metrik jadi
-
Upload
torharrimba -
Category
Documents
-
view
253 -
download
1
Transcript of metrik jadi
-
8/9/2019 metrik jadi
1/36
1
BAB I
PENDAHULUAN
1.1.
Latar Belakang
Pada era pembangunan ini, diberbagai bidang perencanaan dan pengembangan
wilayah perlu disiapkan tenaga teknisi, analisis dan pengelola di bidang pengolahan data dan
informasi kebumian, yang mampu menangani data informasi (numeric dan spasial),
menganalisis, melakukan kontrol aktivitas manusia, dan mampu membuat perencanaan
kegiatan. Tuntutan terhadap spesifikasi berbagai keahlian ini menimbulkan aktivitas yang
disebut pengembangan sumber daya manusia (Dulbahri, 1995 dalam Hartono, 2004).
Pada era informasi seperti sekarang ini, perkembangan teknologi pengindraan jauh
dan SIG semakin pesat. Perkembangan tersebut ditandai oleh perkembangan sensor (kamera,
scanner, hingga hyperspectral). Pengelolaan dan penanganan data, maupun keragaman
aplikasinya (Hartono, 2004). Salah satu aplikasi dari penginderaan jauh adalah pada bidang
ilmu fotogrametri.
Fotogrametri ialah ilmu, seni dan teknologi untuk memperoleh ukuran terpercaya
dari foto udara (Kiefer, 1993). Dari pengertian tersebut obyek yang dikaji adalah kenampakan
dari foto udara dengan menginterpretasinya menggunakan sistem penginderaan jauh. Akantetapi analisis fotogrametri dapat berkisar dari pengukuran jarak, luas dan elevasi dengan alat
atau teknik, sampai menghasilkan berupa peta topografik (Kiefer, 1993). Aplikasi
fotogrametri yang paling utama ialah untuk survey dan kompilasi peta topografik berdasarkan
pengukuran dan informasi yang diperoleh dari foto udara atau citra satelit. Meskipun
fotogrametri merupakan sebagian dari kegiatan pemetaan, tetapi ia merupakan jantung
kegiatan tersebut karena fotogrametri merupakan cara deliniasi yang aktual atas detil peta.
Kegiatan fotogrametri berupa pengukuran dan pembuatan peta berdasarkan foto
udara. Karena yang diukur berupa obyek-obyek yang tergambar pada foto udara. Perlu pula
pengenalan atas obyek-obyek tersebut. Oleh karena itu dalam fotogrametri juga dipelajari
tentang cara pengambilan foto, kalibrasi kamera, ekstraksi data foto sampai dengan proses
bundle adjusment.
Dalam praktikum ini, penulis mencoba melakukan proses kalibrasi, ekstraksi data
sampai dengan proses bundle adjusment untuk memperjelas cara kerja dalam fotogrametri,
dengan menggunakansoftware Australis.
-
8/9/2019 metrik jadi
2/36
2
1.2.Tujuan Praktikum
Dalam praktikum ini bertujuan untuk :
a.
Agar mahasiswa mampu memahami dan dapat mengaplikasikan fotogrametri,b. Meningkatkan pemahaman mahasiswa dalam mata kuliah Metrik Fotografi,
c.
Dapat melakukan proses kalibrasi kamera, dan
d. Dapat melakukan proses ekstraksi data koordinat foto 2D, relative orientation,
intersection, resection, danbundle adjustment.
1.3.Batasan Praktikum
Adapun batasan praktikum yang akan dibahas dalam laporan ini adalah :
1.
Proses kalibrasi kamera,
2. Proses ekstraksi data koordinat foto 2D,
3. Proses relatif orientasi,
4.
Proses intersection/triangulasi,
5. Proses resection(close form),
6. Proses bundle adjusment.
-
8/9/2019 metrik jadi
3/36
3
BAB II
DASAR TEORI
2.1. Sistem Koordinat dalam Fotogrametri
Dalam konteks fotogrametri dikenal beberapa sistem koordinat yang berhubungan
dengan foto udara, yaitu: sistem koordinat foto, sistem koordinat pixel, sistem koordinat
kamera, dan sistem koordinat objek.
a. Sistem Koordinat Foto.
Sistem koordinat foto adalah sistem koordinat dua dimensi sebuah foto dimana pada
kamera non metrik maupun kamera metrik dimulai dari pixel tengah. Sumbu x positif ke arah
kanan dan sumbu y positif kearah atas.
b. Sistem Koordinat Pixel.
Sistem koordinat pixel adalah sistem koordinat sebagai referensi titik terkecil pada
sebuah foto, yang biasanya dinyatakan dalam satuan mm. Dimana pada kamera non metrik
dimulai dari pixel kiri atas, sumbu x positif ke arah kanan (kolom), dan sumbu y positif ke
arah bawah (baris).
Gambar 2.1 Sistem Koordinat Foto dan Sistem Koordinat Pixel
c. Sistem Koordinat Kamera
Sistem koordinat kamera merupakan sistem koordinat 3D pada sebuah kamera dimana
titik pusat berada pada perspective center. Sumbu (x,y) positif koordinat ini, sejajar dan
pararel dengan sumbu (x,y) sistem koordinat objek.
d.
Sistem Koordinat Objek
-
8/9/2019 metrik jadi
4/36
4
Sistem koordinat objek merupakan sistem koordinat 3D yang digunakan sebagai
representasi bentuk dan ukuran objek melalui transformasi dari sistem koordinat foto/pixel ke
sistem koordinat objek.
Gambar 2.2 Sistem Koordinat Kamera dan Sistem Koordinat Objek
2.2. Sistem Persamaan dalam Fotogrametri
2.2.1. Sistem Persamaan Kolinier
Dalam Fotogrametri sistem persamaan yang digunakan adalah sistem persamaan
kolinier, yang merupakan suatu sistem persamaan yang bersifat nonlinier dan dilinierkan
dengan menggunakan Teorema Taylor. Penggunaan Teorema Taylor untuk menyelesaikan
kolinearitas memerlukan pendekatan awal bagi semua unsur orientasi luar yang tidak
diketahui. Dua persamaan menunjukkan kondisi kolinearitas untuk setiap titik pada foto, satu
persamaan untuk koordinat foto x dan persamaan yang lain untuk koordinat foto y (Wolf,
2000).
o-f m11(-)m12(-)m13-m31(-)m32(-)m33- ............................................................ (2.1)
o-f m21(-)m22(-)m23-m31(-)m32(-)m33- ............................................................ (2.2)
Dimana :
x0, y0 : Koordinat foto titik a
xa, ya : Koordinat foto yang diukur
-
8/9/2019 metrik jadi
5/36
5
XA, YA, ZA : Koordinat Object Spaceuntuk titik A
X1, Y1, Z1 : Koordinat stasiun pemotretan
f : Panjang fokus kamera
r : 3 sudut mtrik rotsi ortogonl ,, )Persamaan (2.1) dan (2.2) merupakan persamaan non linear, dalam melinearkan
persamaan kolinear, persamaan (2.1) dan (2.2) dituliskan lagi sebagai berikut :
F = 0 = qxa+ rf ................................................................................................. (2.3)
G = 0 = qya+ sf ................................................................................................ (2.4)
Dimana :
q = m31(XA- XL) + m32(YA- YL) + m33(ZA- ZL)
r = m11(XA- XL) + m12(YA- YL) + m13(ZA- ZL) ............................................. (2.5)
s = m21(XA- XL) + m22(YA- YL) + m23(ZA- ZL)
Dimana :
m11 cos cos
m12 sin sin cos cos sin
m13= -cos sin cos sin sin
m21= -cos sin
m22= -sin sin sin cos cos .............................................................. (2.6)
m23 cos sin sin sin cos
m31 sin
m32= -sin cos
m33 cos cos
Menurut teori Taylor, persamaan (2.3) dan (2.4) dapat dinyatakan dalam bentuk
dilinearisasikan oleh turunan parsial sebagai berikut :
0 0
0
0
k0
0
0
0
....................................................... (2.7)
-
8/9/2019 metrik jadi
6/36
6
0 0
0
0
k0
0
0
0
....................................................... (2.8)
2.2.2. Sistem Persamaan Least Square Adjusment
Least Square Adjustment adalah sebuah teknik statistik yang digunakan untuk
mengestimasi parameter unknown disatukan dengan sebuah solusi dimana teknik tersebut
dapat juga meminimalisir nilai kesalahan dari solusi itu sendiri. Dalam teknik fotogrametri
metode least square adjustmentdigunakan untuk proses antara lain :
1. Mengestimasi atau meratakan nilai parameter exterior orientasi.
2.
Mengestimasi nilai object space point(X, Y, dan Z) beserta nilai keakurasinya.
3. Mengestimasi dan meratakan nilai parameter interior orientasi.
4. Meminimalisir dan mendistribusikan errors data melalui jaringan pengamatan.
Pendekatan least square dibutuhkan untuk proses iterasi sampai sebuah solusi
didapat. Sebuah solusi diperoleh saat residual atau nilai kesalahan yang terdapat dalam
sebuah data diminimalisir.
Bagi sekelompok data pengamatan berbobot sama, persyaratan utama yang harus
dikenakan bagi penyesuaian least squareialah bahwa jumlah kuadrat residual diminimalisir.
Selanjutnya didalam bentuk persamaan maka persyaratan utama least square adjustment
dinyatakan sebagai (Wolf, 2000) :
V1)2= (V1)
2+ (V2)2 + (V3)
2 + . . . . + (Vmi)2= minimum ........................... (2.9)
Dalam metode persamaan pengamatan bagi penyesuaian least square, ditulis
persamaan pengamatan yang berkaitan dengan nilai terukur terhadap kesalahan residual dan
parameter unknown. Untuk pemecahan yang unik maka jumlah persamaan harus sama besar
dengan jumlah unknown. Bila dilakukan pengamatan berulang, maka dapat ditulis persamaan
pengamatan yang lebih banyak dari yang diperlukan untuk pemecahan yang unik. Dan nilai
yang paling mungkin dapat ditentukan dengan metode least square.
Bentuk sederhana dari persamaan least square yang dilakukan dengan pendekatan
aljabar dalam bentuk matrik dapat dituliskan sebagai berikut :
mAnnX1= mL1+ mV1............................................................................. (2.10)
Atau
mV1= mAnnX1-nL1 ............................................................................... (2.11)
-
8/9/2019 metrik jadi
7/36
7
Dengan mempelajari penyajian matriks, akan terlihat bahwa persamaan normal dapat
diperoleh sebagai berikut :
ATAX =ATL ........................................................................................ (2.12)
Pada persamaan diatas, (A
T
A) adalah matriks koefisien persamaan normal daribilangan unknown. Dengan mengalikan persamaan diatas dengan (AT A) dan kurangkan,
hasilnya adalah :
(ATA)-1(ATA)X = (ATA)-1ATL
IX = (ATA)-1ATL
X = (ATA)-1ATL ............................................................................... (2.13)
Dimana :
X = Matriks koreksi parameter dicari (unknown)
A = Matriks koefisien atau matriksJacobian
L = Matriks pengamatan / observasi
V = Matriks residu
Nilai numerik untuk koefisien pada matriks A, dapat diperoleh dengan menggunakan
perkiraan awal untuk parameter unknown, yaitu (Wolf and Dewitt 2000) :
............................................................................... (2.14)
-
8/9/2019 metrik jadi
8/36
8
Melakukan proses iterasi apabila nilai residu belum sesuai. Adapun persamaan matrik
untuk menghitung nilai residu setelah penyesuain, sebagai berikut (Wolf and Dewitt 2000):V = AXL ........................................................................................... (2.15)
Rumus standar deviasinya adalah :
........................................................................................... (2.16)Iterasi berhenti apabila besarnya nilai koreksi parameter dicari (unknown) yang didapat
paling kecil.
2.3. Kalibrasi Kamera
Kamera fotogrametri tidak mempunyai lensa yang sempurna, sehingga proses
perekaman yang dilakukan akan memiliki kesalahan. Oleh karena itu perlu dilakukan
pengkalibrasian kamera untuk dapat menentukan besarnya penyimpangan-penyimpangan
yang terjadi. Kalibrasi adalah kegiatan untuk memastikan hubungan antara harga-harga yang
ditunjukkan oleh suatu alat ukur dengan harga yang sebenarnya dari besaran yang diukur.
Kalibrasi kamera dilakukan untuk menentukan parameter distorsi, meliputi distorsi radial dan
distorsi tangensial (decentring), serta parameter-parameter lensa lainnya, termasuk juga
principal distance(c), serta titik pusat fidusial foto. Pada Software Austalis,model kalibrasi
terdiri dari elemen interior orientasi (xo, yo, c), koefisien distorsi lensa (K1, K2, K3, P1and P2)
serta koefisen untuk perbedaan penyekalaan dan ketidak ortogonal antara sumbu X dan Y (b1,
b2). Distorsi lensa dapat menyebabkan bergesernya titik pada foto dari posisi yang
sebenarnya.
Kalibrasi kamera dapat dilakukan dengan berbagai metode. Secara umum kalibrasi
kamera biasa dilakukan dengan tiga metode, yaitu laboratory calibration, on the job
-
8/9/2019 metrik jadi
9/36
9
calibration dan self calibration (Atkinson, 1987). Laboratory calibration dilakukan di
laboratorium, terpisah dengan proses pemotretan objek. Metode yanng termasuk di dalamnya
antara lain optical laboratory dan test range calibration. Secara umum metode ini sesuai
untuk kamera jenis metrik. On the job calibration merupakan teknik penentuan parameterkalibrasi lensa dan kamera dilakukan bersamaan dengan pelaksanaan pemotretan obyek. Pada
self calibrationpengukuran titik-titik target pada obyek pengamatan digunakan sebagai data
untuk penentuan titik obyek sekaligus untuk menentukan parameter kalibrasi kamera.
Parameter kalibrasi kamera memegang peranan penting kunci untuk mendapatkan
tingkat keakurasian yang tinggi untuk titik-titik koordinat obyek yang terekam / diukur
melalui foto dijital. Indikasi ketelitian adalah jarak dan bentuk yang benar antara hasil
pengukuran di foto dibanding dengan data lapangan. Dengan demikian parameter kalibrasi
beserta ketelitiannya yang harus didapatkan (A. Gruen and Fraser) antara lain.
2.3.1. Parameter xo, yo, dan Fokus (c)
Dalam berbagai kasus fotogrametri, elemen dari principle point(xo, yo) dan perspektif
distance (panjang fokus) harus ditentukan, hal ini dikarenakan semua sistem persamaan
matematis yang digunakan dalam fotogrametri bergantung dari ketiga parameter ini. Secara
geometris hubungan antara ketiga parameter ini dapat di lihat pada gambar dibawah ini.
Gambar 2.3. Geometri foto
Dari gambar diatas posisi principle point (xo, yo) merupakan proyeksi garis lurus dari
letak perspective centerke bidang foto dan jarak dari principle pointke perspective center
merupakan panjang fokus (c). Secara praktis panjang fokus kamera dan letak principle point
tidak mutlak berada di tengah-tengah pusat foto, permasalahan ini disebabkan oleh kurang
stabilnya susunan lensa dan CCD yang berguna untuk merekam bayangan obyek pada saat
x
y
Perspective center
Principal point
(xo,yo)
Object
Image (positive)
o
-
8/9/2019 metrik jadi
10/36
10
perakitan. Sehingga perubahan posisi principle point dan panjang fokus dapat dimodelkan
menggunakan persamaan sebagai berikut (Dorstel) :
1 p 1 p ........................................................................................... (2.17)
Dimn 1, 1 merupakan total koreksi dari parameter xo, yo dn fokus, p, p
koreksi untuk parameterprinciple point, dn c koreksi untuk nili prmeter fokus, dengn
nilai koordinat foto didefenisikan sebagai berikut.
p p .................................................................................................. (2.18)
2.3.2. Parameter Distorsi Radial (K1, K2, K3)
Distorsi radial adalah pergeseran linier titik foto dalam arah radial terhadap titik utama
dari posisi idealnya. Distorsi lensa biasa diekspresikan sebagai fungsi polonomial dari jarak
radial (dr) terhadap titik utama foto. Distorsi radial direpresentasikan dalam sebuah
persamaan polinimial sebagai berikut (Wolf, 2000) :
r= K1r3+ K2r
5+ K3r7
r= K1r3+ K2r
5+ K3r7................................................................................. (2.19)
Dimana istilah dari K1merupakan koefisien dari distorsi radial dan r adalah jarak radial
:
................................................................................................. (2.20)Efek yang terjadi apabila pada kamera memiliki nilai distorsi, maka gambar foto yang
dihasilkan akan berbentuk cembung atau cekung, tergantung dari nilai parameter distorsi
radial bernilai positif atau negatif (Wolf 1997). Efek distorsi radial adalah sekitar 1 sampai 2
piksel di perbatasan CCD sensor. Dalam kaitannya dengan definisi distorsi radial, ada
korelasi besar antara koefisien distorsi itu sendiri K1, K2, K3dan antara principle distance.
Hubungan antara distorsi radial dengan principle distance adalah dalam kaitannya sesuai
principle distancedengan deviasi rata-rata akan dihitung menjadi minimum.
2.3.3. Parameter Distorsi Decentring (P1, P2)
-
8/9/2019 metrik jadi
11/36
11
Distorsi decentringadalah pergeseran linier titik di foto pada arah normal (tegak lurus)
garis radial memalui titik foto tersebut. Distorsi decentring disebabkan kesalahan sentering
elemen-elemen lensa dalam satu gabungan lensa dimana titik pusat elemen-elemen lensa
dalam gabuang lensa tersebut tidak terletak pada satu garis lurus. Pergeseran ini biasadideskripsikan dengan 2 persamaan polinomial untuk pergeseran pada arah x (dx) dan y
(dy).
Distorsi decentringini dapat dijabarkan dalam sebuah persamaan polinomial arah x dan
y sebagai berikut (Fryer, 1989) :
.................................... (2.21)
Dimana P1 dan P2 merupakan koefesien dari parameter distorsi decentring yang
nilainya tergantung dari nilai panjang fokus kamera. Efek dari distorsi decentring ini akan
menyebabkann kesan hiperbolik pada foto yang terekam oleh kamera.
2.3.4. Parameter Distorsi Affinity (b1, b2)
Parameter distorsi affinity secara umum dapat dimodelkan dalam bentuk persamaan
polinimial. Untuk kamera dijital jumlah parameter dikurangi dari 12 parameter menjadi 2
parameter. Persamaan utmuk menentukan nilai parameter scale b1 dan parameter shear b2
dapat dituliskan sebagai berikut (Wolf, 1983) :
.......................................................................................................... (2.22)
Distorsi affinity ini terjadi akibat kurang sikunya bidang CCD atau CMOS yang
digunakan untuk merekam bayangan obyek, sehingga frame dari foto tidak akan benar-benar
terbentuk sebuah bujur sangkar ataupun persegi panjang, akan tetapi membentuk jajar
genjang.
2.4. Ekstrasi Data Koordinat Foto
Suatu foto dalam format dijital merupakan kuantitas nilai-nilai tingkat keabuan
(grayscale) yang ditampilkan dalam sebuah susunan matrik atau array, dimana nilai baris dan
kolom dari matrik tersebut merupakan koordinat piksel. Dengan kelebihan yang dimiliki oleh
foto dalam format digital ini, maka dapat dengan mudah menentukan nilai suatu koordinat
obyek dalam suatu sistem koordinat foto. Secara umum metode penetuaan nilai koordinat
-
8/9/2019 metrik jadi
12/36
12
obyek pada foto digital yang sering digunakan dalam proses fotogrametri antara lain sebagai
berikut :
2.4.1. Metode CentroidDalam penentuan koordinat foto menggunakan teknik ini, hanya terbatas pada target
atau obyek yang berbentuk lingkaran atau elips. Hal ini dikarenakan, pada metode ini
bertujuan menghitung nilai tengah (center of gravity) atau pusat sentroid pada sebuah target
dengan memperhitungkan nilai tingkat keabuan pada tiap piksel. Seperti yang dikemukakan
oleh Ganci dan Shortis dalam Ahmad, metode ini dapat digunakan untuk menentukan
sentroid hingga ketepatan 0,03 piksel.
Untuk lebih jelasnya persamaan penentuan sentroid secara umum dijabarkan sebagai
berikut (Shortis, et al, 1994):
...................................................................... (2.23)
Dimana lijmerupakan nilai tingkat keabuan (grayscale) piksel dalam arah x dan
y, m jumlah kolom, n jumlah baris dan masinng-masing i dan j adalah nilai baris dan kolom
piksel.
2.4.2. Konversi Koordinat Pixel ke Foto
Pada kamera dijital sistem koordinat yang dipakai adalah sistem koordinat piksel,
sedangkan dalam proses perhitungan secara analitik, sistem yang dipakai adalah sistem
koordinat kartesian (metrik). Sehingga dalam hal ini harus dilakukan transformasi koordinat
dari sistem piksel kedalam sistem kartesian foto. Adapun persamaan yang digunakan adalah
(Photometrix, 2004).
Gambar 2.4. Sistem Koordinat Piksel dan Sistem Koordinat Foto
-
8/9/2019 metrik jadi
13/36
13
-xc *xPixelSize
y = (yc-*yPixelSize ..................................................................................... (2.24)
Dimana :
c n
2 -0,5
c n
2 -0,5................................................................................................ (2.25)
Keterangan Rumus :
x, y : Koordinat foto
, : Koordinat piksel
xc, c :Principle pointdalam piksel
xPixelSize, yPixelSize : Ukuran satu piksel
n, n : Resolusi dari foto dalam piksel
Dalam hal ini (x,y) merupakan koordinat foto dalam sistem koordinat metrik, (, )
kootdinat dalam piksel,(xc, yc,) principle point dalam piksel, (xPixelSize,yPixelSize) ukuran satu
piksel dalam metrik dan (n, n) merupakan resolusi dari foto dalam piksel.
2.5. Relatif Orientasi
Relatif orientasi merupakan proses untuk menentukan nilai perputaran sudut rotasi
dan pergeseran posisi antara dua foto. Proses ini dilakukan dengan cara memberikan nilai
posisi dan orientasi untuk foto pertama, kemudian dilakukan proses perhitungan nilai posisi
dan orientasi pada foto kedua menggunakan parameter dari posisi kamera pertama dan
koordinat foto dari kedua buah foto. Dalam proses relatif orientasi ini tidak menghasilkan
nilai posisi dan orientasi dari foto yang sebenarnya, akan tetapi menghasilkan sebuah nilai
relatif antara dua buah foto tersebut. Yaitu menetapkan beberapa parameter eksterior
orientasi EO , , k, L, ZL dari foto kanan (2) dari pertemuan 5 berkas sinar dari
koordinat obyek 3D ( Xi, Yi, Zi) yang ada.
Dengan cara digital, relatif orientasi dapat menggunakan syarat kesegarisan
(colinearity condition) atau syarat kesebidangan (coplanarity condition). Dimana kondisi
kesegarisan antar foto dapat dilukiskan seperti pada gambar dibawah ini :
-
8/9/2019 metrik jadi
14/36
14
Gambar 2.5. Relatif Orientasi Secara AnalitikProses dari penentuan relatif orientasi dapat dilukiskan dalam gambar 2.5, sinar-sinar
yang berkaitan dengan enam titik dari A hingga F tampak memenuhi kondisi tersebut.
Keenam buah titik tersebut pada dasarnya terletak pada bagian daerah yang sama pada kedua
foto.
Sehingga dapat dituliskan persamaan-persamaan kebersamaan garis untuk kedua foto,
dan minimal untuk lima buah titik objek. Persamaan dari kedua foto tersebut mengandung
koordinat keruangan yang sama dan sistem persamaan kebersamaan garis yang dirumuskan
terdpt lim buh prmeter orientsi lur foto knn 2 2, 2, 2, YL2, dan ZL2) yang
belum diketahui dan ditambah bentuk 3D koordinat objek yang belum diketahui (Xi, Yi, Zi)
untuk masing-masing titik yang digunakan dalam pemecahan masalah sehingga parameter
orientasi luar yang diperoleh nantinya akan dikoreksi pada relatif antara kedua foto.
Pada relatif orientasinlitik, bisn prmeter EO , , , L, YL) dari foto kiri
sama dengan nol. Dan juga untuk ZLpada foto kiri (ZL1) ditetapkan secara sembarang pada
harga bulat dan sebagai alternatif yang nyaman maka nilai dari ZL1tepat pada angka nol, dan
XL pada foto kanan (XL2) ditetapkan pada harga mendekati basis foto (jarak difoto pada
kedua foto) yang mendekati nol dan harus ditentukan 5 parameter unknown pada foto kanan.
Hal ini akan mempermudah dalam perhitungan koordinat objek X i, Yi, Zisehingga mendekati
mendekati satuan koordinat foto yang terukur.
Bagi masing-masing titik yang digunakan dalam relatif orientasi, dapat ditulis empat
buah persamaan kebersamaan garis yaitu sebuah persamaan x dan y dalan bentuk persamaan
2 bagi masing-masing foto pasangan foto stereo. Dengan menggunakan 5 buah titik objek,
yang dapat dituliskan 20 persamaan dan satu pemecahan hasil yang unik karena jumlah yang
YL2= ?
Z YL2= ?XL2 (fixed)
ZL1 (fixed)
-
8/9/2019 metrik jadi
15/36
15
belum diketahui juga 20, yaitu 5 buah parameter orientasi luar yang belum diketahui bagi 2
foto ditambah 15 koordinat titik objek yang belum diketahui. Metode yang digunakan sebagai
solusi untuk mendapatkan parameter yang dicari adalah menggunakan teknik kuadrat terkecil
(Wolf and Dewitt 2000).
b11d b12d b13d b14dXLb15dYLb16dZL+ b14dXA+ b15dYA+ b16dZA= J + vxa
b21d b22d b23d b24dXLb25dYLb26dZL+ b24dXA+ b25dYA+ b26dZA= K + vya
................................................................................................................ (2.26)
Bentuk matriks A yaitu :
[
b11
1
b211b
n111
bn21
1
b11
2
b21
2
bn11
2
bn21
2
b12
1
b221b
n121
bn22
1
b12
2
b22
2
bn12
2
bn22
2
b13
1
b231b
n131
bn23
1
b13
2
b23
2
bn13
2
bn23
2
-b15
1
-b251-b
n151
-bn25
1
-b15
2
-b25
2
-bn15
2
-bn25
2
-b16
1
-b261-b
n161
-bn26
1
-b16
2
-b26
2
-bn16
2
-bn26
2
b14
1
b24
1
00
00
b14
2
b24
2
00
00
b15
1
b25
1
00
00
b15
2
b25
2
00
00
b16
1
b26
1
00
00
b16
2
b26
2
00
00
0000
0000
0000
0000
0000
0000
0
000
bn14
1
bn24
1
00
00
bn14
2
bn24
2
0
000
bn15
1
bn25
1
00
00
bn15
2
bn25
2
0
000
bn16
1
bn26
1
00
00
bn16
2
bn26
2
]
Bentuk matriks X, L, dan V sebagai berikut :
[
]
[
]
[
]
Untuk proses perhitungan dari relative orientation dapat dilihat dari pembahasan
sebelumnya (Sistem Persamaan Dalam Fotogrametri).
-
8/9/2019 metrik jadi
16/36
16
2.6. Intersection
Intersectionmerupakan suatu teknik menentukan koordinat titik-titik objek pada dua
gambar atau lebih yang saling bertampalansehingga diketahuiposisi secara 3D (Xi, Yi, Zi).
Proses ini membutuhkan enam parameter orientasi luar yang dikethui , , , L,YL, ZL) untuk dua foto yang bertampalan. Nilai koordinat objek dalam ruang tiga dimensi ini
dapat dihitung menggunakan persamaan kolinier yang telah dilinierisasi.
Gambar 2.6. Ilustrasi Proses Intersection
Intersection mengacu kepada determinasi posisi titik pada ruang objek dengan dua
persamaan untuk setiap titik pada foto. Jika terdapat dua foto, total ada empat persamaan
yang terdiri dari tiga persamaan yang tidak diketahui, titik koordinat ruang objek yang
diperoleh. Ada satu derajat bebas, dan satuan persamaan linier dimana dapat dipecahkan
dengan metode least square. Dengan menambahkan beberapa foto, meningkatkan jumlah
derajat kebebasan dengan demikian akan meningkatkan solusinya (Mikhail, Bethel et
al.2001).
Karena enam unsur orientasi sudah diketahui, yang tidak diketahui pada persamaan
ialah dXA,dYA, dan dZA. Ini merupakan koreksi yang harus diterapkan bagi pendekatan awal
untuk masing-masing koordinat object spaceXA, YA, ZA, untuk titik A. Bentuk persamaanintersectionyang diliniearkan sebagai berikut (Wolf and Dewitt 2000):
b14dXA+ b15dYA+ b16dZA= J + Vxa
b24dXA+ b25dYA+ b26dZA= K + Vya .........................................................................................(2.27)
Pada gambar 2.6 dapat ditulis o1pada foto kiri dan foto kanan dapat ditulis o 2. Dengan
demikian dapat dibuat empat persamaan seperti persamaan di atas, dan nilai dXA,dYA, dan
dZA dapat diselesaikan melalui perhitungan least square. Koreksi ini diterapkan bagi
-
8/9/2019 metrik jadi
17/36
17
pendekatan awal untuk memperoleh nilai revisi untuk XA, YA, ZA. Penyelesaian ini kemudian
diulang lagi atau proses iterasi hingga nilai residu sesuai.
Dalam bentuk matriks dapat dinyatakan sebagai berikut (Wolf and Dewitt 2000):
[
]
[
]
[
]
Untuk proses perhitungan dari intersection dapat dilihat pada pembahasan
sebelumnya (Sistem Persamaan Dalam Fotogrametri). Dimana iterasi berhenti apabila nilai
residu sudah sesuai. Jadi nilai akhir untuk proses intersection menggunakan metode least
square adalah nilai (3) parameter (XA, YA, ZA), yang sudah diiterasi berulang kali dengan
nilai residu yang sesuai dan seminimal mungkin.
2.7. Resection
2.7.1. Close Form
Nilai pendekatan parameter luar (Exterior Orientation) dapat diperoleh dengan
menerapkan konsep perhitungan dari metode Closed form Solution. Dimana konsep
perhitungannya merubah bentuk persamaan non linier dalam bidang fotogrametri untuk
memperoleh parameter pendekatan yang sesuai dan sedekat mungkin terhadap nilai
parameter sebenarnya dengan nilai residu sekecil mungkin (Shih dan Faig, 1987). Model
persamaan collinearity (kesegarisan) memberikan penyelesaian yang lebih lazim dan biasa
digunakan, sehingga dengan menggunakan model persamaan tersebut dapat ditentukan enam
parameter secara tepat. Akan tetapi, pendekatan ini memerlukan proses linierisasi, yang
-
8/9/2019 metrik jadi
18/36
18
berdasarkan pada proses penentuan nilai yang benar dari nilai pendekatan awal (Shih dan
Faig, 1987).
Didalam Closed form Solution, terdapat beberapa solusi untuk model persamaan
tersebut antara lain : Church, memberikan penyelesaian berdasarkan model piramid foto,yang dikembangkan 50 tahun yang lalu dan dikenal dengan metode Church (American
Society of Photogrammetry,1980). Church menggunakan model persamaan yang hampir
sama dengan model persamaan collinearity (kesegarisan) dengan menurunkan satu set
parameter yang diketahui parameter posisi yang dicakup. Akan tetapi bentuk persamaan
metode Church merupakan persamaaan yang non-linier, sehingga perlu dilakukan proses
linierisasi.
MetodeChurchmengabaikan persyaratan untuk penentuan nilai pendekatan awal dan
diasumsikan bahwa : bidang objek mendekati sejajar dengan bidang foto yang membentuk
model piramid, sehingga diperoleh nilai sudut yang sama antara sudut koordinat kamera-
koordinat objek dan koordinat kamera-koordinat objek pada hukum cosinus.
Berbeda dengan 3 parameter dan 6 parameter reseksi, terdapat 11 parameter reseksi
yang dikembangkan oleh (Azis dan Karara, 1971). Model ini dikenal dengan DLT (Direct
Linier Transformation) yang mencakup 11 parameter aljabar dan tidak membutuhkan
kalibrasi kamera serta nilai pendekatan awal. Prinsip yang mendasar adalah perbandingan
antara koordinat foto dan koordinat objek secara langsung yang menyatukan persamaan
collinearity(kesegarisan) untuk mendapatkan koreksi untuk distorsi lensa (AzizdanKarara,
1971). (Hadem, 1981) dan (Okamoto, 1981) menunjukkan bahwa 11 parameter DLT adalah
setara dengan 6 parameter orientasi luar dan 5 parameter orientasi dalam.
Metode yang dikembangkan oleh (Fischler dan Bolles, 1981) menyebutkan bahwa
untuk mendapatkan 6 parameter orientasi luar yang terdiri dari posisi kamera dan parameter
rotasi, dilakukan dengan menentukan posisi yang disebut dengan metode The Location
Determination Problem (LDP) pada satu foto. Dimana penentuan posisi akan diselesaikan
dengn solusi perklin dri jumlh titik, yang dikenal dengan permasalahan PnPyaitu
jumlah titik yang saling berhubungan antara bidang objek dan bidang foto menjadi (3,4,5)
atau masalah P3P, P4P, dan P4P. Hal ini dikarenakan jika n < 3 maka solusi unik untuk
permasalahan posisi tidak akan terpecahkan dan jika 3 maka akan diperoleh solusi unik
secara linier (Fischer danBolles, 1981).
Inti dari masalah penentuan lokasi pada analisa foto adalah untuk menstabilkan
hubungan antara perwakilan dua parameter yang diberikan oleh lokasi tertentu. Untuk
-
8/9/2019 metrik jadi
19/36
19
menentukan lokasi bidang dari foto diperoleh dengan menentukan satu set titik kontrol objek
yang muncul pada foto atau disebut dengan masalah penentuan parameter orientasi luar dari
kamera. Dengan adanya lokasi spasial yang relatif dari titik kontrol dan adanya nilai untuk
setiap pasang sudut titik kontrol dari tambahan titik yang disebut titik tengah kamera (Centerof perspective atau CP), ditemukan panjang dari kaki (leg) yang digabung oleh CP ke titik
kontrol ng lin. Proses ini dinmkn perspective-n-problemPnP (Fischer danBolles,
1981).
(Zeng dan Wang, 1992) melakukan penelitian dengan menggunakan metode yang
telah dijelaskan dan diuji oleh (Fischler danBolles, 1981). Metode itu dikenal dengan metode
permasalan penentuan lokasi atauLocation determination Problem(LDP) untuk analisa foto
dan memperoleh posisi koordinat objek dengan menggunakan prinsip perkalian murni
(FischlerdanBolles, 1981; danZengdan Wang, 1992).
Metode yang dikembangkan oleh (Zengdan Wang, 1992) mencakup tiga tahapan inti
yaitu :
1.
Penyelesaian untuk memperoleh parameter pendekatan posisi koordinat kamera
(XL,YL,ZL).
2. Penyelesaian untuk memperoleh parameter rotasi omega,phi, dn kappa.
3.
Mendiskusikan penyelesaian untuk memperoleh parameter reseksi dengan
menggunakan prinsip kurva kritis (danger cylinder).
2.7.2. Least Square
Space Resection atau reseksi ruang dengan kolinearitas merupakan metode numerik
murni yang secara serentak menghasilkan enam unsur orientasi luar (EO). Biasanya nilai
sudut XL, YL, ZL, , , diperoleh dengan penyelesaian itu. Space Resection dengan
kolinearitas memungkinkan penggunaan ulang sejumlah titik kontrol medan. Oleh karena itu
dapat digunakan cara perhitungan kuadrat terkecil untuk menentukan nilai yang paling
mungkin bagi keenam unsur itu. Meskipun perhitungannya panjang dapat dilakukan secara
rutin. Space Resection dengan kolinearitas merupakan metode yang lebih disukai untuk
menentukan unsur orientasi luar (wolf, 2000).
Space Resection dengan kolinearitas meliputi formulasi yang disebut dengan
Persamaan Kolinearitas (collinearity equation) untuk sejumlah titik kontrol yang koordinat
medannya X, Y dan Z diketahui dan yang gambarnya tampak pada foto. Kemudian
persamaan itu diselesaikan untuk enam unsur orientasi luar yang belum diketahui dan tampak
-
8/9/2019 metrik jadi
20/36
20
pada foto. Kolinearitas di deskripsikan sebagai kondisi dimana stasiun pemotretan, beberapa
titik objek, dan image foto berada pada satu garis lurus pada space 3D. Kondisi kolinearitas
di ilustrasikan seperti gambar di bawah ini dimana A, o dan a terletak pada satu garis lurus.
Gambar 2.7. Kondisi kolinearitasi
Keterangan Gambar :
xa, ya : Koordinat foto
XA, YA, ZA : Koordinat titikobject space
X, Y, Z : Koordinat kamera
f : Panjang fokus kamera
xp, yp : Koordinat dariprincipal point
Space Resection merupakan suatu proses untuk menentukan elemen Exterior
Orientation dan posisi sensor dari titik kontrol tanah dan koordinat image. Metode
perhitungan yang paling biasa digunakan adalah persamaan kolineariti, dimana prinsip dari
persamaan tersebut adalah titik kontrol, titik pada image, dan proyeksi pusat terletak pada
satu garis lurus. Untuk setiap titik kontrol, dapat diperoleh dua persamaan. Karena terdapat 6
parameter EO, sedikitnya tiga titik kontrol dibutuhkan untuk memecahkan masalah resection.
Metode perhitungan dengan menggunakan teknik Least Square akan diterapkan pada
penelitian ini untuk menentukan nilai yang paling mungkin pada enam parameter EO (Yao
Jianchao and Chia Chern, 2001).
Ukuran koordinat foto xadan ya(menyuling dan mengoreksi untuk distorsi lensa jika
sesuai) image sasaran memberi kenaikan ke dua persamaan kolineariti. Jika tiga elemen
Interior Orientation (c, xo, and yo) diberikan oleh kalibrasi kamera dan koordinat (XA, YA, ZA)
dititik A pada sistem koordinat object spacemaka dikenal dua persamaan dengan 6 nilai yang
belum dikethui itu rotsi , , dan koordinat (XO, YO, ZO) pada perspective center.
-
8/9/2019 metrik jadi
21/36
21
Sedikitnya 3 target non-collinear seperti titik kontrol diperlukan untuk resection dari kamera.
Metode ini digunakan untuk mengevaluasi elemen EO yang bergantung pada tujuan
fotogrametri (Cooper, 1987).
Metode untuk evaluasi secara berlangsung pada enam elemen orientasi bagian luar(Eksterior Orientation) diperoleh dari diukurnya koordinat foto pada image dengan tiga titik
kontrol non kolinear yang tidak memerlukan beberapa nilai pendekatan (Zeng and Wang,
1992 dalam Cooper et al, 1987). Prosedur ini memberikan koordinat secara langsung dari
perspective center. Bentuk secara aljabar akan digunakan pada matriks rotasinya. Jika
diperlukn, nili untuk rotsi , , dan dapat dicari dari 9 elemen matrik rotasi (Cooper,
1987).
Jika perhitungan resection secara statistik lebih teliti diperlukan, maka persamaan
kolineariti dapat dilinearisasikan dan proses least square dapat digunakan untuk
mengevaluasi 6 elemen Eksterior Orientation. Untuk mendapat nilai yang resection yang
teliti perlu mendapat nilai pendekatan untuk unsur orientasi yang cukup dekat dengan nilai
akhir untuk proses iterativeagar lebih teliti. Biasanya nilai yang tepat untuk koordinat (XO,
YO, ZO) dapat langsung diperoleh, tetapi tidak untuk nilai sudut rotasinya. Resectionhanya
tingkat menengah pada prosedur fotogrametri, serigkali diikuti oleh intersectionatau bundle
adjustmentdengan multistationyang teliti dimana menggunakan nilai unsur EO sebagai nilai
awal pendekatan (Cooper, 1987).
Dalam metode persamaan pengamatan bagi penyesuaian least square, ditulis
persamaan pengamatan yang berkaitan dengan nilai terukur terhadap kesalahan residual dan
parameter unknown. Untuk pemecahan yang unik maka jumlah persamaan harus sama besar
dengan jumlah unknown. Bila dilakukan pengamatan berulang, maka dapat ditulis persamaan
pengamtan yang lebih banyak dari yang diperlukan untuk pemecahan yang unik. Dan nilai
yang paling mungkin dapat ditentukan dengan metode least square.
Dalam penyelesaian secara least square maka diperoleh persamaan untuk proses
resectiondalam bentuk persamaan kolinearitas terlinearisasi yang disederhanakan termasuk
untuk nilai residualnya sebagai berikut (wolf, 2000) :
b11d b12d b13k - b14dXL - b15YL - b16ZL= J + vxa
b21d b22d b23kb24dXLb25YLb26ZL= K + vya....................... (2.28)
Dimana setiap notasi diatas diwakili oleh susunan matriks sebagai berikut :
-
8/9/2019 metrik jadi
22/36
22
[
11 12 13 14 15 1621 22 23 24 25 2611b21b
11c
21c11d21d
12b22b
12c
22c12d22d
13b23b
13c
23c13d23d
14b24b
14c
24c14d24d
15b25b
15c
25c15d25d
16b26b
1bc
26c16d26d]
[
bb
c
cdd]
[
d
d
dk
ddd]
[
bbccd
d
]
Untuk proses perhitungan dari resectiondapat dilihat pada pembahasan sebelumnya
(Sistem Persamaan Dalam Fotogrametri).
2.8. Bundle Adjusment
Bundle adjustmentadalah proses penentuan atau perhitungan parameter IO, EO dan
koordinat obyek (bidang persil) secara serempak bersamaan dengan menggunakan teknik
hitung kuadrat terkecil (Brown, 1974; Heindl, 1981; Schut, 1980 and Triggs, McLauchlan,
Hartley and Fitzgibbon, 2000). Dalam dekade sepuluh tahun terakhir teknik ini menjadi cara
yang paling efisien untuk memproses data pemotretan seperti yang dilaporkan oleh Trigs et
al. (2000). Jika kesalahan sistematis dan defisiensi datum untuk sementara diabaikan, maka
dengan metodeHelmert Blocking (Wolf, 1978),maka persamaan normalnya dapat dituliskan
sebagai :
.......................... (2.29)
Dimana Pdisini adalah matrik bobot dari ketelitian pengukuran koordinat foto dijital :
................................................................................ (2.30)
Disini x dan y adalah standard error dari ukuran titik obyek ke-j pada foto ke-i dari
total n titik obyek dan m buah foto. Persamaan (2.29) dapat ditulis menurut notasi Brown
(Brown, 1974) sebagai :
-
8/9/2019 metrik jadi
23/36
23
......................... (2.31)
Persamaan ini merupakan pengembangan dari persamaan kolinier dan setiap elemen
didalamnya didefinisikan sebagai :
....................... (2.32)
Dimana
dan
adalah sub-matrik dari matrik blok-diagonal, dimana blok
merujuk pada parameter EO and mengacu pada koordinat titik-titik obyek seperti yangtersaji pada Rumus (2.33).
....................... (2.33)
Dimana :
......................................................... (2.34)
-
8/9/2019 metrik jadi
24/36
24
Persamaan (2.33) adalah teknik Bundle adjustment untuk mendapatkan nilai
parameter EO dan koordinat titik obyek didalam sistem kartesian 3D. Jika titik-titik obyek ini
hendak dihitung dengan tingkat kekurasian yang lebih tinggi lagi, maka maka kesalahan
sistematis didalam kamera harus dimodelkan.
-
8/9/2019 metrik jadi
25/36
25
BAB III
PELAKSANAAN PRAKTIKUM
3.1. Proses Kalibrasi Kamera
Kalibrasi menggunakan program Australis menggunakan 8 parameter kalibrasi
kamera yang terdiri dari panjang fokus (c),principle point(xp,yp), distorsi radial (K1, K2, K3),
dan distorsi tangential (P1, P2), serta koefisen untuk perbedaan penyekalaan dan ketidak
ortogonal antara sumbu X dan Y (B1, B2). Adapun langkah-langkah yang akan dilakukan
dalam proses kalibrasi kamera sebagai berikut :
1. Membuka aplikasiAustralis 6.05 dengan melakukan double-clickpada iconAustralis
6.05 yang berada pada desktop. Sehingga, akan muncul sebuah tampilan awal aplikasi
sebagai berikut
Gambar 3.1. Pembuatan Lembar Kerja Baru
2. Tentukan satuan yang digunakan pada kotak dialogDefine Projection Unitkemudian
pilih OK.
Gambar 3.2. Pemilihan Satuan Unit
-
8/9/2019 metrik jadi
26/36
26
3. Kemudian akan muncul beberapa pilihan. Klik kanan pada Camera Database,
kemudianAdd Camera Database.
Gambar 3.3. Penambahan Camera ke Database
4. Proses kalibrasi dilakukan karena dimensi pixel yang belum ada. Prosesnya inputkan
data pada kotak dialog Camera Input.
Gambar 3.4. Input Pada Proses Kalibrasi
5. Untuk membuat proses pengolahan data foto , click-tahan atau drag pada Camera
Database rhkn / letkkn pd icon project 1, sehingg kn muncul icon ng
sama dengan I d Camerapada Camera Database.
-
8/9/2019 metrik jadi
27/36
27
Gambar 3.5. Pemindahan Camera Database Nikkon D60 ke Project1.
6. SimpanProject dengan menklik icon sehingga muncul sebuah jendela Save
As seperti dibawah ini.
Gambar 3.6. Penyimpanan Project
Beri nama Project sesuai keinginan anda kemudian klik Save. Perlu di ingat File
Project (* .aus) harus disimpan satu folder bersama dengan f il e fotoyang akan
diolah.
3.2. Proses Ekstraksi Data Koordinat Foto 2D
Proses ekstraksi data koordinat dapat dilaksanakan dengan langkah-langkah sebagai
berikut :
1.
Pada Project .us di Nikkon D60 , klik knn kemudin pilih Set Image File
Directorykemudian pilih Open.
-
8/9/2019 metrik jadi
28/36
-
8/9/2019 metrik jadi
29/36
29
Gambar 3.9. Salah Satu Hasil Proses Ekstraksi Data Koordinat Foto 2
3.3. Proses Relatif Orientasi
Proses Relatif Orientasi dapat dilaksanakan sesuai dengan langkah-langkah berikut:
1.
Pada menubarpilih adjustrelative orientation. Maka akan muncul gambar seperti
dibawah ini.
Gambar 3.10 Proses Relatif Orientasi
2.
TentukanLeft Image sebagai compare nya, kemudian tentukanRight Imagenya. Pilih
Right Image dari sejumlah foto yang ada kemudian klik Compute RO maka akan
muncul.
Gambar 3.11 Proses Relatif Orientasi
-
8/9/2019 metrik jadi
30/36
30
3. Apabila telah memenuhi persyaratan pilih Accept lanjutkan untuk Right Image
selanjutnya sehingga memenuhi persyaratan. Maka hasil akhir untuk proses relatif
orientasi pada program akan muncul seperti gambar berikut.
Gambar 3.12 Proses Relatif Orientasi
3.4. Proses Resection
3.4.1. Close Form
1. Proses fotogrametri selanjutnya ialah proses Resection. Proses ini dilakukan untuk
tiap data foto yang belum terorientasi. Prosedur pelaksanaannya ialah terlebih dahulu
melakukan proses ekstraksi data koordinat foto sesuai dengan point 9 untuk seluruh
titik yang terekam dalam foto. Selanjutnya apabila seluruh proses ekstraksi data foto
telah selesai dilakukan untuk semua foto click Adjust Resect Al l Pr oject Images
OK. Pastikan Nilai RMS lebih kecil sama dengan 1.00.
Gambar 3.14. Proses Resection
-
8/9/2019 metrik jadi
31/36
-
8/9/2019 metrik jadi
32/36
32
Gambar 3.17. Proses Intersection
3.6. Proses Bundle Adjusment
Bundle Adjustment merupakan algoritma yang beroperasi pada semua fitur dan
bertindak sebagai blok secara simultan memperbaiki poses perkiraan dan memperkirakan
lokasi fitur dalam 3D. Adapun langkah-langkah yag dilakukan dalam proses bundle
adjustmentsebagai berikut.
1. Pada menubarpilih adjustrun bundle.
Gambar 3.18. Proses Bundle Adjusment
2. Pada kotak dialogBundle Adjusmentpilih Go.
-
8/9/2019 metrik jadi
33/36
33
Gambar 3.19. Proses Bundle Adjusment
3. Maka akan keluar lampu merah/kuning/hijau disertai dengan munculnya status,
iterasi, dan lain sebagainya. Bila memenuhi syarat yaitu lampu hijau maka akan
muncul seperti gambar dibawah ini. Apabila telah memenuhi persyaratan pilih Accept
. Hasil dari proses ini terlampir.
Gambar 3.20. Proses Bundle Adjusment
-
8/9/2019 metrik jadi
34/36
34
-
8/9/2019 metrik jadi
35/36
35
BAB IV
ANALISA DATA
4.1. Relatif Orientasi
Pada proses relatif orientasi dibutuhkan minimal dua buah foto, dimana salah satu
fotonya sebagai acuan yang digunakan untuk proses perhitungan nilai posisi dan orientasi
pada foto kedua menggunakan parameter dan posisi kamera pertama dan koordinat foto dari
kedua buah foto. Dari data, setelah di ekstraksi dengan menggunakan software Australis
maka akan diperoleh parameter parameter yang akan dicari dengan didasarkan pada RMS
(Random Misclouser) terkecil (
-
8/9/2019 metrik jadi
36/36