi model permukaan digital adalah 30 meter

maka berarti spasi grid-nya adalah 2 piksel, hal ini disebabkan karena tiap

piksel pada citra ASTER band 3 beresolusi spasial 15 meter. Sehingga

apabila koordinat sebuah GCP pada citra (126, 24), maka koordinat titik

tersebut pada model adalah

224,

2126 atau (63, 12). Proses editing

koordinat ini dilakukan secara otomatis oleh program DEMCreator 4.

43

d. Hasil editing koordinat ini disimpan pada file secara otomatis dengan

tambahan ekstensi .DEM.PTS.

Gambar II.13. Fasilitas Image to Map Registration untuk melakukan

georeferensi model.

e. Registrasi/geocoding pada model permukaan digital dilakukan dengan

menggunakan data koordinat yang telah diedit melalui fasilitas Image to

Map Registration pada ENVI yang dapat diakses dengan memilih

Register Warp from Pre-existing GCPs Image to Map (gambar II.13).

II.4.7. Evaluasi Ketelitian Model Permukaan Digital

Evaluasi dilakukan dengan cara membandingkan elevasi titik-titik cek pada

peta rupabumi dengan elevasi titik-titik tersebut pada model permukaan digital. Nilai

root mean square error (RMSE) yang diperoleh akan dibandingkan dengan ketelitian

elevasi secara teoritis untuk menentukan tingkat keberhasilan pembentukan model

permukaan digital.

Nilai RMSE untuk elevasi (RMSEz) dihitung dengan menggunakan

persamaan I.28. Apabila tingkat ketelitian elevasi model yang dihitung berdasarkan

persamaan I.29 lebih besar daripada tingkat ketelitian yang disyaratkan pada

spesifikasi baku pembuatan peta dengan suatu skala tertentu, dapat disimpulkan

bahwa ketelitian elevasi model permukaan digital telah memenuhi syarat untuk

dijadikan dasar pembuatan peta pada skala itu.

44

II.4.8. Visualisasi Model Permukaan Digital

Model permukaan digital yang dihasilkan dalam penelitian ini akan disajikan

secara visual dengan menggunakan perangkat lunak ENVI. Empat metode penyajian

yang diberikan adalah citra raster model, garis kontur, shaded-relief, serta pandangan

perspektif model 3 dimensi. Citra raster model akan tampak jika file model dibuka

menggunakan ENVI dengan memilih File Open Image File.

Garis kontur dapat ditambahkan pada citra dengan memilih menu

Functions Overlays Contour Lines. Shaded relief dibentuk dengan memilih menu

Utilities Data Specific DEM Topographic Modelling. Sedangkan pandangan

perspektif 3 dimensi dilakukan dengan memilih menu Basic Tools 3D Surface.

Adapun hasil visualisasi menggunakan berbagai macam metode, disajikan pada

lampiran A.

45

BAB III

HASIL DAN PEMBAHASAN

III.1. Hasil Penelitian

Hasil utama yang diperoleh dari penelitian ini berupa sebuah model

permukaan digital absolut dari daerah Parengan, Tuban, dengan resolusi spasial 15

meter, dalam format raster biner (unsigned 16-bit integer). Dalam pembuatan model

permukaan digital dari citra ASTER, disusun sebuah program komputer untuk

melakukan proses image-matching, penghitungan paralaks dan elevasi, noise

filtering, serta koreksi elevasi secara otomatis.

III.2. Registrasi Band 3B ke 3N

Proses registrasi yang dilakukan dengan menggunakan transformasi

polinomial orde 1 dan melibatkan 30 titik ikat ini dilakukan secara otomatis oleh

program komputer. Parameter transformasi polinomial disajikan pada tabel III.1:

Tabel III.1. Nilai parameter transformasi polinomial satu dimensi

( dxycybxaX +++= )

Parameter Nilai Parameter

a 2.67893803704283

b 1.00060051426216

c 3.2086385708396 x 10-5

d -2.4858105793709 x 10-6

Nilai simpangan baku transformasi polinomial orde satu untuk melakukan

minimalisasi paralaks-x pada citra adalah sebesar 0,326 piksel. Nilai parameter

transformasi ini digunakan untuk menghitung nilai absis pusat jendela korelasi.

III.3. Korelasi Stereo secara Otomatis

Ketelitian korelasi otomatis sangat mempengaruhi ketelitian dari model

permukaan digital yang dihasilkan. Oleh karena itu ketelitian proses korelasi

46

otomatis ini perlu dievaluasi dengan cara membandingkan koordinat hasil proses

korelasi otomatis dengan koordinat yang diperoleh melalui pengukuran secara

manual dengan menggunakan ENVI.

III.4.1. Ukuran daerah selidik. Ukuran daerah selidik sangat bergantung dari

besar elevasi maksimum dan minimum yang diharapkan terjadi. Elevasi minimum

yang diasumsikan adalah 0 meter sedangkan elevasi maksimum 500 meter.

Berdasarkan persamaan I.7, rentang beda elevasi tersebut setara dengan beda

paralaks minimum (pymin) sebesar 0 piksel, dan maksimum (pymax) sebesar 20 piksel.

Karena ukuran jendela korelasi harus ganjil, maka ukuran jendela (dy) yang akan

digunakan dihitung dengan ketentuan berikut :

Apabila pymax – pymin adalah bilangan genap maka

dy = pymax – pymin + 1 (III.1)

sedangkan apabila pymax – pymin adalah bilangan ganjil maka

dy = pymax – pymin (III.2)

Karena pymax = 20 dan pymin = 0, maka dy = 21 piksel. Dengan demikian ukuran

daerah selidik yang digunakan adalah sebesar 3 x 21 piksel.

III.4.2. Ukuran daerah sasaran. Ukuran horisontal daerah selidik maupun

daerah sasaran hanya dibatasi sebesar 3 piksel. Titik yang digunakan untuk

mengevaluasi kaitan antara ukuran daerah sasaran dengan ketelitian korelasi dipilih

pada tempat-tempat yang kenampakannya cukup tegas (distinct features) seperti

perempatan jalan, pojok bidang sawah, pojok bangunan, tikungan tajam pada jalan,

dan lain-lain; sejumlah 30 buah, dan tersebar merata di seluruh citra.

Dari tabel III.2 dapat disimpulkan bahwa daerah sasaran yang terlalu kecil

akan memberikan hasil yang tidak memuaskan karena proses korelasi silang hanya

mengevaluasi daerah yang berukuran kecil sehingga keunikan dari daerah sasaran

akan berkurang. Karena keunikan daerah sasaran berkurang, maka akan terjadi

kecocokan korelasi pada beberapa daerah yang berbeda, terutama pada daerah

dengan pola berulang, akibatnya kemungkinan mismatch akan semakin besar.

47

Tabel III.2. Pengaruh ukuran daerah sasaran terhadap ketelitian korelasi otomatis.

Ukuran daerah selidik 3 x 21 piksel, jumlah titik uji 30 buah.

Ukuran daerah sasaran No x (piksel) y (piksel)

Jumlah blunder

1 3 3 11 2 3 5 3 3 3 7 1 4 3 9 0 5 3 11 1 6 3 13 1 7 3 15 1 8 3 17 2 9 3 19 2 10 3 21 1

Ukuran daerah sasaran yang terlalu besar akan cenderung menurunkan

kualitas hasil korelasi otomatis karena proses perhitungan terlalu banyak melibatkan

daerah di sekitarnya. Selain menurunkan kualitas hasil korelasi otomatis, ukuran

daerah yang besar akan waktu yang dibutuhkan komputer untuk melakukan

perhitungan akan bertambah. Berdasarkan tabel III.2., ukuran tinggi daerah sasaran

yang optimal adalah 9 piksel. Dengan mempertimbangkan efisiensi waktu

pemrosesan, maka untuk daerah sasaran dipilih ukuran 3 x 9 piksel. Hasil uji korelasi

otomatis untuk berbagai ukuran jendela selengkapnya ditunjukkan pada lampiran C.

III.4. Noise filtering

Untuk membuang atau meminimalisasi adanya noise pada model permukaan

digital, maka diperlukan proses noise filtering. Proses ini dipengaruhi oleh beberapa

faktor berikut:

a. Ukuran jendela filter.

b. Ambang batas (dalam satuan σ) untuk mendeteksi noise.

c. Jumlah perlakuan noise filtering.

Ukuran jendela filter menunjukkan ukuran daerah yang akan dilibatkan dalam

proses evaluasi suatu piksel untuk menentukan apakah piksel tersebut noise atau

bukan. Untuk mengetahui pengaruh ukuran jendela filter serta faktor tingkat

48

ketidakpastian terhadap tingkat keberhasilan deteksi noise, dilakukan uji coba pada

sebuah citra ber-noise dengan menggunakan berbagai ukuran jendela filter dan

tingkat ambang batas.

Dari tabel III.3 dapat disimpulkan bahwa semakin tinggi tingkat

ketidakpastian maka semakin sedikit noise yang berhasil difilter. Sedangkan ukuran

jendela filter akan mempengaruhi ukuran luas maksimum noise-cluster yang bisa

difilter. Semakin besar ukuran jendela filter, maka semakin besar pula ukuran noise-

cluster yang bisa dieliminasi.

Namun demikian, semakin besar ukuran jendela filter, semakin lama pula

waktu yang diperlukan untuk melakukan proses filtering (berbanding lurus dengan

kuadrat ukuran jendela), serta semakin lebar pula daerah pada tepi model yang tidak

dapat difilter karena sebagian jendela filternya berada di luar model. Oleh karena itu,

ukuran jendela filter, threshold, serta jumlah pengulangan proses sangat tergantung

dari karakteristik masing-masing model permukaan digital.

Tabel III.3. Pengamatan secara visual hasil filter.

No Threshold (σ)

Ukuran window

Pengamatan secara visual

1 1 7 x 7 Noise-cluster masih tersisa* 2 2 7 x 7 Noise masih tersisa sebagian. 3 3 7 x 7 Noise masih banyak. 4 1 11 x 11 Noise-cluster tersisa sedikit.* 5 2 11 x 11 Noise masih tersisa sebagian. 6 3 11 x 11 Noise masih banyak 7 1 15 x 15 Noise tersisa sangat sedikit* 8 2 15 x 15 Noise masih tersisa sebagian 9 3 15 x 15 Noise masih tersisa 10 1 19 x 19 Noise dan noise-cluster sudah bersih* 11 2 19 x 19 Noise-cluster masih sedikit tampak 12 3 19 x 19 Noise masih tersisa. * Terjadi penghalusan permukaan model yang berlebihan/berkurangnya detil permukaan

Berdasarkan kesimpulan diatas dan hasil uji coba (trial and error) secara

langsung pada model yang diteliti, maka untuk kasus noise filtering model

permukaan digital daerah Parengan dengan resolusi model 15 meter, proses

dilakukan dua kali, ukuran jendela filter ditentukan sebesar 19 x 19 piksel, dengan

49

threshold sebesar 2σ. Noise-cluster yang ada pada model rata-rata berukuran sekitar

15 x 15 piksel. Dengan menggunakan parameter noise filtering tersebut hampir

semua noise yang tampak secara visual dapat dieliminasi, kecuali pada beberapa

daerah yang mempunyai noise cluster. Selain itu, detil permukaan model dapat

dipertahankan. Hasil uji noise filtering secara lengkap disajikan pada lampiran D.

III.5. Koreksi Elevasi Model Permukaan Digital

Koreksi elevasi dilakukan dengan menggunakan elevasi dari 11 GCP. Nilai

parameter-parameter transformasi dalam koreksi elevasi untuk membawa elevasi

model ke elevasi sebenarnya disajikan pada tabel berikut:

Tabel III.4. Nilai parameter transformasi dalam koreksi elevasi

Parameter Nilai

Faktor pengali 0.998311151441823

Faktor penambah 2.82522594364698

Nilai simpangan baku transformasi linier satu dimensi untuk melakukan koreksi

elevasi sebesar 6,254 meter. Faktor pengali yang nilainya mendekati satu

menunjukkan bahwa skala vertikal dari model permukaan digital relatif sudah

hampir benar, sehingga untuk membawa dari elevasi relatif menjadi absolut hanya

diperlukan proses translasi.

III.6. Georeferensi Model Permukaan Digital

Georeferensi model dilakukan dengan menggunakan koordinat UTM dari 11

titik kontrol tanah. Root mean square (RMS) dari transformasi polinomial orde 1

pada proses georeferensi adalah sebesar 1,2842 m. Nilai RMS yang sangat kecil

apabila dibandingkan dengan resolusi spasial model permukaan digital merupakan

indikator bahwa proses georeferensi dapat memberikan hasil yang baik.

Setelah dilakukan proses georeferensi, maka model permukaan digital yang

sebelumnya dalam koordinat piksel dan berorientasi searah orbit satelit, menjadi

50

dalam koordinat tanah dan berorientasi ke arah utara grid UTM. Model permukaan

digital yang telah tergeoreferensi ini siap digunakan untuk berbagai keperluan.

III.7. Ketelitian Model Permukaan Digital

Model permukaan digital yang dihasilkan oleh program ini berupa raster

biner berformat integer tak bertanda (unsigned 16-bit integer) dengan resolusi spasial

15 meter beserta sebuah file header yang menunjukkan metadata dari model

permukaan digital. Model permukaan digital ini dapat dibaca oleh perangkat lunak

ENVI, sehingga dapat diproses lebih lanjut pada ENVI maupun dikonversi ke format

lain.

Ketelitian dari model permukaan digital ini direpresentasikan dengan

menggunakan kriteria root mean square error pada komponen elevasinya (RMSEz).

Elevasi titik-titik dengan koordinat tertentu pada model permukaan digital

dibandingkan dengan elevasi titik-titik tersebut pada peta rupabumi, sehingga dapat

dihitung besar RMSEz-nya. Dengan menggunakan 150 titik tinggi yang terdapat

pada peta rupabumi daerah Parengan sebagai acuan, besar RMSEz dari model

permukaan digital yang dihasilkan adalah 8,8 meter. Nilai residual pada masing-

masing titik cek disertakan pada lampiran E.

Untuk menentukan tingkat ketelitian horisontal model, komponen vertikal

dari suatu objek pada model harus teridentifikasi secara jelas, yaitu bentuk dari objek

yang diteliti harus dapat dikenali sehingga posisi horisontal dari objek dapat

diperiksa ketelitiannya. Namun dalam kenyataannya, pengenalan suatu objek dan

penentuan posisinya secara tepat berdasarkan bentuk objek tersebut pada model

permukaan digital sangat sulit dilakukan.

Tingkat ketelitian yang dievaluasi dalam penelitian ini hanya komponen

vertikal (elevasi) dari model saja, karena komponen posisi horisontal (koordinat x,y)

telah terdefinisi dengan tepat secara matematis dalam sistem proyeksi UTM. Titik-

titik grid model bersifat tetap di posisinya dan dapat dianggap konstan untuk tujuan

menentukan ketelitian model.

Dengan RMSEz model sebesar 8,8 meter, maka berdasarkan persamaan II.3

dapat ditentukan bahwa pada tingkat kepercayaan 90%, ketelitian elevasi model

adalah sebesar 1,6449 x 8,8 meter, yaitu sama dengan 14,48 meter. Dengan demikian

51

dapat disimpulkan bahwa model permukaan digital hasil penelitian ini dapat

digunakan untuk pembuatan peta topografi skala 1:100.000 atau lebih kecil lagi,

sesuai dengan persyaratan dari United States National Map Accuracy Standards.

0

10

20

30

40

50

60

-40 -30 -20 -10 0 10 20 30 40

Selisih elevasi (meter)

Frek

uens

i (tit

ik c

ek)

Gambar III.1. Selisih elevasi titik cek pada model terhadap elevasi titik cek pada peta

rupabumi.

52

BAB IV

KESIMPULAN DAN SARAN

IV.1. Kesimpulan

Dengan menggunakan prinsip beda paralaks, dan hanya melibatkan dua

faktor utama, yaitu:

a. beda paralaks dari titik-titik yang bersesuaian di band 3N dan 3B.

b. perbandingan basis terhadap tinggi terbang sebesar 0,6

dan mengabaikan faktor-faktor berikut:

a. pengaruh kesalahan orientasi sumbu-sumbu kamera

b. pengaruh kelengkungan bumi

c. pengaruh kesalahan orbit satelit

d. pengaruh variasi skala dalam satu scene

e. pengaruh kesalahan radiometris

penelitian ini berhasil memperoleh sebuah model permukaan digital tergeoreferensi

berukuran 1132 piksel x 1131 piksel dengan resolusi spasial 15 meter yang

mempunyai root mean square error pada komponen elevasi sebesar 8,8 meter atau

setara dengan tingkat ketelitian sebesar 14,48 meter pada tingkat kepercayan 90%,

sehingga memenuhi persyaratan ketelitian menurut United States National Map

Accuracy Standards untuk keperluan pembuatan peta topografi dengan skala

1:100.000 atau lebih kecil lagi.

Pengolahan data dilakukan secara semi otomatis, dimana sebagian proses

dilakukan secara manual, dan sebagian lagi dilakukan secara otomatis penuh oleh

komputer. Tahapan pengolahan data yang dilakukan secara otomatis penuh adalah :

a. korelasi otomatis untuk pembuatan model permukaan digital

b. noise filtering

c. koreksi elevasi,

sedangkan intervensi dari operator diperlukan pada tahapan berikut :

a. pengukuran koordinat titik ikat

b. georeferensi model permukaan digital

53

IV.2. Saran

IV.2.1. Pengembangan Program

Beberapa hal yang dapat dilakukan untuk meningkatkan kualitas program

komputer:

1. Pemanfaatan model permukaan digital dengan resolusi rendah, seperti

GTOPO-30, model permukaan digital global beresolusi 30 detik busur

(sekitar 1 km), untuk mempercepat proses korelasi otomatis.

2. Pemanfaatan multi-scale matching untuk mempertinggi kualitas hasil korelasi

otomatis sekaligus mempercepat proses korelasi. Pendekatan multi-scale

dilakukan dengan menggunakan hasil korelasi otomatis pada citra beresolusi

rendah sebagai pendekatan untuk proses korelasi otomatis pada citra

beresolusi lebih tinggi.

3. Penggunaan metode yang umum digunakan untuk melakukan gridding seperti

interpolasi linier, krigging, nearest neighbor, dan lain-lain untuk menyusun

data berdistribusi teratur. Program yang dipakai dalam penelitian ini masih

menggunakan filter median untuk mengganti nilai piksel yang berkualitas

rendah (piksel yang proses korelasinya gagal atau piksel noise) dengan nilai

piksel lain disekitarnya.

4. Penambahan fasilitas untuk melakukan georeferensi model secara otomatis.

IV.2.2. Penelitian pada Daerah dengan Berbagai Variasi Terrain

Daerah penelitian adalah daerah yang medannya relatif datar. Sangat

disarankan untuk menguji kemampuan program pada daerah lain dengan berbagai

kondisi terrain, misalnya daerah pegunungan, daerah pesisir, daerah aliran sungai,

daerah danau, dan lain-lain, untuk mengetahui tingkat keberhasilan pembuatan model

permukaan digital berdasarkan beda paralaks dan korelasi otomatis pada daerah-

daerah tersebut.

IV.2.3. Editing Model Secara Manual

Untuk daerah-daerah dengan noise yang mengumpul, proses noise-filtering

tidak bisa secara efektif menghilangkan noise. Noise yang tersisa biasanya adalah

noise yang mengumpul dan ukurannya lebih besar atau hampir sama dengan ukuran

54

jendela filtering. Untuk mengatasi hal ini, diperlukan intervensi dari pengguna untuk

membersihkan noise secara manual.

Salah satu fasilitas ENVI untuk mengedit citra secara manual adalah Spatial

Pixel Editor. Fasilitas ini diakses dengan melalui menu Functions Interactive

Analysis Spatial Pixel Editor, setelah terlebih dahulu Zoom Window ditempatkan di

daerah yang akan diedit. Melalui fasilitas ini, operator dapat mengubah secara

langsung nilai-nilai piksel secara individual maupun menghitung rata-rata dari

sejumlah piksel yang dipilih.

IV.2.3. Pengujian dengan Menggunakan Model Permukaan Digital Acuan

Untuk menunjukkan tingkat ketelitian dengan lebih meyakinkan, disarankan

untuk membandingkan model permukaan digital yang dihasilkan melalui metode

yang dilakukan dalam penelitian ini dengan model permukaan digital yang dianggap

benar dalam berbagai resolusi yang sesuai. Model permukaan digital yang dijadikan

acuan adalah model permukaan digital yang diproduksi oleh badan-badan resmi

pemerintah yang berkaitan dengan pemetaan wilayah, misalnya Badan Koordinasi

Survei dan Pemetaan Nasional (Bakosurtanal) atau United States Geological Survey

(USGS).

Dengan membandingkan model permukaan digital yang dihasilkan melalui

metode yang dibahas dalam penelitian ini dengan model permukaan digital acuan,

diharapkan kualitas pemeriksaan ketelitian akan lebih tinggi dan lebih dapat

dipercaya, karena pembandingan dilakukan pada tiap piksel (grid post) model.

IV.4. Penggunaan Komputer dengan Kecepatan Tinggi

Proses korelasi otomatis untuk menentukan koordinat titik-titik yang

bersesuaian di band 3N dan 3B dilakukan dengan menghitung koefisien korelasi

untuk tiap piksel yang ada pada citra, sesuai dengan resolusi model permukaan

digital yang diharapkan. Karena proses ini melibatkan hitungan matematis floating-

point untuk data yang jumlahnya sangat banyak, maka waktu yang diperlukan untuk

menyelesaikan korelasi otomatis cukup lama. Sebagai gambaran, untuk membuat

sebuah model permukaan digital berukuran 1000 piksel x 1000 piksel dengan kisaran

elevasi 0 – 500 meter pada sebuah komputer dengan prosesor Intel Pentium III

55

berkecepatan 800 MHz diperlukan waktu sekitar 30 menit untuk proses korelasi

otomatis, dan sekitar 10 menit untuk proses noise-filtering. Oleh karena itu, demi

efisiensi waktu, disarankan untuk menggunakan komputer dengan kecepatan yang

tinggi.

56

DAFTAR PUSTAKA Abrams, M., dan Hook, S., 2002, ASTER User Handbook Version 2, NASA Jet

Propulsion Laboratory, Pasadena. Antony P., 2000, Pemrograman Borland Delphi, Penerbit Andi, Yogyakarta. ASTER Science Team, 2001, ASTER User’s Guide, Earth Remote Sensing Data

Analysis Center, Sioux Falls. ASTER Science Team, 1996, Algorithm Theoretical Basis Document for ASTER

Level-1 Data Processing, NASA Jet Propulsion Laboratory, Pasadena. Bureau of the Budget, 1947, United States National Map Accuracy Standards, U.S.

Bureau of the Budget, Washington, D.C. Djurdjani, 1999, Model Permukaan Digital, Jurusan Teknik Geodesi FT-UGM,

Yogyakarta. Hurtado, J.M., Jr., 2002, Extraction of a Digital Elevation Model from ASTER Level

1A stereo imagery using PCI Geomatica OthoEngine v.8.2.0, NASA Jet Propulsion Laboratory, Pasadena

Japan Associations on Remote Sensing, 1993, Remote Sensing Note, University of

Tokyo, Tokyo. Lang, H.R., dan Welch, R., 1999, Algorithm Theoretical Basis Document for ASTER

Digital Elevation Models, NASA Jet Propulsion Laboratory, Pasadena. Mauney, Thad, 2002, GPS Questions & Answers, Earth Observing Magazine

Online, www.eomonline.com. Rottensteiner, F., 2001, Raster Based Matching Techniques, www.ipf.tuwien.ac.at Soeta’at, 1994, Fotogrametri Analitik, Jurusan Teknik Geodesi FT-UGM,

Yogyakarta. Wahyu Heriyadi, 2002, Pembentukan Model Permukaan Digital dari Sumber Foto

Udara secara Semi Otomatis, Skripsi, Jurusan Teknik Geodesi, FT-UGM, Yogyakarta

Wolf, P.R., dan Ghilani, C.D., 1997, Adjustment Computations, John Willey and

Sons, Inc., New York.

57

LAMPIRAN

58

LAMPIRAN A

VISUALISASI MODEL PERMUKAAN DIGITAL

59

ELEVASI RELATIF PADA MODEL

elevasi rendah elevasi tinggi

60

BAYANG-BAYANG RELIEF MODEL (azimut matahari 45°, elevasi 55°)

61

KONTUR MODEL PERMUKAAN DIGITAL interval kontur 25 meter

62

CONTOH OVERLAY CITRA BAND 3N DAN GARIS KONTUR (sisi utara, interval kontur 25 meter)

62

63

PANDANGAN PERSPEKTIF MODEL

(dilihat dari sisi timur laut)

63

64

COLORDRAPE Parengan, Tuban, Jawa Timur

64

65

LAMPIRAN B

DAFTAR KOORDINAT GCP DAN TITIK IKAT

66

DESKRIPSI GROUND CONTROL POINTS

RMS = 1.2842 m (polinom orde 1)

Koordinat Peta (UTM) Koordinat Citra No Easting Northing

Elevasi (m) X Y

Deskripsi

1 583524.2 9223249.8 36 47.67 368 jembatan, pertigaan jalan, daerah Punten

2 588706.2 9219099.1 28 429.33 591.67 perlintasan KA rel tunggal, daerah Kemlaten

3 592983.4 9216911.2 29 733 695.33 sudut barat laut stasiun KA, Kedungbanteng

4 590269.2 9220854.1 51 516 461.67 perempatan dekat sekolah dan gereja, Baturejo

5 594245.6 9214124.4 20 843.67 867.33 jembatan rel KA, daerah Gempol, 400 m dari sekolah

6 585893.8 9220080.1 36 233.67 553.67 pertigaan desa Keterban, dekat masjid

7 596055 9219758.6 126 908 479 pertigaan desa Pacing, dekat sekolah

8 585013.1 9222765.7 30 151 385 jembatan rel KA, dekat desa Binangun

9 587548.7 9218951.2 31 355.67 615.67 pertemuan anak sungai kecil Sendangagung, 300 m dari rel KA

10 588322.9 9223426.1 51 361.67 308.67 pertigaan sebelah utara Ngawun

11 592859.9 9224185.6 230 657 218.5 pertigaan sebelah timur Kemantren, dekat sekolah

66

67

KOORDINAT TITIK IKAT BAND 3N – 3B

X3N Y3N X3B Y3B 175.75 131.5 178.25 530.25 66 370.25 68.25 769.5 429 591.75 431.25 990.75 588.5 580.75 590.5 980 844 868.5 845 1267 515.5 461.75 518 859.5 213 476.75 215.75 875.75 928.75 133 931.5 522.5 552.5 184 555.25 575.5 751 38.75 753.75 429 509 787.25 511.25 1186.5 350.75 643.5 353.5 1042.75 881.25 657.5 883 1055.5 896.5 461.5 898.75 856.75 116.5 481 119.5 879.75 269.75 939.5 271.75 1338.75 234.25 645 236.25 1043 788.5 526 791.25 923.75 750.75 669.5 752.5 1068.75 247.5 193 250.75 591.25 282.5 856.75 284.5 1251.75 732.75 695 734.75 1093.25 584 929 585.75 1328.5 890.25 296.5 892.75 691.5 657.5 218.25 660.5 609 908.25 478.5 910.75 872.75 88.75 814.75 91.75 1208.75 359.25 483.25 361.5 882 425.5 376.25 427.5 774 287.25 390 290 789

68

LAMPIRAN C

HASIL UJI KORELASI OTOMATIS

69

HASIL UJI KORELASI OTOMATIS DENGAN UKURAN WINDOW DAERAH SELIDIK 3 x 21 PIKSEL AUTOMATIC IMAGE-MATCHING QUALITY TEST RESULT ID X3N Y3N X3B Y3B X3BM Y3BM DIFFY CORRELATION 1 176 132 178.25 530.25 179.00 531.00 0.75 0.98473 2 66 370 68.25 769.5 68.20 768.91 0.59 0.87564 3 429 592 431.25 990.75 431.66 991.37 0.62 0.92839 4 588 581 590.5 980 589.52 981.00 1.00 0.97315 5 844 868 845 1267 846.32 1267.48 0.48 0.97240 6 516 462 518 859.5 517.00 853.00 6.50 0.96771 7 213 477 215.75 875.75 215.00 877.00 1.25 0.93235 8 929 133 931.5 522.5 931.48 522.14 0.36 0.96457 9 552 184 555.25 575.5 555.00 576.00 0.50 0.97292 10 751 39 753.75 429 752.00 444.00 15.00 0.87581 11 509 787 511.25 1186.5 511.36 1186.04 0.46 0.97610 12 351 644 353.5 1042.75 353.01 1042.42 0.33 0.87605 13 881 658 883 1055.5 883.00 1054.00 1.50 0.74576 14 896 462 898.75 856.75 898.39 857.51 0.76 0.96992 15 116 481 119.5 879.75 118.09 880.12 0.37 0.97530 16 270 940 271.75 1338.75 271.00 1330.00 8.75 0.79559 17 234 645 236.25 1043 236.00 1044.00 1.00 0.93751 18 788 526 791.25 923.75 791.07 924.04 0.29 0.87734 19 751 670 752.5 1068.75 753.22 1069.48 0.73 0.88793 20 248 193 250.75 591.25 250.68 591.18 0.07 0.92986 21 282 857 284.5 1251.75 285.00 1253.00 1.25 0.93136 22 733 695 734.75 1093.25 734.66 1085.18 8.07 0.80123 23 584 929 585.75 1328.5 586.09 1329.06 0.56 0.93530 24 890 296 892.75 691.5 892.72 691.66 0.16 0.96354 25 658 218 660.5 609 660.05 625.29 16.29 0.84270 26 908 478 910.75 872.75 910.18 873.60 0.85 0.93665 27 89 815 91.75 1208.75 91.24 1210.12 1.37 0.92925 28 359 483 361.5 882 361.78 882.01 0.01 0.93461 29 426 376 427.5 774 428.00 774.00 0.00 0.88331

70 30 287 390 290 789 288.00 799.00 10.00 0.91201 TargetSizeX = 3 TargetSizeY = 3 SearchSizeX = 3 SearchSizeY = 21 Mismatched = 11 points. Total data = 30 points. AUTOMATIC IMAGE-MATCHING QUALITY TEST RESULT ID X3N Y3N X3B Y3B X3BM Y3BM DIFFY CORRELATION 1 176 132 178.25 530.25 179.28 530.58 0.33 0.94975 2 66 370 68.25 769.5 68.23 768.87 0.63 0.94918 3 429 592 431.25 990.75 431.57 991.31 0.56 0.94423 4 588 581 590.5 980 589.85 980.71 0.71 0.96815 5 844 868 845 1267 846.50 1267.98 0.98 0.97173 6 516 462 518 859.5 518.73 860.43 0.93 0.92453 7 213 477 215.75 875.75 215.00 877.00 1.25 0.79932 8 929 133 931.5 522.5 931.43 522.27 0.23 0.96790 9 552 184 555.25 575.5 555.47 575.79 0.29 0.96700 10 751 39 753.75 429 752.00 444.00 15.00 0.86014 11 509 787 511.25 1186.5 511.39 1186.34 0.16 0.96775 12 351 644 353.5 1042.75 352.97 1042.95 0.20 0.93199 13 881 658 883 1055.5 882.61 1055.28 0.22 0.84272 14 896 462 898.75 856.75 898.45 857.28 0.53 0.96796 15 116 481 119.5 879.75 118.12 879.92 0.17 0.96702 16 270 940 271.75 1338.75 272.42 1339.03 0.28 0.74709 17 234 645 236.25 1043 236.19 1043.45 0.45 0.96564 18 788 526 791.25 923.75 790.60 923.95 0.20 0.92627 19 751 670 752.5 1068.75 753.27 1069.38 0.63 0.92125 20 248 193 250.75 591.25 250.57 591.26 0.01 0.91029 21 282 857 284.5 1251.75 285.00 1253.00 1.25 0.92840 22 733 695 734.75 1093.25 735.33 1093.33 0.08 0.87812 23 584 929 585.75 1328.5 586.27 1328.87 0.37 0.97438 24 890 296 892.75 691.5 892.82 691.57 0.07 0.86476

71 25 658 218 660.5 609 661.00 609.00 0.00 0.88503 26 908 478 910.75 872.75 910.24 872.98 0.23 0.91944 27 89 815 91.75 1208.75 91.00 1209.00 0.25 0.91918 28 359 483 361.5 882 361.64 882.18 0.18 0.93028 29 426 376 427.5 774 427.68 774.01 0.01 0.89340 30 287 390 290 789 289.65 788.65 0.35 0.91721 TargetSizeX = 3 TargetSizeY = 5 SearchSizeX = 3 SearchSizeY = 21 Mismatched = 3 points. Total data = 30 points. AUTOMATIC IMAGE-MATCHING QUALITY TEST RESULT ID X3N Y3N X3B Y3B X3BM Y3BM DIFFY CORRELATION 1 176 132 178.25 530.25 179.58 530.56 0.31 0.94525 2 66 370 68.25 769.5 68.27 768.85 0.65 0.96212 3 429 592 431.25 990.75 431.55 991.16 0.41 0.94517 4 588 581 590.5 980 589.89 980.80 0.80 0.95590 5 844 868 845 1267 846.47 1267.95 0.95 0.97069 6 516 462 518 859.5 518.72 860.36 0.86 0.91016 7 213 477 215.75 875.75 215.04 876.48 0.73 0.77250 8 929 133 931.5 522.5 931.50 522.16 0.34 0.96839 9 552 184 555.25 575.5 555.04 575.91 0.41 0.92290 10 751 39 753.75 429 753.42 429.54 0.54 0.90767 11 509 787 511.25 1186.5 511.25 1186.31 0.19 0.96890 12 351 644 353.5 1042.75 353.02 1042.94 0.19 0.94990 13 881 658 883 1055.5 883.07 1055.18 0.32 0.90026 14 896 462 898.75 856.75 898.59 857.35 0.60 0.94631 15 116 481 119.5 879.75 118.14 879.73 0.02 0.96727 16 270 940 271.75 1338.75 273.00 1339.00 0.25 0.75832 17 234 645 236.25 1043 236.23 1043.30 0.30 0.91125 18 788 526 791.25 923.75 790.45 923.96 0.21 0.95316 19 751 670 752.5 1068.75 753.14 1069.44 0.69 0.92911

72 20 248 193 250.75 591.25 250.68 591.16 0.09 0.90116 21 282 857 284.5 1251.75 285.16 1252.32 0.57 0.94141 22 733 695 734.75 1093.25 735.00 1094.00 0.75 0.92877 23 584 929 585.75 1328.5 586.40 1329.24 0.74 0.96038 24 890 296 892.75 691.5 892.80 691.50 0.00 0.86561 25 658 218 660.5 609 661.00 609.00 0.00 0.88349 26 908 478 910.75 872.75 910.31 873.08 0.33 0.91264 27 89 815 91.75 1208.75 91.05 1209.76 1.01 0.89107 28 359 483 361.5 882 362.03 882.12 0.12 0.93308 29 426 376 427.5 774 427.65 774.36 0.36 0.82352 30 287 390 290 789 289.24 789.04 0.04 0.93986 TargetSizeX = 3 TargetSizeY = 7 SearchSizeX = 3 SearchSizeY = 21 Mismatched = 1 points. Total data = 30 points. AUTOMATIC IMAGE-MATCHING QUALITY TEST RESULT ID X3N Y3N X3B Y3B X3BM Y3BM DIFFY CORRELATION 1 176 132 178.25 530.25 179.38 530.61 0.36 0.92835 2 66 370 68.25 769.5 68.33 768.91 0.59 0.96134 3 429 592 431.25 990.75 431.51 991.13 0.38 0.94159 4 588 581 590.5 980 589.99 980.59 0.59 0.91059 5 844 868 845 1267 846.20 1267.45 0.45 0.96597 6 516 462 518 859.5 518.69 860.32 0.82 0.92981 7 213 477 215.75 875.75 215.09 875.68 0.07 0.79496 8 929 133 931.5 522.5 931.49 522.05 0.45 0.96252 9 552 184 555.25 575.5 555.20 575.75 0.25 0.92837 10 751 39 753.75 429 753.46 429.52 0.52 0.93300 11 509 787 511.25 1186.5 511.22 1186.22 0.28 0.96404 12 351 644 353.5 1042.75 353.12 1042.92 0.17 0.96377 13 881 658 883 1055.5 883.28 1055.35 0.15 0.77731 14 896 462 898.75 856.75 898.56 857.27 0.52 0.92454

73 15 116 481 119.5 879.75 118.22 879.70 0.05 0.96267 16 270 940 271.75 1338.75 273.41 1338.71 0.04 0.83335 17 234 645 236.25 1043 236.18 1043.39 0.39 0.90580 18 788 526 791.25 923.75 790.41 923.79 0.04 0.92558 19 751 670 752.5 1068.75 754.00 1069.00 0.25 0.92902 20 248 193 250.75 591.25 251.08 591.01 0.24 0.93119 21 282 857 284.5 1251.75 284.79 1252.59 0.84 0.94083 22 733 695 734.75 1093.25 735.30 1093.52 0.27 0.95712 23 584 929 585.75 1328.5 586.37 1329.06 0.56 0.95828 24 890 296 892.75 691.5 892.76 691.45 0.05 0.84337 25 658 218 660.5 609 661.00 609.00 0.00 0.90320 26 908 478 910.75 872.75 910.39 873.11 0.36 0.91179 27 89 815 91.75 1208.75 91.27 1208.92 0.17 0.92758 28 359 483 361.5 882 362.05 882.08 0.08 0.92199 29 426 376 427.5 774 427.60 774.30 0.30 0.79972 30 287 390 290 789 289.24 789.08 0.08 0.95026 TargetSizeX = 3 TargetSizeY = 9 SearchSizeX = 3 SearchSizeY = 21 Mismatched = 0 points. Total data = 30 points. AUTOMATIC IMAGE-MATCHING QUALITY TEST RESULT ID X3N Y3N X3B Y3B X3BM Y3BM DIFFY CORRELATION 1 176 132 178.25 530.25 178.97 530.60 0.35 0.91234 2 66 370 68.25 769.5 68.36 768.96 0.54 0.93750 3 429 592 431.25 990.75 431.47 991.12 0.37 0.93933 4 588 581 590.5 980 590.00 980.59 0.59 0.89579 5 844 868 845 1267 846.21 1267.53 0.53 0.96455 6 516 462 518 859.5 518.55 860.18 0.68 0.94119 7 213 477 215.75 875.75 215.14 875.62 0.13 0.87953 8 929 133 931.5 522.5 931.58 522.22 0.28 0.97111 9 552 184 555.25 575.5 555.15 575.71 0.21 0.93170

74 10 751 39 753.75 429 753.39 429.47 0.47 0.95550 11 509 787 511.25 1186.5 511.22 1186.15 0.35 0.96066 12 351 644 353.5 1042.75 353.12 1042.91 0.16 0.96632 13 881 658 883 1055.5 883.31 1055.32 0.18 0.74562 14 896 462 898.75 856.75 898.50 857.25 0.50 0.91399 15 116 481 119.5 879.75 118.26 879.71 0.04 0.96364 16 270 940 271.75 1338.75 272.78 1338.96 0.21 0.86543 17 234 645 236.25 1043 236.16 1043.46 0.46 0.90877 18 788 526 791.25 923.75 790.62 923.54 0.21 0.89857 19 751 670 752.5 1068.75 754.00 1069.00 0.25 0.88902 20 248 193 250.75 591.25 251.03 591.02 0.23 0.91577 21 282 857 284.5 1251.75 284.72 1252.85 1.10 0.93962 22 733 695 734.75 1093.25 735.36 1093.92 0.67 0.96436 23 584 929 585.75 1328.5 586.36 1328.78 0.28 0.97364 24 890 296 892.75 691.5 892.64 691.53 0.03 0.83269 25 658 218 660.5 609 661.00 609.00 0.00 0.89718 26 908 478 910.75 872.75 910.37 873.00 0.25 0.91820 27 89 815 91.75 1208.75 91.17 1208.82 0.07 0.81155 28 359 483 361.5 882 361.98 881.80 0.20 0.88679 29 426 376 427.5 774 427.73 774.25 0.25 0.84089 30 287 390 290 789 289.25 789.03 0.03 0.96208 TargetSizeX = 3 TargetSizeY = 11 SearchSizeX = 3 SearchSizeY = 21 Mismatched = 1 points. Total data = 30 points. AUTOMATIC IMAGE-MATCHING QUALITY TEST RESULT ID X3N Y3N X3B Y3B X3BM Y3BM DIFFY CORRELATION 1 176 132 178.25 530.25 179.06 530.59 0.34 0.91355 2 66 370 68.25 769.5 68.33 768.97 0.53 0.92489 3 429 592 431.25 990.75 431.51 991.09 0.34 0.94212 4 588 581 590.5 980 590.05 980.50 0.50 0.86564

75 5 844 868 845 1267 845.97 1267.12 0.12 0.96204 6 516 462 518 859.5 518.47 860.04 0.54 0.95057 7 213 477 215.75 875.75 215.20 875.76 0.01 0.90755 8 929 133 931.5 522.5 931.57 522.15 0.35 0.96333 9 552 184 555.25 575.5 555.10 575.69 0.19 0.93314 10 751 39 753.75 429 753.34 429.50 0.50 0.96801 11 509 787 511.25 1186.5 511.20 1186.11 0.39 0.96209 12 351 644 353.5 1042.75 353.09 1042.94 0.19 0.96514 13 881 658 883 1055.5 883.29 1055.26 0.24 0.71256 14 896 462 898.75 856.75 898.51 857.25 0.50 0.90293 15 116 481 119.5 879.75 118.32 879.64 0.11 0.96086 16 270 940 271.75 1338.75 272.64 1339.12 0.37 0.86761 17 234 645 236.25 1043 236.12 1043.45 0.45 0.91101 18 788 526 791.25 923.75 790.00 924.00 0.25 0.89016 19 751 670 752.5 1068.75 754.00 1069.00 0.25 0.86976 20 248 193 250.75 591.25 250.93 591.08 0.17 0.89542 21 282 857 284.5 1251.75 284.68 1252.90 1.15 0.92069 22 733 695 734.75 1093.25 735.38 1093.93 0.68 0.96451 23 584 929 585.75 1328.5 586.30 1328.81 0.31 0.98567 24 890 296 892.75 691.5 892.58 691.60 0.10 0.81285 25 658 218 660.5 609 661.00 609.00 0.00 0.89176 26 908 478 910.75 872.75 910.30 873.05 0.30 0.91869 27 89 815 91.75 1208.75 91.77 1208.20 0.55 0.81958 28 359 483 361.5 882 361.71 881.81 0.19 0.83627 29 426 376 427.5 774 427.76 774.25 0.25 0.84599 30 287 390 290 789 289.26 788.99 0.01 0.96103 TargetSizeX = 3 TargetSizeY = 13 SearchSizeX = 3 SearchSizeY = 21 Mismatched = 1 points. Total data = 30 points. AUTOMATIC IMAGE-MATCHING QUALITY TEST RESULT

76 ID X3N Y3N X3B Y3B X3BM Y3BM DIFFY CORRELATION 1 176 132 178.25 530.25 179.31 530.53 0.28 0.90572 2 66 370 68.25 769.5 68.28 768.93 0.57 0.92409 3 429 592 431.25 990.75 431.51 991.09 0.34 0.93676 4 588 581 590.5 980 590.08 980.49 0.49 0.86803 5 844 868 845 1267 845.87 1266.94 0.06 0.95990 6 516 462 518 859.5 518.48 860.02 0.52 0.95291 7 213 477 215.75 875.75 215.20 875.95 0.20 0.92194 8 929 133 931.5 522.5 932.15 522.63 0.13 0.95378 9 552 184 555.25 575.5 555.40 575.57 0.07 0.93499 10 751 39 753.75 429 753.45 429.34 0.34 0.95434 11 509 787 511.25 1186.5 511.20 1186.02 0.48 0.96126 12 351 644 353.5 1042.75 353.12 1042.99 0.24 0.96704 13 881 658 883 1055.5 883.37 1055.26 0.24 0.68956 14 896 462 898.75 856.75 898.50 857.25 0.50 0.88665 15 116 481 119.5 879.75 118.32 879.61 0.14 0.95316 16 270 940 271.75 1338.75 272.63 1339.09 0.34 0.86052 17 234 645 236.25 1043 236.10 1043.47 0.47 0.90821 18 788 526 791.25 923.75 791.34 923.62 0.13 0.88624 19 751 670 752.5 1068.75 754.00 1069.00 0.25 0.85126 20 248 193 250.75 591.25 250.88 591.09 0.16 0.90633 21 282 857 284.5 1251.75 284.72 1252.89 1.14 0.92131 22 733 695 734.75 1093.25 735.38 1093.90 0.65 0.96387 23 584 929 585.75 1328.5 586.52 1328.79 0.29 0.98913 24 890 296 892.75 691.5 892.55 691.61 0.11 0.79024 25 658 218 660.5 609 661.00 609.00 0.00 0.88953 26 908 478 910.75 872.75 910.24 873.16 0.41 0.91304 27 89 815 91.75 1208.75 91.52 1208.41 0.34 0.83338 28 359 483 361.5 882 361.65 881.85 0.15 0.79369 29 426 376 427.5 774 427.85 774.19 0.19 0.85038 30 287 390 290 789 289.20 789.02 0.02 0.95921 TargetSizeX = 3 TargetSizeY = 15 SearchSizeX = 3 SearchSizeY = 21

77 Mismatched = 1 points. Total data = 30 points. AUTOMATIC IMAGE-MATCHING QUALITY TEST RESULT ID X3N Y3N X3B Y3B X3BM Y3BM DIFFY CORRELATION 1 176 132 178.25 530.25 179.68 530.36 0.11 0.90115 2 66 370 68.25 769.5 68.26 768.89 0.61 0.91571 3 429 592 431.25 990.75 431.45 991.10 0.35 0.93145 4 588 581 590.5 980 590.08 980.49 0.49 0.86646 5 844 868 845 1267 845.95 1267.08 0.08 0.95807 6 516 462 518 859.5 518.45 860.02 0.52 0.94966 7 213 477 215.75 875.75 215.00 877.00 1.25 0.93492 8 929 133 931.5 522.5 932.04 522.72 0.22 0.95741 9 552 184 555.25 575.5 555.85 575.37 0.13 0.93076 10 751 39 753.75 429 753.51 429.25 0.25 0.94528 11 509 787 511.25 1186.5 511.21 1186.04 0.46 0.95639 12 351 644 353.5 1042.75 353.14 1042.97 0.22 0.96803 13 881 658 883 1055.5 883.46 1055.28 0.22 0.67331 14 896 462 898.75 856.75 898.48 857.25 0.50 0.85235 15 116 481 119.5 879.75 118.28 879.70 0.05 0.95188 16 270 940 271.75 1338.75 272.60 1339.12 0.37 0.82132 17 234 645 236.25 1043 236.08 1043.48 0.48 0.90259 18 788 526 791.25 923.75 790.84 923.67 0.08 0.87660 19 751 670 752.5 1068.75 753.31 1069.31 0.56 0.84783 20 248 193 250.75 591.25 250.72 591.10 0.15 0.89846 21 282 857 284.5 1251.75 284.70 1252.86 1.11 0.91415 22 733 695 734.75 1093.25 735.37 1093.90 0.65 0.96255 23 584 929 585.75 1328.5 586.66 1328.74 0.24 0.98984 24 890 296 892.75 691.5 892.60 691.59 0.09 0.78344 25 658 218 660.5 609 661.00 609.00 0.00 0.89146 26 908 478 910.75 872.75 910.21 873.20 0.45 0.91853 27 89 815 91.75 1208.75 91.57 1208.47 0.28 0.84242 28 359 483 361.5 882 361.60 881.99 0.01 0.77432 29 426 376 427.5 774 427.95 774.23 0.23 0.86729 30 287 390 290 789 289.15 789.01 0.01 0.95867

78 TargetSizeX = 3 TargetSizeY = 17 SearchSizeX = 3 SearchSizeY = 21 Mismatched = 2 points. Total data = 30 points. AUTOMATIC IMAGE-MATCHING QUALITY TEST RESULT ID X3N Y3N X3B Y3B X3BM Y3BM DIFFY CORRELATION 1 176 132 178.25 530.25 179.76 530.33 0.08 0.89211 2 66 370 68.25 769.5 68.24 768.84 0.66 0.91019 3 429 592 431.25 990.75 431.43 991.11 0.36 0.93061 4 588 581 590.5 980 590.08 980.49 0.49 0.86820 5 844 868 845 1267 845.78 1266.76 0.24 0.95604 6 516 462 518 859.5 518.40 860.00 0.50 0.94957 7 213 477 215.75 875.75 215.00 877.00 1.25 0.93989 8 929 133 931.5 522.5 931.91 522.72 0.22 0.95676 9 552 184 555.25 575.5 555.00 576.00 0.50 0.92882 10 751 39 753.75 429 753.47 429.25 0.25 0.94550 11 509 787 511.25 1186.5 511.18 1186.01 0.49 0.95641 12 351 644 353.5 1042.75 353.14 1042.96 0.21 0.97025 13 881 658 883 1055.5 883.74 1055.25 0.25 0.66150 14 896 462 898.75 856.75 898.48 857.24 0.49 0.83934 15 116 481 119.5 879.75 118.26 879.71 0.04 0.95234 16 270 940 271.75 1338.75 272.59 1339.16 0.41 0.81773 17 234 645 236.25 1043 236.09 1043.48 0.48 0.89931 18 788 526 791.25 923.75 790.58 923.70 0.05 0.86539 19 751 670 752.5 1068.75 753.13 1069.39 0.64 0.83931 20 248 193 250.75 591.25 250.66 591.08 0.17 0.88880 21 282 857 284.5 1251.75 284.67 1252.85 1.10 0.90980 22 733 695 734.75 1093.25 735.37 1093.87 0.62 0.96374 23 584 929 585.75 1328.5 586.75 1328.73 0.23 0.98651 24 890 296 892.75 691.5 892.54 691.59 0.09 0.76085 25 658 218 660.5 609 661.00 609.00 0.00 0.88785

79 26 908 478 910.75 872.75 910.23 873.03 0.28 0.91966 27 89 815 91.75 1208.75 91.64 1208.50 0.25 0.84522 28 359 483 361.5 882 361.61 882.01 0.01 0.78711 29 426 376 427.5 774 428.03 774.26 0.26 0.87792 30 287 390 290 789 289.16 788.98 0.02 0.95687 TargetSizeX = 3 TargetSizeY = 19 SearchSizeX = 3 SearchSizeY = 21 Mismatched = 2 points. Total data = 30 points. AUTOMATIC IMAGE-MATCHING QUALITY TEST RESULT ID X3N Y3N X3B Y3B X3BM Y3BM DIFFY CORRELATION 1 176 132 178.25 530.25 179.62 530.36 0.11 0.88815 2 66 370 68.25 769.5 68.25 768.81 0.69 0.90482 3 429 592 431.25 990.75 431.44 991.09 0.34 0.93164 4 588 581 590.5 980 590.09 980.48 0.48 0.87014 5 844 868 845 1267 846.16 1267.47 0.47 0.94903 6 516 462 518 859.5 518.32 859.96 0.46 0.95172 7 213 477 215.75 875.75 215.00 877.00 1.25 0.94692 8 929 133 931.5 522.5 931.78 522.68 0.18 0.94582 9 552 184 555.25 575.5 555.00 576.00 0.50 0.92355 10 751 39 753.75 429 753.46 429.26 0.26 0.94138 11 509 787 511.25 1186.5 511.18 1186.06 0.44 0.95636 12 351 644 353.5 1042.75 353.16 1042.94 0.19 0.97052 13 881 658 883 1055.5 883.39 1055.20 0.30 0.65611 14 896 462 898.75 856.75 898.50 857.20 0.45 0.83190 15 116 481 119.5 879.75 118.25 879.71 0.04 0.95239 16 270 940 271.75 1338.75 272.61 1339.09 0.34 0.81522 17 234 645 236.25 1043 236.08 1043.47 0.47 0.89503 18 788 526 791.25 923.75 790.81 923.63 0.12 0.85684 19 751 670 752.5 1068.75 754.00 1069.00 0.25 0.84578 20 248 193 250.75 591.25 250.63 591.08 0.17 0.89201

80 21 282 857 284.5 1251.75 284.57 1252.74 0.99 0.90648 22 733 695 734.75 1093.25 735.36 1093.83 0.58 0.96243 23 584 929 585.75 1328.5 586.64 1328.77 0.27 0.97928 24 890 296 892.75 691.5 892.40 691.58 0.08 0.70794 25 658 218 660.5 609 661.00 609.00 0.00 0.88417 26 908 478 910.75 872.75 910.27 872.99 0.24 0.92731 27 89 815 91.75 1208.75 91.71 1208.48 0.27 0.84923 28 359 483 361.5 882 361.62 881.98 0.02 0.80768 29 426 376 427.5 774 428.04 774.34 0.34 0.88100 30 287 390 290 789 289.17 789.00 0.00 0.95735 TargetSizeX = 3 TargetSizeY = 21 SearchSizeX = 3 SearchSizeY = 21 Mismatched = 1 points. Total data = 30 points.

81

LAMPIRAN D

HASIL UJI NOISE FILTERING

82

POTONGAN CITRA ASLI

No Threshold (σ) Ukuran window Hasil

1 1 7 x 7

2 2 7 x 7

83

3 3 7 x 7

4 1 11 x 11

5 2 11 x 11

84

6 3 11 x 11

7 1 15 x 15

8 2 15 x 15

85

9 3 15 x 15

10 1 19 x 19

11 2 19 x 19

86

12 3 19 x 19

87

LAMPIRAN E

HASIL UJI KETELITIAN MODEL PERMUKAAN DIGITAL

88

SELISIH ELEVASI PADA TITIK CEK DENGAN ELEVASI PADA MODEL

UTM Coord. (meter) Image Coord. (pixel) XMAP YMAP

ZMAP (meter) XDEM YDEM

ZDEM (meter)

ZDIFF (meter)

589301.48 9219895.64 24 521 589 30 -6 585003.51 9222000.32 30 235 449 27 3 586169.52 9222520.27 29 313 415 27 2 585370.81 9223138.32 30 259 373 28 2 584470.63 9222808.04 31 199 395 28 3 585812.72 9224096.46 27 289 309 37 -10 587199.96 9219997.01 29 381 583 28 1 583000.19 9222490.84 38 101 416 41 -3 586509.27 9220497.34 33 335 549 33 0 585492.99 9221086.53 33 268 510 30 3 584299.59 9221196.01 34 188 503 31 3 583501.02 9221997.05 38 135 449 34 4

584303 9222095.15 32 188 443 31 1 584022.17 9224864.94 33 169 258 31 2 583302.02 9225692.28 34 121 203 0 34 588201.62 9221095.77 33 448 509 32 1 587524.02 9220673.93 33 403 538 26 7 587606.54 9223893.72 35 408 323 30 5 584502.55 9220194.4 39 202 570 36 3 586487.04 9224380.96 40 334 290 41 -1 588509.31 9220681.71 40 469 537 40 0 587590.17 9223059.84 40 407 379 34 6 587603.27 9224397.31 39 408 289 45 -6 587033.69 9225358.73 51 370 225 56 -5 589468.42 9221419.51 51 533 488 52 -1 588571.51 9222121.31 48 473 441 48 0 589903.78 9221990.51 54 562 450 50 4 588735.86 9222844.01 59 484 393 46 13 588041.22 9225927.2 76 437 187 66 10 588742.41 9224956.5 85 484 252 81 4 589144.35 9224243.09 116 511 300 108 8 590009.21 9223442.44 163 569 353 144 19 589884.82 9224949.96 173 560 253 163 10 592028.22 9219800.81 78 703 596 73 5 594460.35 9221656.43 77 865 472 57 20 593907.15 9222291.36 79 828 430 76 3 591566.67 9220422.13 90 672 554 89 1 595903.92 9221291.98 83 962 496 80 3 593243.04 9221052.27 91 784 512 85 6 596201.8 9221833.54 93 981 460 80 13

594214.84 9219856.4 101 849 592 99 2 595305 9220360.93 106 922 558 134 -28

591180.41 9221820.46 111 647 461 104 7 592162.43 9221206.96 115 712 502 112 3 594807.33 9220860.32 116 889 525 115 1

89

595229.6 9222693.06 116 917 403 105 11 590604.29 9224089.4 141 608 310 131 10 591030.51 9223435.9 153 637 353 130 23 595410.32 9223099.08 156 929 376 144 12 591652.46 9222467.95 176 678 418 168 8 593733.66 9221504.54 168 817 482 170 -2 592392.24 9222837.47 189 727 393 177 12 595923.56 9220781.84 188 963 530 164 24 593183.72 9221921.84 185 780 454 177 8 592565.05 9222095.15 191 739 443 191 0 590987.96 9222886.52 207 634 390 177 30 590345.69 9225714.64 216 591 202 202 14 596330.14 9223174.29 219 990 371 223 -4 590902.17 9225358.2 238 628 225 242 -4 595033.88 9224534.66 236 904 280 228 8 593907.83 9224492.15 235 829 283 227 8 593403.72 9223831.58 243 795 327 244 -1 592368.65 9224341.2 247 726 293 249 -2 592604.33 9225796.4 250 742 196 231 19 592673.76 9224724.32 257 746 268 248 9 591851.45 9225282.99 252 691 230 227 25 593854.77 9224975.6 254 825 251 251 3 592402.07 9223720.4 266 728 334 259 7 595397.22 9224240.35 262 928 300 251 11 594647.62 9224851.86 267 878 259 263 4 593095.34 9225449.77 267 774 219 259 8 592951.31 9223543.29 274 765 346 269 5 591259.65 9224266.51 276 652 298 276 0 594921.9 9225292.8 274 896 230 266 8

596293.45 9225711.37 284 988 202 277 7 594921.9 9225727.72 289 896 201 277 12

593996.21 9223370.5 308 834 358 294 14 596421.8 9223906.8 352 996 322 338 14

585916.78 9214118.59 24 296 975 27 -3 588898.85 9214602.57 28 495 942 28 0 589471.69 9214867.45 31 533 925 32 -1 587998.66 9219199.11 28 435 636 28 0 586663.12 9218993.09 37 346 650 34 3 589952.88 9214216.69 38 565 968 37 1 588486.4 9214076.08 38 467 977 41 -3 587304.7 9217696.1 37 388 736 41 -4

588100.14 9218091.78 33 441 710 35 -2 589468.42 9218258.55 33 533 699 28 5 587108.3 9216698.71 39 375 803 44 -5

584905.31 9219591.52 41 228 610 43 -2 587867.73 9214713.75 43 426 935 41 2 589110.53 9216268.83 43 509 831 37 6 589568.94 9217430.59 45 539 754 42 3 584721.99 9218980.01 47 216 651 53 -6

90

587537.12 9215766.73 46 404 865 39 7 588037.95 9216577.72 52 437 811 53 -1 586270.31 9216433.83 59 319 820 60 -1 583875.61 9219006.26 57 160 649 52 5 588286.72 9215165.03 56 454 905 49 7 587687.69 9217153.26 59 414 772 58 1 585370.13 9217660.12 66 259 739 69 -3 583334.07 9217499.89 71 124 749 76 -5 584905.31 9216597.34 70 228 809 75 -5 584826.74 9217450.84 76 223 752 77 -1 584977.32 9214923.04 89 233 921 70 19 586993.73 9214844.55 98 368 926 92 6 583798.9 9216898.19 97 155 789 97 0

584050.95 9215093.08 101 171 910 95 6 583602.49 9215263.13 102 142 898 104 -2 585048.85 9215361.68 151 238 892 166 -15 583792.35 9216093.74 163 154 843 154 9 583386.45 9215779.81 170 127 864 149 21 583055.84 9216116.63 190 105 841 185 5 590486.45 9213647.69 19 600 1006 16 3 592709.08 9215694.79 23 749 870 30 -7 594205.02 9212499.88 16 848 1083 26 -10 593507.79 9214494.65 24 802 950 23 1 593707.47 9216397.86 20 815 823 24 -4 593504.52 9215295.83 21 802 896 23 -2 590705.76 9214700.67 29 615 936 25 4 592309.73 9214700.67 37 722 936 32 5 591707.42 9216397.86 33 682 823 34 -1 591920.19 9218875.36 34 696 657 35 -1 596198.52 9213994.32 37 981 983 30 7 590208.21 9213987.78 39 582 983 33 6 591002.18 9215620.34 41 635 874 41 0 592772.27 9216918.36 41 753 788 42 -1 591363.99 9217329.36 41 659 761 34 7 592293.36 9213739.26 48 721 1000 44 4 596172.34 9212846.51 42 980 1059 29 13 593504.52 9213500.54 44 802 1016 47 -3 594044.63 9213382.81 46 838 1024 53 -7 594915.35 9217395.24 52 896 756 49 3 594264.6 9217614.4 46 852 742 45 1

593923.51 9218068.89 59 830 711 56 3 594601.11 9216139.52 65 875 840 62 3 595635.5 9215626.11 86 944 874 77 9

595154.31 9219496.69 86 912 616 74 12 596502.95 9215894.26 91 1002 856 92 -1 594928.45 9216633.31 91 897 807 89 2 595560.21 9216155.87 101 939 839 97 4 596103.59 9218690.21 104 975 670 104 0 596401.47 9219297.21 119 995 629 118 1

91

594189.28 9219077.02 117 847 644 102 15 595841.72 9216554.82 122 957 812 118 4 595664.52 9213984.7 37 946 984 32 5 595047.67 9213067 48 905 1045 49 -1 584918.02 9226134.74 35 229 174 32 3 586097.42 9225039.61 32 308 247 28 4 584500.05 9223993.27 31 201 316 31 0

RMSEz = 8.80

DEM spatial resolution = 15

DEM size = 1131 x 1132

92

LAMPIRAN F

SETTING PROGRAM UNTUK PEMBUATAN MODEL PERMUKAAN DIGITAL DAERAH

PARENGAN, TUBAN

93

DEM CREATOR 4 LOG FILE ====================== PERFORMANCE ----------- Computation started at : 09/09/2003 06:22:29 PM Computation ended at : 09/09/2003 06:49:25 PM Time required : 0 hr 26 min 55.91 sec Pixels processed : 1000000 Pixels matched : 889761 Matching speed : 619 pixels per second. DEM GENERATION SETTINGS ----------------------- 3N image file : C:\Test_Area\final_release\parengan3n.img 3B image file : C:\Test_Area\final_release\parengan3b.img Window sizes : automatic Target window : 3 x 9 Search window : 3 x 21 DEM Resolution : 15 Min. elevation : 0 Max. elevation : 500 Cor. threshold : 0.7 Sub pixel accuracy enabled. Grid data format : ENVI Final DEM size : 1000 lines x 1000 samples Band 3B to 3N registration transformation Type : First Order Polynomial a = 2.67893803704058 b = 1.00060051426216 c = 3.20863857096194E-5 d = -2.48581057936627E-6 Standard deviation = 0.32603585976475 FILTERING AND CORRECTION ------------------------ Noise filtering applied 2 times. Final DEM smoothed by 3 x 3 smoothing kernel. Noise detection method : Standard deviation Maximum deviation factor : 2 Noise elimination method : Median

94

Filter Size : 19 x 19 Elevation Correction enabled. Elevation Correction transformation coefficients : a = 0.998311151441823 b = 2.82522594364698 Standard deviation = 6.25449762907036

95

LAMPIRAN G

PANDUAN SINGKAT PENGGUNAAN PROGRAM DEMCREATOR

96

I. PENJELASAN PROGRAM DEMCREATOR

Program DEMCreator merupakan sebuah program yang berfungsi untuk membuat model permukaan digital dari sumber citra ASTER secara interaktif dan prosedural, dengan berbagai pilihan pengaturan proses yang dimaksudkan untuk memberikan kemudahan dalam melakukan penelitian. Selain disertakan pada CD-ROM yang terlampir pada skrispi, softcopy program ini juga tersedia di laboratorium fotogrametri Jurusan Teknik Geodesi Fakultas Teknik Universitas Gadjah Mada.

Antarmuka pemakai (user interface) program ini berbasis grafis dengan menggunakan pendekatan wizard yang terdiri dari 4 buah kotak dialog utama yang terhubung satu sama lain melalui tombol Next dan Back. DEMCreator dapat dijalankan pada komputer dengan spesifikasi minimal :

Prosesor : Pentium 90 MHz Memori : 32 MB Harddisk : 1 MB untuk program utama Sistem operasi : Windows 98

II. KEMAMPUAN DAN UNJUK KERJA (PERFORMANCE)

Program ini dirancang untuk memudahkan pembuatan model permukaan

digital dari citra ASTER dengan bantuan IDL/ENVI, sehingga dapat dikatakan bahwa program ini adalah perluasan kemampuan dari ENVI, walaupun tidak terintegrasi secara penuh. User interface program didesain dalam bentuk wizard atau step-by-step approach, sehingga penggunaannya akan lebih mudah dan jalannya pekerjaan lebih jelas serta mudah dipahami. Berbagai input program seperti daftar koordinat GCP maupun titik ikat dilakukan menggunakan hasil pengukuran yang dilakukan dengan ENVI, demikian pula output dari program disajikan dalam format yang dapat langsung dibaca dan diproses oleh ENVI. Output lain seperti daftar koordinat hasil automatic image-matching test, image header file, RMSEz checking report, maupun general report file, disajikan dalam format teks ASCII sehingga dapat dibaca oleh berbagai macam program aplikasi lain. Program terdiri dari 4 form utama, yaitu :

a. Form pembuka dan pemilihan aktivitas b. Form pemuatan citra c. Form pengaturan proses pembuatan model permukaan digital d. Form review pengaturan proses dan eksekusi proses.

Form satu dengan yang lain dihubungkan dengan fasilitas tombol Back dan Next yang ada pada setiap form utama, sehingga pengguna program dapat berpindah dari form yang berurutan dengan mudah. Sedangkan beberapa form tambahan lain adalah:

a. Form uji coba automatic image matching. b. Form penghitungan RMSEz. c. Form preview band 3N d. Form preview band 3B e. Form pengaturan lanjut pembuatan model permukaan digital f. Form pemilihan file titik ikat dan titik kontrol 3 dimensi.

97

g. Form pengaturan deteksi noise. h. Form progress bar, untuk menunjukkan kemajuan kerja berbagai proses.

Form-form tambahan ini akan muncul apabila pengguna program memilih tombol-tombol tertentu pada form utama.

Untuk menghasilkan sebuah model permukaan digital absolut, program ini memerlukan beberapa file, yaitu :

b. Citra band 3N. Citra ini dapat berupa citra hasil cropping, maupun citra full-scene yang disimpan dalam format raster biner 8-bit, beserta headernya.

c. Citra band 3B beserta headernya. d. Titik ikat antara band 3N dan 3B. File berformat teks ASCII ini berupa

daftar koordinat titik-titik yang bersesuaian pada band 3N dan 3B. e. GCP 2 dimensi. File berformat teks ASCII ini berupa daftar koordinat

titik-titik yang digunakan sebagai titik kontrol tanah. f. GCP 3 dimensi. File ini mirip GCP 2 dimensi, namun tidak tidak seperti

GCP 2 dimensi yang hanya memuat koordinat tanah titik kontrol, GCP 3 dimensi juga memuat elevasi titik kontrol terhadap muka air laut rata-rata. Pembuatan file GCP 3 dimensi ini dapat dilakukan secara manual dengan menambahkan informasi elevasi GCP pada file GCP 2 dimensi menggunakan editor teks ASCII seperti Notepad, UltraEdit, maupun MS-DOS Editor, atau dengan memanfaatkan fasilitas Build Exterior Orientation dari ENVI dengan memilih Register Ortho-rectification Build Air Photo Exterior Orientation pada menu utama ENVI.

File-file yang diciptakan oleh program ini adalah : a. File raster biner model permukaan digital mentah. File ini merupakan

model permukaan digital yang belum dikoreksi ketinggiannya dan belum dibersihkan noise-nya.

b. Header file raster biner model permukaan digital mentah. c. File raster biner model permukaan digital yang telah difilter. File ini

merupakan mode permukaan digital yang telah dikoreksi ketinggiannya dan sudah dibersihkan noise-nya.

d. Header file raster biner model permukaan digital yang telah difilter. e. File raster kelas kualitas piksel. File ini merupakan klasifikasi kelas

kualitas dari piksel-piksel yang menyusun model permukaan digital. Terdapat 4 macam atribut, 0 (piksel normal), 1 (tak terdefinisi), 2 (piksel gagal korelasi), dan 3 (piksel diluar daerah yang valid).

f. Header file raster kelas kualitas piksel. g. File laporan pekerjaan. File ini memberikan informasi tentang pilihan

setting pada pekerjaan, unjuk kerja program, dan hasil proses transformasi affine pada proses registrasi band 3B ke 3N dan hasil transformasi linier hasil proses koreksi ketinggian.

h. File .PTS untuk melakukan georeferensi model permukaan digital. File ini digunakan untuk melakukan georeferensi model permukaan digital, dan hanya diciptakan apabila tersedia file GCP (titik kontrol tanah).

98

III. LANGKAH PENGOPERASIAN PROGRAM

Sebelum pembuatan model permukaan digital dimulai, pastikan bahwa semua program selain DEMCreator tidak ada yang dijalankan. Penggunaan sebuah program aplikasi lain bersamaan dengan proses korelasi otomatis akan sangat memperpanjang waktu yang diperlukan. Selain itu, pastikan juga bahwa ruang yang tersedia di harddisk sistem masih tersedia minimal sekitar 200 MB untuk swap-file Windows. Berikut ini adalah langkah pelaksanaan dari 4 kegiatan utama yang dapat dilakukan dengan menggunakan program DEMCreator. III.1. Pembuatan model permukaan digital

Fasilitas ini adalah fasilitas utama program yang berfungsi untuk melakukan korelasi otomatis pada dua citra stereo, filtering model permukaan digital mentah, dan koreksi elevasi model permukaan digital. Langkah pelaksanaan :

1. File yang perlu dipersiapkan yaitu : a. Citra daerah penelitian band 3N dan 3B (terpisah) dalam format

ENVI. Secara default, program akan mencari file dengan ekstensi *.img. Citra dapat berupa citra band 3 full scene maupun citra hasil cropping. Apabila yang dipergunakan adalah citra hasil cropping, maka perlu diperhatikan bahwa citra kedua band harus sama panjang dan citra band 3B harus lebih tinggi 400 piksel dari band 3N.

b. Daftar koordinat titik ikat antara band 3N dan 3B dalam format PTS file ENVI.

c. Daftar koordinat GCP, baik GCP 2 dimensi (X,Y) maupun 3 dimensi (X,Y,Z) dalam format PTS file ENVI.

d. Daftar koordinat titik cek, dalam format PTS file ENVI. 2. Jalankan program DEMCreator dengan meng-klik ganda icon program atau

melalui perintah Run pada Start Menu Windows. 3. Pada form pembuka, pilih Generate DEM untuk membuat sebuah model

permukaan digital dari citra ASTER, kemudian klik tombol Next. 4. Pada form Setting Band 3N and 3B, klik Load untuk memuat citra untuk

masing-masing band. Jika berhasil dimuat, maka akan muncul nama file citra beserta ukuran dari masig-masing citra. Setelah itu, klik tombol Next.

5. Pada form DEM Generation Settings, masukkan nama pekerjaan yang akan dilaksanakan. Nama pekerjaan ini akan digunakan untuk memberi nama file hasil pengolahan. Elevation range diisi dengan perkiraan rentang ketinggian pada daerah kerja. Resolusi model dipilih pada bagian DEM Resolution. Metode deteksi dan eliminasi noise dapat dipilih pada bagian Noise Detection dan Noise Elimination.

6. Untuk melakukan pengaturan lebih lanjut, klik tombol Advanced Options. Pada form Advanced Options terdapat beberapa pilihan pengaturan berikut:

a. Ketelitian sub piksel (pada bagian Sub-pixel accuracy). Untuk memperoleh hasil yang lebih baik, aktifkan pilihan ini.

99

b. Setting manual ukuran jendela korelasi (pada bagian Override window sizes). Daerah selidik ditentukan dari asumsi elevasi maksimum dan minimum daerah yang akan diteliti. Daerah selidik ditentukan dari hasil uji coba.

c. Ambang batas kualitas korelasi silang (pada bagian Correlation Threshold). Ambang batas ini digunakan untuk menentukan kelas kualitas dari piksel-piksel model permukaan digital.

d. Banyaknya proses noise filtering yang akan dilakukan. e. Penghalusan permukaan model. Aktifkan pilihan ini untuk

mengurangi noise yang tersisa dan memperhalus model permukaan digital.

f. Format data model permukaan digital. Tersedia dua pilihan : ENVI dan GTOPO. Pilih ENVI jika data model permukaan digital akan diproses dengan menggunakan ENVI.

7. Untuk melakukan registrasi model, klik tombol DEM Reg. Options. Pada form DEM Reg. Options terdapat beberapa kotak masukan sebagai berikut:

a. GCP 2 dimensi. b. GCP 3 dimensi. c. Daftar koordinat titik ikat.

Masukkan nama file pada masing-masing kotak isian. 8. Setelah pengaturan selesai, klik Next untuk berpindah ke form DEM

Generation. Periksa ulang setting yang ditampilkan, jika ada kesalahan, tekan tombol Back untuk kembali ke form sebelumnya, apabila telah sesuai dengan yang diharapkan, tekan tombol Generate untuk memulai proses korelasi silang dan pembuatan model permukaan digital.

9. Tunggu beberapa saat. Proses dapat berlangsung beberapa detik saja hingga berhari-hari, tergantung kecepatan komputer, ukuran citra yang diproses, dan resolusi model permukaan digital yang diperlukan. Jika karena suatu hal, proses korelasi silang hendak dibatalkan, tekan Ctrl-Alt-Del secara bersamaan untuk menampilkan kotak dialog Close Program Windows.

10. Setelah proses korelasi otomatis dan filtering selesai, akan didapatkan beberapa file sebagai berikut :

a. <projectname>-grd-f.hdr header DEM terfilter b. <projectname>-grd-f.dem DEM terfilter c. <projectname>-grd-u.hdr header DEM mentah d. <projectname>-grd-u.dem DEM mentah e. <projectname>-qcf.hdr header file kelas kualitas f. <projectname>-qcf.img file kelas kualitas g. <gcp2dfilename>.dem.pts GCP untuk georeferensi model

Model permukaan digital yang dihasilkan program masih belum

tergeoreferensi, oleh karena itu, perlu dilakukan georeferensi menggunakan ENVI dengan daftar GCP yang dihasilkan program. Format PTS file ENVI adalah daftar koordinat yang tiap nilainya dipisahkan oleh karakter spasi atau karakter tabulasi (TAB).

100

Misalnya : 1234,23 232,43 422.12 648.09 9734.25 620.42 600.85 902.94 … dan seterusnya. Apabila pada kolom pertama suatu baris terdapat karakter titik koma (semicolon), maka baris tersebut tidak akan dibaca oleh program karena dianggap sebagai baris komentar. Contoh format file :

1. GCP 2D ; contoh file GCP2D ; Easting Northing Ximage Yimage ; ----------- ------------ -------- -------- 583524.2000 9223249.8000 47.6700 368.0000 588706.2000 9219099.1000 429.3300 591.6700 592983.4000 9216911.2000 733.0000 695.3300 590269.2000 9220854.1000 516.0000 461.6700

2. GCP 3D ; contoh file GCP3D ; Easting Northing Elevation Ximage Yimage ; ----------- ------------ -- -------- -------- 583524.2000 9223249.8000 32 47.6700 368.0000 588706.2000 9219099.1000 14 429.3300 591.6700 592983.4000 9216911.2000 57 733.0000 695.3300 590269.2000 9220854.1000 29 516.0000 461.6700

3. Titik Ikat ; contoh file titik ikat ; X3N Y3N X3B Y3B ; -------- -------- -------- -------- 175.7500 131.5000 178.2500 530.2500 66.0000 370.2500 68.2500 769.5000 429.0000 591.7500 431.2500 990.7500 588.5000 580.7500 590.5000 980.0000

4. Titik Cek

; contoh file titik cek ; Easting Northing Elevation ; ----------- ----------- ---

589301.4766 9219895.64 24 585003.5069 9222000.319 30 586169.518 9222520.267 29 585370.8093 9223138.319 30

101

III.2. Menguji kualitas image-matching dengan teknik korelasi silang

Fasilitas ini digunakan untuk membandingkan hasil penentuan koordinat titik yang bersesuaian melalui korelasi otomatis dengan hasil pengukuran secara manual yang tersimpan pada file daftar koordinat titik ikat. Hasil pembandingan ini disimpan pada file laporan dengan format teks ASCII. Langkah pelaksanaan :

1. File yang perlu dipersiapkan yaitu : a. Citra daerah penelitian band 3N dan 3B (terpisah) dalam format

ENVI. Secara default, program akan mencari file dengan ekstensi *.img. Citra dapat berupa citra band 3 full scene maupun citra hasil cropping. Apabila yang dipergunakan adalah citra hasil cropping, maka perlu diperhatikan bahwa citra kedua band harus sama panjang dan citra band 3B harus lebih tinggi 400 piksel dari band 3N.

b. Daftar koordinat titik ikat antara band 3N dan 3B dalam format PTS file ENVI.

2. Jalankan program DEMCreator dengan meng-klik ganda icon program atau melalui perintah Run pada Start Menu Windows.

3. Pada form pembuka, pilih Test Matching Quality, kemudian klik tombol Next.

4. Isikan nama file citra band 3N, 3B, daftar koordinat titik ikat, serta nama file tempat hasil laporan akan disimpan.

5. Isikan besar daerah selidik dan daerah sasaran sesuai dengan spesifikasi yang akan diuji.

6. Klik tombol Match untuk memulai proses korelasi silang pada titik-titik yang ada pada daftar koordinat titik ikat, sekaligus proses pembandingan.

III.3. Filtering dan Koreksi Elevasi model permukaan digital.

Pada dasarnya fasilitas ini digunakan untuk melompati proses korelasi otomatis, sehingga dapat dilakukan pengujian kualitas filtering dengan mudah dan cepat. Langkah pelaksanaan :

1. File yang perlu dipersiapkan yaitu : a. Model permukaan digital yang belum difilter dalam format ENVI atau

GTOPO. b. Daftar koordinat GCP 3 dimensi apabila dilakukan koreksi elevasi.


3. Pada form pembuka, pilih Filter and Correct DEM, kemudian klik tombol Next.

4. Pada form DEM Filtering Settings lakukan pengaturan berbagai parameter noise filtering maupun koreksi elevasi.

5. Klik tombol Filter untuk memulai proses filtering dan/atau koreksi elevasi.

102

III.4. Memeriksa RMSEz model permukaan digital.

Fasilitas ini ditujukan untuk melakukan penghitungan RMSEz pada model permukaan digital yang telah digeoreferensikan dengan menggunakan koordinat 3 dimensi (XYZ) dari daftar titik cek. Langkah pelaksanaan :

1. File yang perlu dipersiapkan yaitu : a. Model permukaan digital yang telah digeoreferensikan dalam format

ENVI atau GTOPO. b. Daftar koordinat titik cek.


3. Pada form pembuka, pilih Check RMSEz, kemudian klik tombol Next. 4. Isikan nama file model permukaan digital tergeoreferensi, daftar koordinat

titik cek, serta nama file tempat hasil pengukuran RMSEz disimpan. 5. Klik tombol Calculate untuk memulai proses penghitungan.

IV. KELEMAHAN PROGRAM DAN RENCANA PERBAIKAN Kelemahan program:

1. Belum mampu menangani kesalahan yang mungkin terjadi karena format file masukan yang tidak benar.

2. Belum mampu menangani kesalahan yang diakibatkan oleh pengisian setting yang tidak benar oleh pemakai program.

3. Apabila proses korelasi otomatis atau noise-filtering dijalankan, proses tersebut tidak dapat dibatalkan, padahal proses tersebut sangat lama.

4. Berdasarkan percobaan dengan menggunakan citra daerah pegunungan, program ini belum mampu memberikan hasil yang baik untuk daerah dengan jangkauan elevasi lebih dari 1500 meter. Hal ini kemungkinan disebabkan karena besarnya window daerah selidik korelasi silang untuk daerah dengan jangkauan elevasi yang besar, sehingga kemungkinan kesalahan pemilihan titik yang bersesuaian (mismatch) semakin besar.

Rencana perbaikan/penyempurnaan program :

1. Memberikan kemampuan pada program untuk memanfaatkan model permukaan digital yang beresolusi rendah untuk membantu memprediksi koordinat pusat window korelasi untuk tiap piksel, sehingga daerah selidik korelasi silang dapat diperkecil. Diharapkan dengan kemampuan ini, program dapat memberikan hasil yang lebih baik untuk daerah dengan jangkauan elevasi yang besar serta mempercepat proses korelasi otomatis.

2. Menyempurnakan prosedur-prosedur penanganan kesalahan yang mungkin terjadi sehingga program akan lebih stabil dan dapat diandalkan.

103

D. DESKRIPSI FORM PROGRAM FORM 1 PEMBUKA PROGRAM DAN PEMILIHAN AKTIVITAS

Pilihan yang tersedia :

1. Generate DEM. Melakukan pembuatan model permukaan digital. 2. Test Matching Quality. Melakukan uji ketelitian korelasi silang. 3. Filter and Correct DEM. Melakukan filter dan koreksi terhadap model

permukaan digital yang belum difilter. Pilihan ini berguna untuk membandingkan metode-metode filtering.

4. Check RMSEz. Melakukan uji ketelitian model permukaan digital yang telah digeoreferensikan menggunakan titik-titik cek.

Tombol perintah :

1. Next. Berpindah ke tahap selanjutnya. 2. Close. Menghentikan program. 3. About. Menampilkan kotak dialog yang berisi keterangan program.

104

FORM 2 PEMUATAN CITRA DIGITAL ASTER LEVEL 1B

Pilihan yang tersedia : tidak ada Tombol perintah :

1. Next. Berpindah ke tahap berikutnya. 2. Back. Kembali ke tahap sebelumnya. 3. Close. Menghentikan program. 4. Help. Menampilkan penjelasan program. 5. Load. Memilih file dan memuat citra ASTER dalam format ENVI secara

interaktif.

105

FORM 3 PENGATURAN PROSES PEMBUATAN MODEL PERMUKAAN DIGITAL


1. Project name. Menentukan nama-nama file yang akan dihasilkan. 2. Elevation range. Menentukan elevasi maksimum dan minimum yang

diharapkan 3. DEM Resolution. Resolusi spasial dari model permukaan digital 4. Noise Detection. Pemilihan metode deteksi noise 5. Noise Elimination. Pemilihan metode eliminasi noise.

Tombol perintah :

1. Next. Berpindah ke tahap selanjutnya. 2. Back. Kembali ke tahap sebelumnya 3. Close. Menghentikan program 4. Help. Menampilkan penjelasan program 5. Advanced Options. Menampilkan kotak dialog pengaturan lanjut 6. Browse. Memilih nama file secara interaktif. 7. DEM Reg. Parameters. Menampilkan kotak dialog registrasi model 8. Options (pada Noise Detection). Menampilkan kotak dialog pengaturan

deteksi noise.

106

FORM 4 REVIEW PILIHAN PENGATURAN PROSES DAN EKSEKUSI PROGRAM

Pilihan yang tersedia : Tidak ada Tombol perintah :

1. Generate. Melakukan proses pembuatan model permukaan digital 2. Back. Kembali ke tahap sebelumnya. 3. Close. Menghentikan program 4. Help. Menampilkan penjelasan program.

107

FORM ADVANCED OPTIONS PENGATURAN LANJUT PROSES KORELASI SILANG DAN NOISE FILTERING


1. Sub pixel accuracy. Mengaktifkan atau menon-aktifkan kemampuan interpolasi sub-piksel dalam proses korelasi silang.

2. Override window sizes. Mengatur ukuran window daerah selidik dan daerah sasaran secara manual.

3. Correlation threshold. Ambang batas minimal untuk koefisien korelasi yang dianggap berhasil.

4. Apply noise filtering … times. Jumlah pengulangan noise filtering. 5. Smooth filtered DEM using 3 x 3 smoothing kernel. Melakukan

penghalusan model permukaan digital dengan menggunakan filter rerata 3 x 3 piksel.

6. Grid data format. Pilihan format data model permukaan digital. Tombol perintah :

1. OK. Menutup kotak dialog dengan menerapkan pengubahan yang dilakukan. 2. Cancel. Menutup kotak dialog dengan mengabaikan pengubahan yang

dilakukan. 3. Help. Menampilkan penjelasan program.

108

FORM REGISTRATION PARAMETERS PENGATURAN REGISTRASI MODEL

Pilihan yang tersedia:

1. Create PTS File for DEM Registration. Mengaktifkan atau menonaktifkan fasilitas editing file GCP untuk registrasi model permukaan digital.

2. 3N 2D GCPs. Nama file GCP 2 dimensi. 3. Apply Elevation Correction. Mengaktifkan atau menon-aktifkan fasilitas

koreksi elevasi model permukaan digital. 4. 3N 3D GCPs. Nama file GCP 3 dimensi. 5. Use tie points to register Band 3N to 3B. Mengaktifkan atau menon-

aktifkan fasilitas registrasi band 3B ke 3N. 6. 3N-3B Tie Points. Nama file daftar titik ikat. 7. Transformation type. Jenis transformasi yang digunakan dalam registrasi

band 3B ke 3N. Tombol perintah :


dilakukan. 3. Help. Menampilkan penjelasan program. 4. Browse. Melakukan pemilihan nama file secara interaktif.

109

FORM STANDARD DEVIATION PENGATURAN DETEKSI NOISE DENGAN SIMPANGAN BAKU LOKAL


1. Filter window size. Ukuran jendela filter. 2. Deviation factor. Faktor pengali nilai simpangan baku sebagai ambang batas

penentuan noise. Tombol perintah :


dilakukan.

110

FORM MATCH TEST UJI KETELITIAN KORELASI OTOMATIS


1. 3N Image. Nama file citra band 3N. 2. 3B Image. Nama file citra band 3B. 3. Point List. Nama file daftar koordinat titik yang bersesuaian. 4. Report File. Nama file hasil uji ketelitian. 5. Target window. Ukuran window daerah sasaran. 6. Search window. Ukuran window daerah selidik.

Tombol perintah:

1. Match. Melakukan proses korelasi silang secara otomatis. 2. Close. Menutup kotak dialog. 3. Help. Menampilkan penjelasan program. 4. Browse. Memilih nama file secara interaktif.

111

FORM RMSEZ CHECKING PENGHITUNGAN RMSEz MODEL MENGGUNAKAN TITIK-TITIK CEK

Pilihan yang tersedia:

1. Geocoded DEM. Nama file model permukaan digital yang telah tergeoreferensi.

2. Checkpoints list. Nama file daftar titik cek. 3. Report file. Nama file laporan hasil hitungan residual dan RMSEz.

Tombol perintah:

1. Calculate. Menghitung residual dan RMSEz. 2. Close. Menutup kotak dialog. 3. Help. Menampilkan penjelasan program. 4. Browse. Memilih nama file secara interaktif.

112

DIAGRAM HIERARKI EKSEKUSI FORM

PEMBUKA DAN PEMILIHAN AKTIVITAS

PEMUATAN CITRA ASTER

PENGATURAN PROSES PEMBUATAN DEM

REVIEW DAN EKSEKUSI PROSES

PENGATURAN LANJUT

PENGATURAN DETEKSI NOISE

PENGUKURAN RMSEz

UJI KETELITIAN KORELASI SILANG

PEMILIHAN TITIK IKAT DAN GCP3D 1

2

4 3

1 : Check RMSEz 2 : Generate DEM 3 : Filter and Correct

DEM 4 : Test Matching Quality

112

113

LAMPIRAN H

FLOWCHART MODUL PROGRAM KORELASI OTOMATIS DAN FILTERING

114

FLOWCHART KORELASI OTOMATIS

Hitung rentang paralaks dari asumsi rentang elevasi yang

diberikan

Tentukan ukuran window daerah selidik berdasarkan rentang

paralaks

Hitung koordinat pusat daerah selidik

Hitung koordinat pusat daerah selidik dengan menggunakan

transformasi registrasi band 3N- 3B untuk mengurangi paralaks x.

Koefisien transformasi untuk registrasi band

3B-3N

Hitung koefisien korelasi untuk tiap daerah sasaran dalam

daerah selidik

Masukkan nilai koefisien ke dalam matriks untuk diurutkan

START

1 2

j = jumlah piksel pada daerah selidik

115

Tentukan posisi piksel dengan koefisien korelasi tertinggi

Interpolasi posisi sub-piksel titik dengan koefisien korelasi

tertinggi

Hitung paralaks

Hitung beda tinggi

Masukkan ke buffer memory

Tentukan kualitas piksel berdasarkan nilai ambang batas.

Tulis log-file.

STOP

1 2

i = jumlah piksel pada model permukaan digital

116

FLOWCHART

NOISE FILTERING

START

Tentukan ukuran DEM yang akan difilter

Tentukan ukuran jendela noise filtering

Hitung Standar Deviasi untuk nilai piksel dalam jendela filter

Berdasarkan ambang batas, tentukan piksel yang dianggap

noise

Noise?

Hitung nilai median window filter

Ganti nilai piksel noise dengan median

3

ya

tidak i = jumlah titik pada window filter

117

ya

tidak

ya

tidak Koreksi?

Smoothing menggunakan filter rerata 3x3

Baca koordinat GCP 3D

Hitung koefisien parameter transformasi linier

Hitung ulang elevasi titik dengan menggunakan transformasi linier

Tulis DEM terfilter/terkoreksi ke dalam file data

STOP

3

Smoothing?

pembuatan dem dari citra aster

Documents