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