PERBANDINGAN METODE BROVEY DAN PCA DALAM FUSI CITRA PANKROMATIK DAN MULTISPEKTRAL. Oleh: ARUM WANDAYANI G
|
|
- Fanny Kusuma
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PERBANDINGAN METODE BROVEY DAN PCA DALAM FUSI CITRA PANKROMATIK DAN MULTISPEKTRAL Oleh: ARUM WANDAYANI G DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2007
2 PERBANDINGAN METODE BROVEY DAN PCA DALAM FUSI CITRA PANKROMATIK DAN MULTISPEKTRAL Skripsi sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor Oleh: ARUM WANDAYANI G DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2007
3 Judul Nama NIM : Perbandingan Metode Brovey dan PCA dalam Fusi Citra Pankromatik dan Multispektral : Arum Wandayani : G Menyetujui: Pembimbing I Pembimbing II Rindang Karyadin, S.T., M.Kom. NIP Hari Agung A., S.Kom., M.Si. NIP Mengetahui: Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor Prof. Dr. Ir. Yonny Koesmaryono, MS NIP Tanggal Lulus:
4 ABSTRAK ARUM WANDAYANI. Perbandingan Metode Brovey dan PCA dalam Fusi Citra Pankromatik dan Multispektral. Dibimbing oleh RINDANG KARYADIN dan HARI AGUNG ADRIANTO. Citra multispektral dengan resolusi spasial dan spektral yang tinggi sangat berguna untuk mempermudah kegiatan analisis dalam bidang penginderaan jauh. Akan tetapi terdapat keterbatasan sensor satelit penginderaan bumi dalam menyediakan citra multispektral resolusi tinggi tersebut secara langsung. Pada umumnya satelit penginderaan dalam sekali perekaman hanya mampu menghasilkan sepasang citra resolusi berbeda untuk suatu area pengamatan, yaitu sebuah citra pankromatik (hitam putih) resolusi tinggi dan sebuah citra multispektral dengan resolusi lebih rendah. Agar didapatkan citra multispektral dengan resolusi lebih tinggi dilakukanlah penggabungan pasangan citra pankromatik dan multispektral awal, atau biasa disebut teknik fusi citra (image fusion). Penelitian ini bertujuan mengimplementasikan teknik fusi citra pada citra satelit dengan resolusi berbeda. Selain itu melakukan perbandingan antara metode fusi dengan menggunakan kriteria spasial dalam menghitung kesamaan informasi spasial citra hasil fusi dengan citra pankromatik awal dan kriteria fidelitas dalam menghitung hilangnya informasi spektral citra awal. Data yang digunakan adalah pasangan citra QuickBird dengan resolusi spasial citra pankromatik dan resolusi citra multispektral awal sebesar 0.6 meter dan 2.4 meter, serta citra Landsat dengan resolusi citra sebesar 15 meter dan 30 meter. Teknik fusi yang dilakukan adalah transformasi Brovey dan transformasi PCA. Penelitian menunjukkan bahwa metode Brovey mampu memberikan penambahan informasi spasial yang hampir menyamai informasi spasial yang terkandung pada citra pankromatik awal, akan tetapi kurang memberikan fidelitas secara spektral. Hal sebaliknya ditunjukkan oleh citra hasil metode PCA yang kurang memberikan penambahan informasi spasial akan tetapi mampu memberikan fidelitas spektral yang tinggi. Pemilihan antara kedua teknik fusi ini didasarkan pada keperluan analisis, secara spasial atau secara spektral. Penelitian selanjutnya dapat difokuskan untuk melihat sejauh mana citra hasil fusi mampu memberikan keakuratan secara spasial baik dalam hal klasifikasi tak terbimbing maupun terbimbing, ataupun dalam hal pengekstraksian objek spasial. Kata kunci: Fusi Citra Satelit, Image Fusion, Analisis Multispektral, Pankromatik, Brovey Transform, PCA Transform.
5 ABSTRACT ARUM WANDAYANI. Comparison of Brovey and PCA Transform in Fusing Panchromatic and Multispectral Images. Under the direction of RINDANG KARYADIN and HARI AGUNG ADRIANTO. Multispectral image with high spatial and spectral resolution facilitates a remote sensing analysis. But the sensor of existing earth resource satellite has a limitation in providing this high resolution multispectral image (HRMI) directly. In general, for a single take of an area, satellite sensor can only produce a bundle of images with different resolution which consist of a high resolution panchromatic image and a multispectral image in lower resolution. In order to obtain high resolution multispectral image, the panchromatic and multispectral images are being integrated with a technique called image fusion. The objective of this research is to implement the image satellite fusion method with different resolution. Other goal is to make comparisons between fusion methods by using the spatial criterion in measuring the likeness of spatial information between the resulted image and the initial high resolution panchromatic image (HRPI) and using the fidelity criterion in measuring spectral information s loss from the initial low resolution multispectral image (LRMI). Data that being used are QuickBird s imagery with HRPI s and LRMI s resolution reach 0.6 meters and 2.4 meters, and also Landsat s imagery with image resolution of 15 meters and 30 meters each. The fusion method that being applied are the Brovey and the PCA Transform. This research shows that Brovey method adds more spatial information of the HRPI, but this method fails to give good result in the domain of spectral fidelity. The opposite thing happens with PCA method which poorly increases the spatial information but gives higher spectral fidelity. The choice between the two methods depends on the objective of the remote sensed analysis, whether spatial or spectral analysis. Further research can be focused on evaluating the capability of fused image to give the spatially accuracy in unsupervised or supervised classification, or even in subtracting the spatial object. Keywords: Satellite Imagery Fusion, Image Fusion, Multispectral Analysis, Panchromatic, Brovey Transform, PCA Transform.
6 KATA PENGANTAR Puji dan syukur dipanjatkan kepada Allah SWT atas segala rahmat dan karunia-nya sehingga tugas akhir ini dapat diselesaikan. Dalam penelitian ini, diambil judul Perbandingan Metode Brovey dan PCA dalam Fusi Citra Pankromatik dan Multispektral. Terima kasih ditujukan kepada Bapak Rindang Karyadin, S.T., M.Kom. dan Bapak Hari Agung Adrianto, S.Kom, M.Si. selaku pembimbing, serta kepada Ibu Yeni Herdiyeni, S.Si., M.Kom. selaku penguji, atas bantuan dan masukan yang diberikan guna penyelesaian penelitian ini. Terima kasih juga ditujukan kepada Bapak Sayudiyanta S.Si. selaku pembimbing praktik kerja lapangan yang telah memberikan saran dan memperkenalkan topik penelitian ini serta Bapak Bambang Trisasongko yang telah banyak memberi masukan dan nasehat. Tak lupa pula terima kasih diperuntukkan kepada Maryam Dehghani, Mr. Armenakis Costas, Mr. Bruno Aiazzi, Mr. Victor JD. Tsai, Ibu Sri Nurdiati, Bapak Ahmad Ridha, staf Tata Usaha Departemen Ilmu Komputer, Bapak Soleh, Bapak Pendi dan Mas Irvan yang telah memberikan bantuan dan masukan dalam pengerjaan tugas akhir ini. Ungkapan terima kasih juga disampaikan kepada kedua orang tua tercinta, Mbak Yayuk, Aryo, Mas Aul, rekan-rekan ilmu komputer angkatan 40 serta pihak-pihak yang tidak dapat seluruhnya disebutkan, atas perhatian, doa, nasehat, dan dukungan yang telah diberikan. Terima kasih banyak. Penulisan tugas akhir ini masih jauh dari sempurna. Namun demikian diharapkan tugas akhir ini dapat bermanfaat bagi yang membutuhkannya. Bogor, Agustus 2007 Arum Wandayani
7 RIWAYAT HIDUP Penulis dilahirkan di Bogor pada tanggal 11 Desember 1981, putri pertama dari dua bersaudara, dari pasangan Kuswantoro S.Sos., M.Sc. dan Sri Suyani. Tahun 2000 penulis menyelesaikan pendidikan lanjutan tingkat atas di SMUN 1 Bogor dan diterima di Institut Pertanian Bogor melalui jalur USMI (Undangan Seleksi Masuk IPB) dengan program studi pilihan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam. Akan tetapi karena satu dan lain hal penulis tidak meneruskan studinya di IPB pada tahun yang sama. Tahun 2003 penulis melanjutkan studinya kembali di Departemen Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam IPB sebagai mahasiswa angkatan ke-40. Penulis menyukai membaca buku dan menggemari film Korea dan Jepang. Dalam kehidupan kampus, terutama pada tahun pertama dan kedua, penulis pun aktif menjadi anggota kepanitiaan kegiatan Himpro HIMALKOM (Himpunan Mahasiswa Ilmu Komputer).
8 DAFTAR ISI Halaman DAFTAR TABEL...iv DAFTAR GAMBAR...v DAFTAR LAMPIRAN...vi PENDAHULUAN...1 Latar Belakang...1 Tujuan Penelitian...1 Ruang Lingkup...1 Manfaat Penelitian...1 TINJAUAN PUSTAKA...1 Fusi Citra (Image Fusion)...1 Pemulihan Citra...2 Metode Interpolasi...2 Metode Interleave...2 Transformasi Brovey...3 Principal Component Analysis (PCA)...3 Analisis Kinerja Kuantitatif Hasil Fusi...3 METODE PENELITIAN...4 Metode Penelitian...4 Lingkungan Pengembangan...5 HASIL DAN PEMBAHASAN...5 Persiapan Data...5 Registrasi, Crop, dan Resampling...6 Metode Fusi...6 Perbandingan Visualisasi...7 Perbandingan Kriteria Kuantitatif...8 KESIMPULAN DAN SARAN...9 Kesimpulan...9 Saran...9 DAFTAR PUSTAKA...9 LAMPIRAN...11
9 iv DAFTAR TABEL Halaman 1 Ukuran dan dimensi data Perbandingan proses fusi Koefisien korelasi antara citra multispektral hasil fusi dengan citra pankromatik awal Nilai RMSE antara citra multispektral hasil fusi dengan citra multispektral awal...8
10 v DAFTAR GAMBAR Halaman 1 Representasi citra multispektral Diagram alir penelitian Diagram alir metode fusi PCA Subset citra QuickBird (uint16) Subset citra Landsat (uint8) Proses penentuan GCP Citra hasil fusi Brovey Citra hasil fusi PCA Subset citra pankromatik dan multispektral QuickBird awal Area zoom (a) citra Pan, (b) hasil fusi PCA, (c) hasil fusi Brovey....8
11 vi DAFTAR LAMPIRAN Halaman 1 Visualisasi dan karakteristik data awal QuickBird Visualisasi dan karakteristik data awal Landsat Hasil metode fusi citra Perbandingan visual citra hasil fusi Brovey dan PCA...19
12 1 Latar Belakang PENDAHULUAN Pada sistem sensor satelit penginderaan jauh (inderaja), resolusi spasial dan resolusi spektral citra merupakan hal yang saling bertolak belakang. Beberapa satelit penginderaan mampu memberikan citra dengan informasi multispektral yang dapat membedakan fitur secara spektral tetapi tidak secara spasial, begitu pula sebaliknya (Wang et al. 2005). Bahkan sebuah sensor satelit penginderaan yang mampu memberikan rekaman citra pankromatik (hitam putih) dengan resolusi spasial tertinggi, hanya mampu merekam citra multispektral dengan resolusi spasial seperempat kali lebih rendah. Pada dasarnya sebuah citra pankromatik (hitam putih) mempunyai rentang spektrum gelombang yang lebih besar daripada kanal (band) multispektral (berwarna). Dengan demikian untuk menerima sejumlah energi yang sama, ukuran sensor pankromatik dapat lebih kecil dibandingkan sensor multispektral. Oleh karena itu dalam sekali perekaman, sensor pankromatik dengan ukuran yang sama dapat memberikan lebih banyak informasi spasial. Selain itu volume data sepasang citra pankromatik resolusi tinggi dan citra multispektral resolusi rendah akan jauh lebih kecil bila dibandingkan dengan volume sebuah citra multispektral resolusi tinggi (Zhang 2004). Keterbatasan pada penyediaan citra multispektral beresolusi tinggi ini menyebabkan diperlukannya solusi untuk menghasilkan citra multispektral yang kaya akan informasi spasial maupun informasi warna. Image fusion (fusi citra) atau pansharpening adalah teknik untuk menggabungkan detail geometri (spasial) dan detail warna (spektral) pada pasangan citra awal sehingga didapatkan citra multispektral baru dengan informasi spasial dan spektral setajam mungkin. Proses fusi citra pada bidang penginderaan jauh bertujuan mempermudah langkah analisis citra satelit, terutama pada analisis yang memerlukan ekstraksi objek citra secara detail, antara lain pada analisis penggunaan lahan (land use), analisis tata ruang kota, analisis tren perkembangan wilayah ataupun aplikasi prediksi bencana alam. Pada dasarnya penelitian yang dilakukan ini mengacu pada jurnal penelitian Dehghani 2003, Tsai 2004, dan Wang et al Tujuan Penelitian Penelitian yang dilakukan bertujuan mengaplikasikan teknik fusi citra (image fusion) pada suatu citra satelit. Tujuan lain yang ingin dicapai adalah mengevaluasi dan membandingkan sejauh mana metode transformasi Brovey dan Principal Component Analysis (PCA) mampu memberikan kedetailan informasi warna dan informasi spasial. Ukuran perbandingan yang ingin diamati adalah nilai penambahan informasi spasial dan nilai kesalahan informasi warna antara citra hasil fusi dan pasangan citra awal. Ruang Lingkup Metode fusi citra yang diaplikasikan dan dibandingkan adalah metode transformasi Brovey dan Principal Component Analysis. Dalam pengujian aplikasi digunakan citra subset yang lebih kecil dari pasangan citra awal. Adapun citra multipektral hasil fusi merupakan citra GEOTIFF/TIFF yang hanya dapat menampung sebatas informasi dari 4 kanal spektral. Manfaat Penelitian Dari penelitian ini diharapkan dapat memberikan suatu gambaran akan manfaat teknik fusi citra satelit. Gambaran ini berupa peningkatan informasi spasial dan informasi warna pada citra hasil fusi. TINJAUAN PUSTAKA Fusi Citra (Image Fusion) Pada bidang penginderaan jauh dikenal definisi dari fusi data (data fusion), yaitu sebuah format kerja formal tentang cara dan alat bantu untuk menggabungkan data yang didapatkan dari sumber yang berbeda. Data fusion bertujuan mendapatkan informasi dengan kualitas yang lebih baik. Definisi kualitas yang lebih baik akan bergantung kepada aplikasinya (Wald 1999). Data citra yang sering dipakai dalam analisis penginderaan jauh antara lain adalah citra pankromatik (pan) dengan informasi keabu-abuan, yang umumnya memiliki informasi spasial tinggi sehingga dapat membantu melokasikan suatu objek di muka bumi. Selain itu terdapat pula citra multispektral berwarna dengan saluran multispektrum (infra merah, cahaya tampak,
13 2 maupun ultra ungu) yang lebih memberikan informasi warna berdasarkan pantulan dan penyerapan sinar elektromagnetik oleh objek yang ditangkap oleh sensor. Pada umumnya citra multispektral yang ada beresolusi rendah, dalam arti memiliki informasi spasial yang rendah meskipun mampu memberi informasi warna yang tinggi. Kedua citra pankromatik dan multispektral ini, terlebih lagi penggabungannya, memiliki andil yang besar dalam aplikasi inderaja. Proses penggabungan citra pankromatik dan citra multispektral ini umum dikenal sebagai image fusion atau pan-sharpening. Fusi citra (image fusion) secara umum diartikan sebagai teknik untuk mengintegrasikan detail geometri atau spasial dari suatu citra pankromatik (hitam putih) beresolusi tinggi dengan citra multispektral beresolusi rendah. Tujuan yang hendak dicapai dalam tahapan ini adalah didapatkannya tepian objek (edge) yang semakin jelas serta didapatkannya informasi warna yang paling tajam dan representatif dengan mengacu pada citra multispektral awal. Pemulihan Citra Pada umumnya citra mengalami distorsi yang menyebabkan ketidaksesuaian dengan keadaan aslinya. Pemulihan distorsi citra dilaksanakan baik dengan koreksi geometrik maupun koreksi radiometrik. Distorsi geometrik terjadi karena adanya pergeseran piksel dari letak yang sebenarnya. Hal ini disebabkan oleh ketidakstabilan sensor ataupun kurang sempurnanya sistem kerja pemindai. Distorsi secara geometrik pada data asli dapat diperbaiki dengan cara melakukan registrasi koordinat dengan bantuan titik kontrol tanah (ground control point atau GCP) yang lokasinya diketahui dengan tepat (georectification). Selain itu distorsi geometrik dapat pula diperbaiki dengan teknik resampling. Perbaikan dengan teknik resampling umumnya digunakan dengan menggunakan teknik nearest neighbor, bilinear, dan cubic interpolation. Distorsi radiometrik antara lain diakibatkan oleh adanya pengaruh atmosfer berupa penghamburan dan penyerapan, noise pada waktu transmisi data, perubahan cahaya, radiasi dan buramnya bagian optik pada sistem pencitraan. Pada umumnya distorsi radiometrik mempengaruhi kanal spektrum visible (panjang gelombang µm), sedangkan sebagian besar kanal infra merah dekat terbebas dari distorsi tersebut. Penyesuaian histogram (histogram adjustment) dengan mengurangi nilai kanal terdistorsi ke arah kiri, sehingga nilai minimum kanal menjadi nol, akan dapat memperbaiki citra secara radiometris (Lillesand & Kiefer 1990). Metode Interpolasi Interpolasi digunakan untuk memperkirakan nilai antar piksel yang tidak diketahui, akibat proses perubahan geometris citra, seperti proses resize, ataupun proses transformasi. Tiga metode umum yang digunakan adalah nearest-neighbor, bilinear, dan bicubic. Nearest-neighbor memberikan nilai piksel keluaran sesuai dengan nilai pada titik acuan, sehingga memberikan kecepatan proses yang tinggi. Bilinear memberikan nilai keluaran yang mempertimbangkan nilai 2x2 piksel tetangga terdekat dari titik acuan, umumnya digunakan karena ketepatan dan kecepatannya. Adapun bicubic mempertimbangkan nilai keluaran dari informasi 4x4 tetangga terdekat (Matlab 2004). Metode Interleave Interleave menspesifikasikan bagaimana sebuah data disimpan. Pada umumnya kanal (band) citra multispektral didefinisikan sebagai dimensi ketiga dalam array 3D, sebagaimana dijelaskan Gambar 1 berikut ini. Metode interleave ini terbagi menjadi tiga format yaitu BSQ, BIL, dan BIP. Gambar 1 Representasi citra multispektral. Pada format BSQ (Band Sequential), tiap keseluruhan kanal diikuti oleh keseluruhan kanal berikutnya. Pada format BIL (Band Interleaved by Line) baris pertama dari kanal pertama kemudian diikuti dengan baris pertama kanal kedua dan selanjutnya untuk setiap kanal. Lalu pada format BIP (Band Interleaved by Pixel), piksel pertama dari tiap kanal diikuti oleh piksel kedua dari setiap kanal dan seterusnya (ENVI 2003).
14 3 Transformasi Brovey Transformasi Brovey merupakan metode mudah untuk mengkombinasikan data dari sensor berbeda, hanya saja terbatas untuk komposisi tiga kanal spektral. Metode Brovey bertujuan untuk menormalisasikan 3 kanal spektral yang digunakan untuk display RGB (Red Green Blue). Kemudian hasil normalisasi dikalikan dengan informasi data yang diinginkan, dalam hal ini citra pankromatik (Pan), untuk menambah komponen intensitas dan kecerahan citra. Formula yang digunakan dijelaskan pada persamaan (1) berikut (Dehghani 2003): Red=Band3/(Band1+Band2+Band3) Pan Green=Band2/(Band1+Band2+Band3) Pan Blue=Band1/(Band1+Band2+Band3) Pan, (1) dengan Pan adalah citra Pankromatik, Band1 adalah kanal merah, Band2 adalah kanal hijau, dan Band3 adalah kanal biru. Transformasi ini dapat meningkatkan tingkat kekontrasan citra hasil. Dengan demikian akan dihasilkan citra yang lebih terang dari segi spektral warna. Akan tetapi transformasi ini tidak cocok jika ingin tetap mempertahankan nilai radiometri (spektral) dari citra multispektral awal. Principal Component Analysis (PCA) Transformasi PCA bertujuan mereduksi informasi dari komponen yang saling berkorelasi menjadi komponen tereduksi baru yang saling tidak berkorelasi. Dalam teknik fusi citra, PCA digunakan untuk menransformasi citra multispektral beresolusi rendah untuk mendapatkan komponen penting (principal component) representatif baru yang saling tidak berkorelasi. Komponen penting berisi informasi umum dari keseluruhan kanal spektral, yang direpresentasikan dalam vektorvektor nilai eigen. Proses untuk mendapatkan komponen penting ini disebut sebagai transformasi forward. Secara matematis dijelaskan pada persamaan (2) dengan l DN adalah digital MS number (DN) dari citra input multispektral resolusi spasial rendah, PC 1 adalah principal component pertama, dan matriks transformasi ν terdiri dari vektor-vektor eigen yang diurutkan berdasarkan nilai eigennya. l PC1 v11 v21 L vn1 DN MS1 PC 2 v12 v22 L vn2 l DN. = MS 2 L L L L L M PCn v1n v2n L vnn l DN MSn (2) Vektor eigen yang memiliki nilai eigen tertinggi merupakan komponen penting pertama ( PC 1). PC 1 ini yang akan digantikan oleh data citra pankromatik beresolusi spasial tinggi, yang sebelumnya direntangkan agar memiliki rataan (mean) yang menyamai PC 1. Secara matematis transformasi backward dari metode fusi citra menggunakan PCA dijelaskan pada persamaan (3), dengan h DN adalah citra MS multispektral hasil yang memiliki resolusi spasial lebih tinggi dan h' DN adalah citra PAN pankromatik yang telah direntangkan agar menyamai rataan dari PC 1. h v v v n h DN MS L 1 ' 1 DNPAN h DNMS2 v21 v22 L v2n = PC2. M L L L L M h DNMSn vn1 vn2 L vnn PCn (3) Jika digabungkan maka akan didapat persamaan (4) berikut: h DN h DN M h DN MS1 MS2 MSn l DN v11 MS1 l DN ' + ( ) v21 MS2 h l = DN PAN DNPAN M M l DN vn1 MSn (4) DN l PAN = dan h' DN adalah PAN, yang telah direntangkan agar dengan PC 1 h DN PAN memiliki nilai rataan dan ragam menyerupai PC 1 (Wang et al. 2005). Analisis Kinerja Kuantitatif Hasil Fusi Analisis kinerja kuantitatif citra hasil fusi terdiri dari dua kriteria, yaitu kriteria spasial dan kriteria fidelitas. Kriteria Spasial (Spatial Criterion) Kriteria ini bertujuan memaksimalkan detail spasial dengan cara memaksimalkan koefisien korelasi antara komponen spasial/ frekuensi tinggi dari citra hasil fusi dengan citra pankromatik awal, sebagaimana dijelaskan pada persamaan (5) berikut.
15 4 cor Χ, Υ = MN XY ( X)( Y) [ MN X ( X) ][ MN Y ( Y) ] (5) dengan X adalah citra multispektral hasil fusi, Y adalah citra pankromatik, dan M N adalah ukuran citra (Tsai 2004). Citra Multispektral Teregistrasi Registrasi, Crop, R esampling Citra Pankromatik Teregistrasi Kriteria Fidelitas (Fidelity Criterion) Kriteria ini bertujuan meminimalkan hilangnya informasi dari citra hasil fusi dengan berpedoman pada citra multispektral awal. Kriteria fidelitas dapat didefinisikan dengan meminimalkan nilai root mean square error (RMSE) pada persamaan (6) berikut M N ( k) = ( g( x, y, k) f ( x, y, k) ) RMSE MN x= 0 y= 0 (6) dengan f ( x, y, k) adalah citra multispektral awal dari kanal k yang telah di-resampling sebesar ukuran citra pankromatik, dan g( x, y, k) adalah citra hasil fusi dengan ukuran M N (Tsai 2004). 2 Perhitungan Statistik (mean,pdf) Metode Fusi Brovey Perhitungan Statistik (mean,pdf) Reshaping dan Image W rite Citra Hasil Fusi Metode Fusi Brovey Penghitungan Kriteria Kuantitatif dan Perbandingan Display Citra Hasil dan Nilai Perbandingan Gambar 2 Diagram alir penelitian. Penjabaran dari metode fusi dengan menggunakan transformasi PCA digambarkan oleh Gambar 3 berikut ini. METODE PENELITIAN Metode Penelitian Metode penelitian yang dilakukan menggunakan data pasangan citra pankromatik dan multispektral satelit QuickBird pencitraan area Taman Nasional Kerinci Semblat serta citra pankromatik dan 6 citra spektral satelit Landsat pencitraan area Singkawang. Secara garis besar metode penelitian yang dilakukan adalah sebagai berikut: 1 Dilakukan persiapan data citra dengan bantuan perangkat lunak pemrosesan citra satelit, ENVI, guna mendapatkan citra dengan ukuran lebih kecil dari citra awal untuk memudahkan komputasi dengan Matlab. 2 Dilakukan pengimplementasian teknik fusi citra menggunakan bahasa pemrograman Matlab dengan alur seperti yang ditunjukkan pada Gambar 2. Multispektral Teregistrasi Concatenating dan Vectorizing Perentangan Histogram PCA Forward Transform Citra Pankromatik Teregistrasi Perhitungan PDF Citra Pan (Input) dan PC1 (Citra Referensi) Perhitungan Fungsi Citra Pan (Input) dan PC1 (Citra Referensi) Perhitungan Fungsi Inversi Citra Pan resolusi rendah dgn mean seperti PC1 Penggantian PC1 dgn Pan resolusi rendah PCA Backward Transform Gambar 3 Diagram alir metode fusi PCA.
16 5 Lingkungan Pengembangan Perangkat lunak yang digunakan pada penelitian ini adalah compiler Matlab versi dengan sistem operasi Microsoft Window XP. Langkah persiapan citra menggunakan perangkat lunak pemrosesan citra satelit, ENVI versi 4.0., sedangkan spesifikasi perangkat keras yang digunakan adalah PC dengan prosesor Pentium IV 2GHz, memori sebesar 512MB, dan kapasitas penyimpanan sebesar 40GB. HASIL DAN PEMBAHASAN Data sumber pertama adalah pasangan citra pankromatik hitam putih beresolusi spasial 0.6 meter dan citra multispektral beresolusi spasial 2.4 meter dari wilayah Taman Nasional Kerinci Semblat. Citra pankromatik awal berdimensi [BSQ] dan berukuran kb. Pasangannya adalah citra multispektral berdimensi dan berukuran kb. Keduanya bertipe kelas unsigned int16 (uint16) dengan ukuran digital number (DN) piksel berada pada rentang [ ]. Pasangan citra awal merupakan file GeoTIFF yang merupakan citra standar hasil foto udara satelit observasi bumi QuickBird. Data sumber kedua merupakan citra standar hasil pencitraan dari satelit Landsat. Data citra terdiri dari sebuah citra pankromatik hitam putih beresolusi spasial 15 meter dan 6 citra spektral beresolusi spasial 30 meter dari wilayah Singkawang. Citra pankromatik awal berdimensi x x 1 [BSQ] dan berukuran kb. Citra penyertanya adalah 6 citra spektral dari kanal sensor satelit Landsat, yang masing-masing memiliki dimensi 7861 x 6961 x 1 [BSQ] dan berukuran kb. Ketujuh citra Landsat ini bertipe kelas unsigned int8 (uint8) dengan rentang nilai [0 256]. Pasangan data citra QuickBird dan Landsat ini dipilih karena data tersedia untuk penelitian dan telah mengalami proses georectification, yaitu telah disesuaikan dengan informasi geografis di lapangan. Visualisasi dan karakteristik pasangan citra QuickBird awal ditunjukkan pada Lampiran 1. Adapun visualisasi dan karakteristik citra Landsat ditunjukkan pada Lampiran 2. Persiapan Data Ukuran data yang besar menjadi masalah yang signifikan dalam usaha pembacaan citra dengan menggunakan Matlab. Oleh karena itu dilakukan pengambilan sampel kecil dari kedua pasangan citra dengan cara melakukan resize data menggunakan perangkat lunak pemrosesan citra, ENVI versi 4.0. Proses yang dilakukan dalam resizing adalah dengan memilih sub bagian citra yang akan diambil (subsetting) dengan sedapat mungkin tidak mengubah informasi registrasi citra awal. Citra yang di-resize terlebih dahulu adalah citra pankromatik. Kemudian resizing citra multispektral dilakukan dengan berpedoman dari file citra pankromatik yang telah didapat sebelumnya agar memiliki daerah yang sama. Setelah dilakukan resizing, file subset diubah ke dalam bentuk TIFF/GeoTIFF dan dibentuk file header-nya. Pada umumnya setelah proses ini ENVI akan menghasilkan file.tfw (TIFF world files) dan.hdr sebagai penyerta tiap file.tif. Subset citra pankromatik Landsat yang digunakan berukuran 631 kb dengan dimensi , sedangkan keenam subset citra spektral Landsat yang digunakan berukuran masing-masing 160 kb dan berdimensi Pada citra QuickBird diambil subset citra pankromatik berukuran 709 kb dengan dimensi , dan subset citra multispektral berukuran 181 kb dengan dimensi Gambar 4 merupakan subset citra QuickBird yang diambil untuk input penelitian, sedangkan Gambar 5 merupakan subset citra Landsat. Gambar 4 Subset citra QuickBird (uint16). Gambar 5 Subset citra Landsat (uint8).
17 6 Registrasi, Crop, dan Resampling Di dalam Matlab, pembacaan kanal citra multispektral yang memiliki lebih dari 3 kanal memerlukan perlakuan yang berbeda. Pertama-tama citra multispektral yang telah diregistrasi dibaca dengan menggunakan fungsi imread untuk mendapatkan informasi 3 kanal display (Red Green Blue) pertama. Kemudian dilakukan pembacaan sisa kanal spektral dengan menggunakan fungsi multibandread. Pada penelitian ini pembacaan dengan menggunakan fungsi multibandread hanya diberlakukan pada citra QuickBird yang memiliki informasi 4 kanal spektral. Pada citra Landsat tidak perlu diberlakukan hal yang sama karena data keenam kanal spektralnya telah tersimpan dalam file yang terpisah. Dalam pembacaan sisa kanal spektral QuickBird, didapatkan bahwa sisa kanal yang dibaca dengan fungsi multibandread akan mengalami distorsi berupa pergeseran letak titik pojok kiri atas kanal. Oleh karena itu diberlakukan proses registrasi dengan mendefinisikan terlebih dahulu GCP dari data masukan (input) dan GCP dari data basis (salah satu dari ketiga kanal yang telah terbaca sebelumnya). Proses ini dilakukan dengan menggunakan control point tool pada Matlab. Proses penentuan GCP dari kanal referensi (kanal basis) dan kanal yang akan diregistrasi (kanal input) ditunjukkan pada Gambar 6. Selanjutnya dengan berbasis data GCP input dan data GCP basis dilakukan pemotongan (cropping) pada kanal yang telah diregistrasi untuk menghilangkan piksel-piksel yang tidak bersesuaian. input dan GCP basis dari kedua pasangan citra. Titik GCP input untuk citra multispektral QuickBird adalah [1 1;1 26;35 1;35 26]. Adapun titik GCP basisnya adalah [9 9;9 34;43 9;43 34]. Setelah dilakukan proses registrasi diberlakukanlah proses cropping. Titik (9, 9) diambil sebagai titik kiri atas baru untuk citra multispektral QuickBird. Kemudian untuk mendapatkan ukuran sampel yang sama dengan kanal display (Red Green Blue) diberlakukan proses resize. Kanal yang teregistrasi dan telah diberlakukan proses cropping di-resize dengan menggunakan metode interpolasi bilinear. Metode Fusi Metode transformasi Brovey dan metode PCA sama-sama menggunakan kombinasi linear dari pasangan citra awal untuk mendapatkan citra multispektral baru dengan resolusi spasial menyamai resolusi citra pankromatik awal. Metode Brovey merupakan komposisi dari rasio ketiga nilai kanal multispektral untuk keperluan display, dalam hal ini kanal RGB yang dipadukan dengan nilai spasial dari citra pankromatik awal. Adapun perhitungan nilai kanal infra merah dekat (NIR) dilakukan dengan melakukan kombinasi dari rasio kanal NIR, Red dan Green (Wang et al. 2005). Hasil tampilan RGB untuk subset citra QuickBird dan citra Landsat hasil fusi Brovey diperlihatkan pada Gambar 7 berikut. Gambar 6 Proses penentuan GCP. Dari proses pemilihan GCP dengan bantuan tool Matlab didapatkan variabel GCP Gambar 7 Citra hasil fusi Brovey. Pada metode fusi Principal Component Analysis, sebelum diberlakukan transformasi forward PCA, data citra dibentuk menjadi vektor. Kemudian diberlakukan transformasi forward PCA untuk mencari principal component dari citra multispektral awal. Hasil dari proses ini adalah matriks vektor-vektor eigen yang terurut. Setelah itu vektor eigen dengan nilai terbesar diambil sebagai vektor PC1, dan definisikan DN l PAN = PC1. Langkah selanjutnya adalah langkah perentangan histogram yang berfungsi untuk mendapatkan citra pankromatik baru,
18 7 h' DN, dengan rataan yang sama dengan PAN PC1. Proses ini dilakukan untuk mengurangi distorsi warna pada citra hasil fusi akibat jauhnya perbedaan rentang citra pankromatik dan citra multispektral. Langkah perentangan histogram adalah sebagai berikut: 1 Nilai PDF dari vektor PC1 dan citra pankromatik dihitung dahulu untuk mendapatkan fungsi yang merepresentasikannya. 2 Dari kedua fungsi yang diperoleh dari langkah 1 dihitung suatu fungsi inversi. 3 Citra pankromatik dipetakan dengan bantuan fungsi inversi. Hasilnya adalah citra pankromatik baru dengan resolusi spasial lebih rendah, namun lebih mendekati karakteristik kanal PC1. Setelah proses perentangan histogram, dilakukan transformasi backward PCA dengan terlebih dahulu menggantikan kanal PC1 dengan citra pankromatik baru hasil perentangan ( h' DN ) dan mendefinisikan PAN DN l PAN = PC 1. Kanal-kanal multispektral baru hasil transformasi backward inilah yang dibentuk menjadi citra multispektral baru. Hasil tampilan RGB untuk subset citra QuickBird dan citra Landsat hasil fusi PCA diperlihatkan pada Gambar 8 berikut. Adapun perbandingan setiap citra hasil metode fusi ditunjukkan pada Lampiran 3. Gambar 8 Citra hasil fusi PCA. spektral 150x150x4 (uint16) Res:2.4 m Quick- Bird kromatik 600x600x1 (uint16) Res:0.6 m Pada dasarnya file citra hasil fusi mempunyai ukuran yang lebih besar daripada kedua file citra awal. Hal ini disebabkan oleh penggabungan informasi spasial dan informasi warna dari pasangan citra awal. Perbandingan ukuran sebelum dan sesudah proses fusi antara kedua metode dinyatakan pada Tabel 1. Tabel 1 Ukuran dan dimensi data Ukuran (bytes) dan dimensi data subset Citra Pan- Citra Multi- Citra Hasil Fusi 600x600x4 (uint16) Res:0.6 m Landsat kb kb PCA : kb Brovey : kb 800x800x1 (uint8) Res:15 m kb 400x400x6 (uint8) Res:30 m kb 800x800x4 (uint8) Res:15 m PCA : kb Brovey : kb Adapun dalam hal lama waktu pemrosesan, metode Brovey membutuhkan waktu proses yang jauh lebih singkat bila dibandingkan dengan metode PCA. Lama waktu pemrosesan pada metode PCA disebabkan oleh proses perentangan histogram. Pada citra yang memiliki kelas uint16 harus dilakukan pemetaan dari rentang nilai [ ] untuk menemukan fungsi inversi. Waktu yang dibutuhkan dapat dilihat pada Tabel 2. Tabel 2 Perbandingan proses fusi Brovey (Quick- Bird) Perbandingan Visualisasi Waktu proses fusi PCA (Quick- Bird) Brovey (Landsat) PCA (Landsat) Waktu (detik) Secara visual dapat diamati bahwa citra fusi hasil transformasi Brovey memiliki informasi spasial dengan ketajaman tinggi. Akan tetapi dari segi warna, citra hasil transformasi ini memberikan informasi yang jauh berbeda dengan informasi warna pada citra multispektral awal. Citra hasil fusi cenderung berwarna lebih terang kebiruan. Hal ini disebabkan karena metode transformasi Brovey hanya menggunakan rasio dari 3 kanal spektral dan tidak memperhitungkan perbedaan rentang nilai gelombang antara kanal pankromatik maupun kanal multispektral. Pada citra hasil metode fusi PCA, terdapat distorsi berupa titik-titik hitam dan kurang tajamnya informasi tepian objek yang diperoleh. Akan tetapi warna citra hasil fusi PCA memperlihatkan kedekatan dengan warna citra multispektral awal. Kedekatan warna ini dikarenakan PCA melakukan perentangan histogram sebelum proses perhitungan kanal multispektral baru. Dengan
19 8 demikian metode PCA menghasilkan histogram kanal spektral baru yang lebih menyebar dan menyerupai karakteristik citra multispektral awal. Perbedaan hasil kedua metode ini dapat diamati secara visual melalui Gambar 9 dan 10 berikut. Gambar 9 menunjukkan citra pankromatik QuickBird resolusi 0.6 meter dan citra multispektral QuickBird resolusi 2.4 meter. Kemudian zoom area di dalam persegi merah ditunjukkan oleh Gambar 10. Terurut dari kiri ke kanan bawah, adalah area zoom citra pankromatik resolusi 0.6 meter, citra hasil fusi PCA resolusi 0.6 meter, dan citra hasil Brovey resolusi 0.6 meter. Adapun perbandingan citra hasil kedua metode fusi secara visual ditunjukkan pada Lampiran 4. Gambar 9 Subset citra pankromatik dan multispektral QuickBird awal. (a) (b) (c) Gambar 10 Area zoom (a) citra Pan, (b) hasil fusi PCA, (c) hasil fusi Brovey. Perbandingan Kriteria Kuantitatif Perbandingan kriteria kuantitatif yang dilakukan adalah perbandingan nilai koefisien korelasi dan nilai root mean square error (RMSE). Nilai koefisien korelasi mengukur kesamaan informasi spasial antara citra hasil fusi dengan citra pankromatik awal yang ditunjukkan pada Tabel 3. Nilai ini berada pada rentang [-1 1]. Nilai mendekati 1 menyatakan semakin tingginya nilai informasi spasial yang terkandung pada citra hasil fusi. Tabel 3 Koefisien korelasi antara citra multispektral hasil fusi dengan citra pankromatik awal Koefisien Korelasi Citra Hasil Fusi Band1 Band2 Band3 Band4 Pan Brovey (QuickBird) Pan Brovey (Landsat) Pan PCA (QuickBird) Pan PCA (Landsat) Metode Brovey memberikan nilai koefisien korelasi yang tinggi. Nilai korelasi yang tinggi menandakan bahwa citra hasil transformasi fusi Brovey memiliki informasi spasial yang mendekati informasi spasial citra pankromatik awal. Hal ini mendukung pengamatan visual bahwa pada citra hasil Brovey informasi tepi objek dapat dikenali lebih mudah. Nilai koefisien korelasi yang dihasilkan pada metode PCA sangat kecil bila dibandingkan dengan metode Brovey. Pada dasarnya karakteristik kanal NIR mendekati karakteristik citra pankromatik, sehingga nilai korelasi kanal 4 (NIR) akan lebih mendekati nilai 1. Akan tetapi pada perbandingan kanal NIR QuickBird dengan citra pankromatik diperoleh nilai yang sangat kecil. Nilai yang kecil ini disebabkan kerusakan kanal NIR citra multispektral QuickBird awal akibat proses pembacaan dengan multibandread. Lain halnya dengan perhitungan koefisien korelasi, perhitungan kriteria RMSE bertujuan untuk melihat tingkat perubahan informasi warna dari perbandingan antara citra hasil fusi dengan citra multispektral awal. Nilai RMSE yang baik adalah nilai seminimal mungkin. Nilai RMSE dari data citra percobaan ditunjukkan pada Tabel 4. Tabel 4 Nilai RMSE antara citra multispektral hasil fusi dengan citra multispektral awal RMSE Citra Hasil Fusi Band1 Band2 Band3 Band4 Brovey (QuickBird) Brovey (Landsat) PCA (QuickBird) PCA (Landsat)
20 9 Bila dibandingkan dengan nilai RMSE metode Brovey, nilai RMSE hasil metode fusi PCA menunjukkan nilai yang lebih kecil. Rendahnya nilai RMSE metode PCA ini menunjukkan rendahnya informasi warna citra multispektral awal yang hilang pada proses fusi PCA. Dengan demikian dapat disimpulkan bahwa metode PCA mampu mempertahankan informasi warna lebih baik daripada metode Brovey. Hal ini dapat dilihat dari representasi visual kanal RGB. Secara visual, informasi warna citra hasil metode PCA terlihat hampir menyerupai informasi warna citra multispektral awal. KESIMPULAN DAN SARAN Kesimpulan Dari hasil penelitian didapat bahwa nilai koefisien korelasi antara citra multispektral hasil metode Brovey dan citra pankromatik awal memberikan nilai korelasi tertinggi. Hal ini menunjukkan penambahan informasi spasial yang tinggi. Akan tetapi metode Brovey kurang meminimalkan nilai RMSE pada perbandingan informasi warna antara citra hasil dan citra multispektral awal. Hal sebaliknya terjadi pada citra hasil fusi dengan menggunakan metode PCA. Metode PCA mampu memberikan informasi warna yang baik dengan nilai RMSE hasil fusi yang lebih rendah. Akan tetapi metode PCA kurang dapat menyumbangkan penambahan informasi spasial. Hal ini dapat dilihat dari nilai koefisien korelasi citra hasil metode PCA yang nilainya jauh lebih rendah daripada nilai koefisien korelasi metode Brovey. Pada dasarnya metode Brovey dan PCA memiliki kelebihan dan kekurangan masingmasing. Terlepas dari kekurangannya, kedua metode mampu memberikan citra multispektral hasil fusi baru yang memiliki penambahan informasi spasial dan informasi warna dari pasangan citra awal. Pemilihan metode fusi yang cocok bergantung pada keperluan analisis citra, untuk pengamatan spektral atau untuk pengamatan tepian objek. Saran Penelitian ini masih belum sempurna dilakukan. Beberapa hal dapat dilakukan untuk pengembangan topik penelitian ini lebih lanjut, antara lain: 1 Dilakukannya penggabungan metode fusi Brovey dan PCA untuk mendapatkan hasil yang lebih baik secara spasial maupun warna. 2 Diterapkannya pemrosesan paralel dengan menggunakan block processing guna mengakomodasi data citra satelit yang berukuran besar. 3 Dilakukannya pengukuran keakuratan spasial dengan menggunakan proses klasifikasi pada citra hasil fusi. 4 Dilakukannya proses enhancement yang mendukung pendeteksian tepi objek, guna melihat kinerja fusi citra dalam pengekstraksian objek-objek penting pada citra hasil fusi, seperti jalan atau objekobjek penting lainnya. DAFTAR PUSTAKA Aiazzi B, et al Spectral Information Extraction by means of MS+PAN Fusion. Di dalam: ESA Special Publication no. 553, Theory and Applications of Knowledge driven Image Information Mining, with focus on Earth Observation, in press. Dehghani M Wavelet-based Image Fusion Using A trous Algorithm. y/ip/pdf/53.pdf [30 Oktober 2006] ENVI ENVI 4.0 Online Help. Research Systems Inc. Gonzalez RC, Woods RE, Eddins SL Digital Image Processing Using MATLAB. New Jersey: Pearson Prentice Hall. Lillesand TM, Kiefer RW Penginderaan Jauh dan Interpretasi Citra. Dulbahri, Suharsono P, Hartono, Suharyadi, penerjemah; Sutanto, penyunting; Yogyakarta: Gajah Mada University Press. Matlab Matlab s Manual Release MathWorks Inc. Tsai VJD Evaluation of Multiresolution Image Fusion Algorithms. IEEE Trans. Geosci. Remote Sens., no , hlm Wald L Some terms of reference in data fusion. IEEE Trans. Geosci. Remote Sens., vol. 37, no. 3, Mei hlm
21 10 Wang Z, et al A Comparative Analysis of Image Fusion Methods. IEEE Trans. Geosci. Remote Sens., vol. 43, no. 6, Juni hlm Zhang Y Understanding Image Fusion. Photogramm. Eng. Remote Sens., vol. 70, no. 6, Juni hlm Zhang Y, Wang R Multi-resolution and Multi-spectral Image Fusion for Urban Object Extraction. Di dalam: Proceedings of XXth ISPRS Congress, Commission III, July 2004, Istanbul, Turkey. hlm
22 LAMPIRAN
23 12 Lampiran 1 Visualisasi dan karakteristik data awal QuickBird Panjang Gelombang Sensor Satelit QuickBird Band Number Wavelength Interval Spectral Response Resolution µm Blue 2.4 meter µm Green 2.4 meter µm Red 2.4 meter µm Near IR 2.4 meter µm Panchromatic 0.6 meter Visualisasi data QuickBird (dari kiri ke kanan adalah citra pankromatik dan display RGB citra multispektral) Karakteristik citra pankromatik (hitam putih) QuickBird: File: C:\MATLAB701\work\JPG-TIF\TN_pan.tif Dims: 7762 x 9350 x 1 [BSQ] Size: [Unsigned Int] 145,224,566 bytes. File Type : TIFF Sensor Type: Unknown Byte Order : Host (Intel) Projection : UTM, Zone 47 South Pixel : 0.6 Meters Datum : WGS-84 Wavelength : Panchromatic : nm Upper Left Corner: 1,1 Description: GEO-TIFF File Imported into ENVI [Sat Dec 30 11:33: ] Band Min Max Mean Stdev Karakteristik citra multispektral (berwarna) QuickBird: File: C:\MATLAB701\work\JPG-TIF\TN_xs.tif Dims: 1941 x 2338 x 4 [BSQ] Size: [Unsigned Int] 36,379,662 bytes. File Type : TIFF
24 13 Lampiran 1 Lanjutan Sensor Type: Unknown Byte Order : Host (Intel) Projection : UTM, Zone 47 South Pixel : 2.4 Meters Datum : WGS-84 Wavelength : Blue : nm (1 st band) Green : nm (2 nd band) Red : nm (3 rd band) Near IR: nm (4 th band) Upper Left Corner: 1,1 Description: GEO-TIFF File Imported into ENVI [Sat Dec 30 11:33: ] Band Min Max Mean Stdev Num Eigenvalue Histogram data QuickBird (dari atas ke bawah adalah histogram citra pankromatik dan histogram citra multispektral)
25 14 Lampiran 2 Visualisasi dan karakteristik data awal Landsat Panjang Gelombang Sensor Satelit Landsat : Band Number Wavelength Interval Spectral Response Resolution µm Blue-Green 30 meter µm Green 30 meter µm Red 30 meter µm Near IR 30 meter µm Mid-IR 30 meter µm Thermal IR 120 (TM) 60 (ETM+) µm Mid-IR 30 meter µm Panchromatic 15 meter Visualisasi data pankromatik Lansat resolusi 15 meter (dari kiri ke kanan adalah citra pankromatik dan perbesaran areanya) Visualisasi data multispektral Lansat resolusi 30 meter (dari kiri ke kanan adalah display RGB citra multispektral dan perbesarannya)
26 15 Lampiran 2 Lanjutan Karakteristik citra pankromatik (hitam putih) Landsat: File: C:\MATLAB701\work\JPG-TIF\LB8.TIF Dims: x x 1 [BSQ] Size: [Byte] 218,963,786 bytes. File Type : TIFF Sensor Type: Unknown Byte Order : Host (Intel) Projection : UTM, Zone 47 South Pixel : 15 Meters Datum : WGS-84 Wavelength : Panchromatic µm Upper Left Corner: 1,1 Description: GEO-TIFF File Imported into ENVI [Mon Jul 16 12:27: ] Band Min Max Mean Stdev Karakteristik citra multispektral (berwarna) Landsat: File: C:\RSI\IDL60\LB_xs.tif Dims: 7902 x 7001 x 6 [BSQ] Size: [Byte] 332,267,826 bytes. File Type : TIFF Sensor Type: Unknown Byte Order : Host (Intel) Projection : UTM, Zone 47 South Pixel : 30 Meters Datum : WGS-84 Wavelength : Band µm Blue-Green Band µm Green Band µm Red Band µm Near IR Band µm Mid-IR Band µm Mid-IR Upper Left Corner: 1,1 Description: GEO-TIFF File Imported into ENVI [Mon Jul 16 12:50: ] Band Min Max Mean Stdev Num Eigenvalue
27 16 Lampiran 2 Lanjutan Histogram data pankromatik Landsat Histogram data multispektral Landsat
28 17 Lampiran 3 Hasil metode fusi citra Hasil fusi citra dengan metode Brovey (data QuickBird) Hasil fusi citra dengan metode Brovey (data Landsat)
29 18 Lampiran 3 Lanjutan Hasil fusi citra dengan metode PCA (data QuickBird) Hasil fusi citra dengan metode PCA (data Landsat)
30 19 Lampiran 4 Perbandingan visual citra hasil fusi Brovey dan PCA Perbandingan citra QuickBird hasil fusi metode Brovey dan PCA: Perbandingan citra Landsat hasil fusi metode Brovey dan PCA:
HASIL DAN PEMBAHASAN. Gambar 4 Subset citra QuickBird (uint16).
5 Lingkungan Pengembangan Perangkat lunak yang digunakan pada penelitian ini adalah compiler Matlab versi 7.0.1. dengan sistem operasi Microsoft Window XP. Langkah persiapan citra menggunakan perangkat
Lebih terperinciRANCANG BANGUN APLIKASI FUSI CITRA (IMAGE FUSION) DARI DATA PENGINDERAAN JAUH MENGGUNAKAN METODE PANSHARPENING TUGAS AKHIR
RANCANG BANGUN APLIKASI FUSI CITRA (IMAGE FUSION) DARI DATA PENGINDERAAN JAUH MENGGUNAKAN METODE PANSHARPENING TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan studi Program
Lebih terperinciPEMETAAN MANGROVE DENGAN TEKNIK IMAGE FUSION CITRA SPOT DAN QUICKBIRD DI PULAU LOS KOTA TANJUNGPINANG PROVINSI KEPULAUAN RIAU
PEMETAAN MANGROVE DENGAN TEKNIK IMAGE FUSION CITRA SPOT DAN QUICKBIRD DI PULAU LOS KOTA TANJUNGPINANG PROVINSI KEPULAUAN RIAU Reygian Freila Chevalda 1), Yales Veva Jaya, S.Pi, M.Si 2), dan Dony Apdillah,
Lebih terperinciMETODOLOGI. Gambar 4. Peta Lokasi Penelitian
22 METODOLOGI Tempat dan Waktu Penelitian Penelitian dilakukan di Kota Sukabumi, Jawa Barat pada 7 wilayah kecamatan dengan waktu penelitian pada bulan Juni sampai November 2009. Pada lokasi penelitian
Lebih terperinciPENAJAMAN INFORMASI OBYEK PERMUKAAN BUMI DENGAN FUSI CITRA PENG1NDERAAN JAUH BERDASARKAN WAVELET
PENAJAMAN INFORMASI OBYEK PERMUKAAN BUMI DENGAN FUSI CITRA PENG1NDERAAN JAUH BERDASARKAN WAVELET Mohammad Natsir Peneliti Pusat Data Penginderaan Jauh, LAPAN ABSTRACT There are different cases that high
Lebih terperinci5. PEMBAHASAN 5.1 Koreksi Radiometrik
5. PEMBAHASAN Penginderaan jauh mempunyai peran penting dalam inventarisasi sumberdaya alam. Berbagai kekurangan dan kelebihan yang dimiliki penginderaan jauh mampu memberikan informasi yang cepat khususnya
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian ini. Proses persiapan data ini berpengaruh pada hasil akhir penelitian. Persiapan yang dilakukan meliputi
Lebih terperincimenunjukkan nilai keakuratan yang cukup baik karena nilai tersebut lebih kecil dari limit maksimum kesalahan rata-rata yaitu 0,5 piksel.
Lampiran 1. Praproses Citra 1. Perbaikan Citra Satelit Landsat Perbaikan ini dilakukan untuk menutupi citra satelit landsat yang rusak dengan data citra yang lainnya, pada penelitian ini dilakukan penggabungan
Lebih terperinciLAPORAN PRAKTIKUM MATA KULIAH PENGOLAHAN CITRA DIGITAL
LAPORAN PRAKTIKUM MATA KULIAH PENGOLAHAN CITRA DIGITAL Georeferencing dan Resizing Enggar Budhi Suryo Hutomo 10301628/TK/37078 JURUSAN S1 TEKNIK GEODESI FAKULTAS TEKNIK UNIVERSITAS GADJAH MADA 2015 BAB
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan pembangunan pada suatu negara dapat dijadikan sebagai tolak ukur kualitas dari pemerintahan suatu negara. Pembangunan wilayah pada suatu negara dapat
Lebih terperinciCitra Satelit IKONOS
Citra Satelit IKONOS Satelit IKONOS adalah satelit inderaja komersiil pertama yang dioperasikan dengan tingkat ketelitian 1 meter untuk model pankromatik dan 4 meter untuk model multispektral yang merupakan
Lebih terperinci11/25/2009. Sebuah gambar mengandung informasi dari obyek berupa: Posisi. Introduction to Remote Sensing Campbell, James B. Bab I
Introduction to Remote Sensing Campbell, James B. Bab I Sebuah gambar mengandung informasi dari obyek berupa: Posisi Ukuran Hubungan antar obyek Informasi spasial dari obyek Pengambilan data fisik dari
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pengenalan gender pada skripsi ini, meliputi cropping dan resizing ukuran citra, konversi citra
Lebih terperinciLampiran 1. Peta klasifikasi penutup lahan Kodya Bogor tahun 1997
LAMPIRAN Lampiran 1. Peta klasifikasi penutup lahan Kodya Bogor tahun 1997 17 Lampiran 2. Peta klasifikasi penutup lahan Kodya Bogor tahun 2006 18 Lampiran 3. Peta sebaran suhu permukaan Kodya Bogor tahun
Lebih terperinciBAB III PELAKSANAAN PENELITIAN
BAB III PELAKSANAAN PENELITIAN Pada bab ini akan dijelaskan mengenai alat dan bahan yang digunakan dalam penelitian ini serta tahapan-tahapan yang dilakukan dalam mengklasifikasi tata guna lahan dari hasil
Lebih terperinciKARAKTERISTIK CITRA SATELIT Uftori Wasit 1
KARAKTERISTIK CITRA SATELIT Uftori Wasit 1 1. Pendahuluan Penginderaan jarak jauh merupakan salah satu teknologi penunjang pengelolaan sumber daya alam yang paling banyak digunakan saat ini. Teknologi
Lebih terperinciBAB III BAHAN DAN METODE
BAB III BAHAN DAN METODE 3.1 Waktu dan Lokasi Waktu penelitian dilaksanakan mulai bulan Mei sampai dengan Juni 2013 dengan lokasi penelitian meliputi wilayah Pesisir Utara dan Selatan Provinsi Jawa Barat.
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciPENAJAMAN DAN SEGMENTASI CITRA PADA PENGOLAHAN CITRA DIGITAL. Moehammad Awaluddin, Bambang Darmo Y *)
PENAJAMAN DAN SEGMENTASI CITRA PADA PENGOLAHAN CITRA DIGITAL Moehammad Awaluddin, Bambang Darmo Y *) Abstract Image processing takes an image to produce a modified image for better viewing or some other
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah
Lebih terperinciBAB III METODA. Gambar 3.1 Intensitas total yang diterima sensor radar (dimodifikasi dari GlobeSAR, 2002)
BAB III METODA 3.1 Penginderaan Jauh Pertanian Pada penginderaan jauh pertanian, total intensitas yang diterima sensor radar (radar backscattering) merupakan energi elektromagnetik yang terpantul dari
Lebih terperinciBAB III METODE PENELITIAN
11 BAB III METODE PENELITIAN 3.1 Lokasi dan Waktu Penelitian ini dilaksanakan selama dua bulan yaitu bulan Juli-Agustus 2010 dengan pemilihan lokasi di Kota Denpasar. Pengolahan data dilakukan di Laboratorium
Lebih terperinciANALISIS PANSHARPENING CITRA SPOT 5
ANALISIS PANSHARPENING CITRA SPOT 5 Sukentyas Estuti Siwi *) dan Hendayani Yusuf *) *) Pusat Teknologi dan Data Penginderaan Jauh, LAPAN e-mail: sukentyas.estuti@lapan.go.id Abstract Image fusion can be
Lebih terperinciBAB III METODOLOGI 3.1 Waktu dan Tempat 3.2 Alat dan Data 3.3 Tahapan Pelaksanaan
15 BAB III METODOLOGI 3.1 Waktu dan Tempat Penelitian ini dilaksanakan mulai bulan Juli sampai dengan April 2011 dengan daerah penelitian di Kabupaten Bogor, Kabupaten Sukabumi, dan Kabupaten Cianjur,
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Persiapan Tahap persiapan merupakan tahapan penting dalam penelitian tugas akhir ini. Proses ini sangat berpengaruh terhadap hasil akhir penellitan. Pada tahap ini dilakukan
Lebih terperinciDETEKSI EKOSISTEM MANGROVE DI CILACAP, JAWA TENGAH DENGAN CITRA SATELIT ALOS
DETEKSI EKOSISTEM MANGROVE DI CILACAP, JAWA TENGAH DENGAN CITRA SATELIT ALOS Oleh : Tresna Sukmawati Suhartini C64104020 PROGRAM STUDI ILMU DAN TEKNOLOGI KELAUTAN FAKULTAS PERIKANAN DAN ILMU KELAUTAN INSTITUT
Lebih terperinciBAB III PEMBAHASAN. 3.1 Data. Data yang digunakan dalam penelitian ini berupa :
3.1 Data BAB III PEMBAHASAN Data yang digunakan dalam penelitian ini berupa : 1. Citra Landsat-5 TM, path 122 row 065, wilayah Jawa Barat yang direkam pada 2 Juli 2005 (sumber: LAPAN). Band yang digunakan
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Waktu dan Lokasi Penelitian Lokasi penelitian di DAS Citarum Hulu Jawa Barat dengan luasan sebesar + 230.802 ha. Penelitian dilaksanakan pada bulan Juni sampai dengan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Era Teknologi merupakan era dimana informasi serta data dapat didapatkan dan ditransfer secara lebih efektif. Perkembangan ilmu dan teknologi menyebabkan kemajuan
Lebih terperinciKATA PENGANTAR Aplikasi Penginderaan Jauh dalam Mendeteksi Kebakaran Hutan Menggunakan Citra Satelit Landsat
KATA PENGANTAR Puji syukur penulis panjatkan kehadirat Ida Sang Hyang Widhi Wasa/Tuhan Yang Maha Esa, karena atas berkat dan rahmat-nya, penulis dapat menyelesaikan tugas akhir dengan judul Aplikasi Penginderaan
Lebih terperinciPENGINDERAAN JAUH. --- anna s file
PENGINDERAAN JAUH copyright@2007 --- anna s file Pengertian Penginderaan Jauh Beberapa ahli berpendapat bahwa inderaja merupakan teknik yang dikembangkan untuk memperoleh data di permukaan bumi, jadi inderaja
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Peta merupakan representasi dari permukaan bumi baik sebagian atau keseluruhannya yang divisualisasikan pada bidang proyeksi tertentu dengan menggunakan skala tertentu.
Lebih terperinciBAB IV PENGOLAHAN DATA
BAB IV PENGOLAHAN DATA 4.1 Koreksi Geometrik Langkah awal yang harus dilakukan pada penelitian ini adalah melakukan koreksi geometrik pada citra Radarsat. Hal ini perlu dilakukan karena citra tersebut
Lebih terperinciBAB II TEORI DASAR. Beberapa definisi tentang tutupan lahan antara lain:
BAB II TEORI DASAR 2.1 Tutupan Lahan Tutupan Lahan atau juga yang biasa disebut dengan Land Cover memiliki berbagai pengertian, bahkan banyak yang memiliki anggapan bahwa tutupan lahan ini sama dengan
Lebih terperinciLAPORAN PRAKTIKUM PRAKTEK INDERAJA TERAPAN
LAPORAN PRAKTIKUM PRAKTEK INDERAJA TERAPAN Dosen Pengampu : Bambang Kun Cahyono S.T, M. Sc Dibuat oleh : Rahmat Muslih Febriyanto 12/336762/SV/01770 PROGRAM STUDI DIPLOMA III TEKNIK GEOMATIKA SEKOLAH VOKASI
Lebih terperinciBAB III PENGOLAHAN DATA. Pada bab ini akan dibahas tentang aplikasi dan pelaksanaan penelitian yang dilakukan dalam tugas akhir ini.
BAB III PENGOLAHAN DATA Pada bab ini akan dibahas tentang aplikasi dan pelaksanaan penelitian yang dilakukan dalam tugas akhir ini. 3.1 Lokasi Area Studi Dalam tugas akhir ini daerah Kabupaten Bandung
Lebih terperinciISSN Jalan Udayana, Singaraja-Bali address: Jl. Prof Dr Soemantri Brodjonogoro 1-Bandar Lampung
ISSN 0216-8138 73 SIMULASI FUSI CITRA IKONOS-2 PANKROMATIK DENGAN LANDSAT-7 MULTISPEKTRAL MENGGUNAKAN METODE PAN-SHARPEN UNTUK MENINGKATKAN KUALITAS CITRA DALAM UPAYA PEMANTAUAN KAWASAN HIJAU (Studi Kasus
Lebih terperinciIII. METODOLOGI. Gambar 2. Peta Orientasi Wilayah Penelitian. Kota Yogyakarta. Kota Medan. Kota Banjarmasin
III. METODOLOGI 3.1. Waktu dan Tempat Penelitian Penelitian ini dilaksanakan mulai dari bulan Maret sampai bulan November 2009. Objek penelitian difokuskan pada wilayah Kota Banjarmasin, Yogyakarta, dan
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciq Tujuan dari kegiatan ini diperolehnya peta penggunaan lahan yang up-to date Alat dan Bahan :
MAKSUD DAN TUJUAN q Maksud dari kegiatan ini adalah memperoleh informasi yang upto date dari citra satelit untuk mendapatkan peta penggunaan lahan sedetail mungkin sebagai salah satu paramater dalam analisis
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Aditya Wikan Mahastama mahas@ukdw.ac.id Sistem Optik dan Proses Akuisisi Citra Digital 2 UNIV KRISTEN DUTA WACANA GENAP 1213 v2 Bisa dilihat pada slide berikut. SISTEM OPTIK MANUSIA
Lebih terperinciIV. METODOLOGI 4.1. Waktu dan Lokasi
31 IV. METODOLOGI 4.1. Waktu dan Lokasi Waktu yang dibutuhkan untuk melaksanakan penelitian ini adalah dimulai dari bulan April 2009 sampai dengan November 2009 yang secara umum terbagi terbagi menjadi
Lebih terperinci3. METODE PENELITIAN. 3.1 Waktu dan Tempat Penelitian
3. METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Penelitian ini dilaksanakan mulai bulan Juni 2004 sampai bulan Desember 2006. Lokasi yang dipilih untuk studi kasus adalah Gugus Pulau Pari, Kepulauan
Lebih terperinciAnalisis Ketelitian Objek pada Peta Citra Quickbird RS 0,68 m dan Ikonos RS 1,0 m
Jurnal Rekayasa LPPM Itenas No. 3 Vol. XIV Institut Teknologi Nasional Juli September 2010 Analisis Ketelitian Objek pada Peta Citra Quickbird RS 0,68 m dan Ikonos RS 1,0 m BAMBANG RUDIANTO Jurusan Teknik
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Citra Citra merupakan salah satu komponen multimedia yang memegang peranan sangat penting sebagai bentuk informasi visual. Meskipun sebuah citra kaya akan informasi, namun sering
Lebih terperinciKULIAH ICD KE 4 PEMROSESAN DATA
KULIAH ICD KE 4 PEMROSESAN DATA PERANGKAT KERAS Perangkat keras : komputer mikro hingga super Single task dan single user hingga multi task & multi user Perangkat Keras Utama Ada dua macam perangkat keras
Lebih terperinciImage Fusion: Trik Mengatasi Keterbatasan Citra
Image Fusion: Trik Mengatasi Keterbatasan itra Hartanto Sanjaya Pemanfaatan cita satelit sebagai bahan kajian sumberdaya alam terus berkembang, sejalan dengan semakin majunya teknologi pemrosesan dan adanya
Lebih terperinci09 - Penginderaan Jauh dan Pengolahan Citra Dijital. by: Ahmad Syauqi Ahsan
09 - Penginderaan Jauh dan Pengolahan Citra Dijital by: Ahmad Syauqi Ahsan Remote Sensing (Penginderaan Jauh) is the measurement or acquisition of information of some property of an object or phenomena
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Citra Citra menurut kamus Webster adalah suatu representasi atau gambaran, kemiripan, atau imitasi dari suatu objek atau benda, contohnya yaitu foto seseorang dari kamera yang
Lebih terperinci3. BAHAN DAN METODE. Penelitian dilakukan di wilayah yang tercemar tumpahan minyak dari
3. BAHAN DAN METODE 3.1 Lokasi dan Waktu Penelitian Penelitian dilakukan di wilayah yang tercemar tumpahan minyak dari anjungan minyak Montara Australia. Perairan tersebut merupakan perairan Australia
Lebih terperinciEvaluasi Ketelitian Luas Bidang Tanah Dalam Pengembangan Sistem Informasi Pertanahan
Evaluasi Ketelitian Luas Bidang Tanah Dalam Pengembangan Sistem Informasi Pertanahan (studi kasus : Kecamatan Sedati, Kabupaten Sidoarjo) Arwan Putra Wijaya 1*, Teguh Haryanto 1*, Catharina N.S. 1* Program
Lebih terperinci2. TINJAUAN PUSTAKA Pemanfaatan Citra Satelit Untuk Pemetaan Perairan Dangkal
2. TINJAUAN PUSTAKA 2.1. Pemanfaatan Citra Satelit Untuk Pemetaan Perairan Dangkal Data kedalaman merupakan salah satu data dari survei hidrografi yang biasa digunakan untuk memetakan dasar lautan, hal
Lebih terperinciMetode Klasifikasi Digital untuk Citra Satelit Beresolusi Tinggi WorldView-2 pada Unit Pengembangan Kertajaya dan Dharmahusada Surabaya
JURNAL TEKNIK POMITS Vol. X, No. X, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Metode Klasifikasi Digital untuk Citra Satelit Beresolusi Tinggi WorldView-2 pada Unit Pengembangan Kertajaya dan Dharmahusada
Lebih terperinciBAB I PENDAHULUAN. Bab ini berisi tentang latar belakang, tujuan, dan sistematika penulisan. BAB II KAJIAN LITERATUR
BAB I PENDAHULUAN 1.1 Latar Belakang Citra yang direkam oleh satelit, memanfaatkan variasi daya, gelombang bunyi atau energi elektromagnetik. Selain itu juga dipengaruhi oleh cuaca dan keadaan atmosfer
Lebih terperinciV. HASIL DAN PEMBAHASAN
27 V. HASIL DAN PEMBAHASAN 5.1. Penampilan Citra Dual Polarimetry PALSAR / ALOS Penampilan citra dual polarimetry : HH dan HV level 1. 5 PALSAR/ALOS masing-masing dapat dilihat pada ENVI 4. 5 dalam bentuk
Lebih terperinciBAB II TINJAUAN PUSTAKA. menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C-
8 BAB II TINJAUAN PUSTAKA 2.1 Studi Pendahuluan Sebelumnya telah ada penelitian tentang sistem pengenalan wajah 2D menggunakan PCA, kemudian penelitian yang menggunakan algoritma Fuzzy C- Means dan jaringan
Lebih terperinciPerbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching)
Perbaikan Kualitas Citra Menggunakan Metode Contrast Stretching (Improvement of image quality using a method Contrast Stretching) Nur Wakhidah Fakultas Teknologi Informasi dan Komunikasi Universitas Semarang
Lebih terperinciSuatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara.
Image Enhancement Suatu proses untuk mengubah sebuah citra menjadi citra baru sesuai dengan kebutuhan melalui berbagai cara. Cara-cara yang bisa dilakukan misalnya dengan fungsi transformasi, operasi matematis,
Lebih terperinciAnalisis Ketelitian Geometric Citra Pleiades 1A untuk Pembuatan Peta Dasar Lahan Pertanian (Studi Kasus: Kecamatan Socah, Kabupaten Bangkalan)
JURNAL TEKNIK ITS Vol. 5, 2, (2016) ISSN: 2337-3539 (2301-9271 Print) A375 Analisis Ketelitian Geometric Citra untuk Pembuatan Peta Dasar Lahan Pertanian (Studi Kasus: Kecamatan Socah, Kabupaten Bangkalan)
Lebih terperinciIII. METODOLOGI. Gambar 1. Peta Administrasi Kota Palembang.
III. METODOLOGI 3.1 Waktu dan Tempat Penelitian dilaksanakan pada bulan Juli-Oktober 2010. Lokasi penelitian di Kota Palembang dan Laboratorium Analisis Spasial Lingkungan, Departemen Konservasi Sumberdaya
Lebih terperinciPENGUKURAN GROUND CONTROL POINT UNTUK CITRA SATELIT CITRA SATELIT RESOLUSI TINGGI DENGAN METODE GPS PPP
PENGUKURAN GROUND CONTROL POINT UNTUK CITRA SATELIT CITRA SATELIT RESOLUSI TINGGI DENGAN METODE GPS PPP Oleh A. Suradji, GH Anto, Gunawan Jaya, Enda Latersia Br Pinem, dan Wulansih 1 INTISARI Untuk meningkatkan
Lebih terperinciAnalisis Ketelitian Geometric Citra Pleiades 1B untuk Pembuatan Peta Desa (Studi Kasus: Kelurahan Wonorejo, Surabaya)
Analisis Ketelitian Geometric Citra Pleiades 1B untuk Pembuatan Peta Desa (Studi Kasus: Kelurahan Wonorejo, Surabaya) Iva Nurwauziyah, Bangun Muljo Sukojo, Husnul Hidayat Jurusan Teknik Geomatika, Fakultas
Lebih terperinci... BAB 2 LANDASAN TEORI. 2.1 Citra
6 BAB 2 LANDASAN TEORI 2.1 Citra Citra atau image adalah suatu matriks dimana indeks baris dan kolomnya menyatakan suatu titik pada citra tersebut dan elemen matriksnya (yang disebut sebagai elemen gambar
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Pengenalan Citra Citra adalah suatu representasi (gambaran), kemiripan atau imitasi dari suatu objek. Citra sebagai keluaran suatu sistem perekaman data dapat bersifat optik berupa
Lebih terperinciSENSOR DAN PLATFORM. Kuliah ketiga ICD
SENSOR DAN PLATFORM Kuliah ketiga ICD SENSOR Sensor adalah : alat perekam obyek bumi. Dipasang pada wahana (platform) Bertugas untuk merekam radiasi elektromagnetik yang merupakan hasil interaksi antara
Lebih terperinciBAB 2 LANDASAN TEORI. dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya
5 BAB 2 LANDASAN TEORI 2.1 Citra Secara harfiah citra atau image adalah gambar pada bidang dua dimensi. Ditinjau dari sudut pandang matematis, citra merupakan fungsi kontinyu dari intensitas cahaya pada
Lebih terperinciIndeks Vegetasi Bentuk komputasi nilai-nilai indeks vegetasi matematis dapat dinyatakan sebagai berikut :
Indeks Vegetasi Bentuk komputasi nilai-nilai indeks vegetasi matematis dapat dinyatakan sebagai berikut : NDVI=(band4 band3)/(band4+band3).18 Nilai-nilai indeks vegetasi di deteksi oleh instrument pada
Lebih terperinciLAPORAN PRAKTIKUM PENGINDERAAN JAUH KOMPOSIT BAND CITRA LANDSAT DENGAN ENVI. Oleh: Nama : Deasy Rosyida Rahmayunita NRP :
LAPORAN PRAKTIKUM PENGINDERAAN JAUH KOMPOSIT BAND CITRA LANDSAT DENGAN ENVI Oleh: Nama : Deasy Rosyida Rahmayunita NRP : 3513100016 Dosen Pembimbing: Nama : Prof.Dr.Ir. Bangun Muljo Sukojo, DEA, DESS NIP
Lebih terperinciGD 319 PENGOLAHAN CITRA DIGITAL KOREKSI RADIOMETRIK CITRA
LAPORAN PRAKTIKUM II GD 319 PENGOLAHAN CITRA DIGITAL KOREKSI RADIOMETRIK CITRA Tanggal Penyerahan : 2 November 2016 Disusun Oleh : Kelompok : 7 (Tujuh) Achmad Faisal Marasabessy / 23-2013-052 Kelas : B
Lebih terperinciBAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh)
BAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh) Remote Sensing didefinisikan sebagai ilmu untuk mendapatkan informasi mengenai obyek-obyek pada permukaan bumi dengan analisis data yang
Lebih terperinciANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA
ANALISIS CONTRAST STRETCHING MENGGUNAKAN ALGORITMA EUCLIDEAN UNTUK MENINGKATKAN KONTRAS PADA CITRA BERWARNA Nurliadi 1 *, Poltak Sihombing 2 & Marwan Ramli 3 1,2,3 Magister Teknik Informatika, Universitas
Lebih terperinciBAB 4 PEMROSESAN CITRA DAN IMPLEMENTASI Pemrosesan Citra dan Rancangan Eksperimen untuk Fusi Citra
BAB 4 PEMROSESAN CITRA DAN IMPLEMENTASI 4.1. Pemrosesan Citra dan Rancangan Eksperimen untuk Fusi Citra Pada fusi data citra fluorescent hijau dan fluorescent merah penulis melakukan Pixel Level Fusion
Lebih terperinciLAPORAN ASISTENSI MATA KULIAH PENGINDERAAN JAUH. Dosen : Lalu Muhammad Jaelani ST., MSc., PhD. Cherie Bhekti Pribadi ST., MT
LAPORAN ASISTENSI MATA KULIAH PENGINDERAAN JAUH Dosen : Lalu Muhammad Jaelani ST., MSc., PhD Cherie Bhekti Pribadi ST., MT Oleh: Mutia Kamalia Mukhtar 3514100084 Jurusan Teknik Geomatika Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN I.1 Latar Belakang
BAB I PENDAHULUAN I.1 Latar Belakang Proses pencocokan citra dilakukan dengan mengidentifikasi dan mengukur pasangan titiktitik sekawan antara citra satu dengan citra lainnya untuk objek yang sama pada
Lebih terperinciTINJAUAN PUSTAKA Konsep Dasar Penginderaan Jauh
4 TINJAUAN PUSTAKA Konsep Dasar Penginderaan Jauh Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu objek, daerah, dan fenomena melalui analisis data yang diperoleh dari suatu
Lebih terperinciBAB II TINJAUAN PUSTAKA
3 BAB II TINJAUAN PUSTAKA 2.1 Penginderaan Jauh Penginderaan jauh adalah ilmu dan seni untuk memperoleh informasi tentang suatu obyek, daerah, atau fenomena melalui analisis data yang diperoleh dengan
Lebih terperinciBAB III METODE PENELITIAN
14 BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Kegiatan penelitian dilaksanakan pada bulan Mei sampai dengan September dengan mengambil lokasi penelitian di wilayah Kecamatan Cikalong, Tasikmalaya (Gambar
Lebih terperinciKAJIAN KETELITIAN KOREKSI GEOMETRIK DATA SPOT-4 NADIR LEVEL 2 A STUDI KASUS: NUSA TENGGARA TIMUR
Majalah Sains dan Teknologi Dirgantara Vol. 3 No. 3 September 2008:132-137 KAJIAN KETELITIAN KOREKSI GEOMETRIK DATA SPOT-4 NADIR LEVEL 2 A STUDI KASUS: NUSA TENGGARA TIMUR Muchlisin Arief, Kustiyo, Surlan
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Hasil sensus jumlah penduduk di Indonesia, dengan luas wilayah kurang lebih 1.904.569 km 2 menunjukkan adanya peningkatan jumlah penduduk, dari tahun 2010 jumlah penduduknya
Lebih terperinciAnalisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra
Analisis Kualitas Interpolasi Terhadap Fitur Statistik pada Citra Meirista Wulandari Jurusan Teknik Elektro, Universitas Tarumanagara, Jakarta, Indonesia meiristaw@ft.untar.ac.id Diterima 10 Desember 016
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Hal-hal yang dipaparkan pada bab ini adalah penelahan kepustakaan yang mendasari proses perancangan dan pembuatan aplikasi, meliputi teori citra digital, penginderaan jauh, image
Lebih terperinciBAB I PENDAHULUAN. and R.W. Kiefer., 1979). Penggunaan penginderaan jauh dalam mendeteksi luas
BAB I PENDAHULUAN Bab I menguraikan tentang latar belakang, rumusan masalah, tujuan penelitian, manfaat penelitian, batasan masalah serta sistematika penulisan yang menjadi dasar dari Perbandingan Penggunaan
Lebih terperinciACARA IV KOREKSI GEOMETRIK
65 ACARA IV KOREKSI GEOMETRIK A. TUJUAN: 1) Mahasiswa mampu melakukan koreksi geometric pada foto udara maupun citra satelit dengan software ENVI 2) Mahasiswa dapat menemukan berbagai permasalahan saat
Lebih terperinciModel Citra (bag. 2)
Model Citra (bag. 2) Ade Sarah H., M. Kom Resolusi Resolusi terdiri dari 2 jenis yaitu: 1. Resolusi spasial 2. Resolusi kecemerlangan Resolusi spasial adalah ukuran halus atau kasarnya pembagian kisi-kisi
Lebih terperinciBAB I PENDAHULUAN I.1.
BAB I PENDAHULUAN I.1. Latar Belakang Kemajuan teknologi penginderaan jauh mampu menyediakan citra penginderaan jauh yang mempunyai resolusi spasial, resolusi spektral dan resolusi temporal yang cukup
Lebih terperinciKOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN
KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN Rahayu *), Danang Surya Candra **) *) Universitas Jendral Soedirman
Lebih terperinciBAB II LANDASAN TEORI. Pengolahan Citra adalah pemrosesan citra, khususnya dengan menggunakan
BAB II LANDASAN TEORI 2.1. Citra Citra adalah gambar pada bidang dwimatra (dua dimensi). Ditinjau dari sudut pandang matematis, citra merupakan fungsi menerus dan intensitas cahaya pada bidang dwimatra
Lebih terperinciBAB III PENGOLAHAN DATA ALOS PRISM
BAB III PENGOLAHAN DATA ALOS PRISM 3.1 Tahap Persiapan Pada tahap persiapan, dilakukan langkah-langkah awal berupa : pengumpulan bahan-bahan dan data, di antaranya citra satelit sebagai data primer, peta
Lebih terperinciMuhammad Zidny Naf an, M.Kom. Gasal 2015/2016
MKB3383 - Teknik Pengolahan Citra Pengolahan Citra Digital Muhammad Zidny Naf an, M.Kom. Gasal 2015/2016 CITRA Citra (image) = gambar pada bidang 2 dimensi. Citra (ditinjau dari sudut pandang matematis)
Lebih terperinciLANDASAN TEORI. 2.1 Citra Digital Pengertian Citra Digital
LANDASAN TEORI 2.1 Citra Digital 2.1.1 Pengertian Citra Digital Citra dapat didefinisikan sebagai sebuah fungsi dua dimensi, f(x,y) dimana x dan y merupakan koordinat bidang datar, dan harga fungsi f disetiap
Lebih terperinciIII. METODE PENELITIAN
14 III. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian ini dilakukan sejak bulan April 2009 sampai November 2009 di Laboratorium Penginderaan Jauh dan Interpretasi Citra, Departemen Ilmu
Lebih terperinciBAB II TINJAUAN PUSTAKA
DAFTAR ISI JUDUL... i PERNYATAAN... ii LEMBAR PENGESAHAN... iii ABSTRAK... iv ABSTRACT... v KATA PENGANTAR... vi DAFTAR ISI... viii DAFTAR GAMBAR....xii DAFTAR TABEL... xv BAB I PENDAHULUAN 1.1 Latar Belakang...
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Uang Kertas Rupiah Uang Rupiah Kertas adalah Uang Rupiah dalam bentuk lembaran yang terbuat dari Kertas Uang yang dikeluarkan oleh Bank Indonesia, dimana penggunaannya dilindungi
Lebih terperinciIII. BAHAN DAN METODE
III. BAHAN DAN METODE 3.1 Lokasi dan Waktu Penelitian Penelitian dilaksanakan di daerah Daerah Aliran Sungai (DAS) Cipunagara dan sekitarnya, Jawa Barat (Gambar 1). DAS Cipunagara berada dibawah pengelolaan
Lebih terperinciBAB I PENDAHULUAN 1. Latar Belakang
BAB I PENDAHULUAN 1. Latar Belakang Dalam proses pemetaan secara fotogrametris, salah satu hal yang harus diatasi adalah masalah restitusi dua foto udara yang saling pertampalan sedemikian rupa sehingga
Lebih terperinciEKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA TESIS OLEH: ANDRI SUPRAYOGI NIM :
EKSTRAKSI JALAN SECARA OTOMATIS DENGAN DETEKSI TEPI CANNY PADA FOTO UDARA (Menggunakan Transformasi Wavelet Untuk Penghalusan Citra ) TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar
Lebih terperinciPembentukan Citra. Bab Model Citra
Bab 2 Pembentukan Citra C itra ada dua macam: citra kontinu dan citra diskrit. Citra kontinu dihasilkan dari sistem optik yang menerima sinyal analog, misalnya mata manusia dan kamera analog. Citra diskrit
Lebih terperinciPEDOMAN PEMANTAUAN PERUBAHAN LUAS PERMUKAAN AIR DANAU MENGGUNAKAN DATA SATELIT PENGINDERAAN JAUH
2015 PUSAT PEMANFAATAN PENGINDERAAN JAUH LAPAN Danau Rawa Pening, Provinsi Jawa Tengah PEDOMAN PEMANTAUAN PERUBAHAN LUAS PERMUKAAN AIR DANAU MENGGUNAKAN DATA SATELIT PENGINDERAAN JAUH LI1020010101 PEDOMAN
Lebih terperinci