PROPOSAL

PENELITIAN DOKTOR BARU

DANA ITS TAHUN 2020

ANALISIS PERBANDINGAN AKURASI DIGITAL TERRAIN MODEL

TERHADAP HASIL PENGOLAHAN DIGITAL SURFACE MODEL

MENGGUNAKAN METODE SLOPE BASED FILTERING

DAN LAND USE - MORPHOLOGICAL FILTERING

UNTUK MENDUKUNG PERMODELAN BANJIR

Tim Peneliti :

Hepi Hapsari Handayani, S.T., M.Sc., Ph.D (Departemen Teknik Geomatika/FTSPK/ITS)

Ir. Yuwono, MT (Departemen Teknik Geomatika/FTSPK/ITS)

Agung Budi Cahyono, ST, MSc, DEA (Departemen Teknik Geomatika/FTSPK/ITS)

Mahardi Wirantiko (Departemen Teknik Geomatika/FTSPK/ITS)

Ike Noevita Sari (Departemen Teknik Geomatika/FTSPK/ITS)

Muhammad Fadhil Ramadhan (Departemen Teknik Geomatika/FTSPK/ITS)

DIREKTORAT PENELITIAN DAN PENGABDIAN KEPADA MASYARAKAT

INSTITUT TEKNOLOGI SEPULUH NOPEMBER

SURABAYA

2020

2

DAFTAR ISI

DAFTAR ISI ................................................................................................................................... 2

DAFTAR GAMBAR ...................................................................................................................... 3

DAFTAR TABEL ........................................................................................................................... 4

DAFTAR LAMPIRAN ................................................................................................................... 5

BAB I. RINGKASAN .................................................................................................................... 6

BAB I I. LATAR BELAKANG ..................................................................................................... 7

BAB II I. TINJAUAN PUSTAKA ............................................................................................... 10

3.1. Topografi Daerah Penelitian .......................................................................................... 10

3.1.1. Topografi Kota Surabaya ........................................................................................ 10

3.1.2. Kecamatan Dukuh Pakis ......................................................................................... 10

3.2. Light Detection and Ranging (LiDAR) .......................................................................... 11

3.3. Konsep dasar DEM, DTM, dan DSM ............................................................................ 12

3.4. Sistem Tinggi ................................................................................................................. 13

3.9.1. Tinggi Ellipsoid ...................................................................................................... 14

3.9.2. Tinggi Orthometrik ................................................................................................. 14

3.10. Klasifikasi dan Filtering ............................................................................................. 15

3.11. Slope Based Filtering.................................................................................................. 15

3.12. Land Use - Morphological Filter ............................................................................ 16

3.13. RMS Error .................................................................................................................. 17

3.14. Metode Interpolasi ...................................................................................................... 17

3.14.1. Metode IDW ............................................................................................................... 17

BAB IV. METODOLOGI PENELITIAN .................................................................................... 19

4.1. Lokasi Penelitian ............................................................................................................ 19

4.2. Data dan Peralatan .......................................................................................................... 19

4.2.1. Data ......................................................................................................................... 19

4.2.2. Peralatan .................................................................................................................. 19

4.3. Metodologi Penelitian .................................................................................................... 20

Tahap Persiapan ..................................................................................................................... 21

Tahap Pengumpulan Data ...................................................................................................... 21

Tahap Pengolahan Data ......................................................................................................... 21

Tahap Akhir ........................................................................................................................... 25

4.4. Pembagian Tugas dan Luaran Penelitian ....................................................................... 25

BAB V. JADWAL DAN RANCANGAN ANGGARAN BIAYA ............................................. 27

5.1. Jadwal Penelitian ............................................................................................................ 27

5.2. Rancangan Anggaran Biaya (RAB) ............................................................................... 27

BAB VI. DAFTAR PUSTAKA .................................................................................................... 29

BAB VII. LAMPIRAN ................................................................................................................. 31

3

DAFTAR GAMBAR

Gambar 1 Ilustrasi Prinsip Kerja LiDAR...................................................................................... 11

Gambar 2 DEM SRTM 30 Meter ................................................................................................. 13

Gambar 3 Tinggi terhadap bidang referensi ................................................................................. 14

Gambar 4 Ilustrasi Tinggi Ellipsoid .............................................................................................. 14

Gambar 5 Ilustrasi tinggi orthometrik........................................................................................... 15

Gambar 6 Peta infrastruktur Kota Surabaya ................................................................................. 19

Gambar 7 Diagram alir penelitian................................................................................................. 20

Gambar 8 Diagram alir pengolahan data DSM............................................................................. 22

Gambar 9 Diagram alir pembentukan penggunaan lahan ............................................................. 24

4

DAFTAR TABEL

Tabel 1 Luas Wilayah, Ketinggian, Jarak ke Ibu Kota Kecamatan per Kelurahan Tahun 2017 .. 11

Tabel 2 Jadwal Pelaksanaan Penelitian......................................................................................... 27

5

DAFTAR LAMPIRAN

Lampiran 1. Biodata Peneliti ...................................................................................................31

6

BAB I. RINGKASAN

Banjir merupakan permasalahan umum yang terjadi disebagian wilayah Indonesia,

terutama di daerah yang padat penduduknya seperti di daerah perkotaan. Banjir perkotaan

mengandung tantangan serius untuk pembangunan, terutama bagi para penduduk yang tinggal

di wilayah urban negara-negara berkembang, seperti Surabaya. Pertumbuhan ekonomi dan

pembangunan yang pesat di Kota Surabaya menyebabkan perubahan lingkungan yang tidak

dapat dihindari. Salah satu efek perkembangan kota yang pesat adalah ancaman banjir, baik

karena arus pasang-surut (banjir rob), kenaikan muka air laut, maupun banjir akibat luapan

sungai akibat tata kota yang kurang baik. Kunci penting dalam analisis genangan banjir adalah

informasi geospasial dalam format tiga dimensi sebagai digital elevation model (DEM).

Semakin akurat DEM tersebut, maka semakin baik gambaran pemetaan genangan banjir yang

dapat dihasilkan. Hal tersebut berimplikasi semakin efektif pula hasil perencanaan

pengendalian banjir. Pada saat ini, Light Detecting and Ranging (LiDAR) adalah teknologi

penginderaan jauh terbaik untuk mengumpulkan data ketinggian dari permukaan bumi, dalam

bentuk point clouds dan digital surface model (DSM).

Banyak metode penapisan (filter) DSM ke DEM telah dikembangkan. Secara umum,

metode penapisan DSM dapat dikategorikan ke dalam tiga pendekatan utama: regresi linear,

slope based filter (SBF), dan morphological filter. Meskipun sejumlah besar algoritma telah

diusulkan, metode pembentukan DEM masih menantang. Terdapat beberapa rekomendasi

untuk pembentukan DEM yang lebih baik, yaitu adaptive thresholds, kombinasi berbagai

metode, kombinasi berbagai sumber data, complex terrain filter, dan robust classification.

Oleh karena itu, penelitian ini mengusulkan metode kombinasi tutupan lahan (land-use)

classification dan morphological filter menjadi land use-morphological filter. Karena

metodologi land-use sangat penting untuk memberikan referensi dalam pembentukan DEM.

Metode yang ditawarkan dalam penelitian ini adalah menempatkan point clouds dan DSM

yang tidak diklasifikasikan ke dalam kelas yang berbeda sesuai dengan aturan klasifikasi

termasuk proses segmentation dan geometric rule. Dimana titik dasar yang yang tidak tersaring

dalam non-ground dapat digunakan untuk membuat DEM.

Sehingga tujuan penelitian ini untuk mengetahui ketelitian geometri DEM hasil metode

SBF dan land use - morphological filter. Selain itu, untuk mengetahui geomorfologi DEM

LiDAR yang dihasilkan menggunakan kedua metode tersebut. Adapun validasi DEM hasil dua

metode tersebut, dilakukan dengan membandingkan DEM hasil proses stereoplotting pada

proses othorektifikasi foto udara, serta pengukuran topopografi dengan alat waterpass.

Selanjutnya digunakan untuk menganalisis medan topografi studi area yaitu Kecamatan Dukuh

Pakis, Kota Surabaya, dimana daerah tersebut merupakan rawan genangan banjir. Hasil

penelitian ini diharapkan sebagai metode semi-otomatis dalam pembentukan DEM, yang

dapat imanfaatkan oleh pemerintah setempat sebagai referensi model elevasi untuk pemodelan

banjir. Selain itu, DEM yang dihasilkan dapat digunakan untuk referensi lain yang lebih

kompleks misal pembuatan 3D city model untuk perencanaan, mitigasi bencana, pembangunan

berkelanjutan dan penataan lingkungan.

Kata kunci: DSM, DEM, slope based filter, land use-morphological filter, pemodelan banjir.

7

BAB II. LATAR BELAKANG

Banjir merupakan permasalahan umum yang terjadi disebagian wilayah Indonesia,

terutama di daerah yang padat penduduknya seperti di daerah perkotaan. Banjir yang terjadi

akan menimbulkan kerugian, baik itu kerugian materi maupun kerugian jiwa (Ary, Arna &

Yuliana, 2008). Banjir perkotaan mengandung tantangan serius untuk pembangunan dan

kehidupan manusia, terutama bagi para penduduk yang tinggal di wilayah urban negara-negara

berkembang (World Bank, 2012).

Surabaya merupakan kota yang memiliki pertumbuhan ekonomi yang pesat dan

menyumbang pendapatan Negara yang sangat besar. Pertumbuhan ekonomi dan pembangunan

yang pesat di Kota Surabaya menyebabkan perubahan lingkungan yang tidak dapat dihindari.

Salah satu efek perkembangan kota yang pesat adalah ancaman banjir, baik karena arus

pasang-surut (banjir rob), kenaikan muka air laut, maupun banjir akibat luapan sungai akibat

tata kota yang kurang baik. (Marfai, 2007).

Permasalahan banjir kota Surabaya sampai saat ini belum dapat tertangani secara

menyeluruh walaupun pemerintah kota Surabaya telah berupaya semaksimal mungkin untuk

mengatasinya. Hal ini terjadi karena kondisi fasilitas drainase yang ada di kota ini semula

merupakan fasilitas irigasi, dimana kedua fasilitas ini mempunyai tujuan karakter yang

bertolak belakang. Dengan kondisi tersebut maka sudah tidak mungkin lagi beban drainase

kota Surabaya ditambah oleh perkembangan perubahan lahan sampai kondisinya banar benar

dapat berjalan sebagaimana yang diharapkan (Saud, 2007).

Kunci penting dalam analisis genangan banjir adalah peta topografi yang dalam format

tiga dimensi disebut sering sebagai digital elevation model (DEM), yaitu peta yang

menunjukkan relief permukaan bumi (Sinnakaudan, 2009). Peta DEM dapat memberikan

geometri penampang sungai dan daerah-daerah di sekitar sungai. Semakin akurat peta DEM

tersebut, maka semakin baik gambaran pemetaan genangan banjir yang dapat dihasilkan. Hal

tersebut berimplikasi semakin efektif pula hasil perencanaan pengendalian banjir.

Beberapa cara dapat dilakukan untuk membuat peta DEM, diantaranya pengukuran

manual di lapangan, penggunaan citra satelit seperti Shuttle Radar Topography Mission

(SRTM) dan Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER),

teknologi Interferometric Synthetic Aperture Radar (IFSAR), dan Light Detection and Ranging

(LiDAR). Pembuatan kontur detail umumnya diperoleh dengan melakukan pemetaan secara

teristrial, serta dengan metode konvensional yaitu mengekstraksi data DEM hasil manual

stereoplotting. Pengerjaan dengan metode ini menghasilkan tingkat keakuratan yang tinggi,

namun memerlukan waktu yang relatif lama sehingga belum bisa memenuhi permintaan

informasi geospasial skala besar yang terus bertambah. Sedangkan kelemahan citra satelit

SRTM dan ASTER adalah resolusi yang relatif rendah untuk analisis genangan banjir yang

detil, yaitu hanya berkisar 30 m x 30 m. Teknologi IFSAR dapat menghasilkan DEM dengan

resolusi yang akurat, namun umumnya digunakan untuk daerah yang cukup luas. Untuk daerah

yang lebih spesifik, terutama dengan tingkat densitas vegetasi yang cukup tinggi, IFSAR tidak

dapat digunakan (Mercer, 2001; Hodgson, et al., 2003; National Research Council of The

8

National Academies, 2007). Pada saat ini, teknologi LiDAR dianggap yang terbaik dalam

menghasilkan peta DEM yang akurat dengan resolusi yang sangat tinggi, yaitu dapat mencapai

1 m x 1 m dan bahkan kurang dari 1 m. Teknologi LiDAR mampu dijadikan solusi untuk

penyediaan peta rupa bumi karena kemampuannya untuk menghasilkan data DSM dan DEM

yang menutupi kelemahan pemetaan topografi secara konvensional. Teknologi LiDAR mampu

memperoleh informasi topografi detail yang akurat dengan waktu akuisisi dan pengolahan

yang relatif lebih cepat.

DEM merupakan model medan digital yang hanya memuat informasi ketinggian

permukaan tanah (bare earth surface) tanpa terpengaruh oleh vegetasi atau fitur buatan manusia

lainnya, sedangkan Digital Surface Model (DSM) merupakan representasi permukaan bumi

yang memuat lebih banyak informasi ketinggian termasuk semua objek yang berada di atas

permukaan bumi seperti vegetasi, gedung, dan fitur lainnya. Perlu dilakukan upaya percepatan

dalam penyediaan data dan informasi geospasial, dalam hal ini DEM sebagai unsur pembentuk

peta topografi skala besar. Untuk itu diperlukan metode pembentukan DEM yang lebih efektif.

Penelitian dilakukan untuk mengkaji metode yang dapat menghasilkan DEM dengan cara

otomatis, agar diperoleh metode pemetaan yang cepat dan efisien.

Banyak metode penapisan (filter) DSM ke DEM telah dikembangkan. Sithole dan

Vosselman (2004) dan Zhang and Whitman (2005) telah membandingkan beberapa metode

ini. Secara umum, metode penapisan DSM dapat dikategorikan ke dalam tiga pendekatan

utama: regresi linear, slope based filter (SBF), dan morphological filter (Silván-Cárdenas dan

Wang, 2006). Metode SBF menggunakan data kemiringan serta ketinggian untuk menentukan

suatu titik adalah titik ground atau non-ground point. Model matematika didesain untuk

menggambarkan permukaan tanah berdasarkan asumsi bahwa nilai kemiringan akan naik

signifikan antara area non-ground dan ground, dan ketinggian permukaan tanah biasanya lebih

tinggi dari permukaan bukan tanah. Wang (2010) melaporkan bahwa metode SBF bekerja

dengan baik untuk permukaan tanah yang datar atau permukaan miring. Namun, untuk wilayah

sawah terasiring dan daerah tebing, metode ini tidak dapat diandalkan. Untuk morphological

filter, opening operation akan menghaluskan benda-benda tinggi. Metode ini akan memfilter

objek non-tanah yang lebih tinggi dari threshold, sehingga opening operation ini cocok sebagai

filter DEM. Namun metode ini dinyatakan gagal diterapkan pada area dengan yang tutupan

lahan berupa industri dengan atap bangunan yang luas dan lebih besar dari template window

(Shan and Sampath, 2005). Meskipun sejumlah besar algoritma telah diusulkan, metode

pembentukan DEM masih menantang. Zhang and Men (2010) merekomendasikan lima

metode untuk pembentukan yang lebih baik: adaptive thresholds, kombinasi berbagai metode,

kombinasi berbagai sumber data, complex terrain filteri, dan robust classification. Oleh karena

itu, penelitian ini mengusulkan metode kombinasi tutupan lahan (land-use) classification dan

morphological filter menjadi land use-morphological filter. Karena metodologi land-use

sangat penting untuk memberikan referensi dalam pembentukan DEM. Metode yang

ditawarkan dalam penelitian ini adalah menempatkan point clouds dan DSM yang tidak

9

diklasifikasikan ke dalam kelas yang berbeda sesuai dengan aturan klasifikasi. Dimana titik

dasar yang yang tidak tersaring dalam non-ground dapat digunakan untuk membuat DEM.

Berdasarkan faktor yang telah disebutkan diatas, oleh karena itu pada penelitian ini

selain dimaksudkan untuk menganalisis medan topografi daerah Kecamatan Dukuh Pakis,

Kota Surabaya, dimana daerah tersebut merupakan rawan genangan banjir. Penelitian ini

merekomendasikan pengembangan metode yang bernama Land Use - Morphological

Filtering. Sehingga tujuan penelitian ini untuk mengetahui ketelitian geometri DEM hasil

metode Slope Based (SBF) dan Land Use - Morphological Filter. Selain itu, untuk mengetahui

geomorfologi DEM LiDAR yang dihasilkan menggunakan kedua metode tersebut. Adapun

validasi DEM hasil dua metode tersebut, dilakukan dengan membandingkan DEM hasil proses

stereoplotting pada proses othorektifikasi foto udara, serta pengukuran topopografi dengan alat

waterpass.

Selanjutnya hasil penelitian ini dapat digunakan sebagai metode semi-otomatis dalam

pembentukan DEM. Diharapkan dengan metode yang ada lebih mudah dan cepat dalam

penyediaan data/informasi tinggi, lebih lanjut DEM yang dihasilkan dapat imanfaatkan oleh

pemerintah setempat sebagai referensi model elevasi untuk pemodelan banjir. Selain itu, DEM

yang dihasilkan dapat digunakan untuk referensi lain yang lebih kompleks misal pembuatan

3D city model untuk perencanaan, mitigasi bencana, pembangunan berkelanjutan dan penataan

lingkungan.

10

BAB III. TINJAUAN PUSTAKA

3.1. Topografi Daerah Penelitian

3.1.1. Topografi Kota Surabaya

Luas wilayah Kota Surabaya adalah 33.048 Ha. Wilayah Surabaya secara

umum terbagi menjadi 5 wilayah yaitu Surabaya Pusat, Surabaya Timur, Surabaya

Barat, Surabaya Utara, dan Surabaya Selatan.

Secara umum keadaan topografi Kota Surabaya memiliki ketinggian tanah

berkisar antara 0-20 meter di atas permukaan laut, sedangkan pada daerah pantai

ketinggiannya berkisar antara 1-3 meter di atas permukaan air laut. Sebagian besar

Kota Surabaya memiliki ketinggian tanah antara 0-10 meter (80.72%) yang menyebar

di bagian timur, utara, selatan, dan pusat kota. Pada wilayah lain memiliki ketinggian

10-20 meter dan 20 meter di atas permukaan air laut yang umumnya terdapat pada

bagian barat kota yaitu di Pakal, Lakarsantri, Sambikerep, dan Tandes (Badan

Perencanaan dan Pembangunan Kota Surabaya, 2009).

Secara umum Kota Surabaya didominasi kelas kemiringan lereng datar (0-

8%) sebesar 79% dan 21% dengan kelas kemiringan lereng landai (8- 15%) dari total

luasan wilayah Surabaya (Dinas Pertanian Kota Surabaya, 2010). Dataran rendah

meliputi wilayah Surabaya Timur, Utara dan Selatan memiliki kemiringan <3% dan

terletak pada ketinggian <10m dari permukaan laut.

3.1.2. Kecamatan Dukuh Pakis

Kecamatan Dukuh Pakis termasuk wilayah Geografis Kota Surabaya yang

merupakan bagian dari wilayah Surabaya Barat dengan ketinggian ± 5 meter diatas

permukaan air laut. Batas wilayah kecamatan Dukuh Pakis dapat dijabarkan dalam

poin berikut :

a. Utara : Kecamatan Sukomanunggal

b. Timur : Kecamatan Sawahan

c. Selatan : Kecamatan Wiyung

d. Barat : Kecamatan Tandes

Luas wilayah seluruh Kecamatan Dukuh Pakis ±10 km² terbagi

menjadi 4 (empat) kelurahan. Dijelaskan pada tabel berikut ini:

11

Tabel 1 Luas Wilayah, Ketinggian, Jarak ke Ibu Kota Kecamatan per Kelurahan Tahun 2017

(Sumber : Badan Pusat Statistik, 2018)

No Kelurahan Luas Wilayah

(km²)

Ketinggian

Wilayah (m)

Jarak ke

Kecamatan

(Km)

1 Gunung Sari 1,63 5 3

2 Dukuh Pakis 3,07 5 1,5

3 Pradah Kali Kendal 3,96 5 2,5

4 Dukuh Kupang 1,36 5 1,0

Jumlah 10,2 - -

3.2. Light Detection and Ranging (LiDAR)

LiDAR merupakan sensor aktif yang memancarkan pulsa laser dan mengukur waktu

dari dipancarkannya pulsa hingga kembalinya pulsa tersebut kepada sensor menggunakan jam

dengan akurasi sangat tinggi. Ketika laser dipantulkan oleh target, posisi horizontal dan

vertikal dari laser dikunci dan koordinat vertikal akan dikoreksi selanjutnya. Prinsip kerja dari

LiDAR sendiri adalah pulsa akan dikirimkan menuju objek dan waktu akan direkam dengan

jam presisi, ketika pulsa mengenai objek maka pulsa akan dipantulkan balik menuju sensor

dan selang waktu tersebut akan digunakan untuk menghitung jarak miring dari objek menuju

sensor karena pemancaran pulsa menggunakan kecepatan yang konstan yaitu kecepatan

cahaya, lalu akan dikonversikan menjadi jarak vertikal dengan bantuan Inertival Navigation

System (INS).

Jarak vertikal akan digunakan untuk mengoreksi koordinat Z dari GPS. Prinsip kerja

dari LiDAR ditunjukan pada Gambar . Pulsa-pulsa hasil pantulan dari targetlah yang disebut

dengan point clouds.

Gambar 1 Ilustrasi Prinsip Kerja LiDAR

(Sumber: LIDAR.ihrc.fiu.edu)

12

Sistem laser dapat mengakuisisi data siang dan malam dan dapat melakukan

pengukuran pada area apapun selama cahaya dapat menembus area tersebut. Secara teori,

LiDAR dapat digunakan selama 24 jam setiap harinya, namun LiDAR tidak dapat digunakan

diatas awan yang tertutup oleh kabut, asap, hujan, dan badai salju. Kualitas dari sebaik apa

representasi objek bergantung kepada resolusi. Resolusi LiDAR menunjukan jumlah pulsa per

satuan meter persegi (densitas point cloud), semakin tinggi jumlah point clouds per satuan unit

area maka semakin tinggi resolusi yang dihasilkan begitu pula sebaliknya.

Laser scanner, Global Positioning System (GPS), dan Inertial Navigation System (INS)

merupakan tiga komponen utama dari Airborne Laser Scanner (ALS). Laser scanner dipasang

di pesawat, helikopter, atau satelit dan memancarkan pulsa menuju objek di permukaan bumi.

INS digunakan untuk mengoreksi pergerakan wahana yaitu pitch, roll, dan yaw. Sehingga

ketelitian dari koordinat masing-masing tinggi (koordinat Z) sangat dipengaruhi oleh seberapa

teliti GPS dan INS.

Perbedaan waktu antara waktu pemancaran pulsa dan kembalinya pulsa tersebut

pada sensor akan dihitung menggunakan perangkat lunak khusus untuk mengonversi data

tersebut menjadi jarak terukur (Center, 2012) dengan rumus:

D = c. Δt/2 (1)

dimana D = jarak antara objek dan sensor di wahana; c= kecepatan cahaya

(3x108m/s); t= total waktu tempuh.

3.3. Konsep dasar DEM, DTM, dan DSM

DEM adalah data digital yang menggambarkan geometri dari bentuk permukaan bumi

atau bagiannya yang terdiri dari himpunan titik-titik koordinat hasil sampling dari permukaan

dengan algoritma yang mendefinisikan permukaan tersebut menggunakan himpunan koordinat

(Tempfli, 1991). DEM merupakan salah satu model untuk menggambarkan bentuk topografi

permukaan bumi sehingga dapat divisualisasikan kedalam tampilan 3D. Susunan nilai-nilai

digital mewakili distribusi spasial dari karakteristik medan. Distribusi spasial itu sendiri

dinyatakan dalam sistem koordinat horisontal X dan Y, sedangkan ketinggian medan

dinyatakan dalam Z. Gambaran model relief rupabumi tiga dimensi yang menyerupai keadaan

sebenarnya di dunia nyata dapat divisualisaikan dengan bantuan teknologi komputer grafis

atau teknologi virtual reality. Sumber data DEM dapat diperoleh dari foto udara stereo, Citra

satelit stereo, data pengukuran lapangan GPS dan Total Station, Echosounder, Peta topografi,

maupun dari citra RADAR.

13

Gambar 2 DEM SRTM 30 Meter

(Sumber : USGS, 2000)

Digital Elevation Model (DEM) merupakan model permukaan bumi yang

merepresentasikan permukaan topografi yang mempunyai data ketinggian permukaan tanah.

DEM terbentuk dari kumpulan array titik-titik tinggi ground point dari point clouds. Definisi

lain, menyatakan bahwa DEM merupakan suatu file atau database yang menampung titik-titik

ketinggian dari suatu permukaan (Jensen, 2007). Selanjutnya, Jensen (2007) membedakan

DEM menjadi dua, yaitu DSM dan DTM.

1. Digital Terrain Model (DTM)

DTM merupakan model medan digital yang hanya memuat informasi ketinggian

permukaan tanah (bare earth surface) tanpa terpengaruh oleh vegetasi atau fitur buatan

manusia lainnya. DTM disertai fitur-fitur tambahan yang memberikan representasi

permukaan topografi yang lebih baik, contohnya breakline dari punggungan bukit atau

aliran air dan sungai. DTM mampu memodelkan relief secara lebih realistik atau sesuai

dengan kenyataan.

2. Digital Surface Model (DSM)

DSM merupakan representasi permukaan bumi yang memuat lebih banyak informasi

ketinggian termasuk semua objek yang berada di atas permukaan bumi seperti vegetasi,

gedung, dan fitur lainnya. Perolehan data DSM bisa melalui data dari peta, image

matching, ekstarsi dari data LiDAR, maupun pengukuran secara langsung di lapangan.

3.4. Sistem Tinggi

Tinggi adalah jarak vertikal atau jarak tegak lurus dari suatu bidang referensi tertentu

terhadap suatu titik sepanjang garis vertikalnya. Untuk suatu wilayah biasa Muka Laut Rata-

rata (MLR) ditentukan sebagai bidang referensi dan perluasannya kedaratan akan disebut

dengan datum atau geoid (Anjasmara, 2005). Pada Gambar di bawah dijelaskan tinggi terhadap

bidang referensi. Informasi tinggi yang ada di permukaan bumi ada umumnya terdapat dua

jenis utama tinggi, yaitu tinggi ellipsoid dan tinggi orthometrik.

14

Gambar 3 Tinggi terhadap bidang referensi

Sumber : Anjasmara, 2005

3.9.1. Tinggi Ellipsoid

Tinggi ellipsoid adalah tinggi yang diperoleh tanpa ada hubungannya

dengan gravitasi bumi. Sistem tinggi ini digunakan oleh sistem pengamatan yang

dilakukan menggunakan GPS. Tinggi ellipsoid adalah jarak garis lurus yang diambil

sepanjang bidang ellipsoid normal dari permukaan geometris yang diambil dari

referensi ellipsoid ke titik tertentu (Featherstone, 2006).

Ketinggian titik yang diberikan oleh GPS adalah ketinggian titik di atas

permukaan ellipsoid, yaitu ellipsoid World Geodetic System (WGS) 1984 (Abidin,

2001). Tinggi ellipsoid (h) tersebut tidak sama dengan tinggi orthometrik (H) yang

umum digunakan untuk keperluan praktis sehari-hari yang biasanya diperoleh dari

pengukuran sipat datar (levelling). Tinggi orthometrik suatu titik adalah tinggi titik

tersebut di atas geoid diukur sepanjang garis gayaberat yang melalui titik tersebut,

sedangkan tinggi ellipsoid suatu titik adalah tinggi titik tersebut di atas ellipsoid

dihitung sepanjang garis normal ellipsoid yang melalui titik tersebut. Pada Gambar

dibawah dijelaskan referensi tinggi ellipsoid. Dimana h: Jarak garis lurus yang

diambil sepanjang bidang ellipsoid normal ke titik tertentu diatas permukaan bumi

yang memiliki referensi ellipsoid ke titik tertentu (p).

Gambar 4 Ilustrasi Tinggi Ellipsoid

3.9.2. Tinggi Orthometrik

Tinggi orthometrik suatu titik adalah jarak geometris yang diukur

sepanjang unting-unting (Plumb Line) antara geoid ke titik tersebut (Kuswondo,

15

2013). Tinggi orthometrik ini merupakan tinggi yang umumnya dimengerti dan

paling banyak digunakan. Lain halnya dengan tinggi dinamis, tinggi ortometrik ini

memiliki nilai geometris. Permukaan geoid referensi sangat unik, dikarenakan satu

bidang ekupotensial yang merupakan bidang yang memiliki nilai gravitasi tunggal

sama dengan permukaan laut di lautan terbuka. Dalam keperluan praktisnya tinggi

orthometrik sangat sulit di realisasikan, karena untuk merealisasikan hal yang perlu

diketahui adalah arah tegak lurus dari percepatan gravitasi terhadap permukaan di

semua titik yang berada sepanjang jarak tersebut. Pada Gambar dibawah dijelaskan

gambaran dari Tinggi Orthometrik.

Gambar 5 Ilustrasi tinggi orthometrik

3.10. Klasifikasi dan Filtering

Untuk menghasilkan DTM diperlukan data ketinggian ground yang diperoleh dari data

pengamatan LiDAR. Data LiDAR merekam semua fitur yang berada di atas permukaan bumi

termasuk bangunan dan tumbuhan. Untuk itu, perlu dilakukan klasifikasi untuk membedakan

antara objek bangunan, tanah (ground), serta vegetasi. Objek-objek tersebut dikelompokkan

menjadi beberapa kelas yang berbeda. Pengolahan fitur yang dilakukan berupa

pengklasifikasian terhadap data ground dan non ground point (bangunan dan vegetasi). Untuk

itu, pada proses menghasilkan DTM perlu menghilangkan fitur vegetasi, bangunan dan benda-

benda non ground lainnya.

3.11. Slope Based Filtering

Teknik Slope Based Filtering ini menyaring bentuk lereng atau kemiringan dari data

digital surface model yang dianggap bukan merupakan permukaan atau medan tanah (Pfreifer,

2008). Konsep dari SBF dikembangkan berdasarkan asum si bahwa nilai perbedaan tinggi

antara dua cell bertetangga diakibatkan oleh curamnya lereng pada permukaan. Cell yang

letaknya lebih tinggi dari ground point dapat menjadi ground point jika jarak antara dua cell

diperkecil. Oleh karena itu, modul filter ini mendefinisikan perbedaan tinggi yang dapat

diterima antara dua cell sebagai fungsi dari jarak antara cell tersebut Sebuah cell

diklasifikasikan sebagai permukaan tanah jika tidak ada cell lain pada jangkauan radius

16

pencarian kernel yang ketinggiannya melewati bahas threshold. Penentuan parameter

permukaan lereng digunakan unruk mengubah fungsi filter agar sesuai dengan kondisi

keseluruhan lereng pada area studi. Beberapa parameter yang harus didefinisikan nilainya

antara lain search radius, approx terrain slope dan tension threshold (Pambudi,2015).

Pada prinsipnya, pada pengamatan bahwa perbedaan ketinggian yang besar antara dua

di dekat titik tidak mungkin disebabkan oleh lereng curam di lapangan. Terlebih, titik yang

lebih tinggi bukanlah titik tanah. Jelas, untuk beberapa perbedaan ketinggian, probabilitas

bahwa titik yang lebih tinggi bisa menjadi titik tanah berkurang jika jarak antara dua titik

menurun. Oleh karena itu, Kilian et al. (1996) memperkenalkan bobot tergantung pada ukuran

kernel filter yang berbasis morfologi dan Pfeifer et al. (1998) secara implisit menimbang

ketinggian dengan fungsi kovarians yang tergantung pada jarak antara dua titik.

Pendefinisian perbedaan ketinggian terdeteksi antara dua titik sebagai fungsi dari jarak

antara titik-titik: Δ h max (d). Beberapa metode untuk menurunkan fungsi tersebut dijelaskan

dibawah. Fungsi filtering sekarang dapat digunakan untuk mendefinisikan himpunan titik-titik

yang diklasifikasikan sebagai titik tanah. Dengan menggunakan program untuk mengatur

semua poin dan DEM menjadi himpunan titik-titik tanah, maka :

))}((:{ max pjpipjpiji ppdhhhApApDEM (2)

Dengan rumus: titik pi diklasifikasikan sebagai titik medan jika tidak ada titik pj

sehingga perbedaan tinggi antara titik-titik ini lebih besar dari perbedaan ketinggian

maksimum yang diizinkan pada jarak antara titik-titik ini. Definisi fungsi filtering ini terkait

erat dengan beberapa konsep dari morfologi matematika (skala abu-abu/grey scale)

(Vosselman, 2000).

3.12. Land Use - Morphological Filter

Morphological Filtering dikembangkan untuk mengatasi sulitnya menggunakan

ukuran dari structuring element yang sama untuk menghilangkan beberapa fitur bukan tanah

yang berbeda antara satu dengan yang lain dengan cara meningkatkan nilai dari structuring

element atau disebut dengan window secara bertahap (Pambudi, 2015). Nilai dari window pada

Progressive Morphological Filter meningkat secara eksponensial (Pingel, 2012). Sehingga

proses tersebut dapat menghilangkan objek bukan tanah seperti bangunan dan pepohonan

dengan ukuran yang bervariasi pada data LiDAR (Pambudi, 2015). Pada metode ini juga

diperkenalkan istilah elevation difference threshold (ambang batas beda tinggi). Jika beda

tinggi dari suatu titik lebih kecil dari ambang batas maka titik ini akan diklasifikasikan sebagai

tanah (Chen dkk., 2007 dalam Pambudi, 2015). Ambang batas ditentukan berdasarkan

kemiringan dari permukaan. Nilai kemiringan pada metode PMF diasumsikan konstan pada

seluruh area dan didapatkan dengan cara berulang membandingkan data yang sudah dilakukan

proses filtering dengan yang belum dilakukan proses filtering. Nilai kemiringan didapatkan

dengan ukuran window yang berbeda pada tiap langkah (Pambudi, 2015).

Metode yang dikembangkan untuk land use - morphological filter terdiri dari beberapa

teknik, termasuk segmentation dan geometric rule. Pada segmentation, tidak hanya fitur

17

elevasi, tetapi juga fitur perbedaan intensitas dan ketinggian akan diperhatikan untuk

selanjutnay dikonversi ke raster. Pada fase ini, beberapa variabel dimasukkan seperti

segmentation scale, weight for each image layer, compactness. Untuk geometric rule, acuan

teknik klasifikasi digunakan meliputi setiap jenis penggunaan lahan (tutupan) dalam hal

ketinggian, intensitas, perbedaan ketinggian dan atribut geometris misal luas, perimeter, shape

index, roundness, similarity, asymetry. Selanjutnya, fitur non-ground yang berbeda dapat

difilter secara efektif, dengan demikian DEM dapat dihasilkan.

Dalam penetapan land use, klasifikasi object-based image analysis (OBIA) akan

digunakan yaitu berdasarkan konsep machine learning. Metode OBIA ini membuat klasifikasi

berdasarkan komputasi dan aturan fungsi yang spesifik. Hubungan antara obyek citra dan

'dunia nyata' dinyatakan dalam fitur geografis (Castilla dan Hay, 2008). Struktur dicirikan oleh

semantyc rule (Tiede, 2010). Pada penelitian ini OBIA akan diterapkan pada klasifikasi

penggunaan lahan melalui pemanfatan fitur geografis dalam kombinasi semantyc rule.

3.13. RMS Error

RMS error Nilai RMS error koordinat menunjukkan adanya kesalahan arah pada

komponen X, Y, Z terhadap posisi tertentu. Nilai RMS error koordinat dihitung dengan

persamaan berikut (Charles D.Ghilani, 2002).

RMSe(X) = √𝚺(𝑋−𝑋′)2

𝒏 (3)

𝐑𝐌𝐒𝐞(𝐘) = √𝚺(𝑌−𝑌′)2

𝒏 (4)

RMSe(Z)= √𝚺(𝑍−𝑍′)2

𝒏 (5)

Keterangan n= jumlah titik X,Y,Z=koordinat sistem lama X’,Y’,Z’=koordinat sistem baru

3.14. Metode Interpolasi

Dalam pemetaan, interpolasi adalah proses estimasi nilai pada wilayah yang tidak

disampel atau diukur, sehingga ter-buatlah peta atau sebaran nilai pada selu-ruh wilayah

(Gamma Design Software, 2005). Didalam melakukan interpolasi, sudah pasti error dihasilkan.

Error yang dihasilkan sebelum melakukan interpolasi bisa dikarenakan kesalahan menentukan

metode sampling data, kesalahan dalam pengukuran dan kesalahan dalam analisa di

laboratorium.

3.14.1. Metode IDW

Inverse Distance Weighted (IDW) merupakan metode deterministik yang

sederhana dengan mempertimbangkan titik disekitarnya (NCGIA, 1997). Asumsi dari

18

metode ini adalah nilai interpolasi akan lebih mirip pada data sampel yang dekat

daripada yang lebih jauh. Bobot (weight) akan berubah secara linear sesuai dengan

jaraknya dengan data sampel. Bobot ini tidak akan dipengaruhi oleh letak dari data

sampel. Metode ini biasanya digunakan dalam industri pertambangan karena mudah

untuk digunakan. Pemilihan nilai pada power sangat mempengaruhi hasil interpolasi.

Nilai power yang tinggi akan memberikan hasil seperti menggunakan interpolasi

nearest neighbor dimana nilai yang didapatkan merupakan nilai dari data point terdekat.

Kerugian dari metode IDW adalah nilai hasil interpolasi terbatas pada nilai yang ada

pada data sampel. Pengaruh dari data sampel terhadap hasil interpolasi disebut sebagi

isotropic. Dengan kata lain, karena metode ini menggunakan rata-rata dari data sampel

sehingga nilainya tidak bisa lebih kecil dari minimum atau lebih besar dari data sampel.

Jadi, puncak bukit atau lembah terdalam tidak dapat ditampilkan dari hasil interpolasi

model ini (Watson & Philip, 1985). Untuk mendapatkan hasil yang baik, sampel data

yang digunakan harus rapat yang berhubungan dengan variasi lokal. Jika sampelnya

agak jarang dan tidak merata, hasilnya kemungkinan besar tidak sesuai dengan yang

diinginkan.

19

BAB IV. METODOLOGI PENELITIAN

4.1. Lokasi Penelitian

Penelitian ini dilakukan di Kecamatan Dukuh Pakis, Surabaya Barat, dikarenakan

seringnya lokasi tersebut digenangi oleh air, maka kami berinisiatif untuk menganalisa dan

meneliti terkait dengan bentuk dataran yang ada pada lokasi tersebut. Deskripsi dari kecamatan

ini dapat dilihat pada bab literatur.

Gambar 6 Peta infrastruktur Kota Surabaya

Sumber : Kementerian Pekerjaan Umum

4.2. Data dan Peralatan

Penelitian ini menggunakan data dan peralatan yang dijelaskan dalam uraian berikut :

4.2.1. Data

Data yang digunakan dalam penelitian ini adalah data

1. DSM LiDAR Kecamatan Dukuh Pakis, Kota Surabaya yang didapatkan dari

Dinas Cipta Karya dan Tata Ruang Pemerintah Kota Surabaya dengan resolusi

spasial 40 cm.

2. Data foto udara Kota Surabaya yang diakuisisi pada tahun 2016 dalam format

*.tif. Data ini didapatkan dari Dinas Cipta Karya dan Tata Ruang Kota

Surabaya. Resolusi spasialnya adalah 8 cm.

3. Data geoid dan MSL dalam Sistem Referensi Geospasial Indonesia (SRGI)

2013.

4. Peta garis Surabaya skala 1:5000 hasil pemotretan udara tahan 2002.

4.2.2. Peralatan

20

Adapun peralatan yang digunakan dalam penelitian ini terdiri atas perangkat

keras (hardware) dan perangkat lunak (software). Perangkat keras yang digunakan

yaitu Laptop ASUS ROG Strix GL 503 GE dengan processor intel core i7.

Sedangkan perangkat lunak yang digunakan meliputi ArcGIS 10.6.1 untuk pre-

processing serta SAGA GIS dan model builder untuk proses pengolahan data.

Selain itu juga digunakan Microsoft Office Excel dan Microsoft Office Word untuk

pengolahan data dan penulisan laporan.

4.3. Metodologi Penelitian

Pelaksanaan penelitian ini terdiri atas tahapan-tahapan seperti yang dijelaskan

dalam diagram alir pada Gambar.

Tahap Persiapan

----------------------------------------------------------------------------------------------------------------

Tahap Pengumpulan Data

----------------------------------------------------------------------------------------------------------------

Tahap Pengolahan Data

----------------------------------------------------------------------------------------------------------------

Tahap Akhir

Gambar 7 Diagram alir penelitian

Berikut penjelasan dari diagram alir penelitian :

21

Tahap Persiapan

Kegiatan pada tahap persiapan meliputi :

1. Identifikasi Masalah

Identifikasi masalah bertujuan untuk mengidentifikasi permasalahan dalam suatu

penelitian. Adapun permasalahan dalam penelitian ini adalah melakukan analisis

perbandingan akurasi digital terrain model terhadap penggunaan data digital surface

model berbasis metode slope based dan Morphological Filtering.

2. Studi Literatur

Studi literatur bertujuan untuk mendapatkan referensi yang berhubungan dengan

konversi data spasial yaitu DSM ke DTM, juga beberapa tahapan di dalamnya serta

istilah-istilah dalam metode Slope Based dan Morphological Filter dan software yang

digunakan pada pengolahan data tersebut. Pada tahap ini juga mempelajari metode

yang dilakukan dan digunakan pada proses pengukuran levelling untuk mendapatkan

nilai ketinggian yang dianggap benar.

3. Persiapan Lapangan

Persiapan lapangan dalam hal ini menyangkut dengan survei lokasi penelitian,

memasang patok pengukuran sipat datar, menentukan titik awal sekaligus titik akhir

pengukuran.

Tahap Pengumpulan Data

Tahap pengumpulan data yang dibutuhkan untuk penelitian tentang analisis perbandingan

akurasi digital terrain model terhadap penggunaan data digital surface model berbasis metode

slope based dan Morphological Filtering yaitu data DSM yang berada di lokasi penelitian juga

melakukan akuisisi data berupa pengukuran sipat datar (levelling) pada lokasi penelitian untuk

mendapatkan nilai ketinggian yang dianggap benar dalam tahap validasi akurasi vertikal kedua

metode.

Tahap Pengolahan Data

Adapun diagram alir pengolahan data penelitian adalah sebagai berikut :

22

Gambar 8 Diagram alir pengolahan data DSM

Berikut merupakan penjelasan dari diagram alir pengolahan data pada penelitian ini :

a. Void filling

Data DSM selalu mengandung data yang bolong. Oleh karena itu untuk mengisi data

yang bolong tersebut harus dilakukan proses Void Filling. Void Filling berfungsi untuk

mengisi data yang bermasalah. Sumber data untuk mengisi data yang bolong tersebut

adalah data yang ada disekitarnya. Dalam melakukan proses Void Filling diperlukan

sebuah fungsi untuk mengisi data yang bermasalah tersebut.

b. Klasifikasi penggunaan lahan

23

Proses klasifikasi dilakukan untuk mengidentifikasi penggunaan lahan yang akan

memudahkan penulis untuk menganalisa data hasil subset area Kecamatan Dukuh Pakis.

Jenis penggunaan lahan yang akan diklasifikasi antara lain berada pada garis besar

ground (jalan, tanah, dll) dan non ground (gedung, rumah, dll). Adapun langkah untuk

pembentukan tutupan lahan seperti pada gambar 9. Data LiDAR diperlukan untuk

mengidentifikasi bangunan dan vegetasi. Sedangkan klasifikasi berbasis object

diterapkan dalam metode klasifikasi. Karena metode ini sangat handal dan akurat dalam

klasifikasi citra resolusi tinggi.

c. Filtering menggunakan metode Land Use – Morphological Filtering

Land Use – Morphological Filtering Morphological Filtering dikembangkan untuk

mengatasi sulitnya menggunakan ukuran dari structuring element yang sama untuk

menghilangkan beberapa fitur bukan tanah yang berbeda antara satu dengan yang lain

dengan cara meningkatkan nilai dari structuring element atau disebut dengan window

secara bertahap. Sehingga pada penelitian ini mengembangkan metode yang sudah ada.

Land use (tutupan lahan) diterapkan pada filtering ini untuk membantu window mencari

piksel yang bukan termasuk bare earth.

d. Filtering menggunakan slope based

Pada tahap ini dilakukan penapisan data DSM berbasis menggunakan slope based

filtering.

24

Gambar 9 Diagram alir pembentukan penggunaan lahan

e. Filtering menggunakan slope based

Pada tahap ini dilakukan penapisan data DSM berbasis menggunakan slope based

filtering.

f. Sampling titik ketinggian

Pada tahap ini dilakukan pengambilan contoh titik ketinggian pada data DTM hasil

pengolahan menggunakan metode slope-based dan grid-based sebanyak 30 titik.

g. Ekstrak menjadi titik ketinggian

Dari pengambilan contoh titik ketinggian tersebut, dilakukan ekstraksi titik ketinggian

yang menghasilkan point-point ketinggian (z).

h. Analisis perbandingan akurasi (Validasi)

25

Pada tahap analisis ini dilakukan perbandingan data DTM hasil pengolahan dengan DTM

hasil stereoplotting milik PEMKOT Surabaya menggunakan RMS error.

i. Konversi menjadi Point Cloud

Data DSM yang telah dilakukan penapisan menghasilkan Bare Earth Data atau

ketinggian permukaan.

j. Interpolasi data Point Cloud

Interpolasi data Point Cloud ini dimaksudkan untuk mencari informasi ketinggian daerah

yang berada di sekitar titik. Pada interpolasi ini dilakukan menggunakan metode Inverse

Distance Weighted (IDW) . Asumsi dari metode ini adalah nilai interpolasi akan lebih

mirip pada data sampel yang dekat daripada yang lebih jauh. Bobot (weight) akan

berubah secara linear sesuai dengan jaraknya dengan data sampel. Bobot ini tidak akan

dipengaruhi oleh letak dari data sampel.

k. Pembuatan DEM.

Pembuatan DEM dengan koreksi referensi tinggi geoid dan MSL. Data tersebut mengacu

pada Sistem Referensi Geospasial Indonesia (SRGI) 2013.

l. Analisis Hasil

Pada tahap ini, hasil DTM dari proses penapisan SBF dan Morphological Filtering

dilakukan analisis untuk membandingkan kedua metode tersebut. Analisis yang

dilakukan antara lain: analisis geomorfologi, analisis perbedaan ketinggian, dan analisis

ketelitian geometri.

m. Kesimpulan

Dari analisis yang didapatkan dalam perbandingan dua metode tersebut, maka dapat

ditarik sebuah kesimpulan metode mana yang paling akurat dan efektif dalam membantu

percepatan penyediaan data akurat di bidang informasi geospasial

Tahap Akhir

Tahap Akhir pada penelitian ini merupakan pembuatan laporan penelitian dan

mempresentasikannya dalam bentuk seminar hasil penelitian terkait dengan metode yang

efektif dan akurat dalam penapisan DSM.

4.4. Pembagian Tugas dan Luaran Penelitian

Berikut merupakan tugas dari masing-masing anggota dalam penelitian ini.

Nama Keanggotaan Tugas

Hepi Hapsari Handayani,

S.T., M.Sc., Ph.D.

Ketua Peneliti - Mengkoordinasikan anggota, melakukan

pemodelan DEM

- Melakukan analisa

- Menyusun paper jurnal Q2

26

Ir. Yuwono, MT Anggota /

Dosen

- Mengkoordinasi survei lapangan untuk validasi

- Melakukan analisa

Agung Budi Cahyono, ST,

MSc, DEA

Anggota /

Dosen

- Melakukan analisa hasil

- Melakukan validasi hasil model DEM

Mahardi Wirantiko Anggota/

Mahasiswa S1

- Melakukan pemodelan

- Melakukan survei pengukuran waterpass

Ike Noevita Sari Anggota/

Mahasiswa S1

- Melakukan pengolahan LiDAR

- Melakukan analisa

Muhammad Fadhil

Ramadhan

Anggota/

Mahasiswa S1

- Membantu survei lapangan

- Melakukan perhitungan

Adapun luaran penelitian ini meliputi:

- Makalah terbit di jurnal internasional terindeks Scopus (Q2), direncanakan jurnal ISPRS

International Journal of Geo-Information dengan topik Comparative Analysis of DSM

Filtering Using Slope Based Method and Land Use - Morphological Filtering

- Laporan Tugas Akhir (mahasiswa S1) dengan topik Analisis Perbandingan Akurasi

Digital Terrain Model Terhadap Hasil Pengolahan Digital Surface Model Menggunakan

Metode Slope Based Filtering dan Grid Based Filtering.

27

BAB V. JADWAL DAN RANCANGAN ANGGARAN BIAYA

5.1. Jadwal Penelitian

Pelaksanaan penelitian ini diperkiran akan selesai dalam kurun waktu lima bulan

dengan rincian pada tabel berikut ini:

Tabel 2 Jadwal Pelaksanaan Penelitian

Adapaun luaran penelitian ini meliputi makalah di jurnal internasional terindeks Scopus (Q2)

dan laporan Tugas Akhir (mahasiswa S1) masuk dalam pelaporan.

5.2. Rancangan Anggaran Biaya (RAB)

No Uraian Kegiatan Volume / Satuan Biaya (Rp)

1 Persiapan

Pertemuaan awal, penyusunan

rencana kerja

LS

Rp 1.500.000,-

Sub Total Rp 1.500.000,-

2 Pelaksanaan Penelitian

a. Sewa GPS geodetik

b. Sewa waterpass

c. Survey lapangan untuk validasi

DEM

d. Survei lapangan untuk ground

truth klasifikasi

e. Perhitungan

f. Analisa hasil

g. Pemodelan DEM

Rp 500.000/buah/hari x 5

Rp 300.000 /hari x 20

Rp 300.000 /hari x 20

Rp 300.000 /hari x 20

LS

LS

LS

Rp 2.500.000,-

Rp 6.000.000,-

Rp. 6.000.000,-

Rp. 6.000.000,-

Rp 5.000.000,-

Rp 3.500.000,-

Rp 5.000.000,-

Sub Total Rp 34.000.000,-

3 Penyusunan Laporan

a. Kertas

b. Cartridge, tinta

Rp 30.000/rim x 3

Rp 360.000,00

Rp. 90.000,-

Rp. 360.000,-

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

1 Identifikasi Masalah

2 Studi Literatur

3 Pengumpulan Data

a. Data Primer (Pengukuran Sipat Datar)

b. Data Sekunder

4 Pengolahan Data

a. Pengolahan data sipat datar

a. Slope Based Filtering

b. Morphological Filtering

5 Analisa Hasil Perbandingan

6 Kesimpulan Hasil Analisa

7 Pelaporan

Desember

Bulan

Juli Agustus September Oktober NovemberNo Kegiatan Februari Maret April Mei Juni

28

c. Penggandaan Laporan LS Rp. 1.750.000,-

Sub Total Rp. 2.200.000,-

4 Luaran

a. Jurnal internasional terindeks

scopus (Q2) – proof reading

dan registrasi

Rp.5.000.000

Rp. 10.000.000

Sub Total Rp. 10.000.000

TOTAL Rp. 47.700.000,00

29

BAB VI. DAFTAR PUSTAKA

Abidin, H. Z. (2000). Penentuan Posisi dengan GPS dan Aplikasinya. Jakarta: PT Pradnya

Paramita.

Abidin, H. Z. (2001). Geodesi Satelit. Jakarta: Pradnya Paramita

Anjasmara, I. M. 2005. Sistem Tinggi. Pendidikan dan Pelatihan (DIKLAT) Teknis

Pengukuran dan Pemetaan Kota. Surabaya.

Axelsson, P. (2000). DEM Generation from Laser Scanner Data using Adaptive TIN Models.

International Archives of Photogrammetry and Remote Sensing.

Castilla, G., Hay, G.J., 2008. Image-objects and Geographic Objects. In: Blaschke, T.,Lang,

S., Hay, G. (Eds.), Object-based Image Analysis. Springer, Heidelberg, Berlin, New

York, pp. 91–110.

Esri. (2015). GIS dictionary: Spatial Grid. <URL:http://support.esri.com/en/knowledgebase

/GISDictionary/term/spatial%20grid>. Diakses pada tanggal 24 Februari 2020 pukul

23.14 WIB.

Esri GIS dictionary: Cost Distace. <URL: https://pro.arcgis.com/en/pro-app/tool-

reference/spatial-analyst/cost-distance.htm>. Diakses pada tanggal 25 Februari 2020

pukul 02.00 WIB.

Featherstone, W. E. dan Khun, M., 2006. Height Systems and Vertical Datums: A Review in

The Australian Context.

FEMA-Region 10, (2009), Floodplain Management – NFIP Guidebook.

International Hurricane Research Center. (-). LiDAR Techology. http:// LIDAR.ihrc.fiu.edu.

diakses pada 29 Januari 2020 pukul 17.18 WIB.

Jensen, J. R. (2007). Remote Sensing of the Environment: An earth resource perspective.

2ndPrentice-Hall series in Geographic Information Science, USA.

Kuswondo. (2013). Analisa Tinggi Vertikal Sebagai Dasar Pengembangan Fasilitas Vital dan

Penanggulangan Banjir, Institut Teknologi Sepuluh Nopember.

NCGIA. 2007. Interpolation: Inverse Distance Weighting. http://www.ncgia.ucsb.edu/pubs/

spherekit/inverse.html (25 Februari 2020).

Pambudi, L. C. (2015). Analisis Akurasi Penapisan DSM ke DTM Menggunakan Metode

Simple Morphological Filter dan Slope Based Filtering. Semarang: Skripsi, Jurusan

Teknik Geodesi, Fakultas Teknik Universitas Diponegoro.

Pfreifer, N. (2008). Digital surface model and digital terrain model filtering. Austria: Institute

of Photogrammetry and Remote Sensing Vienna University of Technology.

Shan, J. and A. Sampath, 2005. Urban DEM Generation from Raw Lidar Data: A Labeling

Algorithm and its Performance. International Journal of Remote Sensing 71, pp. 217-

222.

Saud, I. (2007). Kajian Penanggulangan Banjir di Wilayah Pematusan Surabaya Barat.

Jurnal Aplikasi Vol.3, No.1, ISSN : 1937-753X.

Silván-Cárdenas, J. L. and L. Wang, 2006. A multi-resolution approach for filtering LiDAR

altimetry data. ISPRS Journal of Photogrammetry and Remote Sensing 61(1), pp. 11-22.

30

Sithole, G. and G. Vosselman, 2004. Experimental comparison of filter algorithms for bare-

Earth extraction from airborne laser scanning point clouds. ISPRS Journal of

Photogrammetry and Remote Sensing 59(1-2), pp. 85-101.

Tiede, D., Lang, S., Albrecht, F., Hölbling, D., 2010a. Object-based class modeling for

cadastre constrained delineation of geo-objects. Photogrammetric Engineering & Remote

Sensing, 193–202.

Trisasongko, Bambang H., Diar Shiddiq. (2012). Manajemen dan Analisis Data Spasial dengan

ArcView GIS. Bogor : IPB.

Vosselman, George. (2000). Slope Based Filtering of Laser Altimetry Data. Belanda :

Department of Geodesy, Faculty of Civil Engineering and Geosciences Delft University

of Technology, The Amsterdam.

Wang, C. K., and Tseng, Y.H. 2010. DEM Gemeration from Airborne Lidar Data by An

Adaptive Dualdirectional Slope Filter. ISPRS TC VII Symposium – 100 Years ISPRS,

Vienna, Austria, July 5–7, 2010, IAPRS, Vol. XXXVIII, Part 7B.

Watson, D.F. & Philip G.M. (1985). A Refinement of Inverse Distance Weighted Interpolation.

GeoProcessing 2: 315-327.

Zhang, K. and D. Whitman, 2005. Comparison of three algorithms for filtering airborne lidar

data. Photogrametric Engineering and Remote Sensing 71(3) pp. 313-324.

Zhang, Y.; Men, L. 2010. Study of the airborne LIDAR data filtering methods. In Proceedings

of the International Conference on Geoinformatics: Giscience in Change, Beijing, China,

18–20 June 2010.

31

BAB VII. LAMPIRAN

Lampiran 1. Biodata Peneliti

1. Ketua Tim

A. Identitas Diri

1 Nama Lengkap (dengan gelar) Hepi Hapsari Handayani, ST, MSc, PhD

2 Jenis Kelamin P

3 NIP/NIK/Identitas lainnya 1978 1212 2005 01 2001

4 NIDN (jika ada) 0012127802

5 Tempat dan Tanggal Lahir Purworejo, 12 Desember 1978

6 E-mail hapsari@geodesy.its.ac.id

7 Nomor Telepon/HP 081217418612

8 Nama Institusi Tempat Kerja Departemen Teknik Geomatika

9 Alamat Kantor Kampus ITS Sukolilo, Surabaya

10 Nomor Telepon/Faks (031) 5929487 / 5929486

B. Pengalaman Penelitian Yang Relevan

No. Tahun Judul Penelitian Pendanaan

Sumber* Jml

(Juta Rp)

1 2015

Anggota

3D Modelling dan Visualisasi Bangunan Cagar

Budaya (Culture Heritage) dalam Rangka

Pengembangan Kawasan Wisata Kota Tua

Terpadu Surabaya(Studi Kasus:Gedung Kantor

Gubernur Jawa Timur)

Penelitian

Dasar

Sumber Dana

Lain-Dalam

Negeri

25

2

2017-2019

Anggota

Pengusul

Analisa Estimasi Produktivitas Padi Dengan Citra

Landsat 8 Berdasarkan Fase Tumbuh, Pengamatan

In-Situ Dan Model Peramalan Autoregresif

Integrated Moving Average (ARIMA) (Studi

Kasus: Kabupaten Bojonegoro)

PDUPT

DIKTI

78.7

3 2017 – 2018

(research

assistant)

Transformation of Urban volume and ecosystem

services in the mega-cities of Southeast Asia

The Japan

Society for the

Promotion of

Science

(JSPS)

439,4

4 2018-2019

(research

assistant)

Urban Heat Island Effect in Rapidly Growing

Megacities in Developing Countries

Grant-in-Aid

for Scientific

Research (B) -

520

32

Japan

5 2019

(anggota)

Penilaian Variasi Spasial Temporal Pm2.5 Untuk

Menganalisis Perbandingan Tingkat Polusi Udara

Di Indonesia Dan Taiwan

Dana Lokal

ITS

50

C. Publikasi Yang Relevan

Judul Penulis Nama Jurnal

Validating ALOS PRISM DSM-

derived surface feature height:

Implications for urban volume

estimation

Ronald C. ESTOQUE, Yuji

MURAYAMA, Manjula

RANAGALAGE, Hao HOU,

Shyamantha SUBASINGH, Hao

GONG, Matamyo SIMWANDA,

Hepi H. HANDAYANI, Xinmin

ZHAN

Tsukuba

Geoenvironment

Science, Vol 13, 2017

Estimation of built-up and green

volume using geospatial techniques: A

case study of Surabaya, Indonesia

Hepi H. Handayani, RC Estoque, Y

Murayama

Sustainable Cities and

Society Vol. 37

(February),

2018

Relation between Urban Volume and

Land Surface Temperature: A

Comparative Study of Planned and

Traditional Cities in Japan

M Ranagalage, RC Estoque, Hepi H.

Handayani, X Zhang, T Morimoto,

Y Murayama

Sustainability 10 (7), 1-

17

Geospatial Analysis of Horizontal and

Vertical Urban Expansion Using

Multi-Spatial Resolution Data: A Case

Study of Surabaya, Indonesia

Hepi H. Handayani, Y Murayama,

M Ranagalage, F Liu, D Dissanayake

Remote Sensing 10

(10), 1599, 2018

Impact of Urban Surface

Characteristics and Socio-Economic

Variables on the Spatial Variation of

Land Surface Temperature in Lagos

City, Nigeria

D Dissanayake, T Morimoto, Y

Murayama, M Ranagalage, Hepi H.

Handayani

Sustainability 11 (1),

25, 2019

Studi Perbandingan Total Station dan

Terrestrial Laser Scanner dalam

Penentuan Volume Obyek Beraturan

dan Tidak Beraturan

RF Maulidin, HH Handayani, YH

Perkasa

Jurnal Teknik ITS 5 (2),

A723-A727, 2016

3D Visualization Of Cultural Heritage

Using Terrestrial Laser Scanner (A

Case Study: Monument Of Heroes,

Surabaya, East Java)

CB Pribadi, Hepi H Handayani, FE

Rachmawan

Geoid 11 (2), 184-189,

2016

33

Analisa Data Foto Udara untuk DEM

dengan Metode TIN, IDW, dan

Kriging

J Arfaini, Hepi H Handayani

Jurnal Teknik ITS 5 (2),

2016

Visualisasi 3D Objek Menggunakan

Teknik Fotogrametri Jarak Dekat SJ Harahap, Hepi H Handayani

Jurnal Teknik ITS 5 (2),

2016

Studi Klasifikasi Berbasis Objek Untuk

Kesesuaian Tutupan Lahan Tambak,

Konservasi Dan Permukiman Kawasan

Pesisir (Studi Kasus: Kec. Asemrowo,

Krembangan, Pabean Cantikan

IJ Kusuma, HH Handayani

Geoid 10 (2), 163-170,

2015

D. Bimbingan Tugas Akhir Yang Relevan

Judul Jenis Penelitian

Studi fotogrametri jarak dekat dalam pemodelan 3D dan

analisis volume objek.

Tugas Akhir.

Analisa data foto udara untuk dem dengan metode TIN,

IDW, dan Kriging,

Tugas Akhir

Visualisasi 3D objek menggunakan teknik fotogrametri

jarak dekat

Tugas Akhir

Studi Klasifikasi Berbasis Objek Untuk Kesesuaian

Tutupan Lahan Tambak, Konservasi Dan Permukiman

Kawasan Pesisir

Thesis

2. Anggota Tim

A. Identitas Diri

a Nama Lengkap : Ir. Yuwono, MT.

b NIP/NIDN : 195901241985021001

c Fungsional/Pangkat

/Gol.

: Lektror Kepala / Pembina / IV.a

d Bidang Keahlian : Geodesi dan Surveying

e Departemen/Fakultas : Teknik Geomatika /Teknik Sipil, Perencanaan, dan Kebumian

f Alamat Rumah No.Telp : Semolowaru Elok Blok AM-2 Surabaya 60119.

08123232404

B. Pengalaman Penelitian Yang Relevan

34

1. Pemetaan Desa Menggunakan Metode Partisipatif Untuk Pembangunan Desa dan Kawasan

( desa Ngepung, Kecamatan Lengkong, Kabupaten Nganjuk , Propinsi Jawa Timur). Tahun

2020. Anggota.

2. Analisa Magnitudo Gangguan Ionosfir Dengan Pergeran Lempeng Pada Gempa Bumi Dan

Tsunami ( StudiKasus : Gempa Bumi Lombok – Palu dan Tsunami di Palu Tahun 2018).

Tahun 2019-2020. Anggta.

3. Rancang Bangun Low cost GPS RTK dengan Menggunakan Perangkat Lunak RTKLIB

Untuk Pemetaan Persil Tanah. Tahun : 2018 . Anggota.

4. Pemantauan Deformasi Jembatan Suramadu Menggunakan Digita lose range

Photogrammetry. Tahun 2014-2015. Anggota

C. Publikasi Yang Relevan

1. Analisa Hubungan Antara Pasang Surut air Laut dengan Sedimentasi Yang Terbentuk (Studi

Kasus : Dermaga Pelabuhan Peti Kemas Surabaya), Jenis Publikasi : Jurnal Nasional Tidak

Terakreditasi (Ber-ISSN). GEOID. 2016

2. Orientasi Pada Pra Plotting Peta bersistem Koordinat Fix (Tetap), Jenis Publikasi : Jurnal

Nasional Tidak Terakreditasi (Ber-ISSN). GEOSAINTEK. 2016

3. Studi Perbandingan Ketelitian Nilai Azimuth Melalui Pengamatan Matahari dan Global

Positioning System (GPS0 Terhadap Titik BM Referensi (Studi Kasus : Kampus ITS

Sukolilo Surabaya), GEOID, 2016.

4. Analisis Pemodelan 3d Candi Jawi Menggunakan Wahana Quadcopter dan Terestrial Laser

Scanner (TLS), GEOID. 2018.

D. Bimbingan Tugas Akhir Yang Relevan

1. Analisa Hubungan Antara Pasang Surut air Laut dengan Sedimentasi yang Terbentuk

(Studi Kasus : Dermaga Pelabuhan Peti Kemas Surabaya

2. Studi Perbandingan Ketelitian Nilai Azimuth Melalui Pengamatan Matahari dan

Global Positioning System (GPS0 Terhadap Titik BM Referensi (Studi Kasus :

Kampus ITS Sukolilo Surabaya)

3. Analisis Pemodelan 3d Candi Jawi Menggunakan Wahana Quadcopter dan Terestrial

Laser Scanner (TLS)

3. Anggota Tim

A. Identitas Diri

a. Nama Lengkap : Agung Budi Cahyono, ST, MSc, DEA

b. NIP/NIDN : 196905201999031002/0020056904

c. Fungsional/Pangkat/Gol. : Lektor / Penata Tingkat 1/ IIId

d. Bidang Keahlian : Fotogrametri/3D Modeling

e. Departemen/Fakultas : Teknik Geomatika/FTSPK

f. Alamat Rumah : Jl. T.Komputer G-9 Perumdos ITS

35

B. Pengalaman Penelitian / Pengabdian Yang Relevan

Penelitian :

Pembuatan Media Pembelajaran Bentuk Permukaan Bumi ‘3D Topography Surface’

Dengan Teknologi Augmented Reality/Ketua

Pemodelan 3 Dimensi Situs Candi Singosari Menggunakan Kamera Digital Dan Wahana

Udara Nirawak Dengan Metode Structure From Motion/Anggota

Pengabdian :

Aplikasi Fotogrametri Bawah Air untuk Pemetaan dan Monitoring Kerusakan Terumbu

Karang/Ketua

Pemetaan Partisipatif Potensi Desa berbasis Aset Pariwisata Sejarah Dan Agrowisata

(Studi Kasus: Desa Toyomarto, kecamatan Singosari, Kabupaten Malang)/Anggota

C. Publikasi Yang Relevan

3D feature positioning in historical building using spherical panoramic image mosaics:

Case study Surabaya City Hall front façade 34th Asian Conference on Remote Sensing

2013, ACRS 2013 2013 | conference-paper EID: 2-s2.0-84903464678 Source: Scopus –

Elsevier

Combined aerial and terrestrial images for complete 3D documentation of Singosari

Temple based on Structure from Motion algorithm IOP Conference Series: Earth and

Environmental Science 2016 | conference-paper DOI: 10.1088/1755-

1315/47/1/012004EID: 2-s2.0-85009384056 Source: Scopus - Elsevier

D. Pembimbingan Tugas Akhir :

Analisis Pemodelan 3D Candi Jawi Menggunakan Wahana Quadcopter Dan Terestrial

Laser Scanner (TLS)/2016/Yulita Eka Rana Mulyono

Pemodelan 3 Dimensi Candi Wringinlawang Menggunakan Metode Structure From

Motion Untuk Dokumentasi Cagar Budaya/2017/Selfi Naufatunnisa

DATA USULAN DAN PENGESAHAN

PROPOSAL DANA LOKAL ITS 2020

1. Judul Penelitian

Pembentukan DTM Berdasarkan Data Lidar Menggunakan Metode Slope Based dan Land Use-Morphology Filter untuk Mendukung Pemodelan Banjir

Skema : PENELITIAN DOKTOR BARU

Bidang Penelitian : Mitigasi Kebencanaan dan Perubahan Iklim

Topik Penelitian : Pemodelan Banjir

2. Identitas Pengusul

Ketua Tim

Nama : Hepi Hapsari Handayani ST.,M.Sc.,Ph.D

NIP : 197812122005012001

No Telp/HP : .

Laboratorium : Laboratorium Geospasial

Departemen/Unit : Departemen Teknik Geomatika

Fakultas : Fakultas Teknik Sipil, Perencanaan, dan Kebumian

  Anggota Tim

No Nama Lengkap Asal Laboratorium Departemen/UnitPerguruan

Tinggi/Instansi

1Hepi Hapsari Handayani

ST.,M.Sc.,Ph.D

Laboratorium Geospasial

Departemen Teknik Geomatika

ITS

2 Ir. Yuwono MT.Laboratorium Geodesi dan

Surveying

Departemen Teknik Geomatika

ITS

3Agung Budi

Cahyono ST.,M.Sc. DEA

Laboratorium Kadaster dan

Kebijakan Pertanahan

Departemen Teknik Geomatika

ITS

3. Jumlah Mahasiswa terlibat : 3

4. Sumber dan jumlah dana penelitian yang diusulkan

  a. Dana Lokal ITS 2020 : 47.700.000,-

  b. Sumber Lain : 0,-

 

  Jumlah : 47.700.000,-

Tanggal Persetujuan

Nama Pimpinan Pemberi

Persetujuan

Jabatan Pemberi Persetujuan

Nama Unit Pemberi

PersetujuanQR-Code

09 Maret 2020

Adjie Pamungkas

ST.,M.Dev.Plg, Ph.D

Kepala Pusat Penelitian/Kajian/Unggulan

Iptek

Pusat Penelitian Mitigasi

Kebencanaan dan Perubahan

Iklim

09 Maret 2020

Agus Muhamad Hatta , ST, MSi,

Ph.DDirektur

Direktorat Riset dan Pengabdian

Kepada Masyarakat