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
PEMBUATAN MODEL PERMUKAAN DIGITAL DARI SUMBER CITRA ASTER SECARA SEMI OTOMATIS
SKRIPSI untuk memenuhi persyaratan dalam mencapai derajat sarjana teknik Program Studi Teknik Geodesi-Geomatika
diajukan oleh : DANIEL ADI NUGROHO NIM : 99/129265/TK/24075
kepada :
JURUSAN TEKNIK GEODESI FAKULTAS TEKNIK UNIVERSITAS GADJAH MADA YOGYAKARTA
i
SKRIPSI
PEMBUATAN MODEL PERMUKAAN DIGITAL DARI SUMBER CITRA ASTER SECARA SEMI OTOMATIS dipersiapkan dan disusun oleh : DANIEL ADI NUGROHO NIM : 99/129265/TK/24075
telah dipertahankan di depan Dewan Penguji pada tanggal 11 Oktober 2003 Susunan Dewan Penguji : Ketua/Pembimbing
Anggota 1.
Ir. Hadiman, M.Sc.
Ir. Djurdjani, MS., M.Eng 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
ii
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
iii
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.
iv
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 bukubuku teksnya. 9. Inge Wijaya atas dukungan moral, ide awal penelitian serta print-out buku-buku teks, Hendro Prastowo dan Hermawan Eko S. atas CDwriternya, I Made Martawan atas bantuan CPU yang bertenaga, Dia’lah Hokosuja H., atas pertimbangan least squares-nya, Sukamto atas printer
v
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
vi
DAFTAR ISI Halaman Judul............................................................................................................ Halaman Pengesahan.................................................................................................. Halaman Pernyataan................................................................................................... Halaman Persembahan............................................................................................... Kata Pengantar........................................................................................................... Daftar Isi..................................................................................................................... Daftar Gambar............................................................................................................ Daftar Tabel................................................................................................................ Daftar Lampiran......................................................................................................... Intisari......................................................................................................................... BAB I PENDAHULUAN I.1. Latar Belakang....................................................................................... I.2. Tujuan.................................................................................................... I.3. Pembatasan Masalah.............................................................................. I.4. Landasan Teori....................................................................................... I.4.1. Sistem Satelit Terra.................................................................... I.4.1.1. Karakteristik Sistem..................................................... I.4.1.2. Sensor-sensor pada Satelit Terra..............................… I.4.2. Sensor ASTER........................................................................... I.4.2.1. Karakteristik Sensor ASTER........................................ I.4.2.2. Sifat Stereoskopik pada Citra ASTER......................... I.4.3. Data Citra ASTER..................................................................... I.4.3.1. Pemrosesan Data Citra ASTER.................................... I.4.3.2. Format Data Citra ASTER........................................... I.4.4. Pembentukan Model Permukaan Digital................................... I.4.4.1. Teknik Korelasi Silang................................................. I.4.4.2. Penghitungan Paralaks dan Elevasi.............................. I.4.4.3. Model Permukaan Digital............................................ I.4.5. Noise filtering.................................... ....................................... I.4.5.1. Simpangan Baku Lokal................................................ I.4.5.2. Filter Median................................................................ I.4.6. Hitung Kuadrat Terkecil............................................................ I.4.7. Transformasi Polinomial............................................................ I.4.8. Teori Kesalahan......................................................................... I.4.9. Acuan Ketelitian Baku............................................................... I.4.9. Perangkat Lunak Komputer....................................................... I.4.9.1. IDL/ENVI..................................................................... I.4.9.2. Delphi 5............................... ........................................
i ii iii iv v vii ix x xi xii 1 2 2 3 3 3 3 3 3 6 7 7 7 7 7 11 13 14 14 14 15 17 18 21 21 21 22
BAB II PELAKSANAAN II.1. Persiapan.................................... ......................................................... II.2. Materi Penelitian.................................... ............................................. II.3. Alat Penelitian.................................... ................................................ II.4. Alur Penelitian.................................... ................................................
24 24 24 25
vii
II.4.1. Pemrograman Komputer........................................................ II.4.1.1. Perancangan Interface............................................. II.4.1.2. Penulisan Kode Program......................................... II.4.1.3. Uji Program dan Debugging.................................... II.4.2. Ekstraksi Band 3N dan 3B..................................................... II.4.3. Pengukuran Koordinat pada Peta Rupabumi......................... II.4.3.1. Titik Kontrol Tanah dan Titik Ikat.......................... II.4.3.2. Titik Cek.................................................................. II.4.4. Pengukuran Koordinat Titik Ikat pada Citra.......................... II.4.5. Pengolahan Data secara Otomatis.......................................... II.4.5.1. Registrasi Band 3B ke 3N secara Otomatis............. II.4.5.2. Korelasi Stereo secara Otomatis.............................. II.4.5.3. Noise filtering Model Permukaan Digital............... II.4.5.4. Koreksi Elevasi secara Otomatis............................. II.4.5.5. Penyimpanan Data Model Permukaan Digital........ II.4.6. Georeferensi Model Permukaan Digital................................ II.4.7. Evaluasi Ketelitian Model Permukaan Digital...................... II.4.8. Visualisasi Model Permukaan Digital...................................
26 26 27 28 29 31 33 33 33 34 34 36 37 39 39 41 43 44
BAB III HASIL DAN PEMBAHASAN III.1. Hasil Penelitian.................................... ............................................... III.2. Registrasi Band 3B ke 3N................................................................... III.3. Korelasi Stereo secara Otomatis.......................................................... III.3.1. Ukuran Daerah Selidik......................................................... III.3.2. Ukuran Daerah Sasaran........................................................ III.4. Noise filtering.................................... ................................................. III.5. Koreksi Elevasi Model Permukaan Digital......................................... III.6. Georeferensi Model Permukaan Digital.............................................. III.6. Ketelitian Model Permukaan Digital...................................................
45 45 45 46 46 47 49 49 50
BAB IV KESIMPULAN DAN SARAN IV.1. Kesimpulan.................................... ..................................................... IV.2. Saran.................................... .......................... .................................... IV.2.1. Pengembangan Program....................................................... IV.2.2. Penelitian pada Daerah dengan Berbagai Variasi Terrain.... IV.2.3. Pengujian dengan Menggunakan MPD Acuan.................... IV.2.4. Penggunaan Komputer dengan Kecepatan Tinggi...............
52 53 53 53 54 54
Daftar Pustaka............................................................................................................ Lampiran....................................................................................................................
56 57
viii
DAFTAR GAMBAR Gambar I.1. Gambar I.2. Gambar I.3. Gambar I.4. Gambar I.5. Gambar I.6. Gambar I.7. Gambar I.8. Gambar II.1. Gambar II.2. Gambar II.3. Gambar II.4. Gambar II.5. Gambar II.6. Gambar II.7. Gambar II.8. Gambar II.9. Gambar II.10. Gambar II.11. Gambar II.12. Gambar II.13. Gambar III.1.
Diagram skematik linear array sensor.............................................. Subsistem VNIR pada sistem sensor ASTER................................... Geometri citra ASTER...................................................................... Korelasi silang 2 dimensi.................................................................. Estimasi koordinat sub-piksel............................................................ Penentuan elevasi berdasarkan paralaks pada citra ASTER............. Proses penghitungan median filter.................................................... Kurva distribusi normal..................................................................... Diagram alir penelitian...................................................................... Properties dan Events dalam Object Inspector Delphi..................... Code Editor pada Delphi................................................................... Ukuran citra ASTER Level-1B full scene......................................... Fasilitas New File Builder pada ENVI.............................................. Distribusi titik GCP dan titik ikat yang digunakan........................... Tampilan awal program DEMCreator 4............................................ Bagian pengaturan proses dalam program DEMCreator 4............... Daerah tepi yang tidak dapat dihitung nilai korelasi silangnya......... Citra dengan noise dan citra yang telah dihilangkan noise-nya........ Bagian pengaturan lanjut DEMCreator 4.......................................... Pemilihan GCP untuk proses georeferensi........................................ Fasilitas Image to Map Registration untuk melakukan georeferensi model................................................................................................. Selisih elevasi titik cek pada model terhadap elevasi titik cek pada peta rupabumi....................................................................................
4 6 6 8 10 12 15 19 25 27 28 29 30 32 34 35 36 37 38 42 43 51
ix
DAFTAR TABEL Tabel I.1. Tabel I.2. Tabel I.3. Tabel I.4. Tabel III.1. Tabel III.2. Tabel III.3. Tabel III.4.
Parameter orbit satelit Terra.................................................................. Karakteristik band Citra ASTER........................................................... Faktor pengali σ untuk berbagai tingkat kepercayaan.......................... Hubungan antara skala peta, interval kontur, dan syarat tingkat ketelitian................................................................................................ Nilai parameter transformasi polinomial satu dimensi......................... Pengaruh ukuran daerah sasaran terhadap ketelitian korelasi otomatis................................................................................................. Pengamatan secara visual hasil filter.................................................... Nilai parameter transformasi dalam koreksi elevasi.............................
3 5 20 21 45 47 48 49
. .
x
DAFTAR LAMPIRAN Lampiran A Lampiran B Lampiran C Lampiran D Lampiran E Lampiran F Lampiran G Lampiran H Lampiran I
Visualisasi Model Permukaan Digital................................................. 58 Daftar Koordinat GCP dan Titik Ikat.................................................. 65 Hasil Uji Korelasi Otomatis................................................................ 68 Hasil Uji Noise filtering....................................................................... 81 Hasil Uji Ketelitian Model Permukaan Digital................................... 87 Setting Program untuk Pembuatan Model Permukaan Digital Daerah Parengan, Tuban...................................................................... 92 Panduan Singkat Penggunaan Program DEMCreator......................... 95 Flowchart Modul Program Korelasi Otomatis dan Filtering............... 113 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
xi
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 titiktitik 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.
xii
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
1
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 Orbit Sumbu semi-major (rerata) Eksentrisitas Waktu lintas (lokal) Kisaran ketinggian Inklinasi Repeat cycle Jarak antara orbit yang berdekatan Periode orbit
Keterangan Sun synchronous, descending 7078 km 0,0012 10.30 ± 15 menit. 700 - 737 km (705 km pada ekuator) 98,2° ± 0,15° 16 hari (233 revolusi / 16 hari) 172 km 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 AM1 (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
VNIR
SWIR
TIR
1 2 3N 3B 4 5 6 7 8 9 10 11 12 13 14
Kisaran spektral (µm) 0.52 - 0.60 0.63 - 0.69 0.78 - 0.86 0.78 - 0.86 1.600 - 1.700 2.145 - 2.185 2.185 - 2.225 2.235 - 2.285 2.295 - 2.365 2.360 - 2.430 8.125 - 8.475 8.475 - 8.825 8.925 - 9.275 10.25 - 10.95 10.95 – 11.65
Resolusi Spasial
Kuantisasi sinyal
15 m
8 bit
30 m
8 bit
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 koreksikoreksi tersebut telah disertakan dalam header file citra. Sedangkan pada level 1B, citra sudah dikoreksi menggunakan data citra dari Level 1A dengan parameterparameter 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
t
∑ ∑[g x =1 y =1
δ=
t
t
∑ ∑[g x =1 y =1
( x, y )
− g m ][h( x , y ) − hm ]
( x, y )
t
t
− g m ] ⋅ ∑ ∑ [ h( x , y ) − h m ] 2
(I.1) 2
x =1 y =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.
δ = a 0 + a1 x + a 2 y + a 3 xy + a 4 x 2 + a 5 y 2
(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). ∂δ a 2a ∂x = 1 + 4 ∂δ a 2 a 3 ∂y
a 3 x max 0 ∗ = 2a 5 y max 0
(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: ∆h =
H∆p B
(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: X1 − X 2 tan α
(I.5)
=
∆p tan α
(I.6)
=
H ⋅ ∆p B
(I.7)
∆h =
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 garisgaris 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 detildetil 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.
σ=
∑ (x
i
− x) 2
n
(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
23
25
24
23
35
22
22
24
23
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 : l1 + v1 = l a1 l2 + v2 = la2 ........ l n + v n = l an dengan ln = hasil pengamatan vn = residual lan = pengamatan terkoreksi
(I.9)
16
Hubungan fungsional antara la dan x berbentuk l a1 = a1,1 x1 + a1, 2 x 2 + ... + a1,u x u + a1, 0 (I.10)
... l an = a n ,1 x1 + a n , 2 x 2 + ... + a n ,u x u + a n , 0
sehingga persamaan I.9 menjadi l1 + v1 = a1,1 x1 + a1, 2 x 2 + ... + a1,u x u + a1, 0 ... l n + v n = a n ,1 x1 + a n , 2 x 2 + ... + a n ,u x u + a n ,0
(I.11)
maka didapat persamaan dalam fungsi v sebagai berikut v1 = a1,1 x1 + a1, 2 x 2 + ... + a1,u x u + a1,0 − l1 ... v n = a n ,1 x1 + a n , 2 x 2 + ... + a n ,u x u + a n ,0 − l n
(I.12)
dalam bentuk matriks dapat dituliskan V = AX + F
(I.13)
dengan v1 V = ... v n
a1,1 A = ... a n ,1
a1, 2 ... an, 2
... a1,u ... ... ... a n ,u
x1 X = ... xu
a1, 0 F = ... a n, 0
− l1 ... − l n
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
∂V T V =0 ∂X
(I.14)
Karena V T V = ( AX + F ) T ( AX + F )
(I.15)
maka 2 X T AT A + 2 F T A = 0
(I.16)
X T AT A + F T A = 0
(I.17)
Apabila persamaan diatas ditranspos maka AT AX + A T F = 0
(I.18)
Sehingga X = −( A T A) −1 ( A T F )
(I.19)
Nilai varian posteriori adalah :
σ 02 =
V TV n −u
(I.20)
dengan
σ 2 = 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: X = xT ⋅ A⋅ y
(I.21)
Y = xT ⋅ B ⋅ y
(I.22)
18
dengan a 00 a A = 10 a 20 ...
a 01 a11 a 21 ...
a 02 a12 a 22 ...
... ... ... ...
(I.23)
b00 b B = 10 b20 ...
b01 b11 b21 ...
b02 b12 b22 ...
... ... ... ...
(I.24)
dalam hal ini A, B = matriks koefisien polinomial
[ = [1
xT = 1 x
x2
x3
yT
y2
y3
y
] ...]
...
(I.25) (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).
σ=
∑ (x
i
− µ) 2
n
dengan
σ = kesalahan baku xi = nilai hasil ukuran
µ = nilai sebenarnya n = jumlah pengukuran
(I.27)
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:
RMSEz =
∑ (Z
MAP
− Z DEM ) 2
(I.28)
n
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. Skala peta 1:25.000
Interval kontur (m) 12,5
Tingkat ketelitian (m) horizontal vertikal 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.
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-PR1B00002000111402_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.
24
25
II.4. Alur Penelitian Langkah-langkah yang perlu dilaksanakan dalam penelitian ini dapat digambarkan dalam diagram alir berikut :
Peta Rupabumi
Pemilihan dan pengukuran titik cek
Pemilihan dan pengukuran GCP
Pemrograman Komputer Pengujian Program
Paket Program Komputer
ASTER L-1B
Ekstraksi band 3N dan 3B
Pemilihan titik ikat pada band 3N dan 3B Korelasi stereo untuk pembuatan MPD Noise filtering MPD
Koreksi elevasi pada MPD Georeferensi MPD
Evaluasi Ketelitian MPD Visualisasi MPD Pengumpulan data Pengolahan data Pembuatan program Proses otomatis
MPD : model permukaan digital
Gambar II.1. Diagram alir penelitian.
26
II.4.1. Pemrograman Komputer Pengolahan data secara otomatis dengan menggunakan komputer memerlukan 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 (userfriendly), 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. Masingmasing 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 fullscene 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 UtilitiesÆFile UtilitiesÆCreate New FileÆStandard. 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 RegisterÆSelect GCPsÆImage 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 RegisterÆSelect GCPsÆImage 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) pikselpiksel 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. H = a⋅h + b
(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 RegisterÆSelect GCPsÆImage to Map pada menu utama ENVI. b. Nilai koordinat titik kontrol tanah, baik pada citra maupun koordinat tanahnya, disimpan pada file dengan perintah FileÆSave 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 126 24 tersebut pada model adalah , atau (63, 12). Proses editing 2 2 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 RegisterÆWarp from Pre-existing GCPsÆImage 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 FileÆOpen Image File. Garis kontur dapat ditambahkan pada citra dengan memilih menu FunctionsÆOverlaysÆContour Lines. Shaded relief dibentuk dengan memilih menu UtilitiesÆData SpecificÆDEMÆTopographic Modelling. Sedangkan pandangan perspektif 3 dimensi dilakukan dengan memilih menu Basic ToolsÆ3D Surface. Adapun hasil visualisasi menggunakan berbagai macam metode, disajikan pada lampiran A.
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 ( X = a + bx + cy + dxy ) 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
45
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. No 1 2 3 4 5 6 7 8 9 10
Ukuran daerah sasaran x (piksel) y (piksel) 3 3 3 5 3 7 3 9 3 11 3 13 3 15 3 17 3 19 3 21
Jumlah blunder 11 3 1 0 1 1 1 2 2 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 noisecluster 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 1 2 3 4 5 6 7 8 9 10 11 12
Threshold (σ) 1 2 3 1 2 3 1 2 3 1 2 3
Ukuran window 7x7 7x7 7x7 11 x 11 11 x 11 11 x 11 15 x 15 15 x 15 15 x 15 19 x 19 19 x 19 19 x 19
Pengamatan secara visual Noise-cluster masih tersisa* Noise masih tersisa sebagian. Noise masih banyak. Noise-cluster tersisa sedikit.* Noise masih tersisa sebagian. Noise masih banyak Noise tersisa sangat sedikit* Noise masih tersisa sebagian Noise masih tersisa Noise dan noise-cluster sudah bersih* Noise-cluster masih sedikit tampak 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 masingmasing 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. Titiktitik 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.
60
Frekuensi (titik cek)
50 40 30 20 10 0 -40
-30
-20
-10
0
10
20
30
40
Selisih elevasi (meter)
Gambar III.1. Selisih elevasi titik cek pada model terhadap elevasi titik cek pada peta rupabumi.
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
52
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 daerahdaerah 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 FunctionsÆInteractive AnalysisÆSpatial 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 floatingpoint 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, Online, www.eomonline.com.
Earth Observing Magazine
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) Easting
Northing
Elevasi (m)
1
583524.2
9223249.8
2
588706.2
3
No
Koordinat Citra
Deskripsi
X
Y
36
47.67
368
9219099.1
28
429.33
591.67
perlintasan KA rel tunggal, daerah Kemlaten
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
10 588322.9
9223426.1
51
361.67
11 592859.9
9224185.6
230
657
308.67 pertigaan sebelah utara Ngawun pertigaan sebelah timur Kemantren, dekat 218.5 sekolah
jembatan, pertigaan jalan, daerah Punten
pertemuan anak sungai kecil Sendangagung, 300 m dari rel KA
66
67
KOORDINAT TITIK IKAT BAND 3N – 3B
X3N 175.75 66 429 588.5 844 515.5 213 928.75 552.5 751 509 350.75 881.25 896.5 116.5 269.75 234.25 788.5 750.75 247.5 282.5 732.75 584 890.25 657.5 908.25 88.75 359.25 425.5 287.25
Y3N 131.5 370.25 591.75 580.75 868.5 461.75 476.75 133 184 38.75 787.25 643.5 657.5 461.5 481 939.5 645 526 669.5 193 856.75 695 929 296.5 218.25 478.5 814.75 483.25 376.25 390
X3B 178.25 68.25 431.25 590.5 845 518 215.75 931.5 555.25 753.75 511.25 353.5 883 898.75 119.5 271.75 236.25 791.25 752.5 250.75 284.5 734.75 585.75 892.75 660.5 910.75 91.75 361.5 427.5 290
Y3B 530.25 769.5 990.75 980 1267 859.5 875.75 522.5 575.5 429 1186.5 1042.75 1055.5 856.75 879.75 1338.75 1043 923.75 1068.75 591.25 1251.75 1093.25 1328.5 691.5 609 872.75 1208.75 882 774 789
68
LAMPIRAN C HASIL UJI KORELASI OTOMATIS
HASIL UJI KORELASI OTOMATIS DENGAN UKURAN WINDOW DAERAH SELIDIK 3 x 21 PIKSEL AUTOMATIC IMAGE-MATCHING QUALITY ID X3N Y3N X3B 1 176 132 178.25 2 66 370 68.25 3 429 592 431.25 4 588 581 590.5 5 844 868 845 6 516 462 518 7 213 477 215.75 8 929 133 931.5 9 552 184 555.25 10 751 39 753.75 11 509 787 511.25 12 351 644 353.5 13 881 658 883 14 896 462 898.75 15 116 481 119.5 16 270 940 271.75 17 234 645 236.25 18 788 526 791.25 19 751 670 752.5 20 248 193 250.75 21 282 857 284.5 22 733 695 734.75 23 584 929 585.75 24 890 296 892.75 25 658 218 660.5 26 908 478 910.75 27 89 815 91.75 28 359 483 361.5 29 426 376 427.5
TEST RESULT Y3B X3BM 530.25 179.00 769.5 68.20 990.75 431.66 980 589.52 1267 846.32 859.5 517.00 875.75 215.00 522.5 931.48 575.5 555.00 429 752.00 1186.5 511.36 1042.75 353.01 1055.5 883.00 856.75 898.39 879.75 118.09 1338.75 271.00 1043 236.00 923.75 791.07 1068.75 753.22 591.25 250.68 1251.75 285.00 1093.25 734.66 1328.5 586.09 691.5 892.72 609 660.05 872.75 910.18 1208.75 91.24 882 361.78 774 428.00
Y3BM 531.00 768.91 991.37 981.00 1267.48 853.00 877.00 522.14 576.00 444.00 1186.04 1042.42 1054.00 857.51 880.12 1330.00 1044.00 924.04 1069.48 591.18 1253.00 1085.18 1329.06 691.66 625.29 873.60 1210.12 882.01 774.00
DIFFY 0.75 0.59 0.62 1.00 0.48 6.50 1.25 0.36 0.50 15.00 0.46 0.33 1.50 0.76 0.37 8.75 1.00 0.29 0.73 0.07 1.25 8.07 0.56 0.16 16.29 0.85 1.37 0.01 0.00
CORRELATION 0.98473 0.87564 0.92839 0.97315 0.97240 0.96771 0.93235 0.96457 0.97292 0.87581 0.97610 0.87605 0.74576 0.96992 0.97530 0.79559 0.93751 0.87734 0.88793 0.92986 0.93136 0.80123 0.93530 0.96354 0.84270 0.93665 0.92925 0.93461 0.88331
69
30
287
390
290
TargetSizeX TargetSizeY SearchSizeX SearchSizeY
= = = =
Mismatched Total data
= 11 points. = 30 points.
789
288.00
799.00
10.00
0.91201
Y3BM 530.58 768.87 991.31 980.71 1267.98 860.43 877.00 522.27 575.79 444.00 1186.34 1042.95 1055.28 857.28 879.92 1339.03 1043.45 923.95 1069.38 591.26 1253.00 1093.33 1328.87 691.57
DIFFY 0.33 0.63 0.56 0.71 0.98 0.93 1.25 0.23 0.29 15.00 0.16 0.20 0.22 0.53 0.17 0.28 0.45 0.20 0.63 0.01 1.25 0.08 0.37 0.07
CORRELATION 0.94975 0.94918 0.94423 0.96815 0.97173 0.92453 0.79932 0.96790 0.96700 0.86014 0.96775 0.93199 0.84272 0.96796 0.96702 0.74709 0.96564 0.92627 0.92125 0.91029 0.92840 0.87812 0.97438 0.86476
3 3 3 21
AUTOMATIC IMAGE-MATCHING QUALITY ID X3N Y3N X3B 1 176 132 178.25 2 66 370 68.25 3 429 592 431.25 4 588 581 590.5 5 844 868 845 6 516 462 518 7 213 477 215.75 8 929 133 931.5 9 552 184 555.25 10 751 39 753.75 11 509 787 511.25 12 351 644 353.5 13 881 658 883 14 896 462 898.75 15 116 481 119.5 16 270 940 271.75 17 234 645 236.25 18 788 526 791.25 19 751 670 752.5 20 248 193 250.75 21 282 857 284.5 22 733 695 734.75 23 584 929 585.75 24 890 296 892.75
TEST RESULT Y3B X3BM 530.25 179.28 769.5 68.23 990.75 431.57 980 589.85 1267 846.50 859.5 518.73 875.75 215.00 522.5 931.43 575.5 555.47 429 752.00 1186.5 511.39 1042.75 352.97 1055.5 882.61 856.75 898.45 879.75 118.12 1338.75 272.42 1043 236.19 923.75 790.60 1068.75 753.27 591.25 250.57 1251.75 285.00 1093.25 735.33 1328.5 586.27 691.5 892.82
70
25 26 27 28 29 30
658 908 89 359 426 287
218 478 815 483 376 390
660.5 910.75 91.75 361.5 427.5 290
TargetSizeX TargetSizeY SearchSizeX SearchSizeY
= = = =
Mismatched Total data
= 3 points. = 30 points.
609 872.75 1208.75 882 774 789
661.00 910.24 91.00 361.64 427.68 289.65
609.00 872.98 1209.00 882.18 774.01 788.65
0.00 0.23 0.25 0.18 0.01 0.35
0.88503 0.91944 0.91918 0.93028 0.89340 0.91721
TEST RESULT Y3B X3BM 530.25 179.58 769.5 68.27 990.75 431.55 980 589.89 1267 846.47 859.5 518.72 875.75 215.04 522.5 931.50 575.5 555.04 429 753.42 1186.5 511.25 1042.75 353.02 1055.5 883.07 856.75 898.59 879.75 118.14 1338.75 273.00 1043 236.23 923.75 790.45 1068.75 753.14
Y3BM 530.56 768.85 991.16 980.80 1267.95 860.36 876.48 522.16 575.91 429.54 1186.31 1042.94 1055.18 857.35 879.73 1339.00 1043.30 923.96 1069.44
DIFFY 0.31 0.65 0.41 0.80 0.95 0.86 0.73 0.34 0.41 0.54 0.19 0.19 0.32 0.60 0.02 0.25 0.30 0.21 0.69
CORRELATION 0.94525 0.96212 0.94517 0.95590 0.97069 0.91016 0.77250 0.96839 0.92290 0.90767 0.96890 0.94990 0.90026 0.94631 0.96727 0.75832 0.91125 0.95316 0.92911
3 5 3 21
AUTOMATIC IMAGE-MATCHING QUALITY ID X3N Y3N X3B 1 176 132 178.25 2 66 370 68.25 3 429 592 431.25 4 588 581 590.5 5 844 868 845 6 516 462 518 7 213 477 215.75 8 929 133 931.5 9 552 184 555.25 10 751 39 753.75 11 509 787 511.25 12 351 644 353.5 13 881 658 883 14 896 462 898.75 15 116 481 119.5 16 270 940 271.75 17 234 645 236.25 18 788 526 791.25 19 751 670 752.5
71
20 21 22 23 24 25 26 27 28 29 30
248 282 733 584 890 658 908 89 359 426 287
193 857 695 929 296 218 478 815 483 376 390
250.75 284.5 734.75 585.75 892.75 660.5 910.75 91.75 361.5 427.5 290
TargetSizeX TargetSizeY SearchSizeX SearchSizeY
= = = =
Mismatched Total data
= 1 points. = 30 points.
591.25 1251.75 1093.25 1328.5 691.5 609 872.75 1208.75 882 774 789
250.68 285.16 735.00 586.40 892.80 661.00 910.31 91.05 362.03 427.65 289.24
591.16 1252.32 1094.00 1329.24 691.50 609.00 873.08 1209.76 882.12 774.36 789.04
0.09 0.57 0.75 0.74 0.00 0.00 0.33 1.01 0.12 0.36 0.04
0.90116 0.94141 0.92877 0.96038 0.86561 0.88349 0.91264 0.89107 0.93308 0.82352 0.93986
TEST RESULT Y3B X3BM 530.25 179.38 769.5 68.33 990.75 431.51 980 589.99 1267 846.20 859.5 518.69 875.75 215.09 522.5 931.49 575.5 555.20 429 753.46 1186.5 511.22 1042.75 353.12 1055.5 883.28 856.75 898.56
Y3BM 530.61 768.91 991.13 980.59 1267.45 860.32 875.68 522.05 575.75 429.52 1186.22 1042.92 1055.35 857.27
DIFFY 0.36 0.59 0.38 0.59 0.45 0.82 0.07 0.45 0.25 0.52 0.28 0.17 0.15 0.52
CORRELATION 0.92835 0.96134 0.94159 0.91059 0.96597 0.92981 0.79496 0.96252 0.92837 0.93300 0.96404 0.96377 0.77731 0.92454
3 7 3 21
AUTOMATIC IMAGE-MATCHING QUALITY ID X3N Y3N X3B 1 176 132 178.25 2 66 370 68.25 3 429 592 431.25 4 588 581 590.5 5 844 868 845 6 516 462 518 7 213 477 215.75 8 929 133 931.5 9 552 184 555.25 10 751 39 753.75 11 509 787 511.25 12 351 644 353.5 13 881 658 883 14 896 462 898.75
72
15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
116 270 234 788 751 248 282 733 584 890 658 908 89 359 426 287
481 940 645 526 670 193 857 695 929 296 218 478 815 483 376 390
119.5 271.75 236.25 791.25 752.5 250.75 284.5 734.75 585.75 892.75 660.5 910.75 91.75 361.5 427.5 290
TargetSizeX TargetSizeY SearchSizeX SearchSizeY
= = = =
Mismatched Total data
= 0 points. = 30 points.
879.75 1338.75 1043 923.75 1068.75 591.25 1251.75 1093.25 1328.5 691.5 609 872.75 1208.75 882 774 789
118.22 273.41 236.18 790.41 754.00 251.08 284.79 735.30 586.37 892.76 661.00 910.39 91.27 362.05 427.60 289.24
879.70 1338.71 1043.39 923.79 1069.00 591.01 1252.59 1093.52 1329.06 691.45 609.00 873.11 1208.92 882.08 774.30 789.08
0.05 0.04 0.39 0.04 0.25 0.24 0.84 0.27 0.56 0.05 0.00 0.36 0.17 0.08 0.30 0.08
0.96267 0.83335 0.90580 0.92558 0.92902 0.93119 0.94083 0.95712 0.95828 0.84337 0.90320 0.91179 0.92758 0.92199 0.79972 0.95026
TEST RESULT Y3B X3BM 530.25 178.97 769.5 68.36 990.75 431.47 980 590.00 1267 846.21 859.5 518.55 875.75 215.14 522.5 931.58 575.5 555.15
Y3BM 530.60 768.96 991.12 980.59 1267.53 860.18 875.62 522.22 575.71
DIFFY 0.35 0.54 0.37 0.59 0.53 0.68 0.13 0.28 0.21
CORRELATION 0.91234 0.93750 0.93933 0.89579 0.96455 0.94119 0.87953 0.97111 0.93170
3 9 3 21
AUTOMATIC IMAGE-MATCHING QUALITY ID X3N Y3N X3B 1 176 132 178.25 2 66 370 68.25 3 429 592 431.25 4 588 581 590.5 5 844 868 845 6 516 462 518 7 213 477 215.75 8 929 133 931.5 9 552 184 555.25
73
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
751 509 351 881 896 116 270 234 788 751 248 282 733 584 890 658 908 89 359 426 287
39 787 644 658 462 481 940 645 526 670 193 857 695 929 296 218 478 815 483 376 390
753.75 511.25 353.5 883 898.75 119.5 271.75 236.25 791.25 752.5 250.75 284.5 734.75 585.75 892.75 660.5 910.75 91.75 361.5 427.5 290
TargetSizeX TargetSizeY SearchSizeX SearchSizeY
= = = =
Mismatched Total data
= 1 points. = 30 points.
429 1186.5 1042.75 1055.5 856.75 879.75 1338.75 1043 923.75 1068.75 591.25 1251.75 1093.25 1328.5 691.5 609 872.75 1208.75 882 774 789
753.39 511.22 353.12 883.31 898.50 118.26 272.78 236.16 790.62 754.00 251.03 284.72 735.36 586.36 892.64 661.00 910.37 91.17 361.98 427.73 289.25
429.47 1186.15 1042.91 1055.32 857.25 879.71 1338.96 1043.46 923.54 1069.00 591.02 1252.85 1093.92 1328.78 691.53 609.00 873.00 1208.82 881.80 774.25 789.03
0.47 0.35 0.16 0.18 0.50 0.04 0.21 0.46 0.21 0.25 0.23 1.10 0.67 0.28 0.03 0.00 0.25 0.07 0.20 0.25 0.03
0.95550 0.96066 0.96632 0.74562 0.91399 0.96364 0.86543 0.90877 0.89857 0.88902 0.91577 0.93962 0.96436 0.97364 0.83269 0.89718 0.91820 0.81155 0.88679 0.84089 0.96208
Y3BM 530.59 768.97 991.09 980.50
DIFFY 0.34 0.53 0.34 0.50
CORRELATION 0.91355 0.92489 0.94212 0.86564
3 11 3 21
AUTOMATIC IMAGE-MATCHING QUALITY ID X3N Y3N X3B 1 176 132 178.25 2 66 370 68.25 3 429 592 431.25 4 588 581 590.5
TEST RESULT Y3B X3BM 530.25 179.06 769.5 68.33 990.75 431.51 980 590.05
74
5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
844 516 213 929 552 751 509 351 881 896 116 270 234 788 751 248 282 733 584 890 658 908 89 359 426 287
868 462 477 133 184 39 787 644 658 462 481 940 645 526 670 193 857 695 929 296 218 478 815 483 376 390
845 518 215.75 931.5 555.25 753.75 511.25 353.5 883 898.75 119.5 271.75 236.25 791.25 752.5 250.75 284.5 734.75 585.75 892.75 660.5 910.75 91.75 361.5 427.5 290
TargetSizeX TargetSizeY SearchSizeX SearchSizeY
= = = =
Mismatched Total data
= 1 points. = 30 points.
1267 859.5 875.75 522.5 575.5 429 1186.5 1042.75 1055.5 856.75 879.75 1338.75 1043 923.75 1068.75 591.25 1251.75 1093.25 1328.5 691.5 609 872.75 1208.75 882 774 789
845.97 518.47 215.20 931.57 555.10 753.34 511.20 353.09 883.29 898.51 118.32 272.64 236.12 790.00 754.00 250.93 284.68 735.38 586.30 892.58 661.00 910.30 91.77 361.71 427.76 289.26
1267.12 860.04 875.76 522.15 575.69 429.50 1186.11 1042.94 1055.26 857.25 879.64 1339.12 1043.45 924.00 1069.00 591.08 1252.90 1093.93 1328.81 691.60 609.00 873.05 1208.20 881.81 774.25 788.99
0.12 0.54 0.01 0.35 0.19 0.50 0.39 0.19 0.24 0.50 0.11 0.37 0.45 0.25 0.25 0.17 1.15 0.68 0.31 0.10 0.00 0.30 0.55 0.19 0.25 0.01
0.96204 0.95057 0.90755 0.96333 0.93314 0.96801 0.96209 0.96514 0.71256 0.90293 0.96086 0.86761 0.91101 0.89016 0.86976 0.89542 0.92069 0.96451 0.98567 0.81285 0.89176 0.91869 0.81958 0.83627 0.84599 0.96103
3 13 3 21
AUTOMATIC IMAGE-MATCHING QUALITY TEST RESULT
75
ID 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
X3N 176 66 429 588 844 516 213 929 552 751 509 351 881 896 116 270 234 788 751 248 282 733 584 890 658 908 89 359 426 287
TargetSizeX TargetSizeY SearchSizeX SearchSizeY
Y3N 132 370 592 581 868 462 477 133 184 39 787 644 658 462 481 940 645 526 670 193 857 695 929 296 218 478 815 483 376 390 = = = =
X3B 178.25 68.25 431.25 590.5 845 518 215.75 931.5 555.25 753.75 511.25 353.5 883 898.75 119.5 271.75 236.25 791.25 752.5 250.75 284.5 734.75 585.75 892.75 660.5 910.75 91.75 361.5 427.5 290
Y3B 530.25 769.5 990.75 980 1267 859.5 875.75 522.5 575.5 429 1186.5 1042.75 1055.5 856.75 879.75 1338.75 1043 923.75 1068.75 591.25 1251.75 1093.25 1328.5 691.5 609 872.75 1208.75 882 774 789
X3BM 179.31 68.28 431.51 590.08 845.87 518.48 215.20 932.15 555.40 753.45 511.20 353.12 883.37 898.50 118.32 272.63 236.10 791.34 754.00 250.88 284.72 735.38 586.52 892.55 661.00 910.24 91.52 361.65 427.85 289.20
Y3BM 530.53 768.93 991.09 980.49 1266.94 860.02 875.95 522.63 575.57 429.34 1186.02 1042.99 1055.26 857.25 879.61 1339.09 1043.47 923.62 1069.00 591.09 1252.89 1093.90 1328.79 691.61 609.00 873.16 1208.41 881.85 774.19 789.02
DIFFY 0.28 0.57 0.34 0.49 0.06 0.52 0.20 0.13 0.07 0.34 0.48 0.24 0.24 0.50 0.14 0.34 0.47 0.13 0.25 0.16 1.14 0.65 0.29 0.11 0.00 0.41 0.34 0.15 0.19 0.02
CORRELATION 0.90572 0.92409 0.93676 0.86803 0.95990 0.95291 0.92194 0.95378 0.93499 0.95434 0.96126 0.96704 0.68956 0.88665 0.95316 0.86052 0.90821 0.88624 0.85126 0.90633 0.92131 0.96387 0.98913 0.79024 0.88953 0.91304 0.83338 0.79369 0.85038 0.95921
3 15 3 21
76
Mismatched Total data
= 1 points. = 30 points.
AUTOMATIC IMAGE-MATCHING QUALITY ID X3N Y3N X3B 1 176 132 178.25 2 66 370 68.25 3 429 592 431.25 4 588 581 590.5 5 844 868 845 6 516 462 518 7 213 477 215.75 8 929 133 931.5 9 552 184 555.25 10 751 39 753.75 11 509 787 511.25 12 351 644 353.5 13 881 658 883 14 896 462 898.75 15 116 481 119.5 16 270 940 271.75 17 234 645 236.25 18 788 526 791.25 19 751 670 752.5 20 248 193 250.75 21 282 857 284.5 22 733 695 734.75 23 584 929 585.75 24 890 296 892.75 25 658 218 660.5 26 908 478 910.75 27 89 815 91.75 28 359 483 361.5 29 426 376 427.5 30 287 390 290
TEST RESULT Y3B X3BM 530.25 179.68 769.5 68.26 990.75 431.45 980 590.08 1267 845.95 859.5 518.45 875.75 215.00 522.5 932.04 575.5 555.85 429 753.51 1186.5 511.21 1042.75 353.14 1055.5 883.46 856.75 898.48 879.75 118.28 1338.75 272.60 1043 236.08 923.75 790.84 1068.75 753.31 591.25 250.72 1251.75 284.70 1093.25 735.37 1328.5 586.66 691.5 892.60 609 661.00 872.75 910.21 1208.75 91.57 882 361.60 774 427.95 789 289.15
Y3BM 530.36 768.89 991.10 980.49 1267.08 860.02 877.00 522.72 575.37 429.25 1186.04 1042.97 1055.28 857.25 879.70 1339.12 1043.48 923.67 1069.31 591.10 1252.86 1093.90 1328.74 691.59 609.00 873.20 1208.47 881.99 774.23 789.01
DIFFY 0.11 0.61 0.35 0.49 0.08 0.52 1.25 0.22 0.13 0.25 0.46 0.22 0.22 0.50 0.05 0.37 0.48 0.08 0.56 0.15 1.11 0.65 0.24 0.09 0.00 0.45 0.28 0.01 0.23 0.01
CORRELATION 0.90115 0.91571 0.93145 0.86646 0.95807 0.94966 0.93492 0.95741 0.93076 0.94528 0.95639 0.96803 0.67331 0.85235 0.95188 0.82132 0.90259 0.87660 0.84783 0.89846 0.91415 0.96255 0.98984 0.78344 0.89146 0.91853 0.84242 0.77432 0.86729 0.95867
77
TargetSizeX TargetSizeY SearchSizeX SearchSizeY
= = = =
3 17 3 21
Mismatched Total data
= 2 points. = 30 points.
AUTOMATIC IMAGE-MATCHING QUALITY ID X3N Y3N X3B 1 176 132 178.25 2 66 370 68.25 3 429 592 431.25 4 588 581 590.5 5 844 868 845 6 516 462 518 7 213 477 215.75 8 929 133 931.5 9 552 184 555.25 10 751 39 753.75 11 509 787 511.25 12 351 644 353.5 13 881 658 883 14 896 462 898.75 15 116 481 119.5 16 270 940 271.75 17 234 645 236.25 18 788 526 791.25 19 751 670 752.5 20 248 193 250.75 21 282 857 284.5 22 733 695 734.75 23 584 929 585.75 24 890 296 892.75 25 658 218 660.5
TEST RESULT Y3B X3BM 530.25 179.76 769.5 68.24 990.75 431.43 980 590.08 1267 845.78 859.5 518.40 875.75 215.00 522.5 931.91 575.5 555.00 429 753.47 1186.5 511.18 1042.75 353.14 1055.5 883.74 856.75 898.48 879.75 118.26 1338.75 272.59 1043 236.09 923.75 790.58 1068.75 753.13 591.25 250.66 1251.75 284.67 1093.25 735.37 1328.5 586.75 691.5 892.54 609 661.00
Y3BM 530.33 768.84 991.11 980.49 1266.76 860.00 877.00 522.72 576.00 429.25 1186.01 1042.96 1055.25 857.24 879.71 1339.16 1043.48 923.70 1069.39 591.08 1252.85 1093.87 1328.73 691.59 609.00
DIFFY 0.08 0.66 0.36 0.49 0.24 0.50 1.25 0.22 0.50 0.25 0.49 0.21 0.25 0.49 0.04 0.41 0.48 0.05 0.64 0.17 1.10 0.62 0.23 0.09 0.00
CORRELATION 0.89211 0.91019 0.93061 0.86820 0.95604 0.94957 0.93989 0.95676 0.92882 0.94550 0.95641 0.97025 0.66150 0.83934 0.95234 0.81773 0.89931 0.86539 0.83931 0.88880 0.90980 0.96374 0.98651 0.76085 0.88785
78
26 27 28 29 30
908 89 359 426 287
478 815 483 376 390
910.75 91.75 361.5 427.5 290
TargetSizeX TargetSizeY SearchSizeX SearchSizeY
= = = =
Mismatched Total data
= 2 points. = 30 points.
872.75 1208.75 882 774 789
910.23 91.64 361.61 428.03 289.16
873.03 1208.50 882.01 774.26 788.98
0.28 0.25 0.01 0.26 0.02
0.91966 0.84522 0.78711 0.87792 0.95687
TEST RESULT Y3B X3BM 530.25 179.62 769.5 68.25 990.75 431.44 980 590.09 1267 846.16 859.5 518.32 875.75 215.00 522.5 931.78 575.5 555.00 429 753.46 1186.5 511.18 1042.75 353.16 1055.5 883.39 856.75 898.50 879.75 118.25 1338.75 272.61 1043 236.08 923.75 790.81 1068.75 754.00 591.25 250.63
Y3BM 530.36 768.81 991.09 980.48 1267.47 859.96 877.00 522.68 576.00 429.26 1186.06 1042.94 1055.20 857.20 879.71 1339.09 1043.47 923.63 1069.00 591.08
DIFFY 0.11 0.69 0.34 0.48 0.47 0.46 1.25 0.18 0.50 0.26 0.44 0.19 0.30 0.45 0.04 0.34 0.47 0.12 0.25 0.17
CORRELATION 0.88815 0.90482 0.93164 0.87014 0.94903 0.95172 0.94692 0.94582 0.92355 0.94138 0.95636 0.97052 0.65611 0.83190 0.95239 0.81522 0.89503 0.85684 0.84578 0.89201
3 19 3 21
AUTOMATIC IMAGE-MATCHING QUALITY ID X3N Y3N X3B 1 176 132 178.25 2 66 370 68.25 3 429 592 431.25 4 588 581 590.5 5 844 868 845 6 516 462 518 7 213 477 215.75 8 929 133 931.5 9 552 184 555.25 10 751 39 753.75 11 509 787 511.25 12 351 644 353.5 13 881 658 883 14 896 462 898.75 15 116 481 119.5 16 270 940 271.75 17 234 645 236.25 18 788 526 791.25 19 751 670 752.5 20 248 193 250.75
79
21 22 23 24 25 26 27 28 29 30
282 733 584 890 658 908 89 359 426 287
857 695 929 296 218 478 815 483 376 390
284.5 734.75 585.75 892.75 660.5 910.75 91.75 361.5 427.5 290
TargetSizeX TargetSizeY SearchSizeX SearchSizeY
= = = =
Mismatched Total data
= 1 points. = 30 points.
1251.75 1093.25 1328.5 691.5 609 872.75 1208.75 882 774 789
284.57 735.36 586.64 892.40 661.00 910.27 91.71 361.62 428.04 289.17
1252.74 1093.83 1328.77 691.58 609.00 872.99 1208.48 881.98 774.34 789.00
0.99 0.58 0.27 0.08 0.00 0.24 0.27 0.02 0.34 0.00
0.90648 0.96243 0.97928 0.70794 0.88417 0.92731 0.84923 0.80768 0.88100 0.95735
3 21 3 21
80
81
LAMPIRAN D HASIL UJI NOISE FILTERING
82
POTONGAN CITRA ASLI
No
Threshold (σ)
Ukuran window
1
1
7x7
2
2
7x7
Hasil
83
3
3
7x7
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) XMAP YMAP 589301.48 9219895.64 585003.51 9222000.32 586169.52 9222520.27 585370.81 9223138.32 584470.63 9222808.04 585812.72 9224096.46 587199.96 9219997.01 583000.19 9222490.84 586509.27 9220497.34 585492.99 9221086.53 584299.59 9221196.01 583501.02 9221997.05 584303 9222095.15 584022.17 9224864.94 583302.02 9225692.28 588201.62 9221095.77 587524.02 9220673.93 587606.54 9223893.72 584502.55 9220194.4 586487.04 9224380.96 588509.31 9220681.71 587590.17 9223059.84 587603.27 9224397.31 587033.69 9225358.73 589468.42 9221419.51 588571.51 9222121.31 589903.78 9221990.51 588735.86 9222844.01 588041.22 9225927.2 588742.41 9224956.5 589144.35 9224243.09 590009.21 9223442.44 589884.82 9224949.96 592028.22 9219800.81 594460.35 9221656.43 593907.15 9222291.36 591566.67 9220422.13 595903.92 9221291.98 593243.04 9221052.27 596201.8 9221833.54 594214.84 9219856.4 595305 9220360.93 591180.41 9221820.46 592162.43 9221206.96 594807.33 9220860.32
ZMAP (meter) 24 30 29 30 31 27 29 38 33 33 34 38 32 33 34 33 33 35 39 40 40 40 39 51 51 48 54 59 76 85 116 163 173 78 77 79 90 83 91 93 101 106 111 115 116
Image Coord. (pixel) XDEM YDEM 521 589 235 449 313 415 259 373 199 395 289 309 381 583 101 416 335 549 268 510 188 503 135 449 188 443 169 258 121 203 448 509 403 538 408 323 202 570 334 290 469 537 407 379 408 289 370 225 533 488 473 441 562 450 484 393 437 187 484 252 511 300 569 353 560 253 703 596 865 472 828 430 672 554 962 496 784 512 981 460 849 592 922 558 647 461 712 502 889 525
ZDEM (meter) 30 27 27 28 28 37 28 41 33 30 31 34 31 31 0 32 26 30 36 41 40 34 45 56 52 48 50 46 66 81 108 144 163 73 57 76 89 80 85 80 99 134 104 112 115
ZDIFF (meter) -6 3 2 2 3 -10 1 -3 0 3 3 4 1 2 34 1 7 5 3 -1 0 6 -6 -5 -1 0 4 13 10 4 8 19 10 5 20 3 1 3 6 13 2 -28 7 3 1
89
595229.6 590604.29 591030.51 595410.32 591652.46 593733.66 592392.24 595923.56 593183.72 592565.05 590987.96 590345.69 596330.14 590902.17 595033.88 593907.83 593403.72 592368.65 592604.33 592673.76 591851.45 593854.77 592402.07 595397.22 594647.62 593095.34 592951.31 591259.65 594921.9 596293.45 594921.9 593996.21 596421.8 585916.78 588898.85 589471.69 587998.66 586663.12 589952.88 588486.4 587304.7 588100.14 589468.42 587108.3 584905.31 587867.73 589110.53 589568.94 584721.99
9222693.06 9224089.4 9223435.9 9223099.08 9222467.95 9221504.54 9222837.47 9220781.84 9221921.84 9222095.15 9222886.52 9225714.64 9223174.29 9225358.2 9224534.66 9224492.15 9223831.58 9224341.2 9225796.4 9224724.32 9225282.99 9224975.6 9223720.4 9224240.35 9224851.86 9225449.77 9223543.29 9224266.51 9225292.8 9225711.37 9225727.72 9223370.5 9223906.8 9214118.59 9214602.57 9214867.45 9219199.11 9218993.09 9214216.69 9214076.08 9217696.1 9218091.78 9218258.55 9216698.71 9219591.52 9214713.75 9216268.83 9217430.59 9218980.01
116 141 153 156 176 168 189 188 185 191 207 216 219 238 236 235 243 247 250 257 252 254 266 262 267 267 274 276 274 284 289 308 352 24 28 31 28 37 38 38 37 33 33 39 41 43 43 45 47
917 608 637 929 678 817 727 963 780 739 634 591 990 628 904 829 795 726 742 746 691 825 728 928 878 774 765 652 896 988 896 834 996 296 495 533 435 346 565 467 388 441 533 375 228 426 509 539 216
403 310 353 376 418 482 393 530 454 443 390 202 371 225 280 283 327 293 196 268 230 251 334 300 259 219 346 298 230 202 201 358 322 975 942 925 636 650 968 977 736 710 699 803 610 935 831 754 651
105 131 130 144 168 170 177 164 177 191 177 202 223 242 228 227 244 249 231 248 227 251 259 251 263 259 269 276 266 277 277 294 338 27 28 32 28 34 37 41 41 35 28 44 43 41 37 42 53
11 10 23 12 8 -2 12 24 8 0 30 14 -4 -4 8 8 -1 -2 19 9 25 3 7 11 4 8 5 0 8 7 12 14 14 -3 0 -1 0 3 1 -3 -4 -2 5 -5 -2 2 6 3 -6
90
587537.12 588037.95 586270.31 583875.61 588286.72 587687.69 585370.13 583334.07 584905.31 584826.74 584977.32 586993.73 583798.9 584050.95 583602.49 585048.85 583792.35 583386.45 583055.84 590486.45 592709.08 594205.02 593507.79 593707.47 593504.52 590705.76 592309.73 591707.42 591920.19 596198.52 590208.21 591002.18 592772.27 591363.99 592293.36 596172.34 593504.52 594044.63 594915.35 594264.6 593923.51 594601.11 595635.5 595154.31 596502.95 594928.45 595560.21 596103.59 596401.47
9215766.73 9216577.72 9216433.83 9219006.26 9215165.03 9217153.26 9217660.12 9217499.89 9216597.34 9217450.84 9214923.04 9214844.55 9216898.19 9215093.08 9215263.13 9215361.68 9216093.74 9215779.81 9216116.63 9213647.69 9215694.79 9212499.88 9214494.65 9216397.86 9215295.83 9214700.67 9214700.67 9216397.86 9218875.36 9213994.32 9213987.78 9215620.34 9216918.36 9217329.36 9213739.26 9212846.51 9213500.54 9213382.81 9217395.24 9217614.4 9218068.89 9216139.52 9215626.11 9219496.69 9215894.26 9216633.31 9216155.87 9218690.21 9219297.21
46 52 59 57 56 59 66 71 70 76 89 98 97 101 102 151 163 170 190 19 23 16 24 20 21 29 37 33 34 37 39 41 41 41 48 42 44 46 52 46 59 65 86 86 91 91 101 104 119
404 437 319 160 454 414 259 124 228 223 233 368 155 171 142 238 154 127 105 600 749 848 802 815 802 615 722 682 696 981 582 635 753 659 721 980 802 838 896 852 830 875 944 912 1002 897 939 975 995
865 811 820 649 905 772 739 749 809 752 921 926 789 910 898 892 843 864 841 1006 870 1083 950 823 896 936 936 823 657 983 983 874 788 761 1000 1059 1016 1024 756 742 711 840 874 616 856 807 839 670 629
39 53 60 52 49 58 69 76 75 77 70 92 97 95 104 166 154 149 185 16 30 26 23 24 23 25 32 34 35 30 33 41 42 34 44 29 47 53 49 45 56 62 77 74 92 89 97 104 118
7 -1 -1 5 7 1 -3 -5 -5 -1 19 6 0 6 -2 -15 9 21 5 3 -7 -10 1 -4 -2 4 5 -1 -1 7 6 0 -1 7 4 13 -3 -7 3 1 3 3 9 12 -1 2 4 0 1
91
594189.28 595841.72 595664.52 595047.67 584918.02 586097.42 584500.05
9219077.02 9216554.82 9213984.7 9213067 9226134.74 9225039.61 9223993.27
RMSEz = 8.80 DEM spatial resolution = 15 DEM size = 1131 x 1132
117 122 37 48 35 32 31
847 957 946 905 229 308 201
644 812 984 1045 174 247 316
102 118 32 49 32 28 31
15 4 5 -1 3 4 0
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 CDROM 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 tomboltombol 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 MSDOS Editor, atau dengan memanfaatkan fasilitas Build Exterior Orientation dari ENVI dengan memilih RegisterÆOrthorectificationÆBuild 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 Æ header DEM terfilter b. <projectname>-grd-f.dem Æ DEM terfilter c. <projectname>-grd-u.hdr Æ header DEM mentah d. <projectname>-grd-u.dem Æ DEM mentah e. <projectname>-qcf.hdr Æ header file kelas kualitas f. <projectname>-qcf.img Æ file kelas kualitas g.
.dem.pts Æ 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 ; ----------583524.2000 588706.2000 592983.4000 590269.2000
Northing -----------9223249.8000 9219099.1000 9216911.2000 9220854.1000
Ximage -------47.6700 429.3300 733.0000 516.0000
Yimage -------368.0000 591.6700 695.3300 461.6700
2. GCP 3D ; contoh file GCP3D ; Easting ; ----------583524.2000 588706.2000 592983.4000 590269.2000
Northing Elevation ------------ -9223249.8000 32 9219099.1000 14 9216911.2000 57 9220854.1000 29
Ximage -------47.6700 429.3300 733.0000 516.0000
Yimage -------368.0000 591.6700 695.3300 461.6700
3. Titik Ikat ; contoh file titik ikat ; X3N Y3N ; --------------175.7500 131.5000 66.0000 370.2500 429.0000 591.7500 588.5000 580.7500
X3B -------178.2500 68.2500 431.2500 590.5000
Y3B -------530.2500 769.5000 990.7500 980.0000
4. Titik Cek ; contoh file titik cek ; Easting Northing ; --------------------589301.4766 9219895.64 585003.5069 9222000.319 586169.518 9222520.267 585370.8093 9223138.319
Elevation --24 30 29 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. 2. Jalankan program DEMCreator dengan meng-klik ganda icon program atau melalui perintah Run pada Start Menu Windows. 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. 2. Jalankan program DEMCreator dengan meng-klik ganda icon program atau melalui perintah Run pada Start Menu Windows. 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
Pilihan yang tersedia : 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 FILTERING
KORELASI
SILANG
DAN
NOISE
Pilihan yang tersedia : 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 menonaktifkan 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 : 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. 4. Browse. Melakukan pemilihan nama file secara interaktif.
109
FORM STANDARD DEVIATION PENGATURAN DETEKSI NOISE DENGAN SIMPANGAN BAKU LOKAL
Pilihan yang tersedia : 1. Filter window size. Ukuran jendela filter. 2. Deviation factor. Faktor pengali nilai simpangan baku sebagai ambang batas penentuan noise. Tombol perintah : 1. OK. Menutup kotak dialog dengan menerapkan pengubahan yang dilakukan. 2. Cancel. Menutup kotak dialog dengan mengabaikan pengubahan yang dilakukan.
110
FORM MATCH TEST UJI KETELITIAN KORELASI OTOMATIS
Pilihan yang tersedia : 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
PENGUKURAN RMSEz PEMILIHAN TITIK IKAT DAN GCP3D
1
PEMBUKA DAN PEMILIHAN AKTIVITAS
PEMUATAN CITRA ASTER
2
3 4 UJI KETELITIAN KORELASI SILANG
1 2 3
REVIEW DAN EKSEKUSI PROSES
PENGATURAN LANJUT
PENGATURAN DETEKSI NOISE
112
4
: Check RMSEz : Generate DEM : Filter and Correct DEM : Test Matching Quality
PENGATURAN PROSES PEMBUATAN DEM
113
LAMPIRAN H FLOWCHART MODUL PROGRAM KORELASI OTOMATIS DAN FILTERING
114
FLOWCHART KORELASI OTOMATIS START
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 3N3B untuk mengurangi paralaks x.
Hitung koefisien korelasi untuk tiap daerah sasaran dalam daerah selidik
Masukkan nilai koefisien ke dalam matriks untuk diurutkan
1
2
Koefisien transformasi untuk registrasi band 3B-3N
j = jumlah piksel pada daerah selidik
115
1
2
Tentukan posisi piksel dengan koefisien korelasi tertinggi
i = jumlah piksel pada model permukaan digital
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
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 i = jumlah titik pada window filter
tidak
Noise?
ya Hitung nilai median window filter
Ganti nilai piksel noise dengan median
3
117
3
Smoothing?
tidak
ya Smoothing menggunakan filter rerata 3x3
tidak
Koreksi?
ya 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
