laporan 2 inderaja

7/27/2019 laporan 2 inderaja

http://slidepdf.com/reader/full/laporan-2-inderaja 1/49

LAPORAN RESMI

PRAKTIKUM PENGINDERAAN JAUH

MODUL II

KOREKSI RADIOMETRI

OLEH :

NUR FITRIANA HARYANTO

2602020212130058

SHIFT 1

PROGRAM STUDI OSEANOGRAFI

JURUSAN ILMU KELAUTAN

FAKULTAS PERIKANAN DAN ILMU KELAUTAN

UNIVERSITAS DIPONEGORO

SEMARANG

2013



I. PENDAHULUAN

1.1. Latar Belakang

Penginderaan jauh dapat diartikan sebagai ilmu pengetahuan, teknologi

dan seni untuk memperoleh informasi mengenai suatu objek area dan fenomena

melalui analisa data yang diperoleh dari sensor yang diletakkan pada lokasi di jarak

tertentu dari objek, area dan fenomena ( Lillesand and Kiefer, 1994 ). .

Komponen dasar dalam sistem Indraja adalah radiasi elektromagnetik

(REM), atmosfer, sensor dan objek . Begitu juga menurut Sutanto (1987),

Penginderaan jauh (Indraja) adalah ilmu atau seni untuk memperoleh informasi

tentang objek, daerah, atau gejala dengan menggunakan alat tanpa kontak langsung

terhadap objek, daerah atau gejala yang dikaji. Alat yang dimaksud dalam batasan ini

alat pengindera atau sensor. Pada umumnya sensor dipasang pada wahana (plat form)

yang berupa pesawat terbang, satelit, pesawat ulang alik atau wahana lainnya. Objek

yang diindera atau yang ingin diketahui berupa objek dipermukaan bumi, di

dirgantara, atau di antariksa. Penginderaannya dilakukan di jarak jauh sehingga ia

disebut penginderaan jarak jauh. ( Purwadhi,2001 ).

Dalam bidang ilmu kelautan dapat digunakan untuk penelitian penutupan

terumbu karang dalam suatu perairan, mengetahui penyebaran vegetasi mangrove

dalam suatu kawasan hutan Mangrove, mengetahui bentuk dan topografi pantai dan

sebagainya, (Fussel,1986).

Penerapan di bidang lainpun kini telah banyak. Kepentingan sipil atas

interprestasi foto semakin berkembang dalam berbagai ilmu pengetahuan. Baik itu

dibidang Biololgi, Fisika , Kimia, Pertanian, Meteorologi, kelautan dan sebagainya,

(Fussel,1986).

Melihat begitu penting dan manfaanya foto udara dalam berbagai Ilmu

Pengetahuan maka diperlukan mahasiswa Ilmu Kelautan untuk melakukan praktikum

Interprestasi foto udara, (Fussel,1986).



Dalam bab ini akan dibahas mengenai koreksi radiometri dimana koreksi

radiometri ( satelite Imagecallibration) merupakan sistem penginderaan jauh yang

digunakan untuk mengurangi pengaruh hamburan atmosfer pada citra satelit terutama

pada saluran tampak (visible light ) (Sumaryono, 1999). Hamburan atmosfer

disebabkan oleh adanya partikel-partikel di atmosfer yang memberikan efek

hamburan pada energi elektromagnetik matahari yang berpengaruh pada nilai spektral

citra (Sumaryono, 1999).

Pengaruh hamburan ( scattering ) pada citra yang menyebabkan nilai

spektral citra menjadi lebih tinggi daripada nilai sebenarnya. Metode koreksi

radiometri yang digunakan pada praktikum ini adalah Metode Penyesuaian Histogram

( Histogram Adjustment ) (Sumaryono, 1999).

1.2. Tujuan

Adapun tujuan dari praktikum Modul II kali ini adalah :

1. Mahasiswa diharapkan mampu melakukan koreksi radiometri

2. Mahasiswa diharapkan mampu memeriksa Atmospheric bias citra

3. Mahasiswa diharapkan dapat menggunakan metode penyesuaian

histogram Dark Pixel Correction.

4. Mahasiswa diharapkan mampu melakukan teknik penyesuaian

histogram Enhaced Dark Pixel .

5. Mahasiswa diharapkan mampu melakukan teknik penyesuaian

histogram Cut Off Scattergram



II. TINJAUAN PUSTAKA

2.1 Koreksi Radiometri

Koreksi radiometri ditujukan untuk memperbaiki nilai piksel supaya sesuai

dengan yang seharusnya yang biasanya mempertimbangkan faktor gangguan

atmosfer sebagai sumber kesalahan utama. Efek atmosfer menyebabkan nilai

pantulan obyek dipermukaan bumi yang terekam oleh sensor menjadi bukan

merupakan nilai aslinya, tetapi menjadi lebih besar oleh karena adanya hamburan

atau lebih kecil karena proses serapan. Metode-metode yang sering digunakan untuk

menghilangkan efek atmosfer antara lain metode pergeseran histogram (histogram

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

Koreksi radiometri diperlukan atas dasar dua alasan,yaitu untuk memperbaikikualitas visual citra dan sekaligus memperbaiki nilai-nilai pixel yang tidak sesuai dengan

nilai pantulan atau pancaran spektral objek yang sebenarnya. Koreksi radiometri citra yang

ditujukan untuk memperbaiki kualitas visual citra berupa pengisian kembali baris yang

kosong karena drop out baris maupun kesalahan awal pelarikan ( scanning ). Baris atau bagian

baris yang bernilai tidak sesuai dengan yang seharusnya dikoreksi dengan mengambil nilai

pixel atau baris diatas dan dibawahnya kemudian dirata-rata (Danoedoro, 1996).

Koreksi radiometrik bisa dilakukan dengan berbagai cara yaitu :

penyesuaian histogram, penyesuaian regresi dan kalibrasi bayangan. Koreksi

radiometrik diperlukan atas dasar dua alasan, yaitu untuk memperbaiki kualitas visual

citra sekaligus memperbaiki nilai-nilai piksel yang tidak sesuai dengan nilai pantulan

atau pancaran spektral objek yang sebenarnya. Koreksi radiometrik citra yang

ditujukan untuk memperbaiki kualitas visual citra berupa pengisian kembali baris

yang kosong karena drop out baris maupun kesalahan awal pelarikan (scanning).

Baris atau bagian bagian baris yang bernilai tidak sesuai dengan yang seharusnya

dikoreksi dengan mengambil nilai piksel atau baris di atas dan dibawahnya kemudian

dirata-rata, (Sutanto, 1987).



1.2. Penyesuaian Histogram

Penyesuaian histogram (histogram adjusment) meliputi evaluasi

histogram pada setiap band dari data penginderaan jauh. Biasanya data pada panjang

gelombang tampak (TM saluran 1-3) mempunyai nilai minimum yang lebih tinggi

karena dipengaruhi oleh hamburan atmosfir. Sebaliknya penyerapan atau absorbsi

pada atmosfir akan mengurangi kecerahan pada data yang direkam dalam interval

panjang gelombang yang lebih besar seperti TM 4,5,7. Sehingga data pada band ini

nilai minimumnya mendekati nilai nol (Anonim, 2013)

Penyesuaian histogram (histogram adjusment) meliputi evaluasi

histogram pada setiap band dari data penginderaan jauh. Biasanya data pada panjang

gelombang tampak (TM saluran 1-3) mempunyai nilai minimum yang lebih tinggi

karena dipengaruhi oleh hamburan atmosfir. Sebaliknya penyerapan atau absorbsi

pada atmosfir akan mengurangi kecerahan pada data yang direkam dalam interval

panjang gelombang yang lebih besar seperti TM 4,5,7. Sehingga data pada band ini

nilai minimumnya mendekati nilai nol (Anonim, 2011).

Penyesuaian histogram ini melewati beberapa tahap, dan hasilnya tidak

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

yangideal untuk dikoreksi, seperti air jernih atau bayangan awan.

Dibandingkandengan teknik penyesuaian histogram hasilnya tidak jauh berbeda,

(Sutanto, 1987).

2.3 Penyesuaian Regresi

Penyesuaian regresi diterapkan dengan memplot nilai-nilai piksel hasil

pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan apabila ada

saluran rujukan (yang relatif bebas gangguan) yang menyajikan nilai nol untuk obyek

tertentu. Kemudian tiap saluran dipasangkan dengan saluran rujukan tersebut untuk

membentuk diagram pancar nilai pixel yang diamati. Cara ini secara teoritis mudah

namun secara prakteknya sulit, karena gangguan atmosfer terjadi hampir pada semua

spektra tampak dan saluran. Pengambilan piksel-piksel pengamatan harus berupa



obyek yang secara gradual berubah naik nilainya,pada kedua saluran sekaligus dan

bukan hanya pada salah satu saluran (Projo Danoedoro, 1996).

Penyesuaian regresi diterapkan dengan memplotkan nilai-nilai pixel hasil

pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan apabila ada

saluran rujukan (yang relatif bebas gangguan) yang menyajikan nilai nol untuk obyek

tertentu. Kemudian tiap saluran dipasangkan dengan saluran rujukan tersebut untuk

membentuk diagram pancar nilai pixel yang diamati. Cara ini secara teoritis mudah

namun secara prakteknya sulit, karena gangguan atmosfer terjadi hampir pada semua

spektra tampak dan saluran. Pengambilan pixel-pixel pengamatan harus berupa obyek

yang secara gradual berubah naik nilainya, pada kedua saluran sekaligus dan bukan

hanya pada salah satu saluran (Projo Danoedoro, 1996).

2.3.1 Dark Pixel Correction ( DPC )

Dark pixel correction adalah koreksi sederhana untuk menghilangkan pengaruh

atmosdhere yang cenderung memperbesar nilai pixel. Penggunaan dark pixel

correction merupakan metode sederhana untuk menghilangkan efek atmosfer yang

menjadi sumber utama dari perbedaan nilai pixel masing – masing ciitra yang akan

dimosaik (Anonim, 2011).

2.3.2 Enchanted Dark Pixel Correction ( EDPC )

Hasil akurat dari deteki perubahan terhadap dua atau lebih citra waktu

ditentukan oleh beberapa faktor; seperti citra yang sebanding, citra yang dapat

diinterpretasikan, dan metode untuk mendapatkan perbedaan yang bermakna dari

deteksi perubahan citra. Pixel ke pixel antara citra biasa ditampilkan untuk

mendapatkan citra yang baik. Dark pixel correction ditampilkan untuk mengkoreksi

‘kesalahan’ radiometr ik dari suatu citra, maka enhance sebagai hasilnya lebih

diinterpretasi untuk aplikasi tertentu. Dengan mengurangkan masing – masing band

dengan minimum digital number value – nya, maka setiap band akan memiliki

minimal DN dari nol (Anonim, 2011).



2.3.3 CUT OFF SCATTERGRAM

Cut-off merupakan cara ketiga dalam koreksi atmosfer yang menggunakan dua

variasi scattergram. Dengan memasukkan nilai terendah tiap – tiap band pada

window Scattergram (Anonim, 2011).



III. MATERI DAN METODE

3.1 Waktu dan Tempat Praktikum

Hari : Selasa, 24 April 2013

Waktu : 11.00 - 12.30 WIB.

Tempat : Laboratorium Komputasi Ilmu Kelautan, Universitas

Diponegoro, Semarang

3.2. Materi

Adapun materi pada praktikum Indraja kali ini adalah kita akan melakukan

koreksi radiometri. Dimana langkah-langkahnya sebagai berikut :

1. Pemeriksaan nilai atmospheric bias citra

2. Metode Penyesuaian Histogram.

3. Dark Pixel Correction ( DPC )

4. Enhanced Dark Pixel Correction ( EDPC )

5. Cut Off Scattergram.

3.3. Metode

3.3.1 Koreksi Radiometri

A. Membuka citra dan memeriksa atmospheric bias citra

1. Buka aplikasi ER Mapper lalu klik edit algoritma, pada description

ganti dengan nama_nim



2. Kemudian Load Dataset, membuka file citra Landsat_TM_23Apr85.ers pada

Volume C:/ Shared Data

3. Lalu ambil data yang berjudul Landsat_TM_23Apr85.ers dari shared data lalu

klik OK maka akan muncul tampilan sebagai berikut :



4. Lalu psedo layer di duplikat sebanyak 6x lalu ganti nama band nya dari

band 1 sampai band 7 tanpa band 6

5. Kemudian samakan band nya dengan menggunakan kotak sebelah kanan load

data sheet

6. Untuk melihat sudah sesuai datanya klik Default Surface

7. Lalu untuk mengkoreksi radiometrinya maka pada setiap band klik edit

transform limit sampai muncul gambar sebagai berikut :



8. Lakukan hal demikian dari band1 sampai dengan band7



B. Metode Penyesuaian Histogram.

1. Klik band1 lalu pilih edit formula E=mc2

pada window algorithm sehingga

akan muncul formula editor

2. Lalu masukkan input -nilai terkecil lalu klik apply changes, kemudian akan

terlihat perubahan pada laman transform

3. Kemudian lakukan hal yang sama pada band2 sampai dengan band7



4. Kemudian klik Defaul t Sur face pada laman Edit Algori thm untuk melihat

semua band sudah sesuai

5. Kemudian klik file pada laman ER Mapper lalu klik save as, simpan dengan

nama histogram_sudahkoreksi_nurfitriana ganti files of type dengan ER

Mapper Raster Dataset , klik OK



6. Klik default kemudian klik OK

C. Teknik Penyesuaian Histogram lainnya

a. Dark Pixel Correction (DPC) 1. Klik land application wizard pada window ER Mapper kemudian akan

muncul laman sebagai berikut :

2. Lalu klik Next pilih process TM Imagery, kemudian klik next lagi



3. Lalu pilih Atm effect Correction lalu klik next

4. Kemudian pilih Dark Pixel Correction lalu klik lagi Next

5. Sehingga muncul windows processing TM Imagery lalu masukkan citra

yang akan dikoreksi berupa citra Landsat_TM_23Apr85.ers yangtersimpan pada folder Shared Data. Masukkan juga nama file output-nya.

“DPC_BELUMKOREKSI_NURFITRIANAers." Kemudian klik

Finish.



6. Lalu klik finish sehingga muncul layer citranya

7. Kemudian klik edit algorithm sehingga muncul band nya berupa

DPC_TM1 sampai dengan DPC_TM7 pada window algorithm. Lalu

ubah description menjadi nurfitriana_26020212130058

8. Lalu cut DPC_TM6 nya



9. Kemudian klik DPC_TM1 lalu klik edit transform limit dan pilih edit-

delete this transform dan lakukan sampai dengan DPC_TM7 lalu klik

Close.

10. DPC_TM2



DPC_TM3

DPC_TM4

DPC_TM5

DPC_TM7



11. Kemudian Save hasilnya dengan nama

DPC_2013_SUDAHKOREKSI_NURFITRIANA dengan format ER

Mapper Raster Dataset. Klik OK. Pilih default kemudian OK

12. Tutup semua jendela kecuali jendela ER Mapper

13. Klik Edit Algoritm kemudian load dataset pilih data

DPC_SUDAHKOREKSI_NURFITRIANA.ers

14. Kemudian pada ER Mapper pilih Create RGB Algoritm untuk melihat

kenampakan asli yang sudah dikoreksi



b. Enchanched Dark Pixel Correction (EDPC)

1. Klik land application wizard pada window ER Mapper kemudian pilih

next

2. Kemudian pilih Process TM Imagery, kemudian klik next

3. Pilih Atmospheric Effect Correction, kemudian klik next



4. Klik Enhanced Dark Pixel Correction, kemudian klik next

5. Kemudian pilih data Landsat_TM_23Apr85.ers, lalu klik next

6. Lalu akan muncul 3 window sekaligus, dimana untuk yang Processing TM

Imagery pilih yang Use TM1 as initiall band,lalu untuk type in the cut-

off lihat nilai yang digambar yaitu Actual input limits 67 to 255.



7. Pilih Clear, kemudian pada specity an output filename namai dengan

EDPC_BELUMKOREKSI_NURFITRIANA

8. Lalu klik finish. Sehingga muncul window baru

9.

Klik edit algorithm sehingga muncul tampilan window algorithm kemudian chek band nya dan jika ada band6 atau TM6 maka TM6 di cut.

Dan pada description ganti dengan nama_nim

10. Kemudian Atm adjusted1 lalu klik edit transform limit dan pilih edit-

delete this transform dan lakukan sampai dengan Atm adjusted7 lalu

klik Close.



Atm adjusted1

Atm adjusted2

Atm adjusted3



Atm adjusted4

Atm adjusted5

Atm adjusted7



11. Setelah selesai Atm adjusted1 namai dengan band 1 begitu seterusnya

sampai band 7, lalu save as dengan nama

EDPC_SUDAHKOREKSI_NURFITRIANA.ers dengan format ER

MAPPER raster dataset. Klik OK kemudian pilih default klik OK



12. Lalu close semua window kecuali ER Mapper

c. Cut off Scattergram

1. Klik kembali land application wizard pada window ER Mapper lalu

pilih next

2. Pilih Process TM imagery lalu klik next

3.

Pilih Atmospheric Effect Correction, kemudian klik next



4. Pilih Cut_Off Values (Scattergram), kemudian klik next

5. Masukkan citra yang akan dikoreksi Landsat_TM_23Apr85.ers, dan

nama file outputnya

CUTOFF_2013_BELUMKOREKSI_NURFITRIANA.ers



6. Setelah itu pilih next maka akan muncul 4 window baru

7. Pada window Processsing TM imagery-Atmospheric Effect

Correction (Cut-off Values), masukkan nilai-nilai atmospheric bias

masing-masing band yang terlihat pada window Scattergram. Pada

Scattergram pilih setup



8. Setelah selesai pengisian nilai cutoff nya, maka window scatter gram

ditutup atau di close.lalu pada window processing TM imagery di

klik Finish sehingga muncul layer citra yang dikoreksi.



9. Lalu klik edit algoritm, kemudian chek band nya, jika terdapat

band6 atau tertulis TM6 maka TM6 di Cut. Dan description ganti

dengan nama_nim

10. Kemudian klik Atm adjusted1 lalu klik edit transform limit dan pilih

edit-delete this transform dan lakukan sampai dengan Atm

adjusted7 lalu klik Close.



Atm adjust1

Atm adjust2

Atm adjust3



Atm adjust4

Atm adjust5

Atm adjust7

11. Setelah selesai close windownya,lalu save as dengan nama

CUTOFF_SUDAHKOREKSI_NURFITRIANA.ers dengan format

ER MAPPER raster dataset.



12. Maka setelah di save akan muncul layer baru hasil koreksi sebelumnya



IV. HASIL DAN PEMBAHASAN

4.1 HASIL

4.1.1 Band sebelum dikoreksi

BAND 1 68 255

BAND 2 21 223

BAND 3 15 254

BAND 4 4 220

BAND 5 2 255

BAND 7 1 247



4.1.2. Band setelah dikoreksi

BAND 1 0 188

BAND 2 0 196

BAND 3 0 239

BAND 4 0 205

BAND 5 0 253

BAND 7 0 246



4.1.3. Dark Pixel Corr ection (DPC)

A. Setelah dikoreksi

DPC_TM1

DPC_TM2

DPC_TM1 0 188

DPC_TM2 1 196

DPC_TM3 0 239

DPC_TM4 -2 205

DPC_TM5 -1 253

DPC_TM7 0 246



DPC_TM3

DPC_TM4

DPC_TM5

DPC_TM7



4.1.4 Enchanched Dark Pixel Correction (EDPC)

A. Sesudah dikoreksi

Atm adjusted1

Atm adjusted2



Atm adjusted3

Atm adjusted4

Atm adjusted5



Atm adjusted7

4.1.4. Cut-Off Values (SCATTERGRAM)

A. Sesudah dikoreksi

BAND 1 -1 187



BAND1

BAND2

BAND3

BAND 2 -1 202

BAND 3 0 239

BAND 4 -1 215

BAND 5 -1 254

BAND 7 0 246



BAND4

BAND5

BAND7



4.2. PEMBAHASAN

4.2.1. Koreksi Radiometri

Koreksi radiometrik bertujuan untuk memperbaiki kualitas visual citra,

sekaligus memperbaiki nilai-nilai pixel yang tidak sesuai dengan nilai pantulan obyek

yang sebenarnya. Koreksi radiometrik bisa dilakukan dengan berbagai cara yaitu :

penyesuaian histogram, penyesuaian regresi, dan kalibrasi bayangan.

Salah satu cara koreksi radiometrik , yaitu metode penyesuaian histogram.

Histogram sendiri adalah gambaran grafik dari suatu distribusi frekuensi relatif dalam

suatu dataset . Dari histogram dapat dilihat nilai pixel terendah. Pada koreksi

radiometri diasumsikan bahwa nilai pixel terendah pada suatu kerangka liputan

(scene) seharusnya sama dengan nol sesuai dengan bit-coding sensor. Histogram dari

citra yang digunakan nilai pixel terendahnya tidak sama dengan nol. Hal itu berarti

nilai antara nol sampai dengan harga pixel terendah yang ditunjukkan oleh histogram

tersebut dihitung sebagai offset . Besarnya offset tersebut menunjukkan besarnya

pengaruh akibat gangguan atmosfer.

4.2.1. Penyesuain Histogram

Penyesuaian histogram dilakukan dengan menambahkan nilai terendah pada

window Formula Editor . Misal nilai terendah pada Band1 adalah 68 maka kita

tuliskan INPUT1-68. Kata INPUT1 sudah ada pada Formula Editor sehingga kita

hanya menuliskan nilai terendahnya saja. Pengurangan angka dilakukan tanpa



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

dilakukan koreksi dengan penyesuaian histogram didapatkan nilai band yang dimulai

dari 1.

4.1.3. Dark Pixel Correction

Salah satu teknik lain dari Metode Penyesuaian Histogram. Untuk membuka

Dark Pixel Correction, dapat melalui Land Application Wizard, Process TM Imagery,

Atmospheric Effect Correction lalu pilih DPC. Koreksi akan dilakukan secara

otomatis, saat kita memasukkan f ile citra yang akan dikoreksi, yaitu

Landsat_TM_23_Apr85.ers. Hasil yang didapat yaitu : Band1 = 1-188 ; Band2 = 1-

203 ; Band3 = 1-239 ; Band4 = 1-215 ; Band5 = 1-253 ; Band7 = 1-246.

Fungsi Dark Pixel Correction terdapat pada Window Land Application Wizard

toolbar Remote Sensing. Dengan melihat histogram tiap saluran secara independen.

Dari histogram bisa diketahui nilai piksel terendah saluran tersebut, asumsi yang

melandasi metode ini adalah bahwa dalam proses pemotretan digital oleh sensor ,

obyek yang memberikan respon spektral paling lemah atau tidak memberikan respon

sama sekali seharusnya bernilai nol. Apabila nilai ini ternyata > 0 maka nilai terserbut

dihitung sebagai offset , dan koreksi dilakukan dengan mengurangi keseluruhan nilai

pada saluran tersebut dengan offset nya.

4.1.4. Enhanched Dark Pixel Correction

Teknik lain pada Metode Penyesuaian Histogram lain. Nilai TM yang

digunakan sebagai inisial Band adalah TM 1. Hal ini dikarenakan TM 1 dianggap

sudah mewakili nilai TM yang lain dan nilai TM 1 sudah merupakan acuan atau

standar.Kemudian kita memakai kita menggunakan metode koreksi Very Clear

dengan syarat TM1 <=55. Nilai akhir yang didapat yaitu : Band1 = 1-188 ; Band2 =

1-196 ; Band3 = 1-229 ; Band4 = 1-203 ; Band5 = 1-225 ; Band7 = 1-216.

Kita mengenai Enhanched Dark Pixel Correction dengan menggunakan nilai

TM yang paling kecil terdapat pilihan untuk pembersihan yang dilakukan yaitu Very

Clear, Clear, Moderate, Hazy, dan Very Hazy dalam hal ini kita menggunakan

metode koreksi Very Clear dengan syarat TM1 55<=.

4.1.5. Cut-of f Scattergram



Cara Cut-off merupakan cara ketiga dalam koreksi atmosfer yang menggunakan

dua variasi scattergram. Dengan memasukkan nilai terendah tiap – tiap band pada

window Scattergram. Pada kerja Cut-off ini spesifik value dari Cut-off adalah TM 1

sampai dengan TM 5 dan TM 7. Setelah nilai TM yang ada dimasukkan, pada layer

Cut layer TM 6 yang tidak digunakan pada koresi kali ini. Hasil dari koreksi Cut-off

adalah Band 1 = 1-187, Band 2 = 1-206 ; Band 3 =1-232 ; Band 4 = 1-222 ; Band 5 =

1-253 ; Band 7 = 1-242.

Cahaya-cahaya yang berasal dari sinar matahari memiliki panjang gelombang

yang berbeda-beda. Semakin besar panjang gelombangnya, maka semakin besar pula

kemampuannya untuk menembus gangguan. Dari praktikum ini dapat diketahui

bahwa panjang gelombang yang paling besar kemampuannya dalam menembus

gangguan adalah Band 7 sebab atmospheric biasnya adalah satu



V. KESIMPULAN

1. Software ER Mapper merupakan salah satu software pengolahan citra yang

didesain khusus dengan berbagai macam keunggulannya untuk mempermudah

dalam proses pengolahan citra.

2. Koreksi radiometrik bertujuan untuk memperbaiki nilai pixel agar sesuai nilai

aslinya.

3. Cara-cara untuk melakukan koreksi radiometrik adalah:

penyesuaian histogram,

penyesuaian regresi ( Dark Pixel Correction, Enhanced Dark Pixel

Correction, dan Cutoff Scattergram).

4. Pada praktikum ini mengguanakan data Landsat_TM_23Apr85.ers sebagai

inputnya

5. Setelah dilakukan koreksi maka nampak perubahan nilai band yang mempunyai

limit mulai dari 1.

.



DAFTAR PUSTAKA

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

Puspics UGM - Bakosurtanal. Yogyakarta.

Fussel, J., D. Rundquist, J.A. Harrington, Jr., 1986, On Defining Remote Sensing,

Photog. Eng & Remote Sensing, vol 52, pp 1507-1511

Lillesand, T. M, dan Kiefer, R. W. 1993. Penginderaan Jauh Dan Intepretasi Citra

(terjemahan). Gadjah Mada University Press. Yogyakarta.

Purwadhi, Sri Hardiyanti. 2001. Interpretasi Citra Digital. PT. Grasindo, Jakarta.

Slater, P. N. 1980. Remote sensing : Optic and Optical System. Addition - Wesley.

Reading, Mass: London, Amsterdam, Tokyo, Sidney.

Sumaryono. 1999. Pemanfaatan Penginderaan Jauh Untuk Pemantauan Reboisasi Di

Sub DAS Roraya-Kendari dalam Prosiding Pertemuan Ilmiah Tahun Ke-8

MAPIN (Masyarakat Penginderaan Jauh Indonesia). Jakarta.

Sutanto, Prof, Dr, 1986. Penginderaan Jauh Jilid 1. Gadjah Mada University Press.

Yogyakarta.

http://library.usu.ac.id. Sabtu, 29 September 2013 . Pukul 16.00 WIB.

http://ms.wikipedia.org/wiki/Radiometri, diakses tanggal 29 September 2013 pukul

16.05

http://www.batan.go.id/ptrkn/file/, diakses tanggal 29 September 2013 16.10

http://ms.wikipedia.org/wiki/Radiometri

http://www.batan.go.id/ptrkn/file/

http://www.batan.go.id/ptrkn/file/

http://ms.wikipedia.org/wiki/Radiometri



LEMBAR PENILAIAN

MODUL II : KOREKSI RADIOMETRI

Nama : Nur Fitriana .H NIM : 26020212130058 Ttd:……………………

NO KETERANGAN NILAI

1. Pendahuluan

2. Tinjauan Pustaka

3. Materi dan Metode

4. Hasil dan Pembahasan

5. Kesimpulan

6. Daftar Pustaka

JUMLAH

Semarang, 30 September 2013

Mengetahui,

Koordinator Praktikum Asisten

Jasmine Khairani Zainal Peddy Darwin

K2D009036 K2E009013

Shift : 1 (satu)

Tanggal Praktikum : 24 September 2013

Tanggal Pengumpulan : 30 September 2013

laporan 2 inderaja

Documents