Tugas Mata Kuliah Sistem Pemetaan Lanjut

PEMETAAN REAL-TIME DAERAH TERDAMPAK

BENCANA MENGGUNAKAN MULTISENSOR-UAV

Program Pascasarjana Teknik Geomatika Fakultas Teknik

Universitas Gadjah Mada (UGM) Yogyakarta

Dany Puguh Laksono

(13/353080/PTK/08949)

TUGAS MATA KULIAH SISTEM PEMETAAN LANJUT

PROGRAM PASCASARJANA TEKNIK GEOMATIKA – FAKULTAS TEKNIK

UNIVERSITAS GADJAH MADA YOGYAKARTA

PEMETAAN REAL-TIME DAERAH TERDAMPAK BENCANA

MENGGUNAKAN MULTISENSOR-UAV

Pada makalah ini akan disajikan metode yang dapat digunakan untuk melakukan pemetaan secara real-time pada daerah yang terdampak bencana. Pesawat tanpa awak yang

dilengkapi dengan kamera dan video digunakan untuk akuisisi data. Orientasi eksternal kamera dan video ditentukan dari posisi dan orientasi pesawat tanpa awak yang diperoleh

menggunakan GPS dan IMU. Sensor berupa kamera yang dilengkapi dengan filter inframerah digunakan untuk memperoleh data foto dalam band inframerah, sedangkan video digunakan untuk memperoleh citra dalam rentang sinar tampak. Data yang diperoleh

dari sensor kemudian ditransmisikan ke penerima (receiver) di darat. Pemrosesan lebih lanjut akan menghasilkan data berupa video dan tampilan inframerah yang dapat

digunakan untuk pemetaan kaji-cepat dalam penanggulangan bencana, seperti bencana kebakaran atau banjir.

Kata kunci: UAV, real-time mapping, disaster response, multiband sensor

I. Pendahuluan

Sebagai negara dengan tingkat kerawanan bencana yang tinggi, sudah selayaknya Indonesia mengerahkan segala upaya untuk mengurangi kerugian akibat terjadinya

bencana. Usaha untuk mengurangi bencana merupakan aktivitas yang berkelanjutan, yang meliputi kegiatan pra dan pasca bencana. Sesuai dengan sifat bencana yang datang secara tiba-tiba, diperlukan suatu kegiatan mitigasi melalui pembangunan fisik maupun

penyadaran dan peningkatan kemampuan dalam menghadapi ancaman bencana.

Dalam kegiatan manajemen bencana, dikenal istilah siklus bencana. Siklus bencana

merupakan kegiatan yang dilakukan terus-menerus dalam rangka meminimalisir kerugian akibat adanya bencana. Kegiatan tersebut meliputi kegiatan tanggap bencana, pemulihan

pasca bencana, mitigasi bencana dan kesiapsiagaan. Semua kegiatan tersebut saling terkait dan melengkapi dalam kegiatan penanggulangan bencana.

Kaji-cepat dalam penanggulangan bencana dapat dikelompokkan dalam kegiatan tanggap bencana. Setelah terjadinya bencana, diperlukan informasi yang akurat dan cepat sehingga

dapat diberikan respons yang sesuai. Sebagai contoh, dalam kejadian banjir, informasi mengenai luasan banjir, tinggi genangan, lokasi pengungsi dan informasi lainnya sangat diperlukan sehingga bantuan dapat disalurkan dengan tepat. Selain itu, kaji cepat bencana

juga menyajikan informasi yang penting untuk siklus penanggulangan bencana, seperti mitigasi dan kesiapsiagaan untuk menghadapi kejadian bencana selanjutnya.

Gambar I: Siklus Penanggulangan Bencana

Dalam makalah ini akan disajikan suatu usulan metode yang dapat digunakan dalam

pengumpulan data pada kegiatan kaji-cepat suatu kejadian bencana. UAV digunakan untuk menyediakan data secara realtime sehingga diperoleh data yang paling akurat dan paling tepat waktu (up to date) untuk digunakan dalam kegiatan tanggap bencana. Tujuan dari

makalah ini adalah untuk memberikan alternatif metode pemetaan real time dengan biaya yang relatif lebih murah untuk memperoleh sebanyak mungkin data (citra inframerah dan

citra tampak/visible) dalam waktu yang singkat.

II. Metodologi

UAV untuk akuisisi data

Pemetaan menggunakan UAV (Unmanned Aerial Vehicle/Pesawat tanpa awak) bukanlah merupakan hal baru. Pemetaan dengan menggunakan platform UAV merupakan perkembangan dari pemotretan udara dengan menggunakan platform pesawat udara.

Perkembangan teknologi dalam bentuk pesawat tanpa awak (UAV/Drone) membuka alternatif pemotretan udara yang lebih murah (low-cost) namun tetap mengedepankan

kualitas produk yang dihasilkan.

Sistem pemotretan udara dengan menggunakan UAV umumnya terdiri dari sebuah kamera

sebagai sensor citra permukaan bumi dan GPS/IMU sebagai sensor posisi. Kamera baik digital maupun analog digunakan untuk memperoleh data permukaan bumi dengan resolusi

tinggi. Permasalahan utama dari pemetaan menggunakan wahana pesawat udara adalah penentuan parameter orientasi internal dan parameter orientasi eksternal. Untuk parameter internal pada pemotretan UAV, nilai dari parameter-parameter interior seperti panjang

fokus, koordinat principal point dan parameter kalibrasi kamera dapat diselesaikan dengan

Bencana

Tanggap Bencana

Pemulihan Mitigasi

Kesiapsiagaan

menggunakan persamaan DLT (Direct Linear Transformation). Persamaan DLT seperti dijelaskan dalam (Zhou, 2009) adalah sebagai berikut:

Pada metode konvensional, penyelesaian parameter orientasi kamera pada pesawat tanpa awak akan memerlukan ketersediaan titik control (GCP) yang teliti dan tersebar pada area yang dipetakan. Hal ini tentunya tidak dapat dilakukan pada pemetaan daerah yang

terdampak bencana, sehingga ketersediaan GPS dan IMU akan memudahkan penyelesaian masalah orientasi external kamera untuk mendapatkan citra permukaan bumi yang

tergeoreferensi tanpa mensyaratkan ketersediaan GCP. Gambaran system pemotretan udara dengan menggunakan UAV sebagaimana dijelaskan pada (Zhou, 2009) dapat dilihat pada Gambar II.

Gambar 2: Sistem UAV untuk Pemotretan Udara

Selain penentuan parameter orientasi interior dan exterior, sistem UAV juga perlu memperhatikan jarak (offset) antara sensor GPS dan kamera/video yang digunakan.

Persamaan jarak ini dihitung pada masing-masing sensor menggunakan persamaan (Zhou, 2009):

Apabila digunakan lebih dari satu sensor (video dan kamera), persamaan ini dihitung untuk masing-masing sensor, sehingga Xlens, Ylens dan Zlens mewakili unit kamera maupun video

yang digunakan.

Dari data yang diperoleh kemudian dapat diproses dan dianalisis baik secara dua dimensi

(seperti pembuatan mosaic orthophoto) maupun tiga dimensi (seperti pembentukan model permukaan 3D). Dalam kegiatan kaji-cepat bencana, data-data ini akan sangat berguna

untuk meminimalisir korban dan mengoptimalkan pemberian bantuan. Beberapa contoh penggunaan UAV dalam pemetaan kaji-cepat pasca kejadian bencana dapat dilihat pada beberapa penelitian sebelumnya, seperti pada (Aditya et al., 2011), (Marenchino, 2009)

dan (Bendea et al., 2008). Akan tetapi, metode ini memiliki kelemahan dalam hal waktu. Data yang diperoleh masih memerlukan pemrosesan pasca-akuisisi untuk mendapatkan

citra yang tergeoreferensi.

Sensor inframerah

Kamera biasa menangkap citra pada band tampak (RGB). Untuk keperluan praktis, kamera biasa dapat digunakan untuk memperoleh citra inframerah dari daerah yang ditangkap

dengan memasang filter inframerah pada kamera tersebut. Filter pada lensa akan menyaring cahaya yang ditangkap oleh sensor kamera. Pada kamera normal, semua berkas cahaya akan diteruskan dari lensa ke sensor. Apabila dipasang filter inframerah, maka

hanya gelombang cahaya inframerah saja yang diteruskan ke sensor sehingga didapat gambaran inframerah dari objek yang ditangkap.

Gambar 3: Cara kerja filter inframerah (Warren, 2013)

Penggunaan inframerah dalam kegiatan kaji-cepat bencana akan sangat membantu dalam perolehan informasi yang diperlukan untuk pengambilan keputusan. Sensor inframerah

dapat digunakan untuk mendeteksi kebakaran, makhluk hidup, vegetasi dan benda-benda yang memancarkan panas. Sebaliknya, sensor inframerah akan memberikan warna gelap

untuk objek seperti air atau permukaan es. Hal ini dapat dimanfaatkan untuk mengidentifikasi titik api pada kejadian bencana kebakaran, atau untuk mendeteksi korban selamat pada bencana banjir.

Real time processing

Terobosan lainnya pada teknologi pemetaan dengan menggunakan wahana UAV adalah pemetaan real-time. Pada sistem pemotretan udara real-time, data yang diakuisisi oleh sensor (baik kamera maupun video) dipancarkan oleh unit transmitter ke unit penerima

(receiver) dan secara langsung diproses untuk menghasilkan informasi pada saat yang hampir bersamaan. Beberapa contoh penelitian terdahulu yang membahas mengenai

pemetaan realtime dengan menggunakan UAV adalah (Zhou, 2009), (Steffen and Förstner, 2008), dan (Ambrosia et al., 2003). Makalah ini akan mengadopsi beberapa contoh aplikasi real-time mapping dari beberapa penelitian yang telah disebutkan sebelumnya.

Proses pemetaan real time dari UAV dilakukan dengan menghubungkan sensor akuisisi

data (video dan kamera) dengan unit transmitter. Transmitter video seperti Hicam MV500 tersedia di pasaran dengan harga yang cukup terjangkau. Pada (Eugster and Nebiker, 2008) dijelaskan mengenai integrasi sistem untuk pemetaan menggunakan UAV dengan sensor

berupa video secara real time, seperti pada Gambar 4.

Gambar 4: Desain sistem terintegrasi untuk video realtime

Pada Gambar 4 di atas, data yang diperoleh dari video dikonversi dalam format analog

untuk kemudian ditransmisikan menggunakan unit Wireless Data Link ke stasiun penerima di bumi. Selanjutnya data tersebut diterjemahkan oleh unit Frame Grabber untuk kemudian digabungkan dengan data orientasi dan posisi pesawat dari unit GPS dan IMU untuk

memperoleh data tergeoreferensi. (Zhou, 2009) membahas mengenai metode matematis untuk georeferensi data dari video secara real time. (Leira, 2013) membahas mengenai

metode Kalman Filtering untuk memperoleh posisi secara teliti dari GPS/INS yang ada pada wahana UAV.

Tantangan

Tantangan terbesar dari rancangan sistem yang diusulkan adalah mengenai penyediaan

tenaga bagi keseluruhan unit yang ada pada pesawat UAV. Permasalahan ini dibahas secara detil pada (Leira, 2013). Penggunaan baterei pada video dan kamera perlu

disesuaikan dengan ukuran dan kapasitas maksimum dari beban yang dapat diangkut oleh UAV.

Gambar 5: Diagram perbandingan kebutuhan energi dan jenis baterei yang tersedia di pasaran

Solusi untuk permasalahan tersebut diberikan oleh (Leira, 2013) dengan memberikan

beberapa alternatif desain sistem dengan baterai yang paling optimal yang dapat digunakan pada sebuah wahana UAV. Salah satu desain yang digunakan terlihat pada Gambar 6.

Gambar 6: Desain tenaga untuk sistem GPS, video dan kamera IR

Solusi yang diberikan adalah dengan memberikan tenaga tersendiri pada video kamera (menggunakan baterai), sedangkan tenaga untuk kamera, GPS dan unit

pemrosesan/transmitter diberikan tenaga dari Power Supply bertegangan 5 volt. Pengaturan video juga perlu menjadi perhatian, sebab semakin tinggi frame rate (tingkat akuisisi citra

pada video), maka waktu pemrosesan dan tenaga yang dibutuhkan juga akan semakin besar. Demikian pula, semakin besar nilai fps (frame per second) yang ada pada video, maka data yang ditransmisikan juga akan lebih besar sehingga diperlukan bandwith dan

ukuran media penyimpanan data yang juga besar. Pada (Leira, 2013), dapat disimpulkan bahwa besaran fps yang ideal adalah 17.9 fps dengan waktu pemrosesan 56 detik.

III. Kesimpulan

Teknologi yang tersedia saat ini sudah cukup mumpuni untuk membuat sebuah sistem pemetaan yang terintegrasi. Sebuah perangkat UAV dapat dimanfaatkan untuk melakukan pemetaan pasca bencana secara real time. Sensor yang berbeda digunakan untuk

mendapatkan data-data mengenai kejadian bencana secara lebih akurat dan tepat waktu. Sensor inframerah yang dipasang pada kamera dapat digunakan untuk mendeteksi fitur-

fitur yang sulit dideteksi secara kasat mata, sedangkan sensor berupa video digunakan untuk melengkapi data inframerah tersebut dengan data tampilan langsung dari daerah terdampak bencana.

Integrasi semua sensor baik sensor penentuan posisi seperti GPS dan IMU maupun sensor akuisisi data seperti kamera dengan filter inframerah dan perangkat video dapat digunakan

untuk pemetaan secara real time. Permasalahan berupa penyediaan tenaga untuk keseluruhan perangkat dapat diatasi dengan menggunakan beberapa pendekatan, misalnya

dengan menambahkan penyedia tenaga mandiri untuk perangkat video. Keseluruhan perangkat ini perlu diuji dalam ketelitian hasil, kinerja sistem dalam kondisi bencana, dan kehandalan seluruh sistem. Kalman Filering dapat digunakan untuk meningkatkan

ketelitian posisi dari wahana UAV serta memberikan akurasi yang lebih baik dari citra yang tergeoreferensi.

Rujukan

Aditya, T., Aries, C., Andaru, R., 2011. Tinjauan Usabilitas Kaji Cepat dengan Teknologi Fotogrametri berbasis UAV dan Pemetaan Partisipatif Pasca Banjir Lahar Dingin di

Kali Code. Pros. Semin. Merapi MPBA Tek. Sipil UGM pp. 8. Ambrosia, V.G., Wegener, S.S., Sullivan, D.V., Buechel, S.W., Dunagan, S.E., Brass, J.A.,

Stoneburner, J., Schoenung, S.M., 2003. Demonstrating UAV-acquired real-time

thermal data over fires. Photogramm. Eng. Remote Sens. 69, 391–402. Bendea, H., Boccardo, P., Dequal, S., Giulio Tonolo, F., Marenchino, D., Piras, M., 2008.

Low cost UAV for post-disaster assessment, in: Proceedings of the XXI Congress of the International Society for Photogrammetry and Remote Sensing, Beijing (China). pp. 3–11.

Eugster, H., Nebiker, S., 2008. UAV-Based Augmented Monitoring-Real-Time Georeferencing and Integration of Video Imagery with Virtual Globes. IAPRSSIS

37, 1229–1235. Leira, F.S., 2013. Infrared Object Detection & Tracking in UAVs. Marenchino, D., 2009. Low-cost UAV for the environmental emergency management.

Photogrammetric procedures for rapid mapping activities. Steffen, R., Förstner, W., 2008. On visual real time mapping for unmanned aerial vehicles,

in: 21st Congress of the International Society for Photogrammetry and Remote Sensing (ISPRS). pp. 57–62.

Warren, J., 2013. Infrared Cameras for Vegetation Analysis [WWW Document]. URL

http://publiclab.org/wiki/near- infrared-camera-history (accessed 12.27.13). Zhou, G., 2009. Near Real-Time Orthorectification and Mosaic of Small UAV Video Flow

for Time-Critical Event Response. IEEE Trans. Geosci. Remote Sens. 47, 739–747.