Download - Laporan Praktikum Inderaja Modul 2 FIX

LAPORAN RESMI PRAKTIKUM

PENGINDERAAN JAUH

MODUL II

KOREKSI RADIOMETRI

MUHAMMAD SULAIMAN

26020212140030

Shift II

PROGRAM STUDI OSEANOGRAFI

JURUSAN ILMU KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS DIPONEGORO

SEMARANG

2013

LEMBAR PENILAIAN

MODUL II : KOREKSI RADIOMETRI

Nama : Muhammad Sulaiman NIM : 26020212140030 Ttd : …………….

NO KETERANGAN NILAI

1. Pendahuluan

2. Tinjauan Pustaka

3. Materi dan Metode

4. Hasil dan Pembahasan

5. Kesimpulan

6. Daftar Pustaka

JUMLAH

Semarang, 30 September 2013

Mengetahui,

Koordinator Praktikum Asisten

Jasmine Khairani Zainal Oscar Agustino

K2D 009 036 K2E 009 058

Shift : 2 (Dua)

Tanggal Praktikum : 24 September 2013

Tanggal Pengumpulan : 30 September 2013

I. PENDAHULUAN

1.1. Latar Belakang

Pada zaman sekarang ini khususnya di Indonesia informasi mengenai

permukaan bumi menyebabkan kegiatan survey pemetaan di Indonesia semakin

meningkat. Pelaksanaan kegiatan survey pemetaan dapat dibedakan melalui dua

macam teknologi, yaitu Penginderaan Jauh (PJ) dan Sistem Informasi Geografi

(SIG). Penginderaan Jauh merupakan seni dan dalam ekstraksi informasi

mengenai suatu objek, wilayah atau fenomena yang dikaji (Lillesand dan Kiefer,

1987). Sedangkan Sistem Informasi Geografi merupakan seperangkat sistem

yang digunakan untuk melakukan pengelolaan, analisis dan manipulasi informasi

yang mempunyai rujukan keruangan dalam suatu sistem pemecahan masalah

(Projo Danoedoro, 1996).

Dalam penggunaan teknologi citra satelit lama kita memerlukan koreksi

radiometri. Koreksi radiometri bertujuan untuk mengurangi pengaruh hamburan

atmosfer (yang disebabkan adanya partikel-partikel di atmosfer yang memberikan

efek hamburan pada energi elektromagnet matahari yang berpengaruh pada nilai

spektral citra, sehingga nilainya akan lebih tinggi daripada sebenarnya) pada citra

satelit, terutama pada saluran tampak. Sejalan dengan berjalannya waktu, citra

satelit terbaru tidak perlu dilakukan lagi koreksi radiometri karena begitu citra

tersebut diperoleh maka secara otomotis citra satelit tersebut sudah terkoreksi.

Praktikum penginderaan jauh modul 2 membahas tentang koreksi radiometri

dimana terdiri dari metode Penyesuaian Histogram, Dark Pixel Correction,

Enhanced Dark Pixel Correction, dan Cut Off Scattergram (Anonim, 2012).

Koreksi radiometri digunakan untuk mengurangi pengaruh hamburan

atmosfer (yang disebabkan ada partikel-partikel di atmosfer yang memberikan

efek hamburan pada energy elektromagnet matahari yang berpengaruh pada nilai

spectral citra, sehingga nilainya akan lebih tinggi daripada sebenarnya) pada citra

satelit, terutama pada saluran tampak (visible light). Jensen (1986)

mengungkapkan dua metode untuk memperbaiki kualitas citra, yaitu dengan

penyesuaian histogram dan penyesuaian regresi (Anonim, 2012).

1.2. Tujuan

1. Mahasiswa diharapkan mampu melakukan koreksi radiometri.

2. Mahasiswa diharapkan mampu memeriksa atmosferic bias citra.

3. Mahasiswa diharapkan dapat menggunakan metode penyesuaian

histogram.

4. Mahasiswa diharapkan mampu melakukan teknik penyesuaian

histogram Dark Pixel Correction (DPC).


histogram Enhanced Dark Pixel Correction (EDPC).


histogram Cut Off Scattergram.

II. TINJAUAN PUSTAKA

2.1 Koreksi Radiometri

Koreksi radiometri (satelite Image callibration) merupakan sistem

penginderaan jauh yang digunakan untuk mengurangi pengaruh hamburan

atmosfer pada citra satelit terutama pada saluran tampak (visible light).

Hamburan atmosfer disebabkan oleh adanya partikel-partikel di atmosfer

yang memberikan efek hamburan pada energi elektromagnetik matahari yang

berpengaruh pada nilai spektral citra. Pengaruh hamburan (scattering) pada

citra yang menyebabkan nilai spektral citra menjadi lebih tinggi daripada nilai

sebenarnya (Sumaryono, 1999).

Koreksi radiometri ditujukan untuk memperbaiki nilai pixel supaya sesuai

dengan yang seharusnya, kesalahan radiometrik ini dapat disebabkan oleh dua

hal, yaitu instrumen sensor dan gangguan atmosfer. Instrumen sensor ini

disebabkan oleh ketidak konsistenan detektor dalam menangkap informasi.

Atmosfer yang biasanya sebagai sumber kesalahan utama, sebagai media

radiasi gelombang elektromagnetik akan menyerap, memantulkan atau

menstransmisikan gelombang elektromagnetik tersebut, hal ini menyebabkan

cacat radiometrik pada citra, yaitu nilai pixel yang jauh lebih tinggi atau jauh

lebih rendah dari pancaran spektral obyek yang sebenarnya (Konturgeo,

2008).

Efek atmosfer menyebabkan nilai pantulan obyek dipermukaan bumi yang

terekam oleh sensor menjadi bukan merupakan nilai aslinya, tetapi menjadi

lebih besar oleh karena adanya hamburan atau lebih kecil karena proses

serapan. Metode-metode yang sering digunakan untuk menghilangkan efek

atmosfer antara lain metode pergeseran histogram (histogram adjustment),

metode regresi dan metode kalibrasi bayangan (Projo Danoedoro, 1996).

Koreksi radiometrik dilakukan pada kesalahan oleh sensor dan sistem

sensor terhadap respon detektor dan pengaruh atmosfer yang stasioner.

Koreksi radiometrik dilakukan untuk memperbaiki kesalahan atau distorsi

yang diakibatkan oleh tidak sempurnanya operasi dan sensor, adanya atenuasi

http://konturgeo.blogspot.com/

gelombang elektromagnetik oleh atmosfer, variasi sudut pengambilan data,

variasi sudut eliminasi, sudut pantul dan lain-lain yang dapat terjadi selama

pengambilan, pengiriman serta perekaman data. Spesifikasi kesalahan

radiometric adalah :

Kesalahan sapuan akibat pemakaian Multi Detektor dalam mengindra

garis citra

Memperkecil kesalahan pengamatan detektor yang berubah sesuai

perubahan waktu

Kesalahan berbentuk nilai digital yang mempunyai hubungan linier

dengan tingkat radiasi dan panjang gelomang elektromagnetik

Koreksi dilakukan sebelum data didistribusi

Koreksi dilakukan dengan kalibrasi cahaya yang keluar dari detektor

dengan mengarahkan scanner pada filter yang disinari secara

elektronikuntuk setiap sapuan

Kesalahan yang dapat dikoreksi otomatis adalah kesalahan sistematik

dan tetap, yang tetap diperkirakan sebelumnya

Kesalahan garis scan dapat dikoreksi dengan penyesuaian histogram

tiap detector pada daerah-daerah homogeny misalnya diatas badan air,

apabila ada penyimpangan dapat diperbaiki

Kesalahan bias atau pengaturan kembali detektor apabila mean dan

median detektor berbeda.

(Rahmiariani, 2009)

Koreksi radiometrik oleh respon detektor dipengaruhi oleh jumlah

detektor yang digunakan dalam penginderaan jauh adalah untuk merubah

radiasi yang ditangkap sensor menjadi harga voltage dan kecerahan.

1. Koreksi Akibat Ketidak-sempurnaan Sistem Sensor :

a. Line Dropout

Terjadi kesalahan hilangnya garis terjadi karena salah satu detektor

tidak berfungsi atau mati selama proses penyiaman sehingga pixel dalam

salah satu garis bernilai nol (hitam). Masalah ini sangat serius karena tidak

mungkin memperbaiki data yang tidak pernah diambil. Namun, agar

kemampuan tafsiran secara visual atas data tersebut dapat ditingkatkan,

dapat dimasukkan nilai kecerahan estimasi pada setiap garis rusak tersebut

(Rahmiariani, 2009).

Untuk menentukan lokasi garis rusak itu dibuat suatu algoritma

ambang sederhana untuk menandai setiap garis yang mempunyai nilai

kecerahan rata-rata bernilai nol atau mendekati nol. Jika

telah teridentifikasi, koreksi diberikan dengan memasukkan nilai

kecerahan rata-rata bulat dari nilai pixel garis tetangga-tetangga

sebelahnya pada garis rusak itu. Citra dengan data hasil interpolasi

tersebut lebih mudah ditafsirkan daripada citra yang mempunyai garis-

garis hitam yang tersebar di seluruh bagiannya (Rahmiariani, 2009).

b. Stripping atau bounding

Terjadi karena salah satu detektor tidak terkoreksi secara benar

sehingga data hasil rekamannya berbeda dengan detektor lainnya.

Misalnya, pembacaannya menjadi dua kali lebih besar daripada detektor

lainnya pada band yang sama. Data tersebut sah tapi harus dikoreksi agar

memiliki kontras yang sama dengan detektor lainnya untuk setiap

penyiaman. Untuk itu, garis yang salah dapat diidentifikasi dengan

menghitung histogram nilai setiap detektor pada daerah yang homogen,

misalnya pada badan air. Jika rata-rata atau mediannya sangat berbeda dari

lainnya, diperkirakan detektor tersebut belum terkoreksi. Untuk itu, diberi

koreksi bias (menambah atau mengurangi) atau koreksi multiplikasi

(perkalian) (Rahmiariani, 2009).

Beberapa sistem penyiam, seperti Landsat TM, terkadang

menimbulkan jenis derau garis-penyiaman yang unik, yang merupakan

fungsi dari (1) perbedaan relatif hasil dan/atau offset (ketidak-tepatan

posisi detektor) di antara ke 16 detektor dalam suatu band (menyebabkan

striping) dan/atau (2) adanya variasi (ketidak-samaan gerakan) antara

proses penyiaman saat maju dan saat mundur (menyebabkan kesalahan

yang disebut banding). Koreksi diberikan dengan metode filtering atau

transformasi Fourier (Rahmiariani, 2009).

c. Line start

Kesalahan line-start terjadi karena sistem penyiam gagal merekam

data pada awal baris. Atau, dapat juga sebuah detektor tiba-tiba berhenti

merekam data di suatu tempat sepanjang penyiaman sehingga hasilnya

mirip hilangnya garis. Idealnya, jika data tidak terekam, sistem sensor

diprogram untuk mengingat apa saja yang tidak terrekam lalu

menempatkan setiap data yang baik pada lokasi yang tepat selama

penyiaman (Rahmiariani, 2009).

Namun, hal itu tidak selalu terjadi. Misalnya, dapat terjadi pixel

pertama (kolom 1) pada garis ke 3 secara tidak benar ditempatkan

pada kolom 50 pada garis ke 3. Jika lokasi pergeseran awal garis

selalu sama, misalnya bergeser 50 kolom, koreksi dapat

dilakukan dengan mudah. Namun, jika pergeseran awal garis

terjadi secara acak, restorasi data sulit dilakukan tanpa interaksi

manusia secara ekstensif dalam koreksi basis garis-per-garis (Rahmiariani,

2009).

2. Koreksi Akibat Gangguan Alam

a. Pengaruh atmosfer

Terjadinya pelemahan atmospheric karena penghamburan dan

penyerapan gelombang cahaya menyebabkan energi yang terrekam sensor

lebih kecil daripada yang dipancarkan atau dipantulkan permukaan bumi.

Koreksi yang diberikan meliputi koreksi radiometrik absolut dan relative

(Sri Hartanti, 1994).

b. Pengaruh topografi

Pengaruh topografi berupa slope dan aspek akan menimbulkan

perbedaan nilai kecerahan pixel pada obyek sama, sehingga menimbulkan

distorsi radiometrik. Empat metode koreksi slope-aspek topografi adalah

koreksi kosinus, dua metode semi empiris (metode Minnaert dan koreksi

C), dan koreksi empirik-statistik (Sri Hartanti, 1994).

2.2 Penyesuaian Histogram

Dengan histogram kita bisa mengetahui nilai piksel terendah saluran

tersebut, asumsi yang melandasi metode ini adalah bahwa dalam proses

coding digital oleh sensor, obyek yang memberikan respon spektral paling

lemah atau tidak memberikan respon sama sekali seharusnya bernilai nol.

Apabila nilai ini ternyata > 0 maka nilai terserbut dihitung sebagai offset, dan

koreksi dilakukan dengan mengurangi keseluruhan nilai pada saluran tersebut

dengan offset-nya. Metode ini paling sederhana, hanya dengan melihat

histogram tiap saluran secara independen ( F. Sabins, 1996).

Penyesuaian histogram ini melewati beberapa tahap, dan hasilnya tidak

selalu naik. Hal ini disebabkan karena tidak setiap citra mempunyai nilai

objek yang ideal untuk dikoreksi, seperti air jernih atau bayangan awan.

Dibandingkan dengan teknik penyesuaian histogram hasilnya tidak jauh

berbeda (Sutanto, 1987).

2.3 Penyesuaian Regresi

Penyesuaian regresi diterapkan dengan memplot nilai-nilai piksel hasil

pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan apabila

ada saluran rujukan (yang relatif bebas gangguan) yang menyajikan nilai nol

untuk obyek tertentu. Kemudian tiap saluran dipasangkan dengan saluran

rujukan tersebut untuk membentuk diagram pancar nilai piksel yang diamati.

Cara ini secara teoritis mudah namun secara prakteknya sulit, karena

gangguan atmosfer terjadi hampir pada semua spektra tampak dan saluran.

Pengambilan pixel-pixel pengamatan harus berupa obyek yang secara gradual

berubah naik nilainya, pada kedua saluran sekaligus dan bukan hanya pada

salah satu saluran.( Sutanto, 1987)

Penyesuaian regresi (regression adjusment) pada prinsipnya

menghendaki analisis untuk mengidentifikasi objek bayangan atau air jernih

pada citra yang akan dikoreksi. Nilai kecerahan pada objek dari setiap

saluran di plotkan dalam sumbu koordinat secara berlawanan arah antara

saluran tampak (seperti TM saluran 1, 2, 3) dan saluran infra merah (seperti

TM 4,5,7). Pada diagram ini garis lurus dibuat menggunakan teori

least.square. perpotongannya dengan sumbu X akan menunjukkan besarnya

nilai bias demikian seterusnya untuk saluran yang lain (Anonim, 2012).

2.3.1. DPC (Dark Pixel Correction)

Koreksi piksel gelap merupakan metode sederhana yang digunakan

untuk menghilangkan efek atmosfer saat image radiance. Efek ini terkait

dengan kontribusi hamburan aditif (additive scaterring) dari atmosfer dan

efek dari transmisi multiplikatif energi melalui atmosfer (Anonim, 2012).

2.3.2. EDPC (Enhanced Dark Pixel Correction)

Enhanced Dark Pixel Correction merupakan bagian dari metode

penyesuaian regresi yang digunakan untuk menghilangkan efek dari

atmosfer untuk Image Enhancement (Penajaman Citra). Pada metode ini

system kerjanya hampir mirip dengan metode DPC. Pada metode ini, harus

memasukkan nilai range yang tercantum dalam actual input limits. Pada

Enhanced Dark Pixel Correction terdapat dua layer yang berbeda, yang

dimanan pada layer kedua lebih terang dibandingkan layer pertama dan

gambar layernya lebih tajam (Anonim, 2012).

2.3.3. Cut – Off (Scattergram)

Fungsi ini untuk membantu menganalisis data yang bekerja pada data

dalam mode spektral, scattegram juga berguna untuk klasifikasi

tanah,membuat raster daerah,dan membuat poligon vektor. Scattering

terjadi bila partikel atau molekul gas yang besar yang ada di atmosfer

berinteraksi dan menyebabkan arah radiasi elektromagnetik melenceng dari

jalur sebenarnya. Besarnya penyimpangan ini tergantung pada beberapa

faktor termasuk panjang gelombang radiasi, kelimpahan pertikel dan gas

dan jarak perjalanan radiasi (Anonim, 2012).

III. MATERI DAN METODE

3.1 Waktu dan Tempat

Hari / Tanggal : Selasa, 24 September 2013.

Waktu : 14.40 WIB – Selesai.

Tempat : Laboratorium Komputasi, Gedung E, Lantai 2, Jurusan

Ilmu Kelautan, FPIK, UNDIP, Semarang.

3.2 Materi

Materi praktikum inderaja yang disampaikan adalah :

1. Memeriksa nilai atmosfer bias citra.

2. Penyesuaian histogram

3. Pengecekan data, penyesuaian histogram

4. Regresi

DPC ( Dark Pixel Correction )

EDPC ( Enhanched Dark Pixel Correction )

Cut Off ( Scattergram )

3.3 Metode

3.3.1 Memeriksa Nilai Atmosphere Bias Citra

1. Buka aplikasi ER Mapper, lalu klik icon Edit Algorithm

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

klik ok.

3. Lalu Duplicate pseudo layer menjadi 6. Ganti namanya dengan

band 1 hingga band 7 (tanpa mengikuti Band 6).

4. Ganti Band sesuai dengan namanya, klik pada bagian pilih B1 ; Band 1

dan seterusnya sampai Band 7

5. Untuk melihat nilai transform bias , klik icon Edit Transform

Limits dan pilih Band 1 sampai dengan Band 7. Maka akan muncul

nilai atmosfer bias masing – masing Band.

3.3.2 Penyesuaian Histogram

1. Pada aplikasi ER Mapper, lalu klik icon Edit Algorithm

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

klik ok.

3. Lalu Duplicate pseudo layer menjadi 6. Ganti namanya dengan band

1 hingga band 7 (tanpa mengikuti Band 6)

4. Ganti Band sesuai dengan namanya, klik pada bagian pilih B1 ; Band 1

dan seterusnya sampai Band 7

5. Untuk melihat nilai transfor bias, klik icon Edit Transform Limits dan

pilih Band 1 sampai dengan Band 7. Maka akan muncul nilai atmosfer

bias masing – masing Band. Pilih band 1, klik icon Formula Editor, maka

akan muncul Window Formula Editor. Pada dialog box dimana terdapat

tulisan INPUT1, ketik nilai nilai atmospheric biasnya. Contoh pada Band

1, INPUT1-68. klik apply changes.

6. Lakukan hal yang sama seperti di atas pada pada setiap band mulai dari

band 1 sampai dengan band 7.

7. Klik icon edit transform limits, pada active windows klik Edit, Delete

this Transform. Lakukan hingga pada setiap band.

8. Lalu simpan dengan nama file

Koreksi_Histogram_MuhammadSulaiman_26020212140030.ers. Pada file

types pilih ER Mapper Raster Dataset(.ers). klik OK.

3.3.3 Pengecekan Data

Tutup semua windows, Pada aplikasi ER Mapper, lalu klik icon Edit

Algorithm, kemudian klik icon load dataset untuk membuka file

Koreksi_Histogram_MuhammadSulaiman_26020212140030.ers,

Kemudian klik icon edit transform limits dan cek nilai atmospheric Amati

nilai Actual Input Limits, pastikan bernilai 1 dari band 1 sampai band 7,

Lakukan pada setiap Band ..

3.3.4 Penyesuaian Regresi

3.3.4.1 Dark Pixel Correction (DPC)

1. Klik icon Land Application Wizard pada aplikasi Er-Mapper

2. Pada Window Land Aplication Wizard, klik next

3. Pilih Process TM Imagenary, lalu klik next

4. Pilih Athmospheric Effect Correction, lalu klik next.

5. Pilih Dark Pixel Correction, lalu klik next

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

dikoreksi berupa citra Landsat_TM_23Apr85.ers , lalu klik ok/

7. Pada dialog box specify an output filename, masukkan nama file output-nya.

BelumKoreksi_DPC_MuhammadSulaiman_26020212140030.ers.

Kemudian klik Finish.

8. Akan muncul citra dengan 7 band yang belum terkoreksi

9. Cut pada band DPC_TM6

10. Kemudian klik icon edit transform limits dan cek nilai atmosferik biasnya

pada window Transform.

11. Pada window Transform klik edit dan pilih Delete this Transform, lakukan

hingga pada setiap band.

12. Lalu simpan dengan nama file

SudahKoreksi_DPC_MuhammadSulaiman_26020212140030.ers. Pada file

types pilih ER Mapper Raster Dataset(.ers). klik OK

13. Tutup semua windows, kemudian klik , kemudian klik Edit Algorithm , lalu

klik icon load dataset untuk membuka baru file yang telah dikoreksi

14. Kemudian klik icon edit transform limits dan cek nilai atmospheric, Amati

nilai Actual Input Limits, pastikan bernilai 1 dari band 1 sampai band 7,

Lakukan pada setiap Band

3.3.4.2 Enchanched Dark Pixel Correction (EDPC)

1. Klik icon Land Application Wizard pada aplikasi Er-Mapper

2. Pada window Land Application Wizard , klik next

3. Pilih Process TM Imagery , klik next

4. Pilih Atmospheric Effect Corecction , klik next

5. Pada window Processing TM Imagery Atmospheric, pilih Enchanced Dark

Pixel Correction. Lalu klik next

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

klik next

7. Pilih Use TM1 as Initial Band dan masukkan nilai atmospheric biasnya.

Nilai atmospheric bias dapat dilihat pada windows transform, klik next.

8. Pada select an option pilih sesuai dengan nilai atmospheric biasnya dan

tuliskan nama file outputnya yaitu

BelumKoreksi_EDPC_MuhammadSulaiman_26020212140030.ers. Lalu

Klik Finish

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

TM6

10. Pilih icon Edit Transform Limit pada Algorithm, pilih Edit pada menu

Transform, lalu Delete This Transform. Lakukan tahap ini pada band 1

sampai band 7.

11. Lalu klik Save As dengan nama file

SudahKoreksi_EDPC_MuhammadSulaiman_26020212140030.ers. Pada

file types pilih ER Mapper Raster Dataset(.ers). klik OK

12. Tutup semua windows, kemudian klik Edit Algorithm , lalu load

dataset untuk membuka baru file yang telah dikoreksi.

13. Pilih icon Edit Transform Limit pada Algorithm, Amati nilai Actual

Input Limits, pastikan bernilai 1 dari band 1 sampai band 7, Lakukan pada

setiap Band .

3.3.4.3 Cut Off Scattergram

1. Klik icon Land Application Wizard pada aplikasi ER MAPPER

2. Pada Window Land Aplication Wizard, klik next

3. Pilih Process TM Imagenary, lalu klik next

4. Pilih Athmospheric Effect Correction, lalu klik next

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

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

dikoreksi berupa citra Landsat_TM_23Apr85.

7. Pada dialog box specify an output filename, masukkan nama file output-nya.

BelumKoreksi_CutOff_MuhammadSulaiman_26020212140030.ers,

Kemudian klik next

8. Pada window New Map Composition, klik close

9. Isi kolom Specity Cut-Off Value for TM1 sampai TM7 (kecuali TM6)

dengan nilai Actual X Axis (B1) Input limits dan Actual Y Axis (B2). Isilah

sesuai dengan nama masing-masing band. Untuk mengganti nilai X Axis

atau Y Axis, pilih Setup pada menu Scattergram. Hal ini dilakukan untuk

mengisi kolom Specity Cut-Off Value for TM3 sampai TM7.

1. Actual X Axis (B1) Input limits dan Actual Y Axis (B2)



10. Setelah semua kolom terisi, klik Finish

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

TM6

12. Pilih icon Edit Transform Limit pada Algorithm, pilih Edit pada

menu Transform, lalu Delete This Transform. Lakukan tahap ini pada

band 1 sampai band 7.

Band 1 :

13. Save as citra tersebut dengan nama yang kita inginkan

SudahKoreksi_Cutoff_MuhammadSulaiman_26020211130025.ers, klik

OK.

14. Tutup semua windows, kemudian klik Edit Algorithm , Load Dataset

untuk membuka baru file yang telah dikoreksi Pilih icon Edit

Transform Limit pada Algorithm, Amati nilai Actual Input Limits,

pastikan bernilai 1dari band 1 sampai band 7.

Band 1 dst.

IV. HASIL DAN PEMBAHASAN

IV.1 Hasil

4.1.1 Pemeriksaan Nilai Atmosfer Bias

Band Nilai Minimum Nilai Maximum

Band 1 68 255

Band 2 21 223

Band 3 15 254

Band 4 4 220

Band 5 2 255

Band 7 1 247

Band 1 :

Band 2 :

Band 3:

Band 4:

Band 5 :

Band 7 :


a. Sebelum Koreksi


Band 1 68 255

Band 2 21 223

Band 3 15 254

Band 4 4 220

Band 5 2 255

Band 7 1 247

Band 1 :

Band 2 :

Band 3 :

Band 4 :

Band 5 :

Band 7 :

b. Setelah Dikoreksi


Band 1 1 187

Band 2 1 202

Band 3 1 239

Band 4 1 216

Band 5 1 253

Band 7 1 246

Band 1 :

Band 2 :

Band 3 :

Band 4 :

Band 5 :

Band 7 :



a. Sebelum dikoreksi


Band 1 1 188

Band 2 1 191

Band 3 0 237

Band 4 -2 205

Band 5 -1 253

Band 7 0 240

Band 1 :

Band 2 :

Band 3 :

Band 4 :

Band 5 :

Band 7 :

b. Setelah dikoreksi


Band 1 1 188

Band 2 1 196

Band 3 1 240

Band 4 1 202

Band 5 1 253

Band 6 1 250

Band 1 :

Band 2 :

Band 3 :

Band 4 :

Band 5 :

Band 7 :

4.1.3.2 Enchanched Dark Pixel Correction (EDPC)

a. Sebelum Koreksi


Band 1 0 188

Band 2 -6.08065 188.91935

Band 3 -9.887156 229.112844

Band 4 -14.1118316 192.8881684

Band 5 -29.1111868 224.8888132

Band 6 -30.2289312 215.7710688

Band 1 :

Band 2 :

Band 3 :

Band 4 :

Band 5 :

Band 7 :

b. Setelah Koreksi


Band 1 1 188

Band 2 1 196

Band 3 1 229

Band 4 1 203

Band 5 1 225

Band 6 1 216

Band 1 :

Band 2 :

Band 3 :

Band 4 :

Band 5 :

Band 7 :

4.1.3.3 Cut-Off Values (Scattergram)

a. Sebelum Koreksi


Band 1 -1 187

Band 2 0 195

Band 3 0 239

Band 4 -3 204

Band 5 0 254

Band 6 0 246

Band 1 :

Band 2 :

Band 3 :

Band 4 :

Band 5 :

Band 7 :

b. Setelah Koreksi


Band 1 1 187

Band 2 1 202

Band 3 1 239

Band 4 1 214

Band 5 1 254

Band 6 1 246

Band 1 :

Band 2 :

Band 3 :

Band 4 :

Band 5 :

Band 7 :

IV.2 Pembahasan

4.2.1 Koreksi Radiometri

Pada praktikum inderaja modul 2 ini masih menggunakan software ER

Mapper yang fungsinya untuk mengolah data citra atau satelit. Di

dalam software ER Mapper ini koreksi radiometri ditujukan untuk

memperbaiki nilai pixel supaya sesuai dengan yang seharusnya yang

biasanya mempertimbangkan faktor gangguan atmosfer sebagai

sumber kesalahan utama. Koreksi radiometri dilakukan menggunakan

metode yang paling sederhana, yaitu penyesuaian histogram dan

penyesuaian regresi.


Penyesuaian histogram dilakukan dengan menambahkan nilai

terendah pada window Formula Editor. Misal nilai terendah pada Band

1 adalah 68 maka kita tuliskan INPUT1 – 68.Kata INPUT1 sudah ada

pada Formula Editor sehingga kita hanya menuliskan nilai

terendahnya saja. Pengurangan angka dilakukan tanpa memperhatikan

nilai positif (+) dan negatif (-) masing–masing nilai tersebut. Setelah

dilakukan koreksi dengan penyesuaian histogram didapatkan nilai

band yang dimulai dari 1.


Metode yang digunakan dalam praktikum ini adalah metode

regresi. Penyesuaian regresi diterapkan dengan memplot nilai-nilai

pixel hasil pengamatan dengan beberapa saluran sekaligus. Hal ini

diterapkan apabila ada saluran rujukan (yang relatif bebas gangguan)

yang menyajikan nilai nol untuk obyek tertentu. Kemudian tiap

saluran di pixel angkanya dengan saluran rujukan tersebut untuk

membentuk diagram pancar nilai yang diamati. Pengambilan pixel-

pixel pengamatan harus berupa obyek yang secara gradual berubah

naik nilainya, pada kedua saluran sekaligus dan bukan hanya pada

salah satu saluran.


Fungsi Dark Pixel Correction terdapat pada window Land

Application Wizard toolbar Remote Sensing. Setelah muncul

window Dark Pixel Correction maka kita memasukkan file input

dan band-nya. Kemudian Koreksi telah dilakukan secara otomatis

oleh ER Mapper berdasarkan Dark Pixel Correction yang kita

pilih.

4.2.3.2 Enhanched Dark Pixel Correction (EDPC)

Nilai TM yang digunakan kali ini adalah TM 3 yang

memiliki nilai terbesar dari pada nilai TM yang lain. Kemudian

setelah memasukkan nilai TM yang paling kecil terdapat pilihan

untuk pembersihan yang dilakukan yaitu Very Clear, Clear,

Moderate, Hazy, dan Very Hazy. Pada praktikum kali ini kita

menggunakan metode koreksi Clear dengan syarat TM1

>55<=75.

4.2.3.3 Cut-Off ( Scattegram )

Cara Cut Off merupakan cara ketiga dalam koreksi atmosfer

yang menggunakan dua variasi Scattergram. Dengan

memasukkan nilai terendah tiap – tiap Band pada window

Scattergram. Pada kerja Cut Off ini spesifik value dari cut off

adalah TM1 sampai TM5 dan TM7. Setelah nilai TM yang ada

dimasukkan, pada layer Cut layer TM6 yang tidak digunakan

pada koresi kali ini.

V. KESIMPULAN

1. Koreksi radiometri ditujukan untuk memperbaiki nilai pixel supaya sesuai

dengan yang seharusnya yang biasanya mempertimbangkan faktor gangguan

atmosfer sebagai sumber kesalahan utama.

2. Penyesuaian histogram dilakukan dengan menambahkan nilai terendah pada

window Formula Editor. Misal nilai terendah pada Band 1 adalah 68 maka

kita tuliskan INPUT1 – 68.Kata INPUT1 sudah ada pada Formula Editor

sehingga kita hanya menuliskan nilai terendahnya saja.

3. Penyesuaian regresi diterapkan dengan memplot nilai-nilai pixel hasil

pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan apabila

ada saluran rujukan (yang relatif bebas gangguan) yang menyajikan nilai nol

untuk obyek tertentu.

4. Fungsi Dark Pixel Correction terdapat pada window Land Application

Wizard toolbar Remote Sensing.

5. Enhanched Dark Pixel Correction metode pembersihan yang dilakukan yaitu

Very Clear, Clear, Moderate, Hazy, dan Very Hazy. Pada praktikum kali ini

kita menggunakan metode koreksi Clear dengan syarat TM1 >55<=75.

6. Cara Cut Off merupakan cara ketiga dalam koreksi atmosfer yang

menggunakan dua variasi Scattergram. Dengan memasukkan nilai terendah

tiap – tiap Band pada window Scattergram.

DAFTAR PUSTAKA

Anonim.2012.http://inderaja-edit_transform_limit.com, diakses pada 28

September 2013 pukul 19:22 WIB.

Anonim.2012. http://anjar.web.ugm.ac.id, diakses pada 28 September 2013 pukul

19:25 WIB.

Anonim.2012. www.geocities.com/yaslinus/citra.html, diakses pada 28 September

2013 pukul 23:00 WIB.

Anonim.2012. http://library.usu.ac.id, diakses pada 28 September 2013 pukul

19:44 WIB.

Danoedoro, P. 1990. Beberapa Teknik Operasi dalam Sistem Informasi Geografis.

Puspics UGM - Bakosurtanal. Yogyakarta.

Janssen, L. F. Lucas, H. Middlekoop.1986. International Journal of Remote

Sensing Vol. 13, No. 15, (1986) 2827-2837.

Konturgeo.2008.http://konturgeo.blogspot.com/2008/09/koreksi-radiometrik.html,

diakses pada 28 September 2013 pukul 19.30 WIB.

Lillesand dan Kiefer.1987. Penginderaan Jauh dan Interpretasi Citra. Gadjah

Mada University Press, Yogyakarta.

Rahmiariani. 2009. http://rahmiariani.blogspot.com/2009/04/koreksi-citra.html ,

diakses pada 28 September 2013 pukul 19.55 WIB.

Sabins, Floyd F. 1996. W. Remote Sensing. Principles and Interpretation.

Soenarmo, Sri Hartanti. 1994. Pengindraan Jauh dan Pengenalan Sistem

Informasi Geografi untuk Bidang ilmu Kebumian. Bandung : ITB.

Sumaryono. 1999. Pemanfaatan Penginderaan Jauh Untuk Pemantauan

Reboisasi Di Sub DAS Roraya-Kendari dalam Prosiding Pertemuan Ilmiah

Tahun Ke-8 MAPIN (Masyarakat Penginderaan Jauh Indonesia). Jakarta.

Sutanto, 1987. Penginderaan Jauh I, Gajah Mada University Press, Yogyakarta.