BAB I PENDAHULUAN I.1.

Transkripsi

1 1 BAB I PENDAHULUAN I.1. Latar Belakang Pelabuhan Perikanan Pantai (PPP) Sadeng merupakan salah satu pelabuhan perikanan yang secara geografis berada di daerah selatan provinsi Yogyakarta. Pelabuhan ini berada dimuara sungai bengawan solo purba. Pelabuhan pantai sadeng yang berada di selatan Pulau Jawa mengakibatkan pelabuhan ini berada pada zona penajaman lempeng bumi. Hal ini mengakibatkan pelabuhan tersebut menjadi rawan akan gempa. Gempa pada daerah pantai atau pesisir biasanya juga rawan akan tsunami. Pembentukan model tsunami pada daerah pelabuhan tersebut dapat membantu proses evaluasi dan evakuasi dari warga sekitar pelabuhan tersebut. Selain itu juga dapat menghitung kerugian dari dampak bencana yang terjadi. Pembentukan model tsunami itu membutuhkan data yang akurat mengenai penampakan geomorfologi dari pelabuhan pantai sadeng. Data yang dibutuhkan berupa data topografi pelabuhan dan daerah sekiarnya. Pengumpulan data topografi dapat dilakukan secara langsung maupun tidak langsung. Pengukuran secara langsung dapat dilakukan dengan pengukuran menggunakan total stasion. Namun untuk pengukuran langsung dibutuhkan waktu yang sangat lama dan biaya yang besar akibat cakupan luas yang besar. Pengukuran secara tidak langsung dapat dilakuan dengan metode foto udara ataupun metode pengukuran menggunakan citra satelit. Pengukuran dengan metode foto udara dapat dilakukan dengan wahana udara tanpa awak (WUTA) atau dikenal dengan istilah Unmanned Aerial Vehicle (UAV). Foto udara dengan WUTA dapat menghemat waktu dan biaya karena praktis dan juga tidak memakan waktu yang lama. Sedangkan pengukuran menggunakan citra satelit kurang baik dalam hal temporal waktu perekaman data karena data yang di rekam bukan merupakan data terkini dan juga biaya yang mahal dalam pembelian citra satelit dari pelabuhan pantai sadeng. Dari pengukuran menggunakan WUTA, data yang yang diperoleh berupa data foto. Pengukuran titik GCP dilakukan menggunakan GPS. Data foto dan pengukuran GPS akan digunakan dalam pembuatan ortofoto dan DTM. Ortofoto dan DTM

2 2 diperoleh dari penggabungan foto menggunakan metode structur from motin (SfM) dan klasifikasi slope-based filtering. Data DTM digunakan dalam pembuatan kontur. Hasil akhir yaitu pembuatan peta orthofoto Pelabuhan Perikanan Pantai Sadeng dari orthofoto dan kontur yang diperoleh dari DTM. I.2. Volume Pekerjaan Volume pekerjaan dalam proyek ini fokus pada : 1. Pembentukan DTM dari foto Pelabuhan Perikanan Pantai Sadeng seluas 920 Ha, 2. Pembuatan Peta Ortofoto Pelabuhan Perikanan Pantai Sadeng seluas 920 Ha, 3. Nilai GSD sebesar 6,5 cm untuk pembuatan Peta Ortofoto PPP Sadeng dalam Skala Besar. I.3. Tujuan Berdasarkan latar belakang yang telah dijelaskan sebelumnya, maka tujuan dari proyek penelitian ini yaitu pembuatan peta orthofoto Pelabuhan Perikanan Pantai Sadeng dengan menggunakan Wahana Udara Tanpa Awak. I.4. Manfaat Proyek Penelitian Manfaat dari proyek penelitian ini yaitu pembentukan dan perolehan data DTM dari foto pelabuhan pantai sadeng akan digunakan untuk pemodelan tsunami. Peta Ortofoto Pelabuhan Perikanan Pantai Sadeng digunakan untuk penampakan dari daerah pelabuhan tersebut.

3 3 I.5. Landasan Teori I.5.1. Fotogrametri Fotogrametri adalah ilmu dan teknologi pengukuran objek dengan cara memotret untuk mendapatkan informasi spatial objek berupa 2 dimensi ataupun 3 dimensi. Objek yang sering difoto adalah permukaan bumi sehingga wahana yang digunakan pada fotogrametri biasanya pesawat. Pada perkembangan selanjutnya wahana yang digunakan semakin bervariasi seperti pesawat terbang, balon udara dan yang terbaru yaitu Unmanned Aerial Vehicle (UAV). Menurut Falkner dan Morgan (2002) fotogrametri diinterpretasi dari foto yang diambil pada permukaan bumi dan terkoreksi dengan spasial datum. Kenampakan dari foto harus dapat diidentifikasi menjadi simbol peta. Fotogrametri juga harus mencakup kenampakan lahan sehingga dapat dibentuk pemodelan permukaan bumi dari foto yang diperoleh. Fotogrametri juga dapat didefenisikan sebagai pengukuran pada foto dan penentuan koordinat titik pada foto. Dari pengukuran dan koordinat pada foto maka dapat dihitung unsur geometris seperti jarak dan luas serta dapat menghasilkan peta (Linder, 2006). I Small Format Aerial Photography (SFAP). Pemanfaatan pesawat UAV atau pesawat aeromodelling dalam fotogrametri biasanya dikategorikan dalam foto udara format kecil (FUFK) (Bobby, dalam Bakosurtanal). FUFK dikenal juga dengan istilah Small Format Aerial Photography (SFAP). Pengertian umum SFAP yaitu pengumpulan data dengan metode fotogrametri dengan ukuran foto lebih kecil dari foto udara standar (23 cmx23cm) dan dengan pesawat lebih kecil. Jenis pesawat yang digunakan bervariasi antara pesawat ringan, Helicopter, Pesawat Ultra Light/Micro light dan pesawat nir awak (UAV). Menurut Aber, SFAP didasarkan kamera ringan dengan format ukuran film 35- atau 70- mm serta setara dengan format pada kamera digital atau perangkat pencitraan elektronik lainnya. Kamera berformat kecil biasanya akan mengalami penurunan kualitas geometri seperti resolusi spasial dari kamera dibanding kamera untuk foto

4 4 udara standar. SFAP dapat dijadikan pilihan dalam pemetaan karena berbiaya murah dan dapat mengakses daerah terpencil sekalipun. Menurut Aber dkk (2010), hal terkini terkait SFAP yang perlu diketahui, yaitu: 1. Sinar matahari. Sinar matahari dalam proses pengambilan data tidak dapat diprediksi. Kualitas dan kuantitas sinar matahari tergantung pada waktu pemotretan. Kalibrasi dapat dilakukan tetapi intensitas energi cahaya yang sebenarnya tidak dapat diketahui. 2. Keadaan Atmosfir. Variasi keadaan atmosfir disebabkan oleh perbedaan lintang, bujur dan cuaca pada setiap lokasi pengambilan data. 3. Tanda Spektral. Tanda spektral dari setiap objek berbeda namun pada pengambilan data tanda spektal menjadi susah dibedakan akibat banyaknya objek yang sama pada lokasi pengambilan data. 4. Kamera. Kamera yang digunakan pada SFAP tidak dapat mengakuisisi data dari semua gelombang cahaya. Penangkapan gelombang cahaya pada kamera tergantung lensa kamera dan susunan elektronik dari kamera. Gelombang cahaya yang dapat ditangkap pada kamera yang biasanya digunakan pada SFAP masuk dalam kategori gelombang cahaya tampak. 5. Penaganan Data. Banyak kamera yang dapat menghasilkan foto dari jarak yang lebih jauh dari yang dapat dianalisis komputer. 6. Variasi Pengguna. Variasi pengguna dengan beragam analisis mengakibatkan tidak terpenuhinya semua analisis yang diharapkan dari suatu objek pada hasil SFAP. Tangkapan gelombang cahaya pada kamera yang terbatas mengakibatkan beberapa analisis mengenai objek tidak dapat dilakukan pada data yang sama. I Vertikal Fotogrametri. Foto dalam foto udara umumnya diklasifikasikan menjadi foto vertikal dan miring. Foto vertikal diambil dengan sumbu kamera diarahkan severtikal mungkin atau tegak lurus permukaan bumi. Jika sumbu kamera vertikal secara sempurna ketika eksposur dibuat, kamera akan sejajar dengan bidang datum dan foto yang dihasilkan benar-benar vertikal. Dalam prakteknya, sumbu kamera vertikal sempurna sulit untuk diperoleh karena posisi miring pada pesawat tidak dapat dihindari. Sumbu kamera tidak vertikal menghasilkan foto miring. Miring

5 5 sumbu kamera yang diterima biasanya pada rentang sudut 1 hingga 3 (Wolf dkk, 2014). Menurut Aber dkk (2010), posisi sumbu kamera pada saat pemotretan terbagi 3 yaitu: 1. High oblique vantage, sumbu kamera menghadap kesamping, dengan sudut < Low Oblique vantage, sumbu kamera menghadap kesamping dengan sudut antara Vertical vantage, sumbu kamera menghadap bawah dengan sudut > Menurut Wolf dkk, 2014, pada saat pemotretan, sudut sumbu kamera akan mempengaruhi ukuran geometri gambar objek dalam foto. Sumbu kamera mempengaruhi nilai kesalahn geometri pada foto. Geometri foto dalam keadaan vertikal sempurna dapat dilihat pada gambar I.1. Gambar I. 1 Geometri Foto Vertikal (Wolf dkk) Gambar I.1 menampilkan geometri foto vertikal. Pada gambar I.1 objek ABCD pada permukaan bumi diproyeksikan pada sensor kamera a b c d. Pusat dari foto sama dengan pusat dari objek yang ada dipermukaan bumi. Dalam hal ini dapat dikatakan bahwa sumbu kamera vertikal sempurna terhadap permukaan bumi.

6 6 I Prosedur Pengolahan Data. Pengolahan data pada agisoft secara umum dilakukan melaui langkah berikut (Agisoft Photoscan User Manual, 2013): 1. Pemilihan Data. Data yang diperoleh dari proses pemotretan diolah menggunakan software Agisoft. Proses pengolahan menggunakan Agisoft dilakukan secara otomatis. Pengolahan data dengan Agisoft dahulu diawali dengan pembuatan lembar kerja atau chunk. Jumlah chunk disesuaikan dengan banyaknya foto dan kemampuan PC yang digunakan dalam mengolah data. Pada chunk yang telah dibuat, kemudian diimport data foto yang akan diolah. Data yang diperoleh sebelum diolah terlebih dahulu dipilih. Pemilihan foto berdasarkan sudut pengambilan foto. Pemilihan foto dapat dilakukan sebelum dimasukkan kedalam software atau setelah dimasukkan kedalam software. Pemilihan foto akan berpengaruh pada saat pengolahan. Pemilihan foto dilakukan manual sebelum atau sesudah dimasukkan ke Agisoft. Pada Agisoft foto yang tidak digunakan dapat dibuang pada photos toolbar. Foto yang telah dipilih kemudian digabungkan. 2. Pengolahan foto dilakukan dengan langkah awal penggabungan foto dengan pendefenisian point cloud pada foto secara otomatis menggunakan Agisoft. Pemilihan point cloud yang dilakukan secara otomatis dengan memperhatikan posisi dan orientasi kamera pada saat melakukan pemotretan. Hasil penggabungan berupa sparse point cloud. Penggabungan foto dicek hasilnya. Agisoft dapat memberikan nilai perkiraan kualitas foto. Foto dengan kualitas kurang dari 0,5 sebaiknya tidak digunakan untuk rekonstruksi selanjutnya agar menghasilkan olahan foto yang bagus. Foto dengan kualitas jelek dapat dinonaktifkan pada panel Photos toolbar. Proses penggabungan foto memiliki parameter seperti tingkat akurasi pengolahan, teknik penggabungan foto, banyaknya point pengikat, dan pembatasan mask pada foto. Pada tingkat akurasi foto dapat dipilih dari tinggi hingga rendah. Tingkat akurasi foto akan menentukan perkiraan posisi kamera saat melakukan pemotretan. Pada teknik penggabungan foto dapat dipilih generic atau ground control. Teknik generic yaitu teknik pertampalan foto dengan akurasi rendah,

7 7 sedangkan teknik ground control digunakan jika foto memiliki koordinat posisi kamera saat memotret. Pengaturan banyaknya point pengikat juga mempengaruhi penggabungan foto dimana batasan titik yang diberikan menjadi acuan pada proses pendefenisian titik ikat penggabungan foto dan proses selanjutnya. Pembatasan mask pada foto bertujuan untuk membuang foto pada daerah mask. Pembatasan tersebut dilakukan jika terdapat foto yang akan membingungkan program penggabungan foto sehingga rekonstruksi yang dihasilkan salah. Proses penggabungan foto menggunakan metode structure from motion (SfM). Proses pemberian reference dilakukan dengan hitungan budle adjustment with self calibration. 3. Pembentukan Dense Point Cloud. Dense point cloud diperoleh dari proses perhitungan pada foto dengan lebih mendalam. Agisoft dapat melakukan pembentukan dan visualisasi dense point cloud. Pada daerah dengan point cloud yang tidak padat, agisoft secara otomatis membentuk point cloud dengan kepadatan yang sama dengan point cloud yang sudah padat. Dense point cloud dapat diklasifikasikan menjadi beberapa kelas sesuai kebutuhan untuk pengolahan lebih lanjut seperti ekstraksi DEM. Parameter dalam pembuatan dense point cloud berupa kualitas dan mode untuk pengukuran kedalaman point cloud. Parameter kualitas dapat dipilih dari kualitas sangat tinggi hingga terendah. Parameter kualitas mempengaruhi tingkat keakurasian geometry dan detail objek yang diproses. Paremeter pengukuran kedalaman point cloud yang dapat dipilih yaitu mild, aggressive atau moderate. Parameter pengukuran kedalaman mild akan mendapat pengukuran tingkat kedalaman point cloud yang detail. Parameter ini dipilih jika mengamati objek yang kecil dan butuh hasil yang detail. Parameter pengukuran kedalaman aggressive dipilih jika point cloud objek yang kecil tidak dibutuhkan. Parameter pengukuran kedalaman moderate merupakan pilihan untuk menghasilkan dense point cloud antara parameter pengukuran kedalaman mild dan aggressive. 4. Pembentukan Mesh. Mesh diperoleh dari pengolahan dense point cloud atau sparse point cloud berupa model 3D. Pembentukan model 3D biasanya

8 8 menghasilkan model dengan geometri yang berlebihan sehingga perlu dilakukan penipisan atau perbaikan model yang dibentuk. Pada pembentukan mesh terdapat beberapa parameter rekonstruksi yaitu tipe permukaan yang dihasilkan, sumber data yang digunakan, polygon count, metode interpolasi dan kelas point. Pada tipe permukaan yang dihasilkan dapat dipilih arbitrary yaitu menghasilkan model 3D untuk berbagai jenis objek dengan terlebih dahulu dipilih seperti bangunan, tugu dan lain-lain. Pada tipe permukaan yang dihasilkan dapat dipilih height field yaitu menghasilkan model 3D permukaan seperti terrain atau bas-relief. Sumber data yang digunakan biasanya berasal dari sparse point cloud atau dengan data dense point cloud. Polygon count digunakan untuk menentukan model 3D maksimal. Metode interpolasi dapat dipilih antaralain disabled, enabled(default) dan extrapolated. Pada metode interpolasi disable, menghasilkan rekonstruksi model berdasarkan hasil dense point cloud tanpa adanya interpolasi sehingga bagian model 3D yang berlubang tetap berlubang atau tidak diinterpolasi. Pada metode interpolasi enable(default),proses rekonstruksi model akan mengalami interpolasi dengan lingkaran yang dibentuk oleh dense point cloud sehingga bagian lubang kecil pada model 3D tertutupi tetapi model 3D dengan lubang yang besar masih berlubang. Pada metode interpolasi extrapolated, menghasilkan model 3D tanpa bagian berlubang atau terinterpolasi seutuhnya. Parameter menggunakan kelas point biasanya digunakan jika dense point cloud yang diproses sebelumnya telah diklasifikasi, dan digunakan untuk ekstraksi DEM. 5. Pembentukan Texture. Pembentukan texture merupakan proses pembentukan ortofoto pada agisoft. Proses pembentukan texture pada agisoft dapat dilakukan dengan berbagai metode generic, adaptative orthophoto, orthophoto, spherical, single photo, dan keep uv I.5.2. Kamera Menurut Aber dkk (2010), kamera dalam Foto Udara Format Kecil (FUFK) terbagi menjadi dua berdasarkan rekaman pada film atau elektronik (digital). Kamera

9 9 yang digunakan biasa didesain agar mudah digunakan dan sebagian besar dapat dikontrol secara otomatis. Perbedaan kamera dengan film dan kamera digital, yaitu: 1. Kamera dengan film biasanya digunakan pada fotogrametri standar terdahulu. Prinsip kerja kamera ini yaitu pemanfaatan sensifitas cahaya dan reaksi kimia (foto kimia) dalam emulsi film. Gambar dengan foto kimia didasarkan pada perubahan secara kimia ketika cahaya bereaksi dengan Kristal Perak Halida yaitu Cahaya Ultraviolet (UV), cahaya tampak, atau radiasi near-infared (NIR). Proses foto kimia kemudian merubahnya menjadi gambar pada film. Sensitifitas cahaya yang dapat ditangkap yaitu pada rentang 0.3μm 0.9 μm. 2. Kamera digital menggunakan peralatan elektronik dalam pengukuran sensitifitas cahaya. Sensor dari susunan semikonduktor pada kamera digital, mengukur dan mengubah intensitas cahaya kedalam grid raster. 3. Pada kamera dengan film yang menentukan kualitas sebuah gambar tergantung pada jenis lensa yang digunakan karena sebuah film dapat digunakan pada banyak kamera. Sedangkan kamera digital yang menentukan kualitas sebuah dambar yaitu lensa dan kemampuan sensor. Pada kamera digital, lensa dan sensor memiliki desain yang berbeda untuk setiap kamera digital. Pada perkembangan teknologi fotogrametri standar dan SFAP, penggunaan kamera film sudah digantikan oleh kamera digital, kecuali untuk kebutuhan khusus. I Sensor Kamera Digital. Menurut Aber dkk (2010), terdapat dua sensor utama pada kamera saat ini, yaitu : 1. Charge-Coupled Device (CCD) 2. Complementary Metal Oxide Semiconductor (CMOS). Kedua sensor terdiri dari susunan semikonduktor untuk mendeteksi intensitas cahaya, perbedaannya terletak pada desain susunan struktur semikonduktornya (Kriss dalam Aber, 2010). Berdasarkan letak filter dari sensor, susunan semikonduktor menangkap dan mengubah intensitas cahaya menjadi tiga warna utama yaitu merah, biru dan hijau. Hasil yang diperoleh berupa mosaik ketiga warna utama. Nilai pixel yang hilang akan diisi berdasarkan nilai pixel tetangga dengan algoritma demosaicking. Pengaturan letak filter yang paling sering digunakan yaitu pola Bayer. Pola Bayer memiliki filter hijau dua kali lebih banyak dibandingkan filter merah dan

10 10 biru (GambarI.2). Banyak filter didasarkan pada sinar matahari dan tangkapan warna hijau pada mata manusia (GambarI.3). Gambar I. 2 Ilustrasi Pola Bayer (Padeste dalam Aber dkk) Gambar I. 3 Sensitifitas Mata Manusia Terhadap Warna ( Drury dalam Aber dkk) Susunan tunggal dari sensor CCD dan CMOS memiliki kelebihan berupa (Padeste, 2007): 1. Dapat menangkap objek bergerak 2. Menangkap berbagai jenis cahaya 3. Dapat dioperasikan mili detik dalam cahaya yang sudah ada (ambient light) 4. Susunan sensor yang kuat

11 11 Sensor CCD lebih fotosensitif, cepat dan memiliki jangkauan yang lebih besar. Namun, sensor CCD menggunakan banyak daya dan ruang. Selain itu, sensor CCD memiliki desain yang rumit. Pemakaian sensor ini biasanya pada penekanan kualitas gambar yang tinggi. Sedangkan sensor CMOS lebih efisien dalam penggunaan daya dan proses pengolahan yang standar. Sensor CMOS memiliki rentang suhu yang lebih besar daripada CCD. Namun, untuk kepentingan foto udara sensor CCD lebih baik karena kualitas gambar yang lebih baik di resolusi tinggi (Sandau, 2010). I Kalibrasi Kamera Otomatis. Menurut Fraser (2012), kalibrasi kamera dengan metode self-calibration menggunakan prinsip bundle adjustment dengan model collinear. Persamaan yang digunakan yaitu: x xp x X Xc y yp y R Y Yc (I.1) c Z Zc Dengan : X,Y,Z Xc,Yc,Zc R x,y xp,yp x, y c : Koordinat objek pada permukaan bumi : Pusat perspektif kamera : Matriks rotasi : Koordinat objek pada foto : offset point : fungsi distorsi lensa : jarak fokus kamera (orientasi dalam kamera) Nilai xp,yp diperoleh dari persamaan : 2 2 2x r P1 2P2xy b1x b y x xp x c xr K1 xr K2 xr K3 2 c (I.2) yp y y c 2 c xr K1 yr 4 K2 yr 6 K3 2P1( xy 2y 2 r 2 ) P2 (I.3)

12 12 Dengan : c Ki Pi b1,b2 : koreksi awal nilai jarak utama : koefisien koreksi distorsi radial : koefisien distorsi pusat kamera : koreksi parameter didalam kamera, yaitu perbedaan skala pada jarak horizontal dan vertikal antara sumbu x dan y Menurut buku panduan Agisoft, kalibrasi kamera dilakukan dengan model pinhole camera. Model tersebut memodelkan distorsi menggunakan persamaan model distorsi Brown. Model kamera mencakup transformasi koordinat lokal kamera terhadap posisi pixel pada koordinat foto. Sistem koordinat lokal kamera berpusat pada pusat proyeksi kamera. Sumbu Z searah pandangan kamera, sumbu X ke arah kanan dan Sumbu Y kearah bawah. Sistem koordinat foto berpusat pada kiri atas foto dengan koordinat awal 0,5;0,5. Sumbu x kearah kanan dan sumbu y kearah bawah. Perhitungan nilai koordinat proyeksi point pada foto dengan koordinat lokal kamera diperoleh dengan persamaan berikut. x X Z Y y Z..(I.4) (I.5) x' x(1 K1r K2r K3r ) P2 ( r 2x ) 2Pxy 1..(I.6) y' y(1 K1r K2r K3r ) P1 ( r 2y ) 2P2 xy......(i.7) u c v c x x' f y' x y f y y' skew (I.8).(I.9) r x 2 y 2 (I.10) Dengan; X,Y,Z = koordinat point pada sistem koordinat bumi

13 13 x,y u,v c x, c y = koordinat point pada foto = proyeksi koordinat point pada sistem koordinat pixel = koordinat titik pusat K1,K2,K3 P1,P2 Skew = koefisien distorsi radial = koefisien distorsi tangensial = koefisien kecondongan antara sumbu x dan sumbu y I.5.3. Wahana Udara Tanpa Awak Wahana Udara Tanpa Awak (WUTA) atau yang dikenal dengan istilah Unmanned Aerial Vehicle (UAV) merupakan suatu wahana berupa pesawat terbang remote control. WUTA merupakan perkembangan tipe pesawat aeromodelling. WUTA biasanya digunakan untuk kegiatan pengawasan atau pengintaian serta foto udara (Ardi, 2012). WUTA dikenal dalam berbagai istilah seperti Pesawat Udara Nir Awak (PUNA) dan Drone. WUTA merupakan sistem tanpa awak, yaitu sistem berbasis elektro-mekanik yang dapat melakukan misi-misi terprogram, dengan karakteristik: 1. tanpa awak pesawat, 2. beroperasi pada mode mandiri baik secara penuh atau sebagian, 3. Sistem ini dirancang untuk dapat dipergunakan secara berulang (Department of Defence, 2007, dalam Wikantika, 2009). WUTA memiliki beberata tipe seperti (Setyasaputra, 2014): 1. Tipe fixed wing yaitu WUTA dengan efisiensi dan kecepatan yang baik, namun kurang dalam hal manuver terbang. 2. Tipe rotary wing yaitu WUTA dengan evisiensi rendah tetapi manuver terbang bagus. 3. Tipe glider yaitu WUTA yang tidak memerlukan tenaga dan menggunakan daya angkat sebagai penggerak.

14 14 WUTA yang dimanfaatkan dalam SFAP bertipe fixed wings. Pemanfaatan WUTA untuk pemotretan udara membutuhkan kestabilan terbang pesawat (Purwanto, 2012). Menurut Purwanto (2012), ada 3 sumbu yang mempengaruhi kestabilan pesawat yaitu: 1. Sumbu badan pesawat yaitu sumbu yang berpusat pada gaya gravitasi pesawat. 2. Sumbu angin yaitu sumbu salib arah terbang dan arah angin. 3. Sumbu horizontal yaitu salib sumbu badan pesawat dengan permukaan bumi, dimana permukaan bumi dianggap datar. Posisi sumbu pesawat dapat diilustrasikan seperti gambar. Gambar I. 4 Ilustrasi sumbu pesawat (Purwanto) Keterangan dari Gambar I.4: X,Y,Z u,v,w : merupakan sumbu badan pesawat pada titik pusat gravitasi pesawat : kecepatan maju kesamping dan yawing L,M,N : momen pitch, roll dan yaw

15 15 p,q,r : kecepatan angular roll, pitch dan yaw WUTA dilenkapi peralatan pengontrol Air data, attitude, and heading reference system (ADAHRS) (Manggala, 2012). ADAHRS memiliki sensor seperti akselerometer, gyrometer, dan magnetometer. Sensor tersebut digabung dengan global positioning system, sensor kecepatan dan ketinggian. Pada ADAHRS terdapat inertial measurement unit (IMU) sebagai payload. IMU merupakan alat pengukur kecepatan angular dan linear pesawat. Data IMU kemudian dikirim kekomputer di ground station untuk memantau arah pergerakan dan posisi pesawat. Data dari ADAHRS dikirim dengan telemetri. Hal ini bertujuan untuk mendapatkan informasi perilaku WUTA saat melakukan penerbangan. Informasi yang didapat akan menjadi input bagi sistem autopilot pesawat. Sehingga pesawat akan seimbang dan tidak terjatuh saat melakukan penerbangan dengan mode autopilot (Drajat, 2012). I.5.4. Titik Kontrol Tanah Titik kontrol tanah dikenal dengan istilah ground control point (GCP). Ground control point (GCP) adalah titik objek yang direpresentasikan dalam gambar yang memuat koordinat 2 dimensi (x,y) atau 3 dimensi (x,y,z) dimana titik tersebut ditetapkan pada daerah yang akan dilakukan pemotretan udara (Liender, 2006). GCP akan digunakan pada proses bundle adjustment dalam pembentukan ortofoto. Fotogrametri menggunakan proyeksi sentral (Soetoto, 1982), sehingga penempatan titik GCP tidak boleh terkumpul disatu sisi pada desain persebarannya. Banyaknya titik GCP yang digunakan ditentukan oleh tingkat ketelitian ortofoto yang diinginkan dan juga skalanya. Persebaran titik GCP harus didesain dengan baik sehingga menutupi area proyek. Dengan kata lain tersebar merata pada daerah pemotretan. Hal ini bertujuan untuk mengurangi tingkat kesalahan pada hasil ortofotonya. Semakin baik penyebaran titik GCP maka pengikatan titik GCP terhadap ortofoto akan semakin baik. Selain itu, perlu juga memperhatikan ukuran dari titik premark GCP yang dibuat sehingga terlihat dari foto yang telah diambil dan memudahkan saat orientasi foto. Ukuran premark GCP lebih baik dibuat berbentuk

16 16 silang agar pada saat pemrosesan bisa lebih mudah diidentifikasi. Premark GCP dengan ukuran yang jelas dan terlihat ssat pengolahan pada data yang diolah akan mengurangi kesalahan pendefenisian posisi GCPnya. Ukuran premark GCP dapat dihitung menggunakan persamaan berikut (Falkner dan Morgan, 2002) : Lebar : w S *0,002 (I.11) Dan panjang: l 10*w Dimana : (I.12) w = Lebar premark GCP S = Skala Foto l = Panjang kaki-kaki premark GCP Orientasi foto memakai GCP yang baik akan menghasilkan koordinat yang akan mengalami tingkat kesalahan yang kecil atau dengan kata lain mendekati koordinat tanah yang sebenarnya. I.5.5. Orientasi Foto, Triangulasi Udara dan Orientasi Absolut Pembentukan stereofoto merupakan proses tumpang tindih foto yang digabungkan dengan titik-titik pada foto. Prinsip stereofoto yaitu penggabungan dua foto dari sudut yang berbeda sehingga foto tampak akan menyatu. Hasil dari penyatuan foto masih berorientasi relatif. Orientasi relatif foto dihasilkan oleh stereomodel yang berasal dari foto yang tumpang tindih dan belum memiliki koordinat. Foto dengan orientasi yang relatif kemudian diproses sehingga memiliki orientasi absolut. Foto dengan orientasi absolut yaitu foto yang telah direferensikan dengan datum referensi yang digunakan. Foto dengan orientasi absolut dapat diberikan skala absolut terhadap foto (Wolf dkk, 2014). Pada penerapannya, foto udara menggunakan banyak foto dalam pembuatan stereofotonya terutama pada area pemetaan yang luas. Pembuatan stereofoto tidak lepas dari banyaknya pertampalan foto yang dibentuk sehingga ada daerah yang seluruhnya memiliki pertampalan foto yang disebut block. Pertampalan foto berupa

17 17 stereofoto dibentuk menggunakan titik ikat atau tie point. Hasil pertampalan foto memiliki orientasi relatif. Orientasi absolut dari stereofoto dilakukan dengan titik kontrol tanah menggunakan teknik triangulasi udara dengan metode bundle block adjustment. Metode ini memungkinkan pengikatan seluruh foto hanya dengan menggunakan minimal 3 titik GCP pada seluruh area pemotretan. Dengan metode bundle-block adjustment kesalahan yang terjadi pada saat pengukuran baik dari proses pengikatan menggunakan tie point dan juga GCP didistribusikan secara merata keseluruh stereo foto sehingga tingkat kesalahannya dapat diminalisir. Metode bundle-block adjustment dapat menghitung seluruh parameter dalam satu solusi tunggal (Aber dkk, 2010). Prinsip triangulasi udara dengan bundle-block adjustment dapat dilihat pada gambar I.5. Gambar I. 5 Prinsip Bundle Block Adjustment (Aber dkk) Berdasarkan gambar I.5, penyatuan foto berdasarkan posisi titik ikat pada masing masing foto. Penentuan titik ikat dapat dilakukan secara manual maupun oromatis. Stereofoto yang terbentuk kemudian diberi koordinat GCP pada titik GCP yang terlihat difoto. Nilai kesalahan pada triangulasi udara pada koordinat X dan Y akan kecil sedangkan untuk nilai Z lebih besar. Namun, secara umum penggunaan metode bundle-block adjustment menghasilkan nilai kesalahan yang minimum

18 18 I.5.6. DEM, DSM Dan DTM Menurut Aber dkk (2010), Digital Elevation Model (DEM) adalah representasi digital ketinggian permukaan bumi. Bentuk yang paling umum berupa grid (biasanya dalam format raster) atau jaringan segitiga tidak beraturan (TIN) dari segi segitiga (format vektor). Digital Surface Model (DSM) merupakan model dari elevasi permukaan bumi yang tampak pada sensor kamera seperti bangunan dan pohon (Hobi dan Ginzler, 2012). Sedangkan, Digital Terrain Model (DTM) merupakan suatu model pendekatan matematis dari data posisi planimetris dan vertikal untuk menyajikan keadaan permukaan bumi. Digital Terrain Model (DTM) merupakan sistem informasi yang menyimpan, memanipulasi, dan menampilkan informasi tentang permukaan..dtm menyediakan informasi mendetail yang merepresentasikan variasi permukaan topografi bumi, misalnya relief. Istilah DTM ini pertama kali diperkenalkan oleh Miller dan La Flame pada tahun Sejak itu istilah ini banyak digunakan dan dikembangkan di bidang surveying, geologi, geografi, sipil dan perencanaan serta disiplin ilmu kebumian lainnya (Manjari, 2011). Perbedaan antara DSM dan DTM ditampilkan pada gambar I.6. Gambar I. 6 Perbedaan DSM dan DTM (Wichmann) Penggabungan gambar dilakukan dengan mengidentifikasi point yang sejenis pada dua gambar berbeda sebagai titik ikat (tie point). Point yang teridentifikasi diberi koordinat 3D dengan teknik triangulasi udara (Aber dkk, 2010). Point yang dihasilkan berupa titik dengan kerapatan yang tidak merata (Sparse Point). Point ini kemudian diinterpolasi menjadi point dengan kerapatan tinggi (Dencse Point) atau menjadi raster DEM (Agisoft). DEM yang dihasilkan akan lebih rendah dari ketelitian GSD satu

19 19 derajat atau lebih. Perbedaan ketelitian ini diakibatkan oleh algoritma fotogrametri dengan beberapa pixel pada foto. Kamera merekam penampakan permukaan yang terlihat dan yang terdekat dengan kamera. Pembentukan stereomodel dari foto akan menampakkan seluruh objek dari permukaan bumi. Model digital bumi yang diekstraksi secara langsung dari hasil stereomodel akan membentuk model permukaan bumi yang tampak pada kamera (DSM) dan bukan model permukaan terrain bumi sebenarnya (DTM). Ekstraksi model elevasi dari SFAP sangat rentan kesalahan akibat dari semak penutup atau pohon (Aber dkk, 2010). yaitu : Menurut Perko (2015), konsep utama dari proses filter DSM menjadi DTM 1. Pendefenisian titik DSM pada permukaan bumi 2. Membuang semua titik DSM yang sudah didefenisikan 3. Pembentukan dan interpolasi DTM dari hasil pembuangan DSM Bagian tersulit dari proses filter yaitu pendefenisian titik DSM pada permukaan bumi. Kesulitan filter diakibatkan masih adanya objek yang terdefenisi sebagai bagian dari permukaan tanah pada bumi setelah dilakukan pemilihan DSM (Perko, 2015). Menurut Passini dan Jacobsen (2015), ada beberapa metode dalam proses filter DEM, yaitu : 1. Splines Approximation 2. Shift Invariant Filters 3. Linear Prediction 4. Morphological Filter Proses filter yang paling sering digunakan yaitu Morphological Filter. Morphological filter dengan metode Slope-Based Filter. Slope-Based Filter didasarkan pada parameter kemerengan permukaan bumi dan radius area dari objek yang akan dibuang dari objek yang dianggap sebagai permukaan bumi (Gambar I.7). Kedua parameter digunakan dalam mendefenisikan DSM. Hasil filter dari proses ini cukup baik (Wichmann, 2012).

20 20 Gambar I. 7 Prinsip Slope-Based Filter Kekurangan dari proses ini yaitu nilai kedua parameter tidak dapat digunakan pada semua area permukaan. Permukaan yang berbeda seperti lereng dan bukit memiliki kemiringan yang berbeda dan luasan objek yang dibuang berbeda. Perbedaan permukaan mengakibatkan tidak adanya nilai unik untuk kedua parameter dalam proses filter area yang berbeda (Wichmann, 2012) I.5.7. Ground Sample Distance Menurut Sandau (2010), Ground Sample Distance (GSD) merupakan jarak sebenarnya pada permukaan bumi dalam ukurab pixel pada foto. Parameter fotogrametri memiliki dua karakteristik utama yaitu GSD dan resolusi radiometrik (Sandau, 2010). Skala pada gambar digital akan mudah berubah pada saat dilihat pada berbagai layar yang berbeda. Hal ini disebabkan karena gambar menyesuaikan pada lebar layar yang digunakan. Namun, resolusi pixel tidak berubah. Sehingga GSD lebih tepat digunakan sebagai ukuran skala gambar (Corner et al, 1998 dalam Aber dkk, 2010). Menurut Abdullah dalam Anggraini (2015), nilai GSD yang diperoleh dapat digunakan untuk peta dengan skala yang lebih besar dari hitungan skala foto. Nilai GSD pada skala foto 1:7200 dapat digunakan pada peta dengan skala 1:1200 sesuai dengan enlargement ratio sebesar 6-10 kali dari skala foto. Menurut Sandau (2010), GSD dibagi atas dua seusai dengan arah terbang yaitu GSDx dan GSDy. GSDx merupakan nilai GSD sesuai dengan arah jalur terbang.

21 21 Sedangkan GSDy merupakan nilai GSD yang berlawanan dengan arah jalur terbang. Hubungan GSD dengan arah terbang dan tinggi terbang dapat diilustrasikan seperti gambar I.8. Gambar I. 8 Ilustrasi Hubungan GSD Dengan Arah Dan Tinggi Terbang (Sandau) Untuk menghitung kedua GSD dapat dihitung dengan rumus (Sandau, 2010): GSDx px * h....(i.13) f dan GSDy py * h.(i.14) f Dimana: GSDx : nilai GSD sesuai arah terbang GSDy : nilai GSD berlawan arah terbang p x : ukuran resolusi pixel searah jalur terbang p y : ukuran resolusi pixel berlawan dengan arah jalur terbang h : tinggi terbang

22 22 f : fokus lensa kamera I.5.8. Desain Jalur Terbang Jalur tebang didesain sedemikian rupa sehingga menutupi area foto udara. Desain jalut terbang dipengaruhi oleh skala dan pertampalan foto. I Skala Foto. Skala adalah perbandingan antara jarak di peta dengan jarak sebenarnya pada permukaan bumi. Pada foto udara skala yang digunakan yaitu skala secara umum untuk setiap foto yang diperoleh karena pada tiap bagian foto memiliki skala yang bervariasi. Hal ini diakibatkan proses proyeksi peta dimana fotogrametri menggunakan proyeksi sentral bukan proyeksi vertikal (Soetoto, 1982). Variasi skala yaitu perbedaan skala untuk daerah tertinggi dan terendah pada foto. Hubungan antara skala, fokus kamera dan tinggi terbang dapat dilihat pada gambar I.9. Gambar I. 9 Hubungan Antara Skala, Fokus Kamera Dan Tinggi Terbang (Soetoto) Dari gambar I.9 dapat dilihat bahwa skala foto dipengaruhi oleh tinggi terbang dari objek dipermukaan bumi. Skala foto juga dipengaruhi jarak fokus kamera. Pengaruh skala foto dan jarak fokus kamera dapat dilihat pada pengecilan objek dipermukaan bumi (misal jarak ab) pada sensor kamera (a b ). Berdasarkan gambar I.9 perbandingan ukuran objek dapat dijadikan acuan perhitungan skala. Secara umum, perhitungan skala pada foto dapat dirumuskan sebagai berikut (Soetoto, 1982):

23 23 S F H Dimana:.(1.15) S F H : Skala Foto Udara : Jarak Fokus Kamera Udara : Tinggi terbang pesawat dari bidang dasar daerah yang difoto S d D Selain itu, skala foto dapat juga dihitung dari (Aber dkk, 2010): (1.16) Dimana: S d D : Skala Foto Udara : Jarak di foto : Jarak sebenarnya I Pertampalan Foto. Menurut Falkner dan Morgan (2002), foto udara membutuhkan pertampalan foto dalam proses analisis foto untuk pembentukkan stereofoto. Dengan jalur penerbangan yang banyak, harus ditentukan overlap fotonya. Menurut Aber dkk (2010), pembentukan stereofoto memperhatikan rasio antara base dan height. Perbandingan antara overlap dan focal length kamera sekitar dua sampai enam kali. Dalam blok jalur terbang yang banyak harus mampu menutup seluruh daerah pemotretan dengan banyak foto stereo. Untuk menjamin stereo fotonya, maka foto harus bertampalan kesamping dan kedepan (Aber dkk, 2010). Pertampalan kesamping merupakan pertampalan foto antara jalur terbang yang berbeda. Pertampalan kesamping biasanya dihitung sekitar 20-40% dari lebar cakupan foto. Untuk menghitung jarak pertampalan kesamping digunakan rumus (Falkner dan Morgan, 2002) : q side s w* 100 o p * side /100...(I.17)

24 24 Dimana : qside : Jarak antara jalur terbang (m) s p w : skala foto (m) : ukuran frame foto oside : pertampalan kesamping (%) Pertampalan kedepan merupakan pertampalan foto sepanjang arah jalur terbang. Biasanya pertampalan kedepan sekitar 55-65%, namun pada prakteknya biasanya digunakan 60% dari panjang jangkauan foto. Untuk pertampalan kedepan dapat dihitung dengan rumus (Falkner dan Morgan, 2002) : g side s w* 100 o p * end Dimana : /100...(I.18) gside : Jarak antara titik pengambilan foto (m) sp : skala foto (m) oend : pertampalan kedepan (%) Posisi pemotretan juga perlu dihitung agar didapat pertampalan seperti yang diharapkan. Hal ini ditujukan untuk menghitung waktu pemotretan jika menggunakan kamera pada WUTA yang dirancang otomatis momotret setiap beberapa detik sekali. Pengaturan waktu memotret akan tergantung pada jarak tiap posisi memotretnya. Dari rumus diatas maka dapat dihitung interval waktu pemotretan menggunakan rumus (Aber dkk, 2010): T / gside Vg.(I.19) Dimana: T : interval waktu V g : kecepatan pesawat

25 25 Gambar I. 10 Hubungan Jalur Terbang, Pertampalan Dan Titik Pemotretan (Aber dkk) Dari gambar I.10 dapat dilihat hubungan antara jalur terbang dan pertampalan fofo serta titik pemotretan. Jarak antar jalur terbang dipengaruhi oleh pertampalan kesamping dari foto dan cakupan foto kesamping dari jalur terbang pada permukaan bumi. Titik pemotretan dipengaruhi oleh pertampalan kedepan dan cakupan foto sepanjang jalur terbang. I.5.9. Structure From Motion Structure From Motion (SfM) secara prinsip sama dengan fotogrametri stereoskopik dimana pembentukan struktur 3D diperoleh dari pertampalan foto. Namun, secara prinsip SfM berbeda dengan fotogrametri stereoskopik. Perbedaannya terletak pada pembentukan 3D pada SfM. Pembentukan 3D pada SfM dibentuk dari pergerakan posisi, geometri dan orientasi kamera tanpa memerlukan koreksi dan koordinat 3D GCP (Westoby, 2012). Proses pembentukan 3D SfM dilakukan melalui proses berulang dan berkelanjutan serta iterasi dari bundle-block adjustment. Data

26 26 yang digunakan pada proses ini berasal dari ekstraksi data objek pada banyak gambar yang bertampalan (Snavely, 2008). SfM menggunakan posisi relatif dari kamera (Snavely, 2006). Posisi kamera akan menentukan pusat dari gambar. Pusat gambar dari setiap foto akan digunakan untuk mengukur besarnya pertampalan antar gambar. Pendekatan SfM memerlukan pertampalan yang besar untuk membentuk 3D secara utuh yang dapat dilihat dari beragam posisi. Pertampalan minimum dalam proses SfM yaitu terdapat satu objek dalam 3 foto dengan posisi berbeda (Westoby, 2012). Menurut Westoby (2012), cara kerja SfM meliputi langkah-langkah seperti berikut: 1. Akuisisi foto Proses SfM membentuk titik 3D objek dari banyaknya foto, sehingga akuisisi foto terhadap objek harus dari banyak sudut pengambilan. Banyaknya foto terhadap objek akan mempengaruhi resolusi spasial yang dihasilkan. 2. Ekstraksi Keypoint Keypoint diekstraksi secara otomatis berdasarkan keunikan dari nilai pixel objek. Banyaknya keypoint didasarkan pada tekstur dan resolusi gambar. Semakin baik tekstur dan semakin tinggi resolusi akan menghasilkan banyak keypoint. 3. Rekonstruksi 3D Rekonstruksi 3D diperoleh dari proses bundle adjustment dari keypoint yang telah digabung. Hasil dari proses bundle adjustment menghasilkan sparse point cloud. Penggabungan keypoint dilakukan dengan algoritma approximate nearest neighbor. Algoritma approximate nearest neighbor menggabungkan keypoint berdasarkan jarak antara minimal dua keypoint berdekatan. 4. Post-Processing Post-processing yang dilakukan yaitu trasnformasi koordinat menggunakan data dari pengukuran GCP agar diperoleh koordinat absolut point 3D pada permukaan bumi.

27 27 I Peta Ortofoto Peta ortofoto merupakan peta yang terbentuk dari stereofoto yang diperoleh dari permukaan bumi dari ketinggian tertentu dan sudah terkoreksi dengan koordinat titik dibumi. Pada peta foto akan ditampilkan garis kontur. Garis Kontur merupakan garis garis imajiner yang menghubungkan titik tinggi pada peta yang memiliki ketinggian yang sama. Garis kontur tidak pernah berpotongan satu terhadap yang lain (Dipokusumo, 1983). Berdasarkan SNI, tampilan foto belum diatur secara detail, namun pada indeks peta foto harus memuat informasi: 1. Skala, sistem grid, grid utara dan nilai-nilai grid dari peta dasar 2. Nama penyelenggara 3. Nama dan alamat kontraktor 4. Batas kontrak area 5. Tanggal pemotretan 6. GSD 7. Produsen kamera, jenis dan panjang fokus unit lensa 8. Nomor foto dan jumlah jalur terbang pada kedua sisi setiap lembar dan perubahan yang terjadi dalam lembar peta 9. Posisi dan jumlah foto yang dipilih I Uji Ketelitian Peta Pengujian ketelitian peta ortofoto belum diatur oleh BSN. Ketelitian peta ortofoto diuji dengan mengikuti ketelitian peta Rupa Bumi Indonesia (RBI) yang dikeluatkan melalui Peraturan Kepala Badan Informasi Geospasial (BIG) No 15 Tahun Menurut Peraturan Kepala BIG No 15 Tahun 2014, ketelitian geommetri peta RBI diperoleh berdasarkan ketentuan seperti yang diperlihatkan pada tabel I.1.

28 28 No Skala Interval Kontur (m) Tabel I. 1 Ketelitian Geometri Peta RBI Horizontal (CE90 dalam m) Ketelitian Peta Rupa Bumi Kelas 1 Kelas 2 Kelas 3 Vertikal (LE90 dalam m) Horizontal (CE90 dalam m) Vertikal (LE90 dalam m) Horizontal (CE90 dalam m) Nilai Ketelitian disetiap ketas mengikuti tabel I.2. Tabel I. 2 Ketentuan ketelitian Geometri Berdasarkan Kelas Vertikal (LE90 dalam m) 1 1; ; ; ; ; ; ; ; ; ; Ketelitian Horizontal Vertikal Kelas mm x bilangan skala 0.5 x interval skala kelas 2 Kelas mm x bilangan skala 0.5 mm x bilangan skala 1.5 x ketelitian kelas x ketelitian kelas 1 Nilai ketelitian pada tabel I.1 adalah nilai CE90 untuk ketelitian horizontal dan LE 90 untuk ketelitian Vertikal, yang berarti bahwa kesalahan posisi peta dasar tidak melebihi nilai tersebut dengan tingkat kepercayaan 90%. Nilai CE90 dan LE90 dapat diperoleh dengan rumus mengacu kepada standar sebagai-berikut US NMAS (United States National Map Accuracy Standards) sebagai berikut: CE90 = 1,5175 x RMSEr (I.20) LE90 = 1,6499 x RMSEz (I.21) Dengan; RMSEr : Root Mean Square Error pada posisi x dan y (horizontal) RMSEz : Root Mean Square Error pada posisi z (vertikal) Uji ketelitian posisi dilakukan hingga mendapatkan tingkat kepercayaan peta 90% Circular Error dan Linear Error. Uji ketelitan posisi ditentukan dengan

29 29 menggunakan titik uji yang memenuhi ketentuan objek yang digunakan sebagai titik uji, yaitu: 1. Dapat diidentifikasi dengan jelas di lapangan dan di peta yang akan diuji. 2. Merupakan objek yang relatif tetap tidak berubah bentuk dalam jangka waktu yang singkat. 3. Memiliki sebaran yang merata di seluruh area yang akan diuji. Pengujian ketelitian posisi mengacu pada perbedaan koordinat (X,Y,Z) antara titik uji pada gambar atau peta dengan lokasi sesungguhnya dari titik uji pada permukaan tanah. Pengukuran akurasi menggunakan root mean square error (RMSE) atau circular error. Pada pemetaan dua dimensi yang perlu diperhitungkan adalah koordinat (X,Y) titik uji dan posisi sebenarnya di lapangan. Analisis akurasi posisi menggunakan root mean square error (RMSE), yang menggambarkan nilai perbedaan antara titik uji dengan titik sebenarnya. RMSE digunakan untuk menggambarkan akurasi meliputi kesalahan random dan sistematik. Nilai RMSE diperoleh melalui persamaan I.21, persamaan I.22 dan persamaan I.23. RMSE horiontal D 2 / h n (I.22) D RMSE x RMSE y.(i.23) RMSE hvertikal Dengan ; ( zdata Z n cek ) 2...(I.24) n = Jumlah total pengecekan pada peta D = Selisih antara koordinat yang diukur dilapangan dengan koordinat di peta x = Nilai koordinat pada sumbu X y = Nilai koordinat pada sumbu Y z = Nilai koordinat pada sumbu Z Nilai CE90 dan LE90 kemudian dihitung dengan persamaan I.20 dan I.21. Nilai CE90 dan LE90 akan disesuaikan dengan kelas peta pada skala yang dipilih.