Laporan Praktikum Inderaja Modul 2 FIX

of 94 /94
LAPORAN RESMI PRAKTIKUM PENGINDERAAN JAUH MODUL II KOREKSI RADIOMETRI MUHAMMAD SULAIMAN 26020212140030 Shift II PROGRAM STUDI OSEANOGRAFI JURUSAN ILMU KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN

Embed Size (px)

description

Penginderaan Jauh

Transcript of Laporan Praktikum Inderaja Modul 2 FIX

LAPORAN RESMI PRAKTIKUMPENGINDERAAN JAUHMODUL IIKOREKSI RADIOMETRI

MUHAMMAD SULAIMAN26020212140030Shift II

PROGRAM STUDI OSEANOGRAFIJURUSAN ILMU KELAUTANFAKULTAS PERIKANAN DAN ILMU KELAUTANUNIVERSITAS DIPONEGOROSEMARANG2013

Shift: 2 (Dua)Tanggal Praktikum: 24 September 2013Tanggal Pengumpulan: 30 September 2013

LEMBAR PENILAIAN MODUL II : KOREKSI RADIOMETRI

Nama : Muhammad Sulaiman NIM : 26020212140030 Ttd : .

NOKETERANGANNILAI

1.Pendahuluan

2.Tinjauan Pustaka

3.Materi dan Metode

4.Hasil dan Pembahasan

5.Kesimpulan

6.Daftar Pustaka

JUMLAH

Semarang, 30 September 2013Mengetahui,

Koordinator PraktikumAsisten

Jasmine Khairani ZainalOscar Agustino

K2D 009 036K2E 009 058

I. PENDAHULUAN

1.1. Latar BelakangPada zaman sekarang ini khususnya di Indonesia informasi mengenai permukaan bumi menyebabkan kegiatan survey pemetaan di Indonesia semakin meningkat. Pelaksanaan kegiatan survey pemetaan dapat dibedakan melalui dua macam teknologi, yaitu Penginderaan Jauh (PJ) dan Sistem Informasi Geografi (SIG). Penginderaan Jauh merupakan seni dan dalam ekstraksi informasi mengenai suatu objek, wilayah atau fenomena yang dikaji (Lillesand dan Kiefer, 1987). Sedangkan Sistem Informasi Geografi merupakan seperangkat sistem yang digunakan untuk melakukan pengelolaan, analisis dan manipulasi informasi yang mempunyai rujukan keruangan dalam suatu sistem pemecahan masalah (Projo Danoedoro, 1996).Dalam penggunaan teknologi citra satelit lama kita memerlukan koreksi radiometri. Koreksi radiometri bertujuan untuk mengurangi pengaruh hamburan atmosfer (yang disebabkan adanya partikel-partikel di atmosfer yang memberikan efek hamburan pada energi elektromagnet matahari yang berpengaruh pada nilai spektral citra, sehingga nilainya akan lebih tinggi daripada sebenarnya) pada citra satelit, terutama pada saluran tampak. Sejalan dengan berjalannya waktu, citra satelit terbaru tidak perlu dilakukan lagi koreksi radiometri karena begitu citra tersebut diperoleh maka secara otomotis citra satelit tersebut sudah terkoreksi. Praktikum penginderaan jauh modul 2 membahas tentang koreksi radiometri dimana terdiri dari metode Penyesuaian Histogram, Dark Pixel Correction, Enhanced Dark Pixel Correction, dan Cut Off Scattergram (Anonim, 2012).Koreksi radiometri digunakan untuk mengurangi pengaruh hamburan atmosfer (yang disebabkan ada partikel-partikel di atmosfer yang memberikan efek hamburan pada energy elektromagnet matahari yang berpengaruh pada nilai spectral citra, sehingga nilainya akan lebih tinggi daripada sebenarnya) pada citra satelit, terutama pada saluran tampak (visible light). Jensen (1986) mengungkapkan dua metode untuk memperbaiki kualitas citra, yaitu dengan penyesuaian histogram dan penyesuaian regresi (Anonim, 2012).1.2. Tujuan1. Mahasiswa diharapkan mampu melakukan koreksi radiometri. 2. Mahasiswa diharapkan mampu memeriksa atmosferic bias citra.3. Mahasiswa diharapkan dapat menggunakan metode penyesuaian histogram.4. Mahasiswa diharapkan mampu melakukan teknik penyesuaian histogram Dark Pixel Correction (DPC).5. Mahasiswa diharapkan mampu melakukan teknik penyesuaian histogram Enhanced Dark Pixel Correction (EDPC).6. Mahasiswa diharapkan mampu melakukan teknik penyesuaian histogram Cut Off Scattergram.

II. TINJAUAN PUSTAKA

2.1 Koreksi RadiometriKoreksi radiometri (satelite Image callibration) merupakan sistem penginderaan jauh yang digunakan untuk mengurangi pengaruh hamburan atmosfer pada citra satelit terutama pada saluran tampak (visible light). Hamburan atmosfer disebabkan oleh adanya partikel-partikel di atmosfer yang memberikan efek hamburan pada energi elektromagnetik matahari yang berpengaruh pada nilai spektral citra. Pengaruh hamburan (scattering) pada citra yang menyebabkan nilai spektral citra menjadi lebih tinggi daripada nilai sebenarnya (Sumaryono, 1999).Koreksi radiometri ditujukan untuk memperbaiki nilai pixel supaya sesuai dengan yang seharusnya, kesalahan radiometrik ini dapat disebabkan oleh dua hal, yaitu instrumen sensor dan gangguan atmosfer. Instrumen sensor ini disebabkan oleh ketidak konsistenan detektor dalam menangkap informasi. Atmosfer yang biasanya sebagai sumber kesalahan utama, sebagai media radiasi gelombang elektromagnetik akan menyerap, memantulkan atau menstransmisikan gelombang elektromagnetik tersebut, hal ini menyebabkan cacat radiometrik pada citra, yaitu nilai pixel yang jauh lebih tinggi atau jauh lebih rendah dari pancaran spektral obyek yang sebenarnya (Konturgeo, 2008).Efek atmosfer menyebabkan nilai pantulan obyek dipermukaan bumi yang terekam oleh sensor menjadi bukan merupakan nilai aslinya, tetapi menjadi lebih besar oleh karena adanya hamburan atau lebih kecil karena proses serapan. Metode-metode yang sering digunakan untuk menghilangkan efek atmosfer antara lain metode pergeseran histogram (histogram adjustment), metode regresi dan metode kalibrasi bayangan (Projo Danoedoro, 1996).Koreksi radiometrik dilakukan pada kesalahan oleh sensor dan sistem sensor terhadap respon detektor dan pengaruh atmosfer yang stasioner. Koreksi radiometrik dilakukan untuk memperbaiki kesalahan atau distorsi yang diakibatkan oleh tidak sempurnanya operasi dan sensor, adanya atenuasi gelombang elektromagnetik oleh atmosfer, variasi sudut pengambilan data, variasi sudut eliminasi, sudut pantul dan lain-lain yang dapat terjadi selama pengambilan, pengiriman serta perekaman data. Spesifikasi kesalahan radiometric adalah : Kesalahan sapuan akibat pemakaian Multi Detektor dalam mengindra garis citra Memperkecil kesalahan pengamatan detektor yang berubah sesuai perubahan waktu Kesalahan berbentuk nilai digital yang mempunyai hubungan linier dengan tingkat radiasi dan panjang gelomang elektromagnetik Koreksi dilakukan sebelum data didistribusi Koreksi dilakukan dengan kalibrasi cahaya yang keluar dari detektor dengan mengarahkan scanner pada filter yang disinari secara elektronikuntuk setiap sapuan Kesalahan yang dapat dikoreksi otomatis adalah kesalahan sistematik dan tetap, yang tetap diperkirakan sebelumnya Kesalahan garis scan dapat dikoreksi dengan penyesuaian histogram tiap detector pada daerah-daerah homogeny misalnya diatas badan air, apabila ada penyimpangan dapat diperbaiki Kesalahan bias atau pengaturan kembali detektor apabila mean dan median detektor berbeda. (Rahmiariani, 2009)Koreksi radiometrik oleh respon detektor dipengaruhi oleh jumlah detektor yang digunakan dalam penginderaan jauh adalah untuk merubah radiasi yang ditangkap sensor menjadi harga voltage dan kecerahan.1. Koreksi Akibat Ketidak-sempurnaan Sistem Sensor :a. Line DropoutTerjadi kesalahan hilangnya garis terjadi karena salah satu detektor tidak berfungsi atau mati selama proses penyiaman sehingga pixel dalam salah satu garis bernilai nol (hitam). Masalah ini sangat serius karena tidak mungkin memperbaiki data yang tidak pernah diambil. Namun, agar kemampuan tafsiran secara visual atas data tersebut dapat ditingkatkan, dapat dimasukkan nilai kecerahan estimasi pada setiap garis rusak tersebut (Rahmiariani, 2009).Untuk menentukan lokasi garis rusak itu dibuat suatu algoritma ambang sederhana untuk menandai setiap garis yang mempunyai nilai kecerahan rata-rata bernilai nol atau mendekati nol. Jika telah teridentifikasi, koreksi diberikan dengan memasukkan nilai kecerahan rata-rata bulat dari nilai pixel garis tetangga-tetangga sebelahnya pada garis rusak itu. Citra dengan data hasil interpolasi tersebut lebih mudah ditafsirkan daripada citra yang mempunyai garis-garis hitam yang tersebar di seluruh bagiannya (Rahmiariani, 2009).b. Stripping atau boundingTerjadi karena salah satu detektor tidak terkoreksi secara benar sehingga data hasil rekamannya berbeda dengan detektor lainnya. Misalnya, pembacaannya menjadi dua kali lebih besar daripada detektor lainnya pada band yang sama. Data tersebut sah tapi harus dikoreksi agar memiliki kontras yang sama dengan detektor lainnya untuk setiap penyiaman. Untuk itu, garis yang salah dapat diidentifikasi dengan menghitung histogram nilai setiap detektor pada daerah yang homogen, misalnya pada badan air. Jika rata-rata atau mediannya sangat berbeda dari lainnya, diperkirakan detektor tersebut belum terkoreksi. Untuk itu, diberi koreksi bias (menambah atau mengurangi) atau koreksi multiplikasi (perkalian) (Rahmiariani, 2009).Beberapa sistem penyiam, seperti Landsat TM, terkadang menimbulkan jenis derau garis-penyiaman yang unik, yang merupakan fungsi dari (1) perbedaan relatif hasil dan/atau offset (ketidak-tepatan posisi detektor) di antara ke 16 detektor dalam suatu band (menyebabkan striping) dan/atau (2) adanya variasi (ketidak-samaan gerakan) antara proses penyiaman saat maju dan saat mundur (menyebabkan kesalahan yang disebut banding). Koreksi diberikan dengan metode filtering atau transformasi Fourier (Rahmiariani, 2009).c. Line startKesalahan line-start terjadi karena sistem penyiam gagal merekam data pada awal baris. Atau, dapat juga sebuah detektor tiba-tiba berhenti merekam data di suatu tempat sepanjang penyiaman sehingga hasilnya mirip hilangnya garis. Idealnya, jika data tidak terekam, sistem sensor diprogram untuk mengingat apa saja yang tidak terrekam lalu menempatkan setiap data yang baik pada lokasi yang tepat selama penyiaman (Rahmiariani, 2009).Namun, hal itu tidak selalu terjadi. Misalnya, dapat terjadi pixel pertama (kolom 1) pada garis ke 3 secara tidak benar ditempatkan pada kolom 50 pada garis ke 3. Jika lokasi pergeseran awal garis selalu sama, misalnya bergeser 50 kolom, koreksi dapat dilakukan dengan mudah. Namun, jika pergeseran awal garis terjadi secara acak, restorasi data sulit dilakukan tanpa interaksi manusia secara ekstensif dalam koreksi basis garis-per-garis (Rahmiariani, 2009).2. Koreksi Akibat Gangguan Alama. Pengaruh atmosfer Terjadinya pelemahan atmospheric karena penghamburan dan penyerapan gelombang cahaya menyebabkan energi yang terrekam sensor lebih kecil daripada yang dipancarkan atau dipantulkan permukaan bumi. Koreksi yang diberikan meliputi koreksi radiometrik absolut dan relative (Sri Hartanti, 1994).b. Pengaruh topografi Pengaruh topografi berupa slope dan aspek akan menimbulkan perbedaan nilai kecerahan pixel pada obyek sama, sehingga menimbulkan distorsi radiometrik. Empat metode koreksi slope-aspek topografi adalah koreksi kosinus, dua metode semi empiris (metode Minnaert dan koreksi C), dan koreksi empirik-statistik (Sri Hartanti, 1994).

2.2 Penyesuaian HistogramDengan histogram kita bisa mengetahui nilai piksel terendah saluran tersebut, asumsi yang melandasi metode ini adalah bahwa dalam proses coding digital oleh sensor, obyek yang memberikan respon spektral paling lemah atau tidak memberikan respon sama sekali seharusnya bernilai nol. Apabila nilai ini ternyata > 0 maka nilai terserbut dihitung sebagai offset, dan koreksi dilakukan dengan mengurangi keseluruhan nilai pada saluran tersebut dengan offset-nya. Metode ini paling sederhana, hanya dengan melihat histogram tiap saluran secara independen ( F. Sabins, 1996).Penyesuaian histogram ini melewati beberapa tahap, dan hasilnya tidak selalu naik. Hal ini disebabkan karena tidak setiap citra mempunyai nilai objek yang ideal untuk dikoreksi, seperti air jernih atau bayangan awan. Dibandingkan dengan teknik penyesuaian histogram hasilnya tidak jauh berbeda (Sutanto, 1987).

2.3 Penyesuaian RegresiPenyesuaian regresi diterapkan dengan memplot nilai-nilai piksel hasil pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan apabila ada saluran rujukan (yang relatif bebas gangguan) yang menyajikan nilai nol untuk obyek tertentu. Kemudian tiap saluran dipasangkan dengan saluran rujukan tersebut untuk membentuk diagram pancar nilai piksel yang diamati. Cara ini secara teoritis mudah namun secara prakteknya sulit, karena gangguan atmosfer terjadi hampir pada semua spektra tampak dan saluran. Pengambilan pixel-pixel pengamatan harus berupa obyek yang secara gradual berubah naik nilainya, pada kedua saluran sekaligus dan bukan hanya pada salah satu saluran.( Sutanto, 1987)Penyesuaian regresi (regression adjusment) pada prinsipnya menghendaki analisis untuk mengidentifikasi objek bayangan atau air jernih pada citra yang akan dikoreksi. Nilai kecerahan pada objek dari setiap saluran di plotkan dalam sumbu koordinat secara berlawanan arah antara saluran tampak (seperti TM saluran 1, 2, 3) dan saluran infra merah (seperti TM 4,5,7). Pada diagram ini garis lurus dibuat menggunakan teori least.square. perpotongannya dengan sumbu X akan menunjukkan besarnya nilai bias demikian seterusnya untuk saluran yang lain (Anonim, 2012). 2.3.1. DPC (Dark Pixel Correction)Koreksi piksel gelap merupakan metode sederhana yang digunakan untuk menghilangkan efek atmosfer saat image radiance. Efek ini terkait dengan kontribusi hamburan aditif (additive scaterring) dari atmosfer dan efek dari transmisi multiplikatif energi melalui atmosfer (Anonim, 2012).2.3.2. EDPC (Enhanced Dark Pixel Correction)Enhanced Dark Pixel Correction merupakan bagian dari metode penyesuaian regresi yang digunakan untuk menghilangkan efek dari atmosfer untuk Image Enhancement (Penajaman Citra). Pada metode ini system kerjanya hampir mirip dengan metode DPC. Pada metode ini, harus memasukkan nilai range yang tercantum dalam actual input limits. Pada Enhanced Dark Pixel Correction terdapat dua layer yang berbeda, yang dimanan pada layer kedua lebih terang dibandingkan layer pertama dan gambar layernya lebih tajam (Anonim, 2012).2.3.3. Cut Off (Scattergram)Fungsi ini untuk membantu menganalisis data yang bekerja pada data dalam mode spektral, scattegram juga berguna untuk klasifikasi tanah,membuat raster daerah,dan membuat poligon vektor. Scattering terjadi bila partikel atau molekul gas yang besar yang ada di atmosfer berinteraksi dan menyebabkan arah radiasi elektromagnetik melenceng dari jalur sebenarnya. Besarnya penyimpangan ini tergantung pada beberapa faktor termasuk panjang gelombang radiasi, kelimpahan pertikel dan gas dan jarak perjalanan radiasi (Anonim, 2012).

III. MATERI DAN METODE

3.1 Waktu dan TempatHari / Tanggal: Selasa, 24 September 2013.Waktu: 14.40 WIB Selesai.Tempat: Laboratorium Komputasi, Gedung E, Lantai 2, Jurusan Ilmu Kelautan, FPIK, UNDIP, Semarang.

3.2 MateriMateri praktikum inderaja yang disampaikan adalah :1. Memeriksa nilai atmosfer bias citra.2. Penyesuaian histogram3. Pengecekan data, penyesuaian histogram4. Regresi DPC ( Dark Pixel Correction ) EDPC ( Enhanched Dark Pixel Correction ) Cut Off ( Scattergram )

3.3 Metode

3.3.1 Memeriksa Nilai Atmosphere Bias Citra1. Buka aplikasi ER Mapper, lalu klik icon Edit Algorithm

2. Klik Load Dataset , buka file citra Landsat_TM_23Apr85.ers , lalu klik ok.

3. Lalu Duplicate pseudo layer menjadi 6. Ganti namanya dengan band 1 hingga band 7 (tanpa mengikuti Band 6).

4. Ganti Band sesuai dengan namanya, klik pada bagian pilih B1 ; Band 1 dan seterusnya sampai Band 7

5. Untuk melihat nilai transform bias , klik icon Edit Transform Limits dan pilih Band 1 sampai dengan Band 7. Maka akan muncul nilai atmosfer bias masing masing Band. 3.3.2 Penyesuaian Histogram1. Pada aplikasi ER Mapper, lalu klik icon Edit Algorithm

2. Klik Load Dataset , buka file citra Landsat_TM_23Apr85.ers, lalu klik ok.

3. Lalu Duplicate pseudo layer menjadi 6. Ganti namanya dengan band 1 hingga band 7 (tanpa mengikuti Band 6)

4. Ganti Band sesuai dengan namanya, klik pada bagian pilih B1 ; Band 1 dan seterusnya sampai Band 7

5. Untuk melihat nilai transfor bias, klik icon Edit Transform Limits dan pilih Band 1 sampai dengan Band 7. Maka akan muncul nilai atmosfer bias masing masing Band. Pilih band 1, klik icon Formula Editor, maka akan muncul Window Formula Editor. Pada dialog box dimana terdapat tulisan INPUT1, ketik nilai nilai atmospheric biasnya. Contoh pada Band 1, INPUT1-68. klik apply changes.

6. Lakukan hal yang sama seperti di atas pada pada setiap band mulai dari band 1 sampai dengan band 7. 7. Klik icon edit transform limits, pada active windows klik Edit, Delete this Transform. Lakukan hingga pada setiap band.

8. Lalu simpan dengan nama file Koreksi_Histogram_MuhammadSulaiman_26020212140030.ers. Pada file types pilih ER Mapper Raster Dataset(.ers). klik OK.

3.3.3Pengecekan DataTutup semua windows, Pada aplikasi ER Mapper, lalu klik icon Edit Algorithm, kemudian klik icon load dataset untuk membuka file Koreksi_Histogram_MuhammadSulaiman_26020212140030.ers, Kemudian klik icon edit transform limits dan cek nilai atmospheric Amati nilai Actual Input Limits, pastikan bernilai 1 dari band 1 sampai band 7, Lakukan pada setiap Band ..

3.3.4Penyesuaian Regresi3.3.4.1 Dark Pixel Correction (DPC)1. Klik icon Land Application Wizard pada aplikasi Er-Mapper

2. Pada Window Land Aplication Wizard, klik next

3. Pilih Process TM Imagenary, lalu klik next

4. Pilih Athmospheric Effect Correction, lalu klik next. 5. Pilih Dark Pixel Correction, lalu klik next 6. Pada dialog box specify an input TM dataset, masukkan citra yang akan dikoreksi berupa citra Landsat_TM_23Apr85.ers , lalu klik ok/

7. Pada dialog box specify an output filename, masukkan nama file output-nya. BelumKoreksi_DPC_MuhammadSulaiman_26020212140030.ers. Kemudian klik Finish.

8. Akan muncul citra dengan 7 band yang belum terkoreksi

9. Cut pada band DPC_TM6

10. Kemudian klik icon edit transform limits dan cek nilai atmosferik biasnya pada window Transform. 11. Pada window Transform klik edit dan pilih Delete this Transform, lakukan hingga pada setiap band. 12. Lalu simpan dengan nama file SudahKoreksi_DPC_MuhammadSulaiman_26020212140030.ers. Pada file types pilih ER Mapper Raster Dataset(.ers). klik OK

13. Tutup semua windows, kemudian klik , kemudian klik Edit Algorithm , lalu klik icon load dataset untuk membuka baru file yang telah dikoreksi

14. Kemudian klik icon edit transform limits dan cek nilai atmospheric, Amati nilai Actual Input Limits, pastikan bernilai 1 dari band 1 sampai band 7, Lakukan pada setiap Band

3.3.4.2 Enchanched Dark Pixel Correction (EDPC)1. Klik icon Land Application Wizard pada aplikasi Er-Mapper

2. Pada window Land Application Wizard , klik next

3. Pilih Process TM Imagery , klik next

4. Pilih Atmospheric Effect Corecction , klik next

5. Pada window Processing TM Imagery Atmospheric, pilih Enchanced Dark Pixel Correction. Lalu klik next

6. Masukkan file citra yang akan dikoreksi, citra Landsat_TM_23Aprr85.ers. klik next

7. Pilih Use TM1 as Initial Band dan masukkan nilai atmospheric biasnya. Nilai atmospheric bias dapat dilihat pada windows transform, klik next. 8. Pada select an option pilih sesuai dengan nilai atmospheric biasnya dan tuliskan nama file outputnya yaitu BelumKoreksi_EDPC_MuhammadSulaiman_26020212140030.ers. LaluKlik Finish

9. Akan muncul citra dengan 7 band yang belum terkoreksi, Cut pada band TM6

10. Pilih icon Edit Transform Limit pada Algorithm, pilih Edit pada menu Transform, lalu Delete This Transform. Lakukan tahap ini pada band 1 sampai band 7.

11. Lalu klik Save As dengan nama file SudahKoreksi_EDPC_MuhammadSulaiman_26020212140030.ers. Pada file types pilih ER Mapper Raster Dataset(.ers). klik OK

12. Tutup semua windows, kemudian klik Edit Algorithm , lalu load dataset untuk membuka baru file yang telah dikoreksi.

13. Pilih icon Edit Transform Limit pada Algorithm, Amati nilai Actual Input Limits, pastikan bernilai 1 dari band 1 sampai band 7, Lakukan pada setiap Band .

3.3.4.3 Cut Off Scattergram1. Klik icon Land Application Wizard pada aplikasi ER MAPPER

2. Pada Window Land Aplication Wizard, klik next

3. Pilih Process TM Imagenary, lalu klik next

4. Pilih Athmospheric Effect Correction, lalu klik next

5. Pilih Cut-Off Values ( Scattergram ). Lalu klik next

6. Pada dialog box specify an input TM dataset, masukkan citra yang akan dikoreksi berupa citra Landsat_TM_23Apr85.

7. Pada dialog box specify an output filename, masukkan nama file output-nya. BelumKoreksi_CutOff_MuhammadSulaiman_26020212140030.ers, Kemudian klik next

8. Pada window New Map Composition, klik close

9. Isi kolom Specity Cut-Off Value for TM1 sampai TM7 (kecuali TM6) dengan nilai Actual X Axis (B1) Input limits dan Actual Y Axis (B2). Isilah sesuai dengan nama masing-masing band. Untuk mengganti nilai X Axis atau Y Axis, pilih Setup pada menu Scattergram. Hal ini dilakukan untuk mengisi kolom Specity Cut-Off Value for TM3 sampai TM7.1. Actual X Axis (B1) Input limits dan Actual Y Axis (B2)

2. Actual X Axis (B3) Input limits dan Actual Y Axis (B4)

3. Actual X Axis (B5) Input limits dan Actual Y Axis (B7)

10. Setelah semua kolom terisi, klik Finish

11. Akan muncul citra dengan 7 band yang belum terkoreksi, Cut pada band TM6

12. Pilih icon Edit Transform Limit pada Algorithm, pilih Edit pada menu Transform, lalu Delete This Transform. Lakukan tahap ini pada band 1 sampai band 7. Band 1 :

13. Save as citra tersebut dengan nama yang kita inginkan SudahKoreksi_Cutoff_MuhammadSulaiman_26020211130025.ers, klik OK.

14. Tutup semua windows, kemudian klik Edit Algorithm , Load Dataset untuk membuka baru file yang telah dikoreksi Pilih icon Edit Transform Limit pada Algorithm, Amati nilai Actual Input Limits, pastikan bernilai 1dari band 1 sampai band 7.

Band 1 dst.

IV. HASIL DAN PEMBAHASAN

4.1 Hasil4.1.1 Pemeriksaan Nilai Atmosfer Bias

BandNilai MinimumNilai Maximum

Band 168255

Band 221223

Band 315254

Band 44220

Band 52255

Band 71247

Band 1 :

Band 2 :

Band 3:

Band 4:

Band 5 :

Band 7 :

4.1.2 Penyesuaian Histograma. Sebelum KoreksiBand Nilai MinimumNilai Maximum

Band 168255

Band 221223

Band 315254

Band 44220

Band 52255

Band 71247

Band 1 :

Band 2 :

Band 3 :

Band 4 :

Band 5 :

Band 7 :

b. Setelah Dikoreksi Band Nilai MinimumNilai Maximum

Band 11187

Band 21202

Band 31239

Band 41216

Band 51253

Band 71246

Band 1 :

Band 2 :

Band 3 :

Band 4 :

Band 5 :

Band 7 :

4.1.3 Penyesuaian Regresi 4.1.3.1 Dark Pixel Correction (DPC)a. Sebelum dikoreksiBand Nilai MinimumNilai Maximum

Band 11188

Band 21191

Band 30237

Band 4-2205

Band 5-1253

Band 70240

Band 1 :Band 2 :Band 3 :Band 4 :Band 5 :Band 7 :

b. Setelah dikoreksi Band Nilai MinimumNilai Maximum

Band 11188

Band 21196

Band 31240

Band 41202

Band 51253

Band 61250

Band 1 :Band 2 :Band 3 :Band 4 :Band 5 :Band 7 :4.1.3.2 Enchanched Dark Pixel Correction (EDPC)a. Sebelum KoreksiBand Nilai MinimumNilai Maximum

Band 10188

Band 2-6.08065188.91935

Band 3-9.887156229.112844

Band 4-14.1118316192.8881684

Band 5-29.1111868224.8888132

Band 6-30.2289312215.7710688

Band 1 :

Band 2 :Band 3 :Band 4 :Band 5 :Band 7 :b. Setelah KoreksiBand Nilai MinimumNilai Maximum

Band 11188

Band 21196

Band 31229

Band 41203

Band 51225

Band 61216

Band 1 :Band 2 :Band 3 :Band 4 :Band 5 :Band 7 :4.1.3.3 Cut-Off Values (Scattergram)a. Sebelum KoreksiBand Nilai MinimumNilai Maximum

Band 1-1187

Band 20195

Band 30239

Band 4-3204

Band 50254

Band 60246

Band 1 :

Band 2 :

Band 3 :

Band 4 :

Band 5 :

Band 7 :

b. Setelah KoreksiBand Nilai MinimumNilai Maximum

Band 11187

Band 21202

Band 31239

Band 41214

Band 51254

Band 61246

Band 1 :

Band 2 :

Band 3 :

Band 4 :

Band 5 :

Band 7 :

4.2 Pembahasan4.2.1 Koreksi RadiometriPada praktikum inderaja modul 2 ini masih menggunakan software ER Mapper yang fungsinya untuk mengolah data citra atau satelit. Di dalam software ER Mapper ini koreksi radiometri ditujukan untuk memperbaiki nilai pixel supaya sesuai dengan yang seharusnya yang biasanya mempertimbangkan faktor gangguan atmosfer sebagai sumber kesalahan utama. Koreksi radiometri dilakukan menggunakan metode yang paling sederhana, yaitu penyesuaian histogram dan penyesuaian regresi.

4.2.2 Penyesuaian HistogramPenyesuaian histogram dilakukan dengan menambahkan nilai terendah pada window Formula Editor. Misal nilai terendah pada Band 1 adalah 68 maka kita tuliskan INPUT1 68.Kata INPUT1 sudah ada pada Formula Editor sehingga kita hanya menuliskan nilai terendahnya saja. Pengurangan angka dilakukan tanpa memperhatikan nilai positif (+) dan negatif (-) masingmasing nilai tersebut. Setelah dilakukan koreksi dengan penyesuaian histogram didapatkan nilai band yang dimulai dari 1.

4.2.3 Penyesuaian RegresiMetode yang digunakan dalam praktikum ini adalah metode regresi. Penyesuaian regresi diterapkan dengan memplot nilai-nilai pixel hasil pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan apabila ada saluran rujukan (yang relatif bebas gangguan) yang menyajikan nilai nol untuk obyek tertentu. Kemudian tiap saluran di pixel angkanya dengan saluran rujukan tersebut untuk membentuk diagram pancar nilai yang diamati. Pengambilan pixel-pixel pengamatan harus berupa obyek yang secara gradual berubah naik nilainya, pada kedua saluran sekaligus dan bukan hanya pada salah satu saluran.4.2.3.1 Dark Pixel Correction (DPC)Fungsi Dark Pixel Correction terdapat pada window Land Application Wizard toolbar Remote Sensing. Setelah muncul window Dark Pixel Correction maka kita memasukkan file input dan band-nya. Kemudian Koreksi telah dilakukan secara otomatis oleh ER Mapper berdasarkan Dark Pixel Correction yang kita pilih.

4.2.3.2 Enhanched Dark Pixel Correction (EDPC)Nilai TM yang digunakan kali ini adalah TM 3 yang memiliki nilai terbesar dari pada nilai TM yang lain. Kemudian setelah memasukkan nilai TM yang paling kecil terdapat pilihan untuk pembersihan yang dilakukan yaitu Very Clear, Clear, Moderate, Hazy, dan Very Hazy. Pada praktikum kali ini kita menggunakan metode koreksi Clear dengan syarat TM1 >5555