koreksi radiometri
TRANSCRIPT
BAB I
PENDAHULUAN
I.1. Latar Belakang
Lebih dari 80% dari seluruh data yang digunakan dalam kehidupan sehari-
hari, baik dalam dunia bisnis maupun dunia pemerintahan adalah merupakan data
geografis atau data yang berkaitan dengan posisi objek di permukaan bumi.
Analisis data geografis tidak akan dapat dilakukan secara deskriptif saja,
melainkan harus memadukan dengan analisis spasial untuk memperoleh informasi
yang akurat dan terintegrasi.
ER Mapper merupakan salah satu piranti lunak yang telah terbukti banyak
digunakan baik di kalangan pemerintah maupun swasta. Hal ini dapat dimaklumi
karena pada awal peluncurannya yaitu pada versi 5.0. ER Mapper telah
menyajikan kemampuan pengolahan citra yang cukup lengkap. Banyak
keunggulan dari program ER Mapper ini yang sangat berguna bagi kehidupan.
Oleh karena itu, penting bagi kita untuk dapat menguasai program ER Mapper ini.
Koreksi radiometri (Satelite Image Callibration) 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 electromagnet matahari yang
berpengaruh pada nilai spectral citra.
Pengaruh hamburan (scattering) pada citra akan menyebabkan nilai
spectral citra menjadi lebih tinggi daripada nilai sebenarnya.
Metode koreksi radiometri yang digunakan pada praktikum ini adalah
Metode Penyesuaian Histogram (Histogram Adjustment).
I.2. Tujuan Praktikum
Setelah melaksanakan praktikum ini, mahasiswa diharapkan dapat
melakukan koreksi radiometrik citra dengan Metode Penyesuaian Histogram
menggunakan perangkat lunak ER Mapper 6.4. maupun ER Mapper 7.0.
1
BAB II
TINJAUAN PUSTAKA
2.1. Satelit Penginderaan Jauh
Satelit penginderaan jauh dapat dibedakan berdasarkan jenis gelombang
mikro yang digunakan yaitu system aktif (radar) dan pasif (optic). Pada system
pasif, sensor merekam objek (permukaan bumi) yang mendapat sinar matahari
sebagai sumber energi, sehingga kualitas citra bergantung pada intensitas sinar
matahari. Apabila objek tertutup awan maka objek tidak terlihat atau tidak
tergambarkan. Pada system aktif, sensor merekam objek menggunakan energi
elektromagnetik buatan yang dipancarkan dari sensor dan kemudian diterima
kembali oleh antenna. (Wahyunto et al., 1998).
Energi elektromagnetik tersebut berupa gelombang pendek (microwave)
dengan panjang gelombang bervariasi (2,60-30 cm) atau X, C, S, L-band dan
mempunyai kemampuan menembus awan, sehingga tidak terpengaruh cahaya
matahari dan dapat bekerja siang an malam. (Lillesand dan Keifer, 1994).
2.2. Pengolahan Citra
Pengolahan data citra merupakan suatu cara memanipulasi data citra atau
mengolah suatu data citra menjadi suatu keluaran (output) yang sesuai dengan
yang kita harapkan. Adapun cara pengolahan data citra itu sendiri melalui
beberapa tahapan, sampai menjadi suatu keluaran yang diharapkan. Tujuan dari
pengolahan citra adalah mempertajam data geografis dalam bentuk digital menjadi
suatu tampilan yang lebih berarti bagi pengguna, dapat memberikan informasi
kuantitatif suatu obyek, serta dapat memecahkan masalah. (www.geocities.org).
Data digital disimpan dalam betuk barisan kotak kecil dua dimensi yang
disebut pixels (picture elements). Masing-masing pixel mewakili suatu wilayah
yang ada di permukaan bumi. Struktur ini kadang juga disebut raster, sehingga
data citra sering disebut juga data raster. Data raster tersusun oleh baris dan kolom
dan setiap pixel pada data raster memiliki nilai digital (gambar 1).
2
Gambar . Struktur Data Raster
Data yang didapat dari satelit umumnya terdiri beberapa bands (layers)
yang mencakup wilayah yang sama. Masing-masing bands mencatat pantulan
obyek dari permukaan bumi pada panjang gelombang yang berbeda. Data ini
disebut juga multispectral data. Di dalam pengolahan citra, juga dilakukan
penggabungan kombinasi antara beberapa band untuk mengekstraksi informasi
dari obyek-obyek yang spesifik seperti indeks vegetasi, parameter kualitas air,
terumbu karang dan lain-lain. (www.lapanrs.com).
2.3. Koreksi Citra Satelit
Untuk dapat memberikan informasi yang benar, baik jenis informasi
maupun skalanya, rekaman citra satelit perlu diperbaiki. Perbaikan citra meliputi
koreksi radiometri dan koreksi geometric. Koreksi radiometric dilakukan karena
adanya efek atmosferik yang mengakibatkan kenampakan bumi tidak selalu tajam.
Sedangkan koreksi geometric merupakan upaya memperbaiki citra dari pengaruh
kelengkungan bumi dan gerakan muka bumi dengan cara menyesuaikannya
dengan koorinat bumi (memposisikan letak lintang dan bujur), sehingga sesuai
dengan koordinat peta dunia. Koreksi radiometric berkaitan dengan interaksi
radiasi elektromagnetik dengan atmosfer dan mengkonversi data sehingga dapat
digunakan secara akurat oleh sensor. (www.pustaka-deptan.go.id).
Koreksi radiometri (penajaman citra) ditujukan untuk memperbaiki nilai
pixel supaya sesuai dengan yang seharusnya yang biasanya mempertimbangkan
faktor gangguan atmosfer sebagai sumber kesalahan utama. Efek atmosfer
menyebabkan nilai pantulan obyek di permukaan 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. (Danoedoro, 1996).
3
2.4. Penyesuaian Histogram
Penyesuaian histogram (histogram adjustment) meliputi evalusi histogram
pada setiap band dari data penginderaan Jauh. Biasanya data pada yang panjang
gelombang tampak (TM saluran 1-3) mempunyai nilai minimum yang lebih tinggi
karena dipengaruhi oleh hamburan atmosfer. Sebaliknya, penerapan atau absorpsi
pada atmoefer akan mengurangi kecerahan pada data yang di rekam dalam
interval panjang gelombang yang lebih besar seperti TM 4, 5, 7. Sehingga data
pada band ini nilai minimumnya mendekati nilai nol. Algorithma yang
dipergunakan untuk koreksi radiometric mengikuti formula sebagai berikut :
Output BV
Di mana :
- Input : input pixel pada baris 1 dan kolom j dari band k
- Output : nilai pixel yang dikoreksi pada lokasi yang sama
- Bias : selisih nilai minimal dan nilai nol pada saluran k
- BV : Brightness Value atau nilai kecerahan
Pada prinsipnya algorithma ini mengurangi nilai bias dengan nilai bias nilai
kecerahan pada band tertentu. 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. (www.pustaka-deptan.go.id).
4
BAB III
MATERI DAN METODE
3.1. Waktu dan Tempat
Praktikum penginderaan jauh dilaksanakan pada :
Hari/tanggal : Jum’at, 20 April 2007
Waktu : Pukul 13.00 BBWI
Tempat : Laboratorium Komputer
Kampus Ilmu Kelautan Tembalang
3.2. Materi
Koreksi radiometrik citra dengan Metode Penyesuaian Histogram
(Histogram Adjustment) menggunakan perangkat lunak ER Mapper 6.4.
3.3. Cara Kerja
1. Koreksi Radiometri
1.1. Membuka Citra dan Memeriksa Atmosferic Bias
Bukalah aplikasi ER Mapper 6.4., lalu klik icon Edit Algorithm.
Kemudian buka citra wilayah pesisir dengan menggunakan Load Dataset.
Pada B1 : Band1, klik icon . Maka akan muncul window baru
yaitu Transform dan akan terlihat athmospheric biasnya 59. Lalu ganti band-nya
menjadi B2 : Band2. Maka akan terlihat atmospheric biasnya adalah 16. Lakukan
hal yang sama untuk B3 : Band3, B4 : Band 4, B5 : Band5 dan B6 : Band7.
5
B1 : Band1 B2 : Band2 B3 : Band3 B4 : Band4 B5 : Band5
B6 : Band7
Duplikatlah Pseudo Layer menjadi sejumlah 6 Pseudo Layer.
Kemudian masing-masing Pseudo Layer diganti namanya menjadi Band1,
Band2 dan seterusnya sampai Band7.
Setelah diganti namanya, masing-masing Band nilainya disesuaikan
dengan nama Band-nya. Misal Band1 maka nilai Band-nya B1 : Band1
1.2. Metode Penyesuaian Histogram
Pilihlah Band1, kemudian klik icon Formula Editor , maka akan
muncul window Formula Editor.
6
Lalu tambahkan dengan (-) nilai Atmospheric Biasnya untuk Band1 yaitu
59 setelah tulisan “INPUT1”. Lalu klik Apply Changes. Lakukan hal yang
sama pada Band2 dan seterusnya sampai Band7. Nilai yang dikurangkan
tergantung dari nilai Athmospheric Bias masing-masing Band.
Kemudian buka lagi untuk Band1, klik Edit, Delete this Transform.
Lakukan hal yang sama untuk semua Band. Setelah itu, klik File, Save as. Save
file dengan nama “Landsat_17081994_radiometri_Bachtiar.ers”. Jangan lupa
mangganti type file menjadi ER Mapper Raster Dataset (.ers).
Klik OK, kemudian proses saving akan berlangsung.
Kemudian cek lagi nilai atmospheric biasnya dengan menggunakan Load
Dataset. Buka file yang tadi, kemudian klik Transform.
1.3. Teknik-Teknik Penyesuaian Histogram Lainnya
a. Teknik Dark Pixel Correction (DPC).
Pada window utama, klik Toolbars, pilih Remote Sensing.
7
Kemudian akan muncul icon-icon baru.
Kemudian klik icon Land Aplication Wizard .
Pada window Land Aplication Wizard, klik Next.
Pilih Process TM Imagery, lalu klik Next.
Pilih Atmospheric Effect Correction, lalu klik Next.
Pilih Dark Pixel Correction, lalu klik Next.
8
Masukkan input berupa citra yang akan dikoreksi yaitu citra
Landsat_TM_23Apr85.ers yang tersimpan dalam C:\ER Mapper 64\
Examples\Shared Data. Masukkan juga file output-nya yaitu
Landsat_TM_23Apr85_dpc.ers. Kemudian klik Finish.
Akan muncul tampilan citra dengan 7 Band yang telah terkoreksi. Lalu
klik Edit Algorithm.
Kemudian periksalah nilai athmospheric biasnya pada window
Transform.
Kemudian pada window Transform, klik Edit, dan pilih Delete this
Transform. Lakukanlah juga untuk ketujuh Band lainnya.
Kemudian klik kanan pada citra dan pilih Quick Zoom lalu Zoom to All
Dataset.
9
Kemudian save hasilnya dengan nama
Landsat_TM_23Apr85_koreksi_radio.ers dengan format ER Mapper
Raster Dataset (.ers). Lalu akan muncul window baru, klik OK.
Lalu close window pada citra, kemudian buka file hasil dengan Load
Dataset. Periksalah nilai athmospheric bias masing-masing Band melalui
window Transform.
b. Enhanced Dark Pixel Correction (EDPC)
Sebelumnya, lakukan proses yang sama dengan teknik DPC. Lalu pada
window Processing TM Imagery Athmospheric Bias, pilihlah
Enhanced Dark Pixel Correction, lalu klik Next.
Masukkan file citra yang akan dikoreksi yaitu
Landsat_TM_23Apr85.ers. Lalu klik Next.
Pilih Use TM3 as Initial Band dan masukkan nilai atmospheric bias-nya,
lalu klik Next.
10
Pilih range besarnya nilai atmospheric bias-nya dan tuliskan nama
outputnya, yaitu Landsat_TM_23Apr85_koreksi_radio_edpc.ers., lalu
klik Finish.
Selanjutnya, lakukan proses yang sama seperti pada teknik DPC. Jangan
lupa save hasilnya dengan nama
Landsat_TM_23Apr85_koreksi_radio_edpc2.ers dengan format ER
Mapper Raster Dataset (.ers).
c. Cut-off Scatergram
Sebelumnya, lakukanlah proses yang sama seperti pada teknik DPC. Lalu
pada window Processing TM Imagery Atmospheric Bias, pilihlah Cut-
Off Values (Scatergram), kemudian klik Next.
Masukkan file citra yang akan dikoreksi yaitu
Landsat_TM_23Apr85.ers, dan nama file output-nya
Landsat_TM_23Apr85_koreksi_radio_cutoff.ers. Lalu klik Next.
11
Lalu akan muncul window-window baru. Pada window Processing TM
Imagery Atmospheric Effect Correction (Cut-Off Values), masukkan
nilai-nilai atmospheric bias maing-masing Band yang terlihat pada
window Scatergram.
Untuk melihat nilai-nilai atmospheric bias Band-band lainnya, klik Setup.
Lalu pada window Scatergram Setup, klik bagian X Axis atau Y Axis,
pilih Band yang akan dilihat nilai atmospheric bias-nya.
Pada window New Map Composition, klik Cancel.
Pada window Processing TM Imagery Atmospheric Effect Correction
(Cut-Off Values), lengkapi nilai-nilai Cut-Offnya lalu klik Finish.
12
Selanjutnya, lakukan proses yang sama dengan teknik DPC dan EDPC.
Jangan lupa, sebelum dilakukan proses saving, pada window algorithm,
Cut layer TM6. Save hasilnya dengan nama Landsat_TM_23Apr85-
_koreksi_radio_cutoff2.ers dengan format ER Mapper Raster Dataset
(.ers).
13
BAB IV
HASIL DAN PEMBAHASAN
4.1. Hasil Praktikum
1.1. Membuka Citra dan Memeriksa Atmosferic Bias
1.2. Metode Penyesuaian Histogram
1.3. Teknik-Teknik Penyesuaian Histogram Lainnya
a. Teknik Dark Pixel Correction (DPC).
b. Enhanced Dark Pixel Correction (EDPC)
14
c. Cut-off Scatergram
4.2. Pembahasan
Pada praktikum kali ini, kita akan mempelajari cara mengkoreksi citra
dengan menggunakan metode penyesuaian histogram lainnya, yaitu berupa
koreksi radiometric. Perbaikan citra merupakan suatu proses untuk mengurangi
kesalahan yang terdapat pada citra pada saat perekaman, sehingga kualitas citra
pada saat penyadapan data dapat dipertanggungjawabkan dan dapat
mempermudah dalam proses identifikasi dan determinasi. Untuk memperjelas
pengertian terhadap perbaikan citra, berikut akan dijabarkan mengenai perbaikan
citra.
Dalam melakukan koreksi citra ini diperlukan ketelitian yang tinggi untuk
menghasilkan hasil yang teruji dan dapat dipertanggungjawabkan. Koreksi
radiometric merupakan tahap awal dalam pengolahan data sebelum analisis
dilakukan untuk suatu tujuan, misalnya untuk identifikasi liputan lahan pertanian.
Proses koreksi radiometric mencakup koreksi efek-efek yang berhubungan dengan
sensor untuk meningkatkan kontras (enhancement) setiap pixel (picture element)
dari suatu citra, sehingga objek yang terekam dapat dengan mudah
diintepretasikan atau dianalisis untuk dapat menghasilkan data/informasi yang
benar sesuai dengan keadaan di lapangan. Setiap software pengolah data citra
mempunyai modul untuk menjalankan proses ini. Ada beberapa cara dalam
mengkoreksi dan memperjelas nilai spectral dari suatu citra satelit, salah satunya
adalah dengan transformasi Gaussian equalize. Sebelum dikoreksi biasanya suatu
citra akan nampak hitam, hamper tidak ada informasi yang dapat diidentifikasi
atau dikenali, karena masih dipengaruhi oleh efek atmosferik. Setelah dilakukan
koreksi radiometric, pada citra tersebut akan tampak beberapa objek sumber daya
lahan yang dapat dikenali, seperti laut, garis pantai dan daratan.
15
Koreksi radiometric diperlukan pada analisa data penginderaan jauh
karena pada saat perekaman, tenaga radiometric yang sampai ke sensor banyak
mengalami gangguan atmosfer. Radiasi matahari yang berinteraksi dengan
atmosfer bumi akan mengalami hamburan dan absorbsi. Absorbsi atmosfer oleh
uap air dan gas-gas lainnya pada atmosfer cenderung berpengaruh pada panjang
gelombang yang lebih besar dari (0,4-7m). Efek dari hamburan dan penyerapan
atmosfer akan mempengaruhi nilai kecerahan pada citra sehingga menjadi sumber
kesalahan dan menurunkan kualitas dari data penginderaan jauh. Hal ini dapat
terjadi pada saat kita ingin membandingkan respon spectral dari suatu pixel
dengan citra lainnya pada daerah yang sama. Untuk mengatasi masalah tersebut
dikembangkan 2 teknik, yaitu metode penyesuaian histogram dan metode
penyesuaian regresi.
Metode yang digunakan dalam pelatihan ini adalah metode penyesuaian
histogram. Pemilihan metode ini dilandasi oleh alasan bahwa metode ini cukup
sederhana, waktu yang digunakan untuk pemrosesan lebih singkat dan tidak
memerlukan perhitungan matematis yang rumit. Asumsi dari metode ini adalah
dalam proses koding digital oleh sensor, obyek yang memberikan respon spektral
yang paling rendah seharusnya bernilai 0. Apabila nilai ini ternyata melebihi
angka 0 maka nilai tersebut dihitung sebagai offset dan koreksi dilakukan dengan
mengurangi seluruh nilai pada saluran tersebut dengan offset-nya.
Buka citra yang akan dikoreksi radiometri dan tampilkan (misal Band1).
Kemudian pada Algorithm Window klik toolbar untuk melihat histogram
citra yang sedang ditampilkan. Perhatikan histogram citra yang sedang
ditampilkan, misal seperti gambar di bawah ini :
Gambar . Histogram Citra yang Sedang Ditampilkan
Perhatikan angka yang terlihat pada Actual Input Limits (angka 56
merupakan nilai piksel terendah dan angka 154 adalah nilai piksel tertinggi).
16
Menurut metode Histogram Adjustment, nilai piksel terendah haruslah nol (0) dan
bila tidak demikian berarti nilai tersebut adalah nilai bias yang dapat dijadikan
dasar dalam melakukan koreksi radiometrik citra.
Setelah mengetahui nilai bias dari citra, tekan tombol Close. Kemudian
pada Algorithm Window klik toolbar formula dan akan muncul kotak
dialog Formula Editor sebagai berikut di bawah ini :
Gambar . Kotak Dialog Formula Editor
Kemudian isikan seperti gambar di atas dan tentukan Band yang
digunakan untuk Input1-nya (dalam hal ini band 1). Setelah diisikan, klik tombol
. . Berarti kita telah mengkoreksi citra untuk band 1. Untuk band-
band yang lainnya lakukan prosedur yang sama seperti di atas, dan setelah semua
band selesai dikoreksi, simpanlah menjadi dataset citra yang telah dikoreksi
radiometrik.
1. Tombol Transform
Secara default, banyak layer raster data dalam ER Mapper mempunyai
2 tombol transform dalam algorithm. Pertama diaplikasikan sebelum formula
(pre-formula) dan lainnya diaplikasikan setelah formula (post-formula). Anda
juga dapat menyisipkan dan menambahkan transform tambahan dikeduanya
untuk membuat penajaman kekontrasan yang lebih komplek.
2. Transform Dialog Box
Ketika anda meng-klik satu tombol transform pada algorithm window,
maka ER Mapper akan membuka transform dialog box yang menyediakan
control interaktif untuk penajaman kontras dan modifikasi
pemetaan/perentangan warna. Sebuah konsep dalam penggunaan transform
dialog adalah menggerakkan garis transform, sebab garis ini mengontrol
pemetaan nilai data untuk mendisplay kecerahan atau warna. Untuk
17
memindahkan garis ini, caranya sederhana dengan menggeser ke lokasi yang
baru atau klik tombol otomatis yang tersedia di samping kanan histogram.
Buka dataset yang anda punya. Pada Algorithm Windows
pilih salah satu saluran (misal band 1).
Citra akan tampil dengan tampilan agak gelap, untuk lebih
mempertajam kenampakan suatu citra, klik (Edit Transform
Limits) pada Algorithm Window. .
Akan muncul dialog box seperti di bawah :
Gambar . Jendela Transformasi
Untuk meningkatkan kontras citra, klik Create Autoclip
Transform atau bisa juga dengan mengklik Histogram Equalize.
Citra akan tampil dengan kontras yang lebih baik.
Transformasi adalah teknik peningkatan kontras warna dan cahaya dari
suatu citra sehingga memudahkan untuk interpretasi dan analisis citra.
Histogram adalah suatu tampilan grafik dari distribusi frekuensi relatif dalam
suatu dataset. Suatu kotak dialog transformasi akan menampilkan histogram
data masukan dan data keluaran setelah ditransformasi, dan garis transformasi.
Untuk mengkontraskan data dengan menghilangkan 1 %
informasi klik
Untuk mengkontraskan data secara manual klik akan
keluar tampilan sebagai berikut :
18
Gambar. Jendela Pengaturan Transformasi
Kesembilan icon di sebelah kanan adalah berbagai jenis stretch yang
umum digunakan antara lain transformasi linier, histogram equalisasi,
gausian, dll. Untuk mengetahui jenis transformasi untuk setiap icon
letakkan cursor beberapa saat di atas icon.
Untuk mengganti layer yang akan diubah kontrasnya klik , atau
Anda dapat juga membuat kontras citra secara manual
dengan men-drag garis lurus pada kotak histogram dengan mouse kiri.
Selain itu, terdapat 3 teknik penyesuaian histogram lainnya, yaitu :
1. Teknik Dark Pixel Correction (DPC).
2. Teknik Enhanched Dark Pixel Correction (EDPC).
3. Teknik Cut-Off Scattergram.
Perbedaan dari ketiga teknik tersebut terletak pada Athmospheric Effect
Correction of a TM dataset. Pada teknik Dark Pixel Correction (DPC), setelah
dimasukkan nilai input dan output serta di-klik finish, maka akan langsung
muncul citra dengan 7 band yang telah dikoreksi. Sedangkan pada teknik
Enhanched Dark Pixel Correction (EDPC), digunakan komposisi dari RGB
(TM321) yang telah dimainkan. Di sini kita harus memilih Band dengan nilai cut-
off yang paling tinggi. Setelah itu, baru dimasukkan nilai atmospheric biasnya
dan dimasukkan pula range besarnya nilai atmospheric bias-nya. Teknik yang
terakhir, yaitu teknik Cut-Off Scattergram, digunakan window scattergram untuk
tempat memasukkan nilai-nilai atmospheric bias-nya. Selain itu, langkah-
langkahnya hamper sama antara ketiga teknik tersebut.
Pada saat ditransmisikan ke bumi data MSS Landsat mengalami distorsi
dengan berbagai cara. Secara radiometric, nilai digital tidak selalu tepat dalam
kaitannya dengan tingkat energi objek secara geometric maka letak kenampakan
pada citra tidak selalu tepat benar bila dikaitkan dengan letaknya pada peta.
Teknik koreksi berguna untuk memperkecil masalah ini dan menciptakan data
citra yang lebih bermanfaat bagi analisis. Oleh karena data MSS Landsat
disajikan dalam bentuk numeric maka dimungkinkan penggunaan teknik koreksi
dengan ketelitian tinggi dengan menggunakan computer. Meskipun pada satu saat
19
diserahkan kepada pengguna untuk melaksanakannya, jumlah yang selalu
bertambah tentang koreksi citra ini telah termasuk di dalam pengandaran
pengolahan data Landsat baku sebelum didistribusikan.
Sistem MSS Landsat menggunakan jajaran detector jamak untuk
mengindera beberapa garis citra bersama-sama pada tiap satuan cermin. Saluran 4
hingga saluran 7 pada Landsat masing-masing menggunakan 6 detektor dan
menghaasilkan enam garis citra pada satu kali sapuan cermin. Konfigurasi ini
memerlukan jajaran detector yang terdiri dari 24 buah (6 garis x 4 saluran).
Karena sifat khas keluaran detector tidak tepat sama, dan keluarannya berubah
secara berangsur sesuai dengan perubahan waktu, maka diperlukan untuk
melakukan kalibrasi keluarannya. Untuk melakukannya maka penyiam
mengamati suatu filter bagi tingkat (step wedge) yang disinari secara elektronik
selama tiap sapuan cermin. Pada tiap orbitnya, penyiam mengamati matahari satu
kali sebagai bakal kalibrasi yang lebih mutlak. Nilai kalibrasi ini digunakan untuk
mengembangkan fungsi radiometric bagi tiap detector. Fungsi koreksi
menghasilkan nilai digital yang mempunyai hubungan linier dengan tingkat
radiasi dan diterapkan untuk semua data sebelum didistribusikan.
Nilai radiasi yang diperoleh dari saluran 4 hingga 7 Landsat tidak akan
berkaitan langsung dengan tingkat pantulan medan karena adanya komponen
tambahan sinar udara (air light) yang dipantulkan oleh atmosfer. Komponen
tambahan ini menyebabkan menurunnya kontras citra. Jelas bahwa penggunaan
panel pantulan untuk melakukan kalibrasi data citra tidak sesuai bagi skala data
Landsat. Sebagai pilihan lain suatu tafsiran kasar atas sinar udara dapat
ditentukan dengan menemukan nilai digital terkecil pada data citra digital.
Dengan asumsi bahwa pixel ini sesuai dengan kenampakan yang nilai digitalnya
mendekati nol, maka nilai digital pada titik ini hanya merupakan akibat dari sinar
udara saja. Dengan menguraikan nilai ini terhadap semua nilai digital dalam
rangkaian data maka komponen sinar udara dapat ditiadakan. Proses ini disebut
penyisihan kabut (haze removal). Metode lain yang lebih tepat untuk
memperkirakan besarnya sinar udara juga telah digunakan. Pengaruh kabut juga
dapat dikurangi dengan menggunakan metode “perentangan kontras” (contrast
strech) atas data. Teknik ini merupakan salah satu bentuk penajaman.
20
Kadang-kadang bentuk koreksi radiometric nominal tidak sepenuhnya
dapat mengimbangi fungsi detector yang kurang tepat. Pada kasus ini, pada garis
yang keenam tiap siaman dapat diamati adanay jarak pada data citra. Citra yang
diperbesar mengisyaratkan pengaruh jalur garis keenam (sixth line stripping) ini.
Beberapa teknik ini mungkin dapat digunakan untuk mengurangi
ketidaknyamanan visual ini. Pendekatan yang paling sederhana ialah dengan
mengalihkan nilai pixel pada garis yang jelek tersebut dengan faktor normalisasi
yang menghasilkan nilai terubah dengan mengalikan nilai pixel pada garis yang
jelek tersebut dengan nilai rerata dan simpangan baku sama dengan garis yang
baik pada citra. Jenis pengandaran ini tidak benar-benar mengoreksi nilai, tetapi
hanya merupakan perbaikan pada kenampakan citra yang dihasilkan.
Satu garis pada citra kadang-kadang kurang sempurna oleh adanya
masalah sensor atau pengiriman data. Ada beberapa teknik untuk menempatkan
garis yang jelek ini dengan cara mendeteksi perbedaan besar yang tidak lazim
dalam nilai citra bagi garis yang berurutan. Setelah dideteksi, garis tersebut dapat
dikoreksi secara kias sederhana dengan mengulang garis sebelumnya atau
mengambil rerata nilai yang bersangkutan pada garis sebelum dan kesudahannya.
21
BAB V
KESIMPULAN
Setelah melaksanakan praktikum, dapat diperoleh kesimpulan :
1. Sebelum dianalisis, citra satelit perlu diperbaiki melalui proses koreksi
(dalam hal ini koreksi radiometric).
2. Koreksi radiometric dilakukan untuk mendapatkan detail informasi yang
jelas, sehingga akan mengurangi kesalahan alam mengintepretasi,
mengidentifikasi dan mengklasifikasi citra satelit.
3. Metode koreksi radiometri yang digunakan dalam praktikum ini adalah
Metode Penyesuaian Histogram (Histogram Adjustment).
4. Teknik-teknik penyesuaian histogram lainnya yaitu :
a. Teknik Dark Pixel Correction (DPC).
b. Teknik Enhanched Dark Pixel Correction (EDPC).
c. Teknik Cut-Off Scattergram.
22
DAFTAR PUSTAKA
Danoedoro, Projo.1996.Pengolahan Citra Digital Teori dan Aplikasinya dalam
Bidang Penginderaan Jauh.UGM Press:Yogyakarta.
Lillesand, Thomas dan Ralph W. Kiefer.1990.Penginderaan Jauh dan
Interpretasi Citra.UGM Press:Yogyakarta.
Wahyunto A. Hidayat, dan A. Adimiharja.1998.Penggunaan citra satelit untuk
identifikasi dan inventarisasi areal tanaman pangan serta
estimasi produksinya. Makalah Rapat Pembahasan
Program dan Pelaksanaan IP Padi 300 dan SUP MH
1998/1999 di Pakanbaru, Riau, 3-4 September 1998.
www.geocities.org
www.lapanrs.com
www.pustaka-deptan.go.id
Diakses pada hari Minggu, 22 April 2007 pukul 22.00-23.30 BBWI.
23