Pembuatan Model Permukaan Digital dari Sumber Citra ASTER ...

PEMBUATAN MODEL PERMUKAAN DIGITAL 

DARI SUMBER CITRA ASTER 

SECARA SEMI OTOMATIS 

SKRIPSI 

Oleh : 

DANIEL ADI NUGROHO 

NIM : 99/129265/TK/24075 

JURUSAN TEKNIK GEODESI FAKULTAS TEKNIK 

UNIVERSITAS GADJAH MADA 

YOGYAKARTA 

2003




SKRIPSI 

untuk memenuhi persyaratan dalam 

mencapai derajat sarjana teknik 

Program Studi Teknik Geodesi-Geomatika 

diajukan oleh : 


NIM : 99/129265/TK/24075 

kepada : 

JURUSAN TEKNIK GEODESI FAKULTAS TEKNIK 

UNIVERSITAS GADJAH MADA 

YOGYAKARTA 

i

SKRIPSI 




dipersiapkan dan disusun oleh : 


NIM : 99/129265/TK/24075 

telah dipertahankan di depan Dewan Penguji 

pada tanggal 11 Oktober 2003 

Susunan Dewan Penguji : 

Ketua/Pembimbing Anggota 

Ir. Djurdjani, MS., M.Eng 

1. 

2. 

Ir. Hadiman, M.Sc. 

Catur Aries Rokhmana, S.T., M.T. 

Skripsi ini telah diterima sebagai salah satu persyaratan 

untuk mencapai derajat sarjana teknik 

Program Studi Teknik Geodesi 

Tanggal ......................................... 

Ir. H. Sumaryo, M.Si. 

Ketua Jurusan Teknik Geodesi 

ii

PERNYATAAN 

Dengan ini saya menyatakan bahwa dalam skripsi ini tidak terdapat karya yang 

pernah diajukan untuk memperoleh gelar kesarjanaan di suatu perguruan tinggi, dan 

sepanjang pengetahuan saya juga tidak terdapat karya atau pendapat yang pernah 

ditulis atau diterbitkan oleh orang lain, kecuali yang secara tertulis diacu dalam 

naskah ini dan disebutkan dalam daftar pustaka. 

Yogyakarta, 11 Oktober 2003 

Daniel Adi Nugroho 

iii

I dedicate this to… 

…The Lord to whom I belong, 

…my parents who care for me, 

…the one who lets me print this using her Canon BJC-2100SP. 

iv

KATA PENGANTAR 

Puji syukur ke hadirat Tuhan Yang Maha Kuasa yang senantiasa 

melimpahkan rahmat dan anugerahnya sehingga penelitian tugas akhir ini dapat 

diselesaikan dengan baik dan lancar. 

Penelitian ini dilakukan dalam rangka memenuhi persyaratan dalam 

mencapai derajat sarjana teknik pada Program Studi Teknik Geodesi-Geomatika. 

Dalam penulisan tugas akhir ini telah banyak pihak yang turut memberikan 

dukungan, baik berupa bimbingan, saran, maupun bantuan administratif yang sangat 

membantu kelancaran penyusunan skripsi ini. Penulis mengucapkan terima kasih 

yang tulus kepada: 

1. Ir. Sumaryo, M.Si., Ketua Jurusan Teknik Geodesi Fakultas Teknik 

Universitas Gadjah Mada. 

2. Ir. Waljiyanto, M.Sc., Sekretaris Jurusan Teknik Geodesi Fakultas Teknik 

Universitas Gadjah Mada. 

3. Ir. Djurdjani, MS., M.Eng., dosen pembimbing tugas akhir atas 

bimbingan dan arahannya. 

4. Heri Sutanta, S.T., M.Sc., yang telah memberikan motivasi dan masukan 

yang sangat berharga pada awal penelitian. 

5. Ir. Soeta’at, Dipl., Ph.E., yang telah memberikan saran dan kritik pada 

awal penelitian. 

6. Harintaka, S.T., M.T., yang telah memberikan beberapa informasi pada 

awal penelitian. 

7. Dr. Ming-Ying Wei, staf NASA Headquarters, yang telah memberikan 

ijin penggunaan data citra ASTER. 

8. Ir. T. Aris Sunantyo, M.Sc., atas dukungan moral dan pinjaman bukubuku 

teksnya. 

9. Inge Wijaya atas dukungan moral, ide awal penelitian serta print-out 

buku-buku teks, Hendro Prastowo dan Hermawan Eko S. atas CDwriternya, 

I Made Martawan atas bantuan CPU yang bertenaga, Dia’lah 

Hokosuja H., atas pertimbangan least squares-nya, Sukamto atas printer 

v

BJC-1000SP-nya, dan juga saudaraku Ardhian Prabawa yang 

meminjamkan CPU-nya pada saat-saat akhir penulisan. 

10. Chris Triwarseno, Edi Suryanto, WS Andirachman, Laswanto, Adi 

Permadi, Fachry Ansori, Yulieta, Niken ZS, Vitriani, Bisri Musthofa, 

Bayu Triyogo, serta rekan-rekan lain yang tidak dapat penulis sebutkan 

satu demi satu, atas dukungan moral dan persahabatan yang hangat. 

11. Bapak Prayoga, Ibu Murwati, serta Kristi Puji Astuti atas semua 

bantuannya. 

Saran dan kritik yang membangun sangat diharapkan demi sempurnanya 

skripsi ini. Penulis berharap bahwa penelitian ini dapat memberikan manfaat bagi 

semua pihak, terutama yang berkaitan dengan bidang fotogrametri, penginderaan 

jauh maupun pemetaan topografi. 

Yogyakarta, 11 Oktober 2003 

Penulis 

vi

DAFTAR ISI 

Halaman Judul............................................................................................................ i 

Halaman Pengesahan.................................................................................................. ii 

Halaman Pernyataan................................................................................................... iii 

Halaman Persembahan............................................................................................... iv 

Kata Pengantar........................................................................................................... v 

Daftar Isi..................................................................................................................... vii 

Daftar Gambar............................................................................................................ ix 

Daftar Tabel................................................................................................................ x 

Daftar Lampiran......................................................................................................... xi 

Intisari......................................................................................................................... xii 

BAB I PENDAHULUAN 

I.1. Latar Belakang....................................................................................... 1 

I.2. Tujuan.................................................................................................... 2 

I.3. Pembatasan Masalah.............................................................................. 2 

I.4. Landasan Teori....................................................................................... 3 

I.4.1. Sistem Satelit Terra.................................................................... 3 

I.4.1.1. Karakteristik Sistem..................................................... 3 

I.4.1.2. Sensor-sensor pada Satelit Terra..............................… 3 

I.4.2. Sensor ASTER........................................................................... 3 

I.4.2.1. Karakteristik Sensor ASTER........................................ 3 

I.4.2.2. Sifat Stereoskopik pada Citra ASTER......................... 6 

I.4.3. Data Citra ASTER..................................................................... 7 

I.4.3.1. Pemrosesan Data Citra ASTER.................................... 7 

I.4.3.2. Format Data Citra ASTER........................................... 7 

I.4.4. Pembentukan Model Permukaan Digital................................... 7 

I.4.4.1. Teknik Korelasi Silang................................................. 7 

I.4.4.2. Penghitungan Paralaks dan Elevasi.............................. 11 

I.4.4.3. Model Permukaan Digital............................................ 13 

I.4.5. Noise filtering.................................... ....................................... 14 

I.4.5.1. Simpangan Baku Lokal................................................ 14 

I.4.5.2. Filter Median................................................................ 14 

I.4.6. Hitung Kuadrat Terkecil............................................................ 15 

I.4.7. Transformasi Polinomial............................................................ 17 

I.4.8. Teori Kesalahan......................................................................... 18 

I.4.9. Acuan Ketelitian Baku............................................................... 21 

I.4.9. Perangkat Lunak Komputer....................................................... 21 

I.4.9.1. IDL/ENVI..................................................................... 21 

I.4.9.2. Delphi 5............................... ........................................ 22 

BAB II PELAKSANAAN 

II.1. Persiapan.................................... ......................................................... 24 

II.2. Materi Penelitian.................................... ............................................. 24 

II.3. Alat Penelitian.................................... ................................................ 24 

II.4. Alur Penelitian.................................... ................................................ 25 

vii

II.4.1. Pemrograman Komputer........................................................ 26 

II.4.1.1. Perancangan Interface............................................. 26 

II.4.1.2. Penulisan Kode Program......................................... 27 

II.4.1.3. Uji Program dan Debugging.................................... 28 

II.4.2. Ekstraksi Band 3N dan 3B..................................................... 29 

II.4.3. Pengukuran Koordinat pada Peta Rupabumi......................... 31 

II.4.3.1. Titik Kontrol Tanah dan Titik Ikat.......................... 33 

II.4.3.2. Titik Cek.................................................................. 33 

II.4.4. Pengukuran Koordinat Titik Ikat pada Citra.......................... 33 

II.4.5. Pengolahan Data secara Otomatis.......................................... 34 

II.4.5.1. Registrasi Band 3B ke 3N secara Otomatis............. 34 

II.4.5.2. Korelasi Stereo secara Otomatis.............................. 36 

II.4.5.3. Noise filtering Model Permukaan Digital............... 37 

II.4.5.4. Koreksi Elevasi secara Otomatis............................. 39 

II.4.5.5. Penyimpanan Data Model Permukaan Digital........ 39 

II.4.6. Georeferensi Model Permukaan Digital................................ 41 

II.4.7. Evaluasi Ketelitian Model Permukaan Digital...................... 43 

II.4.8. Visualisasi Model Permukaan Digital................................... 44 

BAB III HASIL DAN PEMBAHASAN 

III.1. Hasil Penelitian.................................... ............................................... 45 

III.2. Registrasi Band 3B ke 3N................................................................... 45 

III.3. Korelasi Stereo secara Otomatis.......................................................... 45 

III.3.1. Ukuran Daerah Selidik......................................................... 46 

III.3.2. Ukuran Daerah Sasaran........................................................ 46 

III.4. Noise filtering.................................... ................................................. 47 

III.5. Koreksi Elevasi Model Permukaan Digital......................................... 49 

III.6. Georeferensi Model Permukaan Digital.............................................. 49 

III.6. Ketelitian Model Permukaan Digital................................................... 50 

BAB IV KESIMPULAN DAN SARAN 

IV.1. Kesimpulan.................................... ..................................................... 52 

IV.2. Saran.................................... .......................... .................................... 53 

IV.2.1. Pengembangan Program....................................................... 53 

IV.2.2. Penelitian pada Daerah dengan Berbagai Variasi Terrain.... 53 

IV.2.3. Pengujian dengan Menggunakan MPD Acuan.................... 54 

IV.2.4. Penggunaan Komputer dengan Kecepatan Tinggi............... 54 

Daftar Pustaka............................................................................................................ 56 

Lampiran.................................................................................................................... 57 

viii

DAFTAR GAMBAR 

Gambar I.1. Diagram skematik linear array sensor.............................................. 4 

Gambar I.2. Subsistem VNIR pada sistem sensor ASTER................................... 6 

Gambar I.3. Geometri citra ASTER...................................................................... 6 

Gambar I.4. Korelasi silang 2 dimensi.................................................................. 8 

Gambar I.5. Estimasi koordinat sub-piksel............................................................ 10 

Gambar I.6. Penentuan elevasi berdasarkan paralaks pada citra ASTER............. 12 

Gambar I.7. Proses penghitungan median filter.................................................... 15 

Gambar I.8. Kurva distribusi normal..................................................................... 19 

Gambar II.1. Diagram alir penelitian...................................................................... 25 

Gambar II.2. Properties dan Events dalam Object Inspector Delphi..................... 27 

Gambar II.3. Code Editor pada Delphi................................................................... 28 

Gambar II.4. Ukuran citra ASTER Level-1B full scene......................................... 29 

Gambar II.5. Fasilitas New File Builder pada ENVI.............................................. 30 

Gambar II.6. Distribusi titik GCP dan titik ikat yang digunakan........................... 32 

Gambar II.7. Tampilan awal program DEMCreator 4............................................ 34 

Gambar II.8. Bagian pengaturan proses dalam program DEMCreator 4............... 35 

Gambar II.9. Daerah tepi yang tidak dapat dihitung nilai korelasi silangnya......... 36 

Gambar II.10. Citra dengan noise dan citra yang telah dihilangkan noise-nya........ 37 

Gambar II.11. Bagian pengaturan lanjut DEMCreator 4.......................................... 38 

Gambar II.12. Pemilihan GCP untuk proses georeferensi........................................ 

Gambar II.13. Fasilitas Image to Map Registration untuk melakukan georeferensi 

42 

model................................................................................................. 

Gambar III.1. Selisih elevasi titik cek pada model terhadap elevasi titik cek pada 

peta rupabumi.................................................................................... 

ix 

43 

51

DAFTAR TABEL 

Tabel I.1. Parameter orbit satelit Terra.................................................................. 3 

Tabel I.2. Karakteristik band Citra ASTER........................................................... 5 

Tabel I.3. Faktor pengali σ untuk berbagai tingkat kepercayaan.......................... 20 

Tabel I.4. Hubungan antara skala peta, interval kontur, dan syarat tingkat 

ketelitian................................................................................................ 21 

Tabel III.1. Nilai parameter transformasi polinomial satu dimensi......................... 

Tabel III.2. Pengaruh ukuran daerah sasaran terhadap ketelitian korelasi 

45 

otomatis................................................................................................. 

Tabel III.3. Pengamatan secara visual hasil filter.................................................... 48 

Tabel III.4. Nilai parameter transformasi dalam koreksi elevasi............................. 49 

. 

. 

x 

47

DAFTAR LAMPIRAN 

Lampiran A Visualisasi Model Permukaan Digital................................................. 58 

Lampiran B Daftar Koordinat GCP dan Titik Ikat.................................................. 65 

Lampiran C Hasil Uji Korelasi Otomatis................................................................ 68 

Lampiran D Hasil Uji Noise filtering....................................................................... 81 

Lampiran E Hasil Uji Ketelitian Model Permukaan Digital................................... 87 

Lampiran F Setting Program untuk Pembuatan Model Permukaan Digital 

Daerah Parengan, Tuban...................................................................... 

Lampiran G Panduan Singkat Penggunaan Program DEMCreator......................... 95 

Lampiran H Flowchart Modul Program Korelasi Otomatis dan Filtering............... 113 

Lampiran I CD-ROM............................................................................................. - 

1. Dokumen Skripsi................................................ folder DOC 

2. Data Mentah....................................................... folder RAW 

3. Data Hasil Olahan.............................................. folder DEM 

4. Paket Program DEMCreator 4........................... folder SOFT 

xi 

92

INTISARI 

Perkembangan teknik fotogrametri ke arah sistem digital berjalan dengan 

cepat seiring dengan semakin majunya teknologi komputer. Demikian pula dengan 

perkembangan teknologi penginderaan jauh yang memberikan banyak inovasi baru 

dalam kaitannya dengan kegiatan pemetaan. Salah satunya ditandai dengan 

diluncurkannya satelit EOS-AM1/Terra yang memiliki sensor ASTER dengan 

kemampuan yang istimewa yaitu mengindera tempat yang sama dari dua posisi 

pencitraan dalam satu jalur orbit, sehingga didapatkan citra stereo. Dari pasangan 

citra stereo tersebut, dapat dibentuk model tiga dimensi dari permukaan daerah yang 

diindera. 

Penelitian ini memanfaatkan prinsip paralaks untuk menentukan elevasi titiktitik 

pada citra ASTER dalam pembentukan model permukaan digital. Dalam 

menentukan elevasi hanya diperhatikan dua faktor, yaitu B/H ratio sebesar 0,6 dan 

beda paralaks tiap piksel. Untuk menentukan titik-titik yang bersesuaian pada dua 

buah citra, dilakukan proses image-matching secara otomatis dengan teknik korelasi 

silang. Untuk melaksanakan korelasi otomatis serta penghitungan model permukaan 

digital ini disusun sebuah program komputer dengan menggunakan perangkat lunak 

pemrograman Delphi 5. 

Hasil utama yang didapat dari penelitian ini adalah sebuah model permukaan 

digital tergeoreferensi daerah Parengan, Tuban, Jawa Timur, berukuran 1132 piksel x 

1131 piksel dengan resolusi spasial 15 meter secara horisontal dan 1 meter secara 

vertikal. Berdasarkan 150 buah titik sampel yang diambil dari titik-titik tinggi pada 

peta rupabumi didapatkan root mean square error (RMSE) pada komponen elevasi 

sebesar 8,8 meter atau setara dengan tingkat ketelitian sebesar 14,48 meter pada 

tingkat kepercayan 90%, sehingga memenuhi persyaratan ketelitian menurut United 

States National Map Accuracy Standards untuk keperluan pembuatan peta topografi 

dengan skala 1:100.000 atau lebih kecil lagi. 

xii

BAB I 

PENDAHULUAN 

I.1. Latar Belakang 

Pengukuran bentuk fisik dari permukaan bumi adalah pekerjaan yang sangat 

penting dalam geodesi dan kartografi. Dapat dikatakan semua penelitian yang 

melibatkan permukaan bumi memerlukan data topografi dan produk turunannya, 

seperti kemiringan lahan, aspek kemiringan, serta pola drainase. Pada kasus tertentu, 

misalnya untuk daerah bergelombang, data model permukaan digital diperlukan 

untuk memproduksi citra raster yang terektifikasi dan bergeoreferensi, yang 

merupakan suatu keharusan dalam integrasi data citra ke sebuah Sistem Informasi 

Geografis. Selain itu, data topografi juga diperlukan untuk melakukan koreksi 

geometrik, radiometrik, dan atmosferik terhadap data satelit yang dihasilkan oleh 

instrumen optis maupun gelombang mikro (Lang, 1999). 

Dalam pekerjaan pembuatan peta topografi, data elevasi permukaan bumi 

didapatkan dari berbagai sumber, seperti dari pemetaan terestris maupun dari 

pemetaan fotogrametri. Untuk wilayah yang luas, pemetaan secara terestris 

membutuhkan waktu dan biaya yang sangat besar, sehingga pemetaan secara 

fotogrametri merupakan alternatif menarik sebagai sumber data dalam pemetaan, 

terutama pada daerah yang sulit dijangkau. Selaras dengan perkembangan teknologi, 

teknik fotogrametri tidak hanya dapat diterapkan pada foto udara, namun juga dapat 

diterapkan pada data citra satelit. Citra satelit mempunyai beberapa keuntungan 

dibandingkan foto udara konvensional, diantaranya adalah daerah cakupan yang 

lebih luas, akuisisi data yang lebih cepat dan murah daripada foto udara, dan 

penggunaan spektrum yang lebih luas. 

Perkembangan teknik fotogrametri ke arah sistem digital berjalan dengan 

cepat seiring dengan semakin majunya teknologi komputer. Banyaknya keuntungan 

yang ditawarkan oleh data digital apabila dibandingkan dengan data analog, serta 

semakin efisiennya pekerjaan yang dilakukan dengan menggunakan sistem digital 

merupakan pendorong utama transisi dari fotogrametri konvensional menuju 

fotogrametri digital. Pada pengolahan data citra satelit untuk pembentukan model 

1

permukaan digital, proses otomasi mutlak diperlukan karena kuantitas data yang 

besar dan kerumitan dalam hitungan matematis yang terlibat di dalamnya. 

Salah satu metode yang digunakan untuk menentukan beda tinggi antar titik 

dalam fotogrametri adalah penggunaan paralaks, yaitu perubahan kenampakan posisi 

suatu objek terhadap kerangka acuan tertentu yang disebabkan oleh perpindahan 

posisi pengamat. Selama ini, prinsip paralaks telah diaplikasikan dengan bantuan 

stereoskop dan tongkat paralaks. Dari pengukuran beda paralaks dapat dihitung beda 

tinggi dengan menggunakan suatu rumusan matematis yang relatif lebih sederhana 

daripada penghitungan dengan prinsip kesegarisan dan kesebidangan. 

Pembuatan model permukaan digital dari citra satelit telah dilakukan pada 

citra-citra satelit yang mempunyai sifat stereoskopis, seperti SPOT, JERS-1, dan 

MOMS. Salah satu kelemahan dari citra satelit sebagai sumber data untuk pembuatan 

model permukaan digital adalah adanya selang waktu yang relatif lama antara dua 

pengambilan gambar pada daerah yang akan dibentuk model permukaan digitalnya. 

Adanya selang waktu ini memberikan dampak negatif pada proses pembentukan 

model stereo karena daerah yang akan ditinjau akan mengalami berbagai perubahan 

kenampakan, yang meliputi perubahan iluminasi, perubahan penutup lahan, 

perubahan cuaca, maupun perubahan geomorfologis lainnya. Pada citra ASTER, 

kelemahan ini dapat diatasi dengan adanya selang waktu yang singkat antara dua 

pengambilan citra stereo, yaitu sekitar 9 detik. 

I.2. Tujuan Penelitian 

Tujuan penelitian ini adalah membentuk model permukaan digital dengan 

memanfaatkan prinsip paralaks. Untuk menentukan titik-titik yang bersesuaian pada 

dua buah citra, dilakukan proses image-matching dengan teknik korelasi silang. 

I.3. Pembatasan Masalah 

Dalam penelitian ini, hanya dua faktor yang diperhitungkan dalam 

pembentukan model permukaan digital, yaitu beda paralaks serta perbandingan basis 

terhadap tinggi terbang sebesar 0,6. Pengaruh kesalahan orientasi sumbu-sumbu 

kamera, pengaruh kelengkungan bumi, pengaruh kesalahan orbit satelit, pengaruh 

variasi skala dalam satu scene, serta pengaruh kesalahan radiometris diabaikan. 

2

I.4. Landasan Teori 

I.4.1. Sistem Satelit Terra (EOS AM-1) 

I.4.1.1. Karakteristik Sistem. Pada bulan Desember 1999, National 

Aeronautics and Space Administration (NASA) meluncurkan sebuah satelit bernama 

EOS AM-1/Terra sebagai bagian awal dari misi Earth Observing System (EOS). 

EOS terdiri dari komponen ilmiah dan sistem informasi data yang memberikan 

dukungan kepada sejumlah satelit terkoordinasi dengan orbit kutub dan orbit 

berinklinasi rendah untuk observasi global jangka panjang dari permukaan daratan, 

biosfer, kerak bumi, atmosfer, dan lautan (Abrams, 2002). 

Tabel I.1. Parameter orbit satelit Terra (ASTER Science Team, 2001) 

Parameter Keterangan 

Orbit Sun synchronous, descending 

Sumbu semi-major (rerata) 7078 km 

Eksentrisitas 0,0012 

Waktu lintas (lokal) 10.30 ± 15 menit. 

Kisaran ketinggian 700 - 737 km (705 km pada ekuator) 

Inklinasi 98,2° ± 0,15° 

Repeat cycle 16 hari (233 revolusi / 16 hari) 

Jarak antara orbit yang berdekatan 172 km 

Periode orbit 98,9 menit 

Satelit Terra berada pada orbit kutub yang bersifat sun-synchronous, 30 menit 

dibelakang Landsat ETM+; Terra melintasi ekuator pada sekitar pukul 10.30 pagi 

waktu setempat. Parameter orbit satelit Terra ditunjukkan pada Tabel I.1. 

I.4.1.2. Sensor-sensor pada Satelit Terra. Selain Advanced Spaceborne 

Thermal Emission and Reflection Radiometer (ASTER), instrumen lain yang 

terpasang pada satelit Terra adalah Moderate-Resolution Imaging Spectroradiometer 

(MODIS), Multi-angle Imaging Spectro-Radiometer (MISR), Clouds and the Earth’s 

Radiant Energy System (CERES), dan Measurements of Pollution in the Troposphere 

(MOPITT). 

I.4.2. Sensor ASTER 

I.4.2.1. Karakteristik Sensor ASTER. ASTER (Advanced Spaceborne 

3

Thermal Emission and Reflection Radiometer) adalah sebuah pengindera 

multispektral modern yang dipilih oleh NASA untuk dipasang pada satelit EOS AM- 

1 (Terra) bersama dengan empat buah sensor yang lain. Konsep dasar dari ASTER 

adalah mengumpulkan data spektral kuantitatif dari radiasi yang dipantulkan dan 

dipancarkan dari permukaan bumi dalam jangkauan panjang gelombang 0,5 – 2,5 µm 

dan 8 – 12 µm. 

Tujuan umum dari penyelidikan ilmiah menggunakan ASTER adalah untuk 

mempelajari interaksi antara geosfer, hidrosfer, dan atmosfer bumi, dari sudut 

pandang geofisika (ASTER Science Team, 2001). 

Salah satu kemampuan sensor ASTER pada satelit Terra yang cukup menarik 

adalah kemampuan stereoskopisnya pada arah jalur orbit, dimana waktu yang 

diperlukan untuk mencitrakan suatu daerah dari dua sudut yang berbeda (arah nadir 

dan arah lihat-belakang) relatif singkat, yaitu sekitar 64 detik. Dalam waktu yang 

sangat singkat itu, perubahan kenampakan permukaan bumi akibat perubahan cuaca 

atau penutup lahan akan dapat diminimalisasi. Selain itu, resolusi spasial yang 

ditawarkan cukup tinggi, yaitu 15 meter. 

Gambar I.1. Diagram skematik linear array sensor. (JARS, 1993) 

Sensor ASTER pada subsistem VNIR termasuk tipe pushbroom dengan 5000 

buah detektor CCD (Charge Coupled Device) yang terbuat dari silikon. Pushbroom 

4

scanner atau linear array sensor adalah sebuah sistem penyiam (scanner) yang tidak 

menggunakan cermin penyiam mekanis, melainkan menggunakan elemen-elemen 

semikonduktor padat yang disusun dalam satu baris sehingga memungkinkan 

perekaman satu baris citra secara simultan (JARS, 1993). Diagram skematik linear 

array sensor ditunjukkan pada gambar I.1. 

Tabel I.2. Karakteristik band Citra ASTER (ASTER Science Team, 2001). 

Subsistem Band Kisaran spektral 

(µm) 

1 0.52 - 0.60 

VNIR 

2 

3N 

0.63 - 0.69 

0.78 - 0.86 

3B 0.78 - 0.86 

4 1.600 - 1.700 

5 2.145 - 2.185 

SWIR 

6 

7 

2.185 - 2.225 

2.235 - 2.285 

8 2.295 - 2.365 

9 2.360 - 2.430 

10 8.125 - 8.475 

11 8.475 - 8.825 

TIR 12 8.925 - 9.275 

13 10.25 - 10.95 

14 10.95 – 11.65 

Resolusi 

Spasial 

Kuantisasi 

sinyal 

15 m 8 bit 

30 m 8 bit 

90 m 12 bit 

Satu scene penuh dari citra ASTER meliputi daerah berukuran sekitar 60 km 

x 60 km. Tabel I.2. menunjukkan karakteristik kisaran spektral, resolusi spasial, dan 

kuantisasi sinyal dari semua band yang ada pada citra ASTER. 

ASTER terdiri atas tiga buah subsistem, yaitu: Visible and Near-Infrared 

Radiometer (VNIR), yang memiliki 3 band (ditambah satu band pandangan ke 

belakang yang menggunakan sebuah teleskop lihat-belakang untuk kemampuan 

pandangan stereo) dengan resolusi spasial 15 meter; Shortwave Infrared Radiometer 

(SWIR) yang memiliki 6 band dengan resolusi spasial 30 meter; dan Thermal 

Infrared Radiometer (TIR) yang memiliki 5 band dengan resolusi spasial 90 meter. 

Kenampakan fisik dari subsistem VNIR ditunjukkan pada gambar I.2. 

5

Gambar I.2. Subsistem VNIR pada sistem sensor ASTER 

I.4.2.2. Sifat Stereoskopik pada Citra ASTER. Citra ASTER memiliki 

kemampuan stereoskopis pada arah jalur orbit (along track) karena dimilikinya 

sebuah sensor pada arah vertikal (nadir looking) dan sebuah sensor dengan arah 

miring ke belakang sebesar 27,6° terhadap vertikal (backward looking). 

Perbandingan jarak basis terhadap ketinggian terbang (B/H ratio) sebesar 0,6. 

Gambar I.3. Geometri citra ASTER (Lang, 1999). 

6

Sebenarnya, untuk menghasilkan B/H ratio sebesar 0,6 diperlukan sudut 

miring sebesar 30,96° terhadap vertikal, namun untuk mengkompensasi pengaruh 

kelengkungan bumi, sudut miring diatur pada 27,6° (ASTER Science Team, 2001). 

Data yang dihasilkan oleh kedua sensor yang bekerja pada daerah gelombang tampak 

dan infra merah dekat (subsistem VNIR) ini direkam dalam band 3 pada tiap citra, 

yaitu pada band 3N (band 3 nadir) dan band 3B (band 3 backward). Untuk merekam 

satu stereo scene diperlukan waktu selama 64 detik. Kemampuan stereoskopis ini 

memungkinkan pembuatan model 3 dimensi dari daerah yang diamat oleh satelit 

Terra. Diagram skematik geometri pencitraan disajikan pada gambar I.3. 

I.4.3. Data Citra ASTER 

I.4.3.1. Pemrosesan Data Citra ASTER. Pada produk citra ASTER dikenal 

adanya produk Level 1A dan 1B. Pada level 1A, citra belum dikoreksi secara 

geometris maupun radiometris, tetapi parameter-parameter untuk melakukan koreksikoreksi 

tersebut telah disertakan dalam header file citra. Sedangkan pada level 1B, 

citra sudah dikoreksi menggunakan data citra dari Level 1A dengan parameterparameter 

koreksi yang juga terdapat pada level 1A. 

I.4.3.2. Format Data Citra ASTER. Format standar dari citra ASTER adalah 

EOS-HDF, sebuah implementasi khusus dari format HDF (Hierarchical Data 

Format), yang dapat dikenali oleh beberapa perangkat lunak seperti PCI Geomatica 

OrthoEngine, Matlab, ILWIS, dan IDL/ENVI. Satu scene penuh dari citra ASTER 

yang terdiri atas 14 band berukuran sekitar 120 MB. Data ini didistribusikan dalam 

berbagai media data, seperti CD-ROM (Compact Disc – Read Only Memory), CCT 

(Computer Compatible Tape), maupun transfer data secara langsung melalui Internet 

dengan fasilitas FTP (File Transfer Protocol). 

I.4.4. Pembentukan Model Permukaan Digital 

I.4.4.1. Teknik Korelasi Silang. Untuk mendapatkan koordinat titik yang 

bersesuaian pada kedua band, digunakan teknik korelasi silang. Korelasi silang 

adalah algoritma untuk menentukan lokasi bagian-bagian dari citra berdasarkan 

kesamaan tingkat keabuan. Sebuah titik referensi ditentukan pada citra referensi, dan 

7

titik yang bersesuaian dicari pada citra pencarian. Untuk keperluan itu, citra referensi 

digerakkan pada citra pencarian, dan posisi dari kesamaan maksimum dari tingkat 

keabuan dapat dicari. Pada setiap posisi dari citra referensi dalam citra pencarian, 

sebuah nilai kesamaan, yaitu koefisien korelasi silang dari tingkat-tingkat keabuan, 

dihitung. Koefisien korelasi dihitung dengan persamaan I.1. (Rottensteiner, 2001). 

Gambar I.4. Korelasi silang 2 dimensi. 

Pencarian piksel yang bersesuaian pada kedua band dilakukan dengan 

membentuk daerah selidik dan daerah sasaran, seperti yang diilustrasikan pada 

gambar I.4.. Pada citra band 3N, piksel yang akan dicari pasangannya dibentuk 

sebuah daerah sasaran dengan ukuran tertentu dengan titik tersebut sebagai pusatnya, 

misalnya 3 x 3 piksel, 5 x 5 piksel, atau lebih besar lagi. 

Pada citra band 3B dibentuk daerah selidik dengan ukuran yang lebih besar 

dari daerah sasaran. Untuk tiap piksel pada daerah selidik, dibentuk daerah sasaran 

dengan piksel yang bersangkutan sebagai titik pusat. Kemudian, dihitung nilai 

korelasi antara daerah sasaran pada citra band 3N dengan daerah sasaran pada citra 

band 3B. Proses ini diulang untuk tiap piksel pada daerah selidik, dengan demikian 

diperoleh nilai korelasi untuk tiap piksel pada daerah selidik tersebut. Piksel dengan 

nilai korelasi paling tinggi merupakan piksel yang bersesuaian pada citra band 3N 

dan band 3B. 

8

∑∑ 

[ g ( x, 

y) 

− g m ][ h( 

x, 

y) 

− hm 

] 

δ = 

x= 

1 y= 

1 

(I.1) 

t 

t 

t 

t 

2 

∑∑[ g ( x, 

y) 

− g m ] ⋅∑∑ 

x= 

1 y= 

1 x= 

1 y= 

1 

dalam hal ini : 

δ : koefisien korelasi 

t 

t 

[ h 

( x, 

y) 

− h 

m 

g(x,y) : derajat keabuan untuk piksel yang mempunyai koordinat (x, y) 

pada citra pertama. 

h(x,y) : derajat keabuan untuk piksel yang mempunyai koordinat (x, y) 

pada citra kedua. 

gm, hm : rerata nilai keabuan piksel dalam luasan jendela citra pertama 

dan citra kedua. 

Untuk mendapatkan ketelitian sub-piksel, maka piksel dengan nilai korelasi 

terbesar dijadikan pusat dari sebuah daerah interpolasi berukuran 3 x 3 piksel. Nilai 

koordinat piksel dan nilai korelasi untuk tiap piksel pada daerah tersebut digunakan 

untuk menghitung parameter dari suatu fungsi permukaan kuadratis. 

2 2 

δ = a 0 + a1x 

+ a2 

y + a3 

xy + a4 

x + a5 

y 

(I.2) 

dengan 

δ : koefisien korelasi 

a0 – a5 : koefisien parameter polinomial 

x, y : koordinat piksel 

Setelah parameter fungsi permukaan kuadratis tersebut dihitung dengan 

menggunakan hitung kuadrat terkecil dengan persamaan I.2 sebagai persamaan 

observasi, maka dapat dihitung nilai koordinat piksel yang memiliki nilai korelasi 

yang maksimum dari derivatif pertama dari fungsi permukaan kuadratis dengan 

menggunakan persamaan I.3, dengan demikian, ketelitian sub-piksel dapat diketahui. 

] 

2 

9

Ketelitian metode estimasi sub-piksel ini secara empiris diperoleh sekitar 0,2 – 0,3 

piksel (Rottensteiner, 2001). 

⎛ ⎞ 

⎜ ⎟ 

⎜ ⎟ 

⎛ 

= ⎜ 

⎜ ∂ ⎟ 

⎜ ⎟ 

⎝ 

⎝ ∂ ⎠ 

∂ 

∂δ 

x a 

δ a 

y 

1 

2 

⎞ ⎛2a 

⎟ + ⎜ 

⎠ ⎝ a3 

4 

a3 

⎞ ⎛ x 

⎟ 

⎟∗ 

⎜ 

2a5 

⎠ ⎝ y 

max 

max 

⎞ ⎛0 

⎞ 

⎟ = ⎜ ⎟ 

⎠ ⎝0 

⎠ 

Gambar I.5. Estimasi koordinat sub-piksel (Rottensteiner, 2001). 

10 

(I.3) 

Menurut Lang (1999), ketelitian elevasi secara teoritis yang dapat dihasilkan 

dari citra satelit stereo dihitung dengan persamaan: 

H∆p 

∆ h = 

(I.4) 

B 

dengan 

∆h = ketelitian teoritis 

∆p = asumsi kesalahan image-matching maksimum 

H = tinggi orbit satelit 

B = jarak basis 

Apabila ketelitian pada proses korelasi silang diasumsikan sebesar 1 piksel (15 

meter), maka berdasarkan persamaan I.4 resolusi elevasi model adalah 25 meter. 

Sebuah model permukaan digital dengan resolusi elevasi sebesar 25 meter akan 

tampak berteras-teras pada daerah yang miring. Efek berteras (terraced effect) ini

akan tampak nyata pada daerah yang landai maupun daerah yang mendekati datar. 

Selain kualitas visual yang buruk, model dengan resolusi elevasi 25 meter akan 

cenderung menghilangkan detil lokal dari permukaan bumi. 

Untuk mengatasi masalah-masalah yang muncul pada model dengan resolusi 

elevasi besar tersebut, digunakan proses korelasi silang dengan ketelitian sub-piksel 

sehingga resolusi elevasi dari model permukaan digital dapat ditingkatkan. 

Proses korelasi silang membutuhkan unjuk kerja komputasi yang handal 

karena proses korelasi dilakukan pada tingkat piksel untuk tiap piksel pada citra serta 

melibatkan banyak hitungan floating-point. Karena pada penghitungan elevasi 

diperlukan nilai beda paralaks pada sumbu y, maka proses korelasi silang dapat 

dipercepat dengan membatasi daerah sasaran dan selidik menjadi satu dimensi saja. 

Namun demikian, pada kenyataan, diperlukan toleransi sebesar masing-masing satu 

piksel ke arah sumbu x positif dan sumbu x negatif untuk mengkompensasi 

perubahan ketinggian satelit. 

Korelasi silang, sebagai salah satu metode image-matching berdasar area 

(area-based image-matching) mempunyai beberapa kelemahan, yaitu: 

a. tidak memberikan solusi untuk daerah yang tingkat keabuannya homogen, 

misalnya salju, padang rumput, dataran pasir, dan lautan. 

b. tidak memberikan solusi untuk daerah yang sangat gelap, maupun sangat 

terang, seperti daerah bayang-bayang atau permukaan atas awan. 

c. tidak memberikan hasil yang tepat untuk daerah dengan perulangan pola 

tertentu (repeated patterns). 

d. tidak memberikan hasil yang tepat pada daerah yang sama sekali tidak mirip, 

misalnya apabila objek pada salah satu citra tertutup awan. 

I.4.4.2. Penghitungan Paralaks dan Elevasi. Besarnya paralaks dari tiap piksel 

pada citra dapat ditentukan dengan proses image-matching menggunakan teknik 

korelasi silang, dimana untuk tiap piksel pada band 3N dicari piksel yang bersesuaian 

pada band 3B. Beda koordinat pada komponen sumbu y adalah beda paralaks pada 

sumbu y, sedangkan beda koordinat pada komponen sumbu x adalah beda paralaks 

pada sumbu x. Koordinat x dan y adalah dalam koordinat citra, merupakan sistem 

koordinat tangan kiri, dengan sumbu y sejajar arah orbit. 

11

Beda tinggi dapat diketahui berdasarkan besar paralaks dan perbandingan 

antara basis citra terhadap tinggi terbang (B/H ratio). B/H ratio dari citra ASTER 

adalah sebesar 0,6. Hubungan matematis dari paralaks dan beda tinggi ditunjukkan 

dalam persamaan berikut: 

1 2 

tanα 

X X − 

∆ h = 

(I.5) 

∆p 

= (I.6) 

tanα 

H ⋅∆p 

= (I.7) 

B 

Gambar I.6. Penentuan elevasi berdasarkan paralaks pada citra ASTER (Lang, 1999). 

Beda paralaks pada sumbu x pada citra yang terkoreksi harus sama dengan 0. 

Hal ini disebabkan karena sifat stereoskopis dari citra ASTER adalah untuk scene 

12

yang terletak berurutan pada satu jalur terbang (along track), sehingga untuk kondisi 

ideal, paralaks yang ada hanyalah paralaks pada sumbu y saja. Namun pada 

kenyataannya, kemungkinan terdapat kesalahan geometrik sebesar 1 piksel pada 

sumbu x, yang disebabkan karena perubahan tinggi satelit (Lang, 1999). Kesalahan 

ini perlu dikompensasi pada saat proses image-matching. 

I.4.4.3. Model Permukaan Digital. Pemodelan permukaan merupakan istilah 

umum yang digunakan untuk menjelaskan suatu proses menyajikan permukaan nyata 

atau tiruan secara matematis. Pemodelan permukaan bumi merupakan kategori 

khusus dari pemodelan permukaan yang berkaitan dengan problem khusus untuk 

menyajikan bentuk permukaan bumi (Djurdjani, 1999). Model permukaan digital 

dapat disimpan dengan berbagai metode: 

a. Data berdistribusi teratur. Data disimpan dengan spasi yang teratur antar 

titik data sehingga membentuk suatu grid. Bentuk dasar dari grid yang 

paling sering digunakan adalah bentuk bujur sangkar. Data elevasi dicatat 

pada tiap jarak tertentu, sesuai dengan resolusi spasial dari grid. 

b. Data berdistribusi semi teratur. Pada metode ini, keteraturan terdapat pada 

salah satu unsur datanya, sedangkan unsur yang lain acak. Misalnya garisgaris 

kontur pada peta yang merepresentasikan ketinggian yang sama 

pada permukaan bumi dengan interval ketinggian tertentu yang konstan 

mempunyai keteraturan pada unsur Z, tetapi pada unsur X dan Y acak. 

c. Data berdistribusi acak. Pada metode ini, tidak ada keteraturan pada 

setiap unsur datanya. Salah satu bentuk struktur data acak adalah TIN 

(Triangulated Irregular Networks) dengan segitiga-segitiga tak beraturan 

sebagai satuan datanya. 

d. Fungsi permukaan. Permukaan bumi dapat pula disajikan dalam model 

matematis tertentu, namun pemodelan ini cenderung hanya memberikan 

gambaran umum permukaan (trend surface) serta menghilangkan detildetil 

lokal pada permukaan bumi, mengingat kenampakan fisik dari 

permukaan bumi sangat kompleks dan sulit dimodelkan melalui suatu 

fungsi matematis secara tepat. 

13

I.4.5. Noise Filtering 

Dua tahap yang terlibat dalam proses noise filtering adalah deteksi noise dan 

eliminasi noise. Dalam penelitian ini noise dideteksi dengan menggunakan teknik 

simpangan baku lokal, sedangkan noise yang telah dideteksi dihilangkan dengan 

menggunakan filter median. 

I.4.5.1. Simpangan baku lokal. Salah satu cara untuk mendeteksi adanya 

noise adalah dengan menggunakan simpangan baku lokal. Simpangan baku lokal 

adalah simpangan baku nilai ketinggian pada sebuah daerah window bujur sangkar 

berukuran tertentu. Nilai ketinggian yang melebihi ambang batas tertentu dianggap 

sebagai noise. Ambang batas dihitung dengan mengalikan simpangan baku dengan 

faktor pengali tertentu. 

2 

∑ ( xi − x) 

σ = 

(I.8) 

n 

dengan 

= nilai ketinggian pada piksel ke-i 

xi 

x = nilai rerata ketinggian pada jendela 

n = jumlah piksel pada jendela 

σ = simpangan baku 

I.4.5.2. Filter Median. Filter median adalah filter yang memeriksa setiap nilai 

piksel yang tercakup dalam jendela filter dan mengurutkannya dari nilai terkecil 

sampai terbesar. Hasil dari filter median adalah nilai yang tepat berada di tengah 

urutan tersebut. 

Sebagai contoh, pada gambar I.7 diilustrasikan sebuah jendela filter 

berukuran 3 x 3 piksel. Nilai yang dihasilkan filter median pada ilustrasi tersebut 

adalah nilai yang berada pada bagian tengah hasil pengurutan, atau dalam hal ini 

nilai ke-4, yaitu 23. Nilai-nilai ekstrim akan berada pada awal maupun akhir dari 

daftar pengurutan, sehingga dapat disimpulkan bahwa nilai-nilai ekstrim dapat 

dihilangkan dengan filter median. 

14

Jendela filter 3 x 3 

Hasil pengurutan dari 9 piksel yang ada pada jendela filter 

22 22 23 23 23 24 24 25 35 

Gambar I.7. Proses penghitungan median filter. 

I.4.6. Hitung Kuadrat Terkecil 

Kuadrat terkecil adalah prosedur yang dilakukan untuk menghitung nilai yang 

paling mungkin dari suatu pengukuran yang mengandung kesalahan acak. Prinsip 

dasar yang dipakai dalam penyelesaian kuadrat terkecil adalah meminimumkan 

kuadrat residual, yaitu kuadrat selisih antara hasil pengamatan dengan hasil perataan. 

Penelitian ini memakai hitungan kuadrat terkecil metode parameter. 

Dalam metode parameter, harus dicari sejumlah parameter (besaran yang 

independen) sebanyak minimum data yang harus diketahui untuk menyelesaikan 

suatu sistem persamaan (u). Setelah parameternya diketahui, dapat disusun 

persamaan atau hubungan matematis antara hasil pengamatan dengan masing-masing 

parameter tersebut. Jumlah persamaan ini harus sama dengan jumlah pengamatan 

(n). Hubungan antara hasil pengamatan, nilai yang paling mungkin (pengamatan 

terkoreksi), dan nilai koreksi kesalahan adalah : 

l 

l 

l 

1 

2 

n 

+ v 

+ v 

........ 

1 

+ v 

2 

n 

dengan 

= l 

a1 

= l 

= l 

a2 

an 

ln = hasil pengamatan 

vn = residual 

lan = pengamatan terkoreksi 

23 25 

23 35 

22 

24 

24 

22 

23 

15 

(I.9)

Hubungan fungsional antara la dan x berbentuk 

l 

a1 

... 

l 

an 

= a 

= a 

1, 

1 

x 

n, 

1 

1 

x 

1 

+ a 

+ a 

1, 

2 

x 

n, 

2 

2 

x 

2 

+ ... + a 

1, 

u 

+ ... + a 

x 

n, 

u 

sehingga persamaan I.9 menjadi 

l 

1 

... 

l 

n 

+ v 

1 

+ v 

n 

= a 

1, 

1 

= a 

x 

n, 

1 

1 

x 

+ a 

1 

1, 

2 

+ a 

x 

n, 

2 

2 

x 

+ ... + a 

2 

u 

x 

+ a 

u 

1, 

u 

+ ... + a 

1, 

0 

+ a 

x 

n, 

u 

u 

x 

u 

n, 

0 

+ a 

1, 

0 

+ a 

n, 

0 

maka didapat persamaan dalam fungsi v sebagai berikut 

v 

v 

1 

... 

n 

= a 

= a 

1, 

1 

x 

n, 

1 

1 

x 

1 

+ a 

1, 

2 

+ a 

x 

n, 

2 

2 

x 

+ ... + a 

2 

1, 

u 

+ ... + a 

x 

n, 

u 

u 

x 

+ a 

u 

1, 

0 

+ a 

− l 

n, 

0 

dalam bentuk matriks dapat dituliskan 

1 

− l 

n 

16 

(I.10) 

(I.11) 

(I.12) 

V = AX + F 

(I.13) 

dengan 

⎡v1 

⎤ 

V = 

⎢ ⎥ 

⎢ 

... 

⎥ 

⎢⎣ 

v ⎥ n ⎦ 

⎡a1 

⎢ 

A = 

⎢ 

... 

⎢ 

⎣an, 

, 1 

1 

a 

a 

1, 

2 

... 

n, 

2 

V = matriks residual 

A = matriks koefisien 

X = matriks koefisien parameter 

F = matriks vektor sisa 

... 

... 

... 

a1, 

u ⎤ 

⎥ 

... 

⎥ 

a ⎥ n, 

u ⎦ 

⎡ x1 

⎤ 

X = 

⎢ ⎥ 

⎢ 

... 

⎥ 

⎢⎣ 

x ⎥ u ⎦ 

⎡a1 

⎢ 

F = 

⎢ 

... 

⎢ 

⎣an, 

, 0 

0 

− l1 

⎤ 

⎥ 

... 

⎥ 

− l ⎥ n ⎦ 

Jumlah kuadrat residual sama dengan transpos matriks V dikalikan matriks V. Supaya 

jumlah kuadrat residual minimum, maka turunan pertama dari V T V (jumlah kuadrat 

residual) terhadap X harus sama dengan nol.

∂V 

V 

= 0 

∂X 

T 

Karena 

V 

T 

maka 

17 

(I.14) 

T 

V = ( AX + F) 

( AX + F) 

(I.15) 

T T 

T 

2 X A A + 2F 

A = 0 

X 

T 

A 

T 

T 

A + F A = 0 

Apabila persamaan diatas ditranspos maka 

A 

T 

T 

AX + A F = 0 

Sehingga 

(I.16) 

(I.17) 

(I.18) 

T −1 

T 

X = −( 

A A) 

( A F) 

(I.19) 

Nilai varian posteriori adalah : 

V V 

n u 

T 

2 

σ 0 = 

(I.20) 

− 

dengan 

2 

σ = varian posteriori 

n = jumlah persamaan 

u = jumlah parameter 

I.4.7 Transformasi Polinomial 

Transformasi polinomial dipakai apabila hubungan antara kedua sistem yang 

akan ditransformasikan sulit diterangkan secara geometri, sehingga diasumsikan ada 

hubungan polinomial antara kedua sistem koordinat (Soeta’at, 1999). 

Bentuk umum persamaan polinomial adalah: 

T 

X = x ⋅ A⋅ 

y 

(I.21) 

T 

Y = x ⋅ B ⋅ y 

(I.22)

dengan 

⎡a00 

a01 

a02 

... ⎤ 

⎢ 

⎥ 

= ⎢ 

a10 

a11 

a12 

... 

A ⎥ 

(I.23) 

⎢a 

... ⎥ 

20 a21 

a22 

⎢ 

⎥ 

⎣ ... ... ... ... ⎦ 

⎡b00 

b01 

b02 

... ⎤ 

⎢ 

⎥ 

= ⎢ 

b10 

b11 

b12 

... 

B ⎥ 

(I.24) 

⎢b 

... ⎥ 

20 b21 

b22 

⎢ 

⎥ 

⎣ ... ... ... ... ⎦ 

dalam hal ini 

A, B = matriks koefisien polinomial 

[ 1 x 

2 

x 

3 

x ... ] 

[ 1 y 

2 

y 

3 

y ... ] 

x T = (I.25) 

y T = (I.26) 

Dalam penelitian ini, transformasi polinomial digunakan pada proses 

minimalisasi paralaks-x. Karena yang diperlukan pada proses ini hanya komponen 

absis saja, maka hitungan kuadrat terkecil untuk mencari nilai koefisien polinomial 

dibatasi pada matriks A (matriks koefisien polinomial untuk komponen absis), 

sedangkan matriks B (matriks koefisien polinomial untuk komponen ordinat) tidak 

dihitung. 

1.4.8. Teori Kesalahan 

Kesalahan yang terjadi pada setiap pengukuran dapat digolongkan menjadi 

tiga jenis kesalahan, yaitu kesalahan kasar, kesalahan sistematis, dan kesalahan acak. 

Kesalahan kasar adalah kesalahan bernilai besar yang melebihi kesalahan maksimum 

yang diperbolehkan. Kesalahan sistematis adalah kesalahan yang mengikuti aturan 

atau pola tertentu yang diakibatkan oleh kesalahan prosedur atau kesalahan sistem 

pengukuran/pengolahan data. 

18

Setelah kesalahan kasar dan kesalahan sistematik dihilangkan dari hasil 

pengukuran, masih ada kesalahan yang tersisa, yaitu kesalahan acak. Kesalahan acak 

terjadi diluar kendali pengukur, dan biasanya tidak mengikuti pola atau aturan 

tertentu. Karena itu, kesalahan acak perlu ditangani menurut hukum probabilitas. 

Pada kurva distribusi normal seperti yang diilustrasikan pada gambar I.8, 

ditunjukkan distribusi kesalahan untuk suatu pengukuran dengan µ sebagai nilai 

sebenarnya. Daerah dibawah kurva yang meliputi –σ sampai +σ mempunyai luas 

68% dari keseluruhan luas daerah dibawa kurva, atau dapat dikatakan bahwa 68% 

nilai data akan berada diantara –σ dan +σ, dengan σ sebagai kesalahan baku 

(standard error). 

Gambar I.8. Kurva distribusi normal. 

Hal ini juga berarti bahwa untuk tiap kelompok pengukuran, terdapat 

kemungkinan sebesar 68% bahwa sebuah pengukuran mempunyai kesalahan diantara 

–σ dan σ. Kesalahan baku didefinisikan sebagai akar pangkat dua dari rerata kuadrat 

kesalahan (error). 

2 

∑ ( xi − µ ) 

σ = 

(I.27) 

n 

dengan 

σ = kesalahan baku 

xi = nilai hasil ukuran 

µ = nilai sebenarnya 

n = jumlah pengukuran 

19

RMSE (Root Mean Square Error) adalah suatu nilai yang digunakan untuk 

menunjukkan ketelitian dengan melibatkan semua faktor kesalahan yang terjadi 

selama proses pengukuran atau produksi data. Definisi matematis dari RMSE mirip 

dengan kesalahan baku, yaitu akar pangkat dua dari rata-rata kuadrat kesalahan. 

Menurut Lang, 1999, nilai RMSE untuk elevasi (RMSEz) dihitung dengan 

menggunakan persamaan berikut: 

∑ 

RMSEz = 

dengan 

2 

( Z MAP − Z DEM ) 

n 

RMSEz = nilai root mean square error elevasi 

ZMAP = nilai elevasi pada titik cek, berdasarkan peta rupabumi. 

ZDEM = nilai elevasi pada model permukaan digital. 

n = banyaknya titik cek. 

20 

(I.28) 

Ketelitian pengukuran elevasi dengan tingkat kepercayaan 90% menurut 

Mauney, 2002, adalah sebagai berikut : 

Accuracy = E90 x RMSEz 

dengan 

(I.29) 

Accuracy = ketelitian elevasi 

E90 = faktor pengali untuk tingkat kepercayaan 90% (Tabel I.3) 

RMSEz = root mean square error untuk komponen z (elevasi) 

Tabel I.3. Faktor pengali σ untuk berbagai tingkat kepercayaan (Wolf, 1997). 

Tingkat kepercayaan Faktor pengali σ 

50 % 0,6745 

90 % 1,6449 

95 % 1,960 

99 % 2,576 

99,7 % 2,965 

99,9 % 3,29

I.4.9. Acuan Ketelitian Baku 

Persyaratan ketelitian baku dari peta topografi menurut United States 

National Map Accuracy Standards, 1947, adalah sebagai berikut: 

1. Komponen horisontal 

Untuk peta skala 1 : 20.000 atau lebih kecil lagi, sekurang-kurangnya 90% 

dari titik yang diteliti harus mempunyai ketelitian 0,508 mm (1/50 inci) pada 

peta. Dengan kata lain, ketelitian horisontal yang disyaratkan adalah sebesar 

0,508 mm pada skala peta untuk tingkat kepercayaan 90%. 

2. Komponen vertikal 

Sekurang-kurangnya 90% dari titik yang diteliti harus mempunyai kesalahan 

kurang dari 0,5 kali interval kontur pada peta. Dengan kata lain, ketelitian 

vertikal yang disyaratkan adalah sebesar 0,5 kali interval kontur pada peta 

untuk tingkat kepercayaan 90%. 

Untuk peta skala 1 : 25.000 sampai dengan skala 1 : 500.000, hubungan antara skala 

peta, interval kontur dan syarat tingkat ketelitian menurut United States National 

Map Accuracy Standards, diringkas dalam tabel III.5. 

Tabel I.4. Hubungan antara skala peta, interval kontur, dan syarat tingkat ketelitian. 

Skala peta Interval kontur Tingkat ketelitian (m) 

(m) horizontal vertikal 

1:25.000 12,5 12,7 6,25 

1:50.000 25 25,4 12,5 

1:100.000 50 50,8 25 

1:250.000 125 127 62,5 

1:500.000 250 254 125 

I.4.10. Perangkat Lunak Komputer 

I.4.10.1 IDL/ENVI. Environment for Visualizing Images (ENVI) adalah paket 

perangkat lunak pemrosesan citra yang disusun menggunakan bahasa IDL 

(Interactive Data Language). ENVI mampu mengenali format HDF yang digunakan 

21

dalam distribusi data citra ASTER dan mengkonversinya kedalam format lain. 

Sebagai perangkat lunak pemrosesan citra, ENVI memiliki fasilitas yang cukup 

lengkap untuk melakukan berbagai hal yang diperlukan dalam penelitian ini, seperti 

pemilihan dan pengukuran GCPs (Ground Control Points), rektifikasi, 

registrasi/geocoding citra, contrast-stretching, dan lain-lain. ENVI mampu mengukur 

koordinat suatu titik sampai pada ketelitian sub-piksel. Dalam penelitian ini 

digunakan ENVI versi 3.1, yang dijalankan dengan menggunakan IDL versi 5.1.1. 

I.4.10.2. Delphi 5. Bahasa pemrograman yang dipilih untuk pembuatan model 

permukaan digital ini adalah bahasa pemrograman yang dapat memberikan 

kecepatan maksimum pada proses hitungan, mengingat proses korelasi otomatis 

melibatkan hitungan floating-point dalam jumlah yang sangat besar. Pada citra 

ASTER berukuran 1000 piksel x 1000 piksel, dengan resolusi model permukaan 

digital 15 meter, maka titik yang harus diproses berjumlah 1.000.000 titik. Oleh 

karena itu, bahasa-bahasa pemrograman seperti yang bersifat terinterpretasi, seperti 

Matlab, IDL, dan QBasic, bukan merupakan pilihan yang tepat. Pada bahasa 

terinterpretasi, program tidak secara langsung dieksekusi oleh komputer, melainkan 

melalui proses penerjemahan dahulu. Delphi dipilih karena kemampuannya membuat 

sebuah program yang langsung dieksekusi oleh CPU (Central Processing Unit), 

sehingga pengolahan data berlangsung lebih cepat. 

Delphi adalah salah satu bahasa pemrograman komputer yang merupakan 

perkembangan dari bahasa Pascal. Bahasa Pascal terkenal karena terstruktur, 

fleksibel, serta mudah dipahami dan dipelajari. Selaras dengan perkembangan 

teknologi informasi yang menuntut interaksi yang lebih mudah antara manusia 

dengan komputer, maka bahasa Pascal yang semula hanya berjalan pada modus teks 

dibawah sistem operasi DOS (Disk Operating System), dikembangkan menjadi 

perangkat pemrograman komputer yang dirancang untuk memanfaatkan keunggulan 

sistem operasi Windows. 

Delphi dirancang sebagai bahasa pemrograman berbasis RAD (Rapid 

Application Development) yang memungkinkan pembuatan program komputer 

secara cepat dan handal, sehingga pemrogram dapat memfokuskan diri pada 

22

penyelesaian pekerjaan pemrograman, bukan pada detail teknis pemrograman itu 

sendiri. 

Dalam lingkungan Windows, interaksi antara pengguna dengan komputer 

dilakukan melalui tampilan grafis di layar monitor. Lembar kerja utama dimana 

komponen-komponen antarmuka seperti button, text box, check box, diletakkan 

adalah form. Tiap-tiap komponen mempunyai properties sendiri-sendiri yang 

mengatur penampilan maupun sifat dari komponen itu. Pemrograman dalam 

Windows bersifat event-driven, artinya kerja program dikendalikan oleh kejadian 

(event), seperti peng-klik-an mouse pada komponen button, pemilihan menu, 

pengisian text-box, dan lain-lain. Tiap kejadian membangkitkan serangkaian instruksi 

yang dikerjakan oleh komputer. 

Untuk memecah program menjadi bagian-bagian yang sederhana dapat 

dilakukan dengan membuat prosedur dan fungsi. Sebuah fungsi adalah serangkaian 

instruksi yang akan mengembalikan suatu nilai setelah fungsi tersebut dipanggil, 

sedangkan prosedur hanya melakukan serangkaian instruksi tanpa mengembalikan 

nilai apapun. 

23

BAB II 

PELAKSANAAN 

II.1. Persiapan 

Pada tahap persiapan dilakukan studi pustaka, penentuan daerah penelitian, 

pengajuan ijin penggunaan data citra ASTER, pencarian dan pengumpulan data 

penelitian yang antara lain berupa citra ASTER dalam format HDF dan peta 

rupabumi skala 1:25.000, serta penyiapan perangkat keras dan perangkat lunak 

komputer yang akan digunakan. 

II.2. Materi Penelitian 

Materi yang dipergunakan dalam penelitian ini berupa : 

1. Satu scene citra ASTER level 1B (local granule ID : pg-PR1B0000- 

2000111402_006_001) dalam format EOS-HDF pada media CD-ROM 

yang meliputi daerah Tuban, dicitrakan pada tanggal 9 September 2000. 

Citra diperoleh dari LP-DAAC NASA, Amerika Serikat.. 

2. Peta rupabumi daerah Parengan, Tuban, skala 1:25.000. Peta ini diperoleh 

dari Pusat Informasi Kebumian Bakosurtanal. 

II.3. Alat Penelitian 

Peralatan yang dipergunakan dalam penelitian ini berupa : 

1. Satu unit komputer dengan prosesor Intel Pentium III 800 MHz, memori 

128 MB, hard disk berkapasitas 20 GB, dan sistem operasi Windows 98, 

untuk pembuatan dan eksekusi program. 

2. Media penyimpan data berupa CD-ROM, CD-R, dan floppy disk 3½ inci. 

3. Printer inkjet Canon BJC-2100SP untuk mencetak laporan penelitian. 

4. Perangkat lunak IDL/ENVI 3.1, untuk melakukan proses georeferensi 

citra, serta untuk mengkonversi format HDF ke format standar ENVI. 

5. Paket bahasa pemrograman Delphi 5, untuk menyusun program 

komputer. 

6. Paket perangkat lunak Microsoft Office 2000, untuk pengetikan laporan 

penelitian serta pengolahan data numeris. 

24

II.4. Alur Penelitian 

Langkah-langkah yang perlu dilaksanakan dalam penelitian ini dapat 

digambarkan dalam diagram alir berikut : 

Pemilihan dan 

pengukuran titik cek 

Peta Rupabumi 

Pemilihan dan 

pengukuran GCP 

Pemrograman 

Komputer 

Pengujian Program 

Paket Program Komputer 

Evaluasi Ketelitian MPD 

Pengumpulan data 

Pengolahan data 

Pembuatan program 

Proses otomatis 

Gambar II.1. Diagram alir penelitian. 

ASTER L-1B 

Ekstraksi band 3N dan 3B 

Pemilihan titik ikat pada 

band 3N dan 3B 

Korelasi stereo untuk 

pembuatan MPD 

Noise filtering MPD 

Koreksi elevasi pada 

MPD 

Georeferensi MPD 

Visualisasi MPD 

25 

MPD : model permukaan digital

II.4.1. Pemrograman Komputer 

Pengolahan data secara otomatis dengan menggunakan komputer memerlukan 

sebuah program yang harus disusun terlebih dahulu. Sebelum penulisan kode 

program, terlebih dahulu disusun dasar logika dan rangkaian tahapan yang perlu 

dilakukan. Kerangka logika program ini dituangkan dalam bentuk flow chart atau 

diagram alir untuk mempermudah pemahaman atas cara kerja dari program yang 

akan disusun. Hal ini sangat membantu dalam memecah program yang kompleks 

menjadi modul-modul yang lebih sederhana, misalnya flow chart pada lampiran H. 

II.4.1.1. Perancangan Interface. Pada pemrograman visual, interface adalah 

bagian yang sangat penting dalam program, karena seolah-olah sebagian besar kode 

program “menempel” pada interface. Oleh karena itu perlu dilakukan perancangan 

interface terlebih dahulu supaya dapat direncanakan prioritas modul program yang 

apa saja yang akan ditulis. Selain harus mudah dimengerti oleh pengguna (userfriendly), 

interface juga harus sesuai dengan diagram alir program yang telah 

direncanakan. 

Delphi adalah bahasa pemrograman visual yang memberikan berbagai 

kemudahan dalam merancang tampilan program. Dalam bahasa pemrograman visual 

seperti Delphi, form adalah inti dari antarmuka pemakai (user interface) yang 

berperan sebagai sarana komunikasi antara pemakai komputer dengan program 

komputer. Form merupakan “kanvas” tempat pemrogram dapat meletakkan berbagai 

komponen dalam konsep graphical user interface (GUI) yang umum digunakan 

dalam berbagai sistem operasi modern, seperti tombol (button), combo-box, text-box, 

radio button, check-box, frame, panel, dan lain-lain. Komponen-komponen GUI itu 

disebut controls dalam Delphi. 

Desain antarmuka pemakai dilakukan dengan melakukan penempatan 

controls pada form sedemikian rupa sehingga program menjadi mudah dimengerti 

dan digunakan oleh pemakai program. Baik form maupun berbagai controls yang ada 

padanya memiliki properties dan methods yang lazim ada dalam pemrograman 

berorientasi objek. Properties adalah sekumpulan variabel yang mengatur sifat dari 

komponen/controls yang bersangkutan, seperti warna komponen, teks yang muncul 

pada komponen, tinggi dan lebar komponen dan sebagainya. Methods adalah 

26

sekumpulan subrutin program yang digunakan untuk mengoperasikan 

komponen/controls yang bersangkutan, seperti menampilkan, menyembunyikan, atau 

membuang komponen dari memori. 

Gambar II.2. Properties dan Events dalam Object Inspector Delphi. 

Setiap komponen form akan membangkitkan kejadian (event) tertentu apabila 

pemakai melakukan sesuatu terhadap komponen tersebut, seperti meng-klik mouse, 

mengetik sesuatu pada keyboard, menyeret mouse (dragging), dan lain-lain. Karena 

pemrograman dalam visual umumnya bersifat event-driven, maka untuk event-event 

tertentu diberikan event-handler, sehingga misalnya saat pemakai program meng-klik 

sebuah tombol, maka serangkaian instruksi tertentu akan dilaksanakan oleh 

komputer. Properties dan events dapat dimanipulasi nilai dan cara penanganannya 

dengan menggunakan fasilitas Object Inspector pada Delphi (gambar II.2). 

II.4.1.2. Penulisan kode program. Penulisan kode dimulai dengan membagi 

program menjadi beberapa modul utama berdasarkan logika dari flow chart. Masingmasing 

modul tersebut disusun dan diuji secara terpisah untuk memastikan bahwa 

tiap modul dapat berfungsi dengan benar. Proses penulisan kode dilakukan 

27

menggunakan window Code Editor (gambar II.3). Melalui proses pengujian program 

kemungkinan besar akan timbul berbagai kesalahan yang disebabkan oleh kesalahan 

penulisan kode (syntax error) program maupun kesalahan logika program. Untuk 

mengatasi masalah tersebut, program perlu diperbaiki dan ditinjau ulang algoritma 

serta implementasinya. Setelah diperbaiki, proses pengujian dilakukan lagi sampai 

modul program yang bersangkutan dapat dipastikan berjalan dengan baik. 

Gambar II.3. Code Editor pada Delphi. 

II.4.1.3. Uji Program dan Debugging. Kesalahan penulisan kode program 

akan langsung dapat dideteksi pada proses kompilasi, yaitu proses penerjemahan 

baris-baris program dalam bahasa tingkat tinggi yang dimengerti manusia menjadi 

kode-kode mesin yang dapat dikenali oleh prosesor. Kesalahan syntax sangat mudah 

diperbaiki karena mudah dideteksi. Kesalahan logika adalah kesalahan yang terjadi 

akibat kesalahan dalam algoritma pemrograman, sehingga program tidak berjalan 

sebagaimana yang diharapkan. Kesalahan logika lebih sulit diselesaikan daripada 

kesalahan syntax, karena komputer tidak dapat memberikan petunjuk dimana 

kesalahan itu terjadi. Proses pelacakan kesalahan logika ini dikenal dengan 

28

debugging. Pada proses debugging, program dapat dijalankan baris demi baris untuk 

melihat nilai setiap variabel yang ada, serta dapat dilihat pula ke arah baris mana 

program berjalan, dengan demikian dapat diketahui pada modul mana program mulai 

berjalan tidak sesuai dengan yang diharapkan. 

Setelah semua modul dapat berfungsi dengan benar, maka dilakukan 

penulisan program penuh dengan menyatukan semua modul, satu demi satu, menurut 

prioritas pemakaiannya. Setelah program dapat berjalan dengan benar, dilakukan 

perbaikan-perbaikan kecil untuk mempermudah pemahaman algoritma, 

menanggulangi kesalahan run-time, dan lain-lain. Program yang telah berjalan sesuai 

yang direncanakan siap digunakan untuk pengolahan data secara otomatis, yaitu pada 

tahap korelasi stereo otomatis, noise filtering, dan koreksi elevasi. Panduan singkat 

penggunaan program terdapat pada lampiran G. 

II.4.2. Ekstraksi band 3N dan 3B 

Untuk menghemat tempat di hard disk dan mempercepat waktu pemrosesan, 

pengolahan lebih lanjut difokuskan hanya pada band 3N dan 3B. HDF adalah format 

data yang kompleks dan berukuran besar, oleh karena itu diperlukan perangkat lunak 

khusus untuk mengekstraksi band yang diperlukan. 

Gambar II.4. Ukuran citra ASTER Level-1B full scene 

(ASTER Science Team, 2001). 

29

Citra ASTER level 1B full-scene berukuran 4980 x 4200 piksel untuk band 

3N dan 4980 x 4600 piksel untuk band 3B. Karena daerah yang tercakup pada citra 

ASTER full-scene jauh melebihi cakupan daerah penelitian yang hanya seluas 14 km 

x 14 km, maka dilakukan pemotongan (cropping) pada citra. Proses pemotongan ini 

dilakukan dengan menggunakan ENVI. Ukuran pemotongan pada band 3N adalah 

1000 x 1000 piksel atau setara dengan daerah seluas 15 km x 15 km. Sedangkan pada 

band 3B ukurannya 1000 x 1400 piksel. Diagram ukuran citra ASTER Level 1B fullscene 

disajikan pada gambar II.4. 

Daerah yang akan dipotong ditentukan koordinat batasnya (koordinat pojok 

kiri atas dan kanan bawah) pada citra band 3N, kemudian untuk memperkirakan 

daerah yang bersesuaian (bertampalan 100%) pada band 3B dilakukan penambahan 

nilai ordinat pada koordinat pojok kanan bawah pada band 3N sebesar 400 piksel, 

sehingga diperoleh nilai pojok kanan bawah yang baru. Nilai 400 piksel adalah besar 

selisih posisi y untuk titik dengan elevasi 0, pada bidang referensi elipsoid WGS 84 

(World Geodetic System 1984). 

Gambar II.5. Fasilitas New File Builder pada ENVI 

30

Dalam penelitian ini digunakan perangkat lunak pengolah citra IDL/ENVI 

untuk melakukan ekstraksi dan cropping. Pemotongan dilakukan dengan 

menggunakan kotak dialog New File Builder pada ENVI yang dijelankan dengan 

perintah UtilitiesFile UtilitiesCreate New FileStandard. Pada New File 

Builder pilih Import File, kemudian dipilih citra yang akan dipotong (citra full-scene 

harus sudah dimuat di memori). Untuk membuat potongan, dipilih Spatial Subset 

untuk menentukan batas pemotongan. 

Dalam penelitian ini, untuk band 3N dilakukan subset pada daerah dengan 

koordinat piksel bagian kiri atas pada kolom 2569 dan baris 2061, serta bagian kanan 

bawah pada kolom 3568 dan baris 3060. Sedangan untuk band 3B dilakukan subset 

pada daerah dengan koordinat piksel bagian kiri atas pada kolom 2569 dan baris 

2061, serta bagian kanan bawah pada kolom 3568 dan baris 3460. Citra hasil 

cropping disimpan dalam format raster standar ENVI dan berekstensi *.img. 

II.4.3. Pengukuran Koordinat pada Peta Rupabumi 

Pengukuran koordinat serta elevasi titik cek dapat dilakukan secara langsung 

pada peta rupabumi dengan menggunakan bantuan mistar ukur. Namun untuk 

mempermudah identifikasi dan mempercepat pengukuran koordinat serta elevasi titik 

cek, maka pengukuran dilakukan dengan bantuan perangkat lunak komputer. 

Untuk melakukan proses pengukuran dengan menggunakan komputer, peta 

rupabumi di-scan sehingga diperoleh versi digitalnya. Versi digital peta rupabumi 

yang berformat raster ini perlu dikoreksi dengan menggunakan ENVI. Proses koreksi 

pada intinya adalah proses rektifikasi citra hasil scanning dengan menggunakan 

transformasi affine, sehingga kesalahan geometrik akibat deformasi kertas peta 

maupun kesalahan akibat tidak tepatnya orientasi kertas peta saat proses scanning 

dapat diminimalisasi. 

Citra peta rupabumi yang telah dikoreksi kemudian dimasukkan ke dalam 

dokumen pada AutoCAD sebagai raster image object dan koordinatnya diatur 

melalui proses penskalaan dan translasi dengan perintah SCALE dan MOVE 

sehingga sesuai dengan koordinat UTM yang ada pada peta. yaitu dengan membuat 

sebuah objek titik pada titik yang diinginkan dengan perintah POINT, mengatur 

elevasi titik tersebut dengan perintah CHANGE, kemudian setelah membuat objek 

31

titik pada semua titik yang akan diukur, diberikan perintah LIST untuk menampilkan 

daftar koordinat dari semua objek titik beserta informasi tambahan lain. 

Perangkat lunak AutoCAD dipilih karena adanya fasilitas untuk 

menampilkan data koordinat, sehingga tidak diperlukan proses key-in data koordinat 

UTM secara manual. Transfer data dari tampilan koordinat AutoCAD hasil perintah 

LIST dapat dilakukan dengan proses copy dan paste ke file teks ASCII dengan 

editing seperlunya (membuang informasi yang tidak diperlukan). Dengan demikian, 

proses penentuan koordinat dan elevasi suatu titik dapat dilakukan dengan cepat dan 

mudah. 

Gambar II.6. Distribusi titik GCP dan titik ikat yang digunakan. 

32

II.4.3.1. Pengukuran Koordinat Titik Kontrol Tanah. Sebelum dilakukan 

pengukuran, terlebih dahulu dilakukan identifikasi titik-titik yang dapat dikenali pada 

citra serta mencocokkannya dengan kenampakan yang ada pada peta rupabumi. 

Titik-titik yang teridentifikasi diukur koordinatnya dalam sistem UTM dengan 

menginterpolasi grid pada peta menggunakan AutoCAD. Elevasi titik tinggi 

diperoleh dengan cara menginterpolasi garis kontur secara linier. Untuk keperluan 

registrasi model permukaan digital, digunakan 11 buah titik kontrol tanah yang 

dipilih sedemikian rupa sehingga distribusinya merata di seluruh citra (gambar II.6). 

Deskripsi titik kontrol tanah disajikan pada lampiran B. 

Selain koordinat tanahnya, sebuah titik kontrol tanah juga harus diketahui 

koordinat pikselnya pada citra, oleh karena itu diperlukan pengukuran koordinat 

piksel pada citra. Proses input data titik kontrol serta pengukuran koordinat piksel ini 

dapat dipermudah dengan menggunakan fasilitas RegisterSelect GCPsImage to 

Map pada ENVI. Data hasil pengukuran disimpan dalam file berkstensi *.pts sesuai 

dengan format yang dijelaskan pada lampiran G, bagian III.1. 

II.4.3.2. Pengukuran Titik Cek. Titik cek diperlukan dalam tahap evaluasi 

ketelitian model permukaan digital. Cara mengukur titik cek mirip dengan cara 

mengukur koordinat titik kontrol tanah. Titik-titik yang dipilih adalah titik-titik tinggi 

pada peta rupabumi yang tersebar secara merata di seluruh muka peta. Untuk 

keperluan titik cek, diukur koordinat dan elevasi 150 buah titik tinggi pada peta 

rupabumi. Daftar koordinat dan elevasi titik cek disertakan pada lampiran E. 

II.4.4. Pengukuran Koordinat Titik Ikat pada Citra 

Titik-titik ikat antara band 3N dan band 3B diukur koordinatnya dengan 

menggunakan fasilitas Ground Control Points Selection melalui pilihan menu 

RegisterSelect GCPsImage to Image pada ENVI. Hasil pengukuran ini disimpan 

ke dalam file teks berekstensi *.pts dengan format seperti yang dijelaskan pada 

lampiran G, bagian III.1. Untuk keperluan registrasi dari band 3B ke band 3N (titik 

ikat) digunakan 30 buah titik ikat. Diantara 30 buah titik tersebut, 11 buah titik ikat 

adalah titik yang sama dengan titik yang digunakan sebagai titik kontrol tanah. Titik 

ikat dipilih sedemikian rupa sehingga distribusinya merata di seluruh citra. 

33

II.4.5. Pengolahan Data secara Otomatis 

Setelah data citra band 3N dan 3B, data titik ikat, dan data titik kontrol tanah 

didapatkan, maka dilakukan pengolahan data secara otomatis dengan menggunakan 

program komputer yang telah disusun (DEMCreator versi 4). Pengolahan secara 

otomatis ini meliputi registrasi band 3B ke 3N, korelasi otomatis dengan teknik 

korelasi silang, noise filtering, serta koreksi elevasi. Menu utama DEMCreator 4 

ditunjukkan pada gambar II.7, sedangkan berbagai menu pengaturan proses dapat 

diakses pada bagian DEM Generation Settings yang ditunjukkan pada gambar II.8. 

Pilihan pengaturan yang dipakai saat eksekusi program disajikan pada lampiran F. 

Gambar II.7. Tampilan awal program DEMCreator 4. 

II.4.5.1. Registrasi Band 3B ke 3N secara Otomatis. Secara ideal, beda 

paralaks hanya terjadi pada sumbu y saja, sedangkan pada sumbu x tidak ada beda 

paralaks sehingga proses korelasi silang dapat dilakukan dalam 1 dimensi saja, 

namun kondisi ideal ini tidak dapat tercapai karena proyeksi sentral yang terjadi pada 

setiap kolom citra ASTER. Untuk citra ASTER, setiap kolom citra dapat dikatakan 

mempunyai proyeksi ortogonal, tetapi untuk setiap barisnya mempunyai proyeksi 

34

sentral. Proyeksi sentral pada arah sejajar sumbu x inilah yang menyebabkan 

timbulnya paralaks-x yang tidak diharapkan. 

Proses registrasi band 3B ke 3N dilakukan untuk mengurangi adanya 

paralaks-x pada citra, sehingga paralaks yang ada hanya paralaks-y yang disebabkan 

karena perbedaan elevasi. Pada proses ini tidak dilakukan pengubahan apapun pada 

citra, namun dilakukan transformasi untuk memberikan nilai absis dari pusat window 

korelasi silang. Jenis transformasi yang digunakan adalah polinom orde 1 mengingat 

daerah penelitian secara umum bertopografi datar sampai berbukit, variasi relief 

tidak ekstrim dengan tinggi bukit terhadap daerah disekitarnya maksimum kurang 

lebih 400 meter. 

Parameter transformasi diperoleh dengan perhitungan kuadrat terkecil dari 

data koordinat titik-titik ikat. Proses registrasi ini dilakukan secara otomatis di dalam 

program komputer apabila disediakan titik-titik ikat antara band 3N dan band 3B 

yang dimuat dalam file teks dengan format seperti yang dijelaskan pada lampiran G, 

bagian III.1, dengan ekstensi *.pts. 

Gambar II.8. Bagian pengaturan proses dalam program DEMCreator 4. 

35

II.4.5.2. Korelasi Stereo secara Otomatis. Untuk mendapatkan koordinat dari 

titik-titik yang bersesuaian pada band 3N dan band 3B diperlukan proses korelasi 

stereo dengan teknik korelasi silang. Jumlah data yang besar dan proses 

penghitungan yang rumit memerlukan proses otomasi dengan menggunakan program 

komputer. Dari hasil korelasi stereo dapat dihitung besar paralaks dan elevasi tiap 

titik data. Untuk mendapatkan nilai elevasi, maka hanya paralaks-y yang diperlukan, 

sedangkan paralaks-x yang ada dapat diminimalisasi dengan proses registrasi band 

3B ke 3N. 

Pada band 3N ditentukan koordinat piksel-piksel yang akan diproses, sesuai 

dengan resolusi model permukaan digital yang diinginkan. Untuk mendapatkan titik 

yang bersesuaian pada band 3B dilakukan proses korelasi silang dengan koordinat 

(absis) pusat window korelasi silang ditentukan dengan menggunakan transformasi 

affine. Sedangkan untuk ordinatnya, ditentukan berdasarkan ordinat titik pada band 

3N dikurangkan dengan rerata beda paralaks maksimum dan minimum yang 

diharapkan terjadi pada citra. Pengurangan ini secara teknis pemrograman 

dimaksudkan untuk meletakkan pusat jendela korelasi di tengah-tengah daerah 

pencarian piksel yang bersesuaian. 

Sebagaimana yang disajikan pada gambar II.9, daerah pada tepi citra tidak 

dapat diproses karena sebagian window korelasi akan terletak diluar citra. Oleh 

karena itu, untuk daerah tepi ini elevasinya tidak dihitung. Besarnya daerah tepi 

sangat tergantung dari ukuran window korelasi. 

Gambar II.9. Daerah tepi yang tidak dapat dihitung nilai korelasi silangnya. 

36

II.4.5.3. Noise Filtering Model Permukaan Digital. Pada saat korelasi 

otomatis, seringkali terjadi kesalahan kasar (blunder), yaitu program memilih posisi 

yang salah, walaupun koefisien korelasinya cukup besar. Hal ini dapat terjadi pada 

daerah-daerah yang memiliki pola berulang (repeated patterns) seperti pada kawasan 

perumahan, sawah, maupun pada daerah dengan kontras yang rendah, seperti daerah 

pantai, laut, awan, dan lain-lain. Karena nilai koefisien korelasi yang tinggi, maka 

kesalahan ini tidak terdeteksi pada saat proses korelasi otomatis berlangsung. 

Kesalahan ini menyebabkan timbulnya titik-titik dengan nilai elevasi yang ekstrim 

(peaks and spikes) apabila dibandingkan daerah sekitarnya. Karena nilainya yang 

ekstrim dan jumlahnya yang cukup banyak serta tersebar seara acak di seluruh model 

permukaan digital, maka titik-titik ekstrim ini dapat dianggap sebagai noise pada 

citra digital. 

a b 

Gambar II.10. Citra dengan noise (a), citra yang telah dihilangkan noise-nya (b). 

Selain titik-titik ekstrim, pada penelitian ini piksel-piksel yang mempunyai 

koefisien korelasi rendah (dengan penentuan ambang batas tertentu, misalnya 0,7) 

juga dianggap sebagai noise, karena hanya meliputi daerah yang kecil dan 

distribusinya acak diseluruh model. Pada daerah yang nilai kontrasnya rendah atau 

bahkan tanpa kontras sama sekali, akan terjadi pengelompokan (clustering) pikselpiksel 

dengan koefisien korelasi rendah. 

Untuk menghilangkan noise ini, diperlukan proses noise filtering, yang dapat 

dibagi menjadi dua pekerjaan utama, yaitu deteksi noise dan eliminasi noise. Cara 

37

mendeteksi piksel-piksel yang merupakan noise adalah dengan menggunakan teknik 

simpangan baku lokal. Sebuah jendela dengan ukuran tertentu, sesuai dengan ukuran 

filter, dihitung simpangan baku nilai elevasinya, kemudian piksel yang berada tepat 

di tengah jendela tersebut dibandingkan nilainya dengan simpangan baku area di 

sekitarnya. Apabila beda nilai simpangan baku terhadap nilai elevasi piksel yang 

dievaluasi melebihi faktor pembatas (threshold) tertentu, maka piksel tersebut 

dianggap sebagai noise. 

Faktor pembatas yang diterapkan adalah faktor pengali dari simpangan baku 

lokal. Secara statistik, semua nilai yang meliputi 3 kali simpangan baku mempunyai 

kemungkinan 99% bahwa nilai rata-rata ada di jangkauan nilai tersebut, sedangkan 

nilai diluar jangkauan –3σ sampai +3σ dapat dianggap sebagai outlier. Dengan 

demikian dapat disimpulkan bahwa semakin besar jangkauan yang diberikan, maka 

semakin sedikit noise yang dapat dideteksi. 

Gambar II.11. Bagian pengaturan lanjut DEMCreator 4. 

38

Salah satu metode filtering yang cukup efektif untuk menghilangkan noise 

adalah dengan menggunakan filter median, namun filter median cenderung 

menghilangkan detil dari model (oversmoothing). Oleh karena itu, filter median tidak 

diterapkan pada semua piksel pada model permukaan digital, melainkan hanya pada 

piksel-piksel yang dianggap sebagai noise. 

Proses deteksi dan eliminasi noise dapat dilakukan beberapa kali (gambar 

II.11), sampai diperkirakan sebagian besar noise telah hilang. Namun, perlu 

diperhatikan bahwa semakin banyak dilakukan noise filtering, maka akan terjadi 

penghalusan permukaan model yang berlebihan sehingga detil model akan 

berkurang, yang pada intinya akan menurunkan kualitas model permukaan digital 

yang dihasilkan. 

Pada tahap akhir filtering noise, pada model dilakukan penghalusan 

(smoothing) dengan menggunakan filter rerata berukuran 3 x 3. Penghalusan ini 

dilakukan dengan tujuan untuk menghilangkan noise yang masih tersisa dan 

mengurangi sifat diskontinuitas model. 

II.4.5.4. Koreksi Elevasi secara Otomatis. Koreksi elevasi model permukaan 

digital dilakukan menggunakan dengan transformasi linier untuk membawa elevasi 

relatif menjadi elevasi absolut pada model yang telah difilter. Karena nilai elevasi 

pada suatu titik kontrol tanah diketahui, maka dengan menggunakan minimal 2 titik 

kontrol, dua parameter transformasi, yaitu faktor pengali dan penambah, dapat dicari 

dengan melakukan hitung kuadrat terkecil. Persamaan transformasinya ditunjukkan 

pada persamaan II.1. 

H = a ⋅h 

+ b 

(II.1) 

dengan 

H = elevasi sebenarnya (elevasi absolut) 

h = elevasi pada model relatif 

a, b = faktor pengali dan penambah. 

II.4.5.5. Penyimpanan Data Model Permukaan Digital. Data model 

permukaan digital yang dihasilkan oleh proses korelasi otomatis berada di memori 

39

utama komputer. Supaya data tersebut dapat digunakan pada proses pengolahan 

selanjutnya maka data pada memori utama harus dipindahkan ke file pada media 

penyimpanan karena memori utama komputer bersifat volatile, yaitu data pada 

memori akan hilang apabila arus listrik dimatikan. 

Format yang digunakan dalam penyimpanan data model permukaan digital 

adalah format raster/grid biner dengan tipe bilangan bulat tak bertanda (unsigned 

integer) dengan subtipe word, yaitu bilangan bulat antara 0 sampai 65535. Subtipe 

word memerlukan memori sebanyak 16 bit atau 2 byte untuk menyimpan sebuah 

nilai bilangan. Karena pengolahan data dilakukan pada komputer dengan prosesor 

Intel, maka data yang dihasilkan akan mempunyai urutan Least Significant Byte First 

(LSB). 

Untuk mendeskripsikan dimensi dari data raster, diperlukan sebuah file yang 

berisi keterangan tentang data raster yang bersangkutan, yang disebut file header. 

Pada ENVI, struktur dari sebuah file header adalah susunan field-field tertentu. 

Field-field yang mendasar dapat dijelaskan sebagai berikut : 

description – sebuah string karakter yang mendeskripsikan citra atau 

pengolahan yang dilakukan. 

samples – jumlah piksel tiap baris citra untuk tiap band. 

lines – jumlah baris citra untuk tiap band. 

bands – jumlah band pada citra. 

header offset – menunjukkan jumlah byte embedded header information 

yang ada dalam file. Byte ini akan dilompati apabila file dibaca oleh ENVI. 

file type – menunjukkan jenis file yang didefinisikan oleh ENVI, seperti 

format data dan hasil pemrosesan tertentu. 

data type – parameter yang menunjukkan jenis penyajian data, dengan 

ketentuan 1=byte, 2=integer, 3=long integer, 4=floating point, 5=double 

precision, 6=complex 

interleave – menunjukkan apakah data disimpan dalam struktur band 

sequential (BSQ), band interleaved by pixel (BIP), atau band interleaved by 

line (BIL). 

sensor type – menunjukkan jenis instrumen tertentu yang digunakan untuk 

memperoleh data, seperti Landsat TM, SPOT, RadarSat, dan sebagainya. 

40

yte order – menunjukkan urutan byte-byte dalam tipe data integer, long 

integer, floating point, double precision, dan complex; dengan ketentuan : 

- byte order=0 adalah data Least Significant Byte First (LSB), dipakai 

pada sistem komputer DEC dan MS-DOS (berbasis prosesor Intel). 

- byte order=1 adalah data Most Significant Byte First (MSB), dipakai 

pada sistem komputer SUN, SGI, IBM, HP, DG (berbasis prosesor 

Motorola). 

map info – menyatakan informasi koordinat geografis dalam urutan sebagai 

berikut : nama proyeksi, absis dalam koordinat piksel untuk piksel paling kiri 

atas, ordinat dalam koordinat piksel untuk piksel paling kiri atas, absis dalam 

koordinat tanah untuk piksel paling kiri atas, ordinat dalam koordinat tanah 

untuk piksel paling kiri atas, ukuran x dari piksel, ukuran y dari piksel, dan 

zona proyeksi. 

pixel size – menunjukkan ukuran X dan Y piksel dalam meter. 

II.4.6. Georeferensi Model Permukaan Digital 

Data citra ASTER level 1A adalah data mentah, oleh karena itu diperlukan 

registrasi untuk melakukan koreksi geometrik. Untuk level 1B, koreksi geometrik 

telah dilakukan oleh NASA (EOS Data Gateway) dengan menggunakan data 

efemeris satelit Terra dan data dari daftar titik kontrol tanah di seluruh dunia (GCP 

Library). Pada level 1A maupun 1B, citra ASTER belum tergeoreferensi dan 

orientasinya masih searah jalur orbit (path-oriented), bukan ke arah utara peta. Citra 

ASTER yang akan diproses tidak perlu digeoreferensikan terlebih dahulu karena 

dalam proses korelasi otomatis dan penghitungan paralaks diperlukan citra yang 

orientasinya searah jalur orbit, sehingga sesuai dengan geometri pada saat pencitraan 

dilakukan. 

Data model permukaan digital yang dihasilkan program masih terorientasi ke 

arah jalur orbit, bukan ke arah utara sebenarnya. Sehingga untuk membawanya ke 

koordinat tanah, diperlukan proses georeferensi. Prosedur khusus untuk menentukan 

titik-titik kontrol pada model permukaan digital serta koordinat petanya dilakukan 

dengan langkah-langkah sebagai berikut: 

41

a. Melakukan pengukuran posisi titik kontrol tanah pada citra dan 

memasukkan koordinat tanahnya. Hal ini dilakukan dengan menggunakan 

fasilitas RegisterSelect GCPsImage to Map pada menu utama ENVI. 

b. Nilai koordinat titik kontrol tanah, baik pada citra maupun koordinat 

tanahnya, disimpan pada file dengan perintah FileSave GCPs with Map 

coords pada kotak dialog GCP Selection (gambar II.12). 

Gambar II.12. Pemilihan GCP untuk proses georeferensi. 

c. Karena ukuran model permukaan digital sama dengan ukuran citra dibagi 

dengan spasi grid model permukaan digital, maka nilai koordinat citra 

diganti dengan koordinat citra tersebut dibagi dengan spasi grid model 

dalam piksel. Misalnya resolusi model permukaan digital adalah 30 meter 

maka berarti spasi grid-nya adalah 2 piksel, hal ini disebabkan karena tiap 

piksel pada citra ASTER band 3 beresolusi spasial 15 meter. Sehingga 

apabila koordinat sebuah GCP pada citra (126, 24), maka koordinat titik 

⎛126 

24 ⎞ 

tersebut pada model adalah ⎜ , ⎟ atau (63, 12). Proses editing 

⎝ 2 2 ⎠ 

koordinat ini dilakukan secara otomatis oleh program DEMCreator 4. 

42

d. Hasil editing koordinat ini disimpan pada file secara otomatis dengan 

tambahan ekstensi .DEM.PTS. 

Gambar II.13. Fasilitas Image to Map Registration untuk melakukan 

georeferensi model. 

e. Registrasi/geocoding pada model permukaan digital dilakukan dengan 

menggunakan data koordinat yang telah diedit melalui fasilitas Image to 

Map Registration pada ENVI yang dapat diakses dengan memilih 

RegisterWarp from Pre-existing GCPsImage to Map (gambar II.13). 

II.4.7. Evaluasi Ketelitian Model Permukaan Digital 

Evaluasi dilakukan dengan cara membandingkan elevasi titik-titik cek pada 

peta rupabumi dengan elevasi titik-titik tersebut pada model permukaan digital. Nilai 

root mean square error (RMSE) yang diperoleh akan dibandingkan dengan ketelitian 

elevasi secara teoritis untuk menentukan tingkat keberhasilan pembentukan model 

permukaan digital. 

Nilai RMSE untuk elevasi (RMSEz) dihitung dengan menggunakan 

persamaan I.28. Apabila tingkat ketelitian elevasi model yang dihitung berdasarkan 

persamaan I.29 lebih besar daripada tingkat ketelitian yang disyaratkan pada 

spesifikasi baku pembuatan peta dengan suatu skala tertentu, dapat disimpulkan 

bahwa ketelitian elevasi model permukaan digital telah memenuhi syarat untuk 

dijadikan dasar pembuatan peta pada skala itu. 

43

II.4.8. Visualisasi Model Permukaan Digital 

Model permukaan digital yang dihasilkan dalam penelitian ini akan disajikan 

secara visual dengan menggunakan perangkat lunak ENVI. Empat metode penyajian 

yang diberikan adalah citra raster model, garis kontur, shaded-relief, serta pandangan 

perspektif model 3 dimensi. Citra raster model akan tampak jika file model dibuka 

menggunakan ENVI dengan memilih FileOpen Image File. 

Garis kontur dapat ditambahkan pada citra dengan memilih menu 

FunctionsOverlaysContour Lines. Shaded relief dibentuk dengan memilih menu 

UtilitiesData SpecificDEMTopographic Modelling. Sedangkan pandangan 

perspektif 3 dimensi dilakukan dengan memilih menu Basic Tools3D Surface. 

Adapun hasil visualisasi menggunakan berbagai macam metode, disajikan pada 

lampiran A. 

44

BAB III 

HASIL DAN PEMBAHASAN 

III.1. Hasil Penelitian 

Hasil utama yang diperoleh dari penelitian ini berupa sebuah model 

permukaan digital absolut dari daerah Parengan, Tuban, dengan resolusi spasial 15 

meter, dalam format raster biner (unsigned 16-bit integer). Dalam pembuatan model 

permukaan digital dari citra ASTER, disusun sebuah program komputer untuk 

melakukan proses image-matching, penghitungan paralaks dan elevasi, noise 

filtering, serta koreksi elevasi secara otomatis. 

III.2. Registrasi Band 3B ke 3N 

Proses registrasi yang dilakukan dengan menggunakan transformasi 

polinomial orde 1 dan melibatkan 30 titik ikat ini dilakukan secara otomatis oleh 

program komputer. Parameter transformasi polinomial disajikan pada tabel III.1: 

Tabel III.1. Nilai parameter transformasi polinomial satu dimensi 

( X = a + bx + cy + dxy ) 

Parameter Nilai Parameter 

a 2.67893803704283 

b 1.00060051426216 

c 3.2086385708396 x 10 -5 

d -2.4858105793709 x 10 -6 

Nilai simpangan baku transformasi polinomial orde satu untuk melakukan 

minimalisasi paralaks-x pada citra adalah sebesar 0,326 piksel. Nilai parameter 

transformasi ini digunakan untuk menghitung nilai absis pusat jendela korelasi. 

III.3. Korelasi Stereo secara Otomatis 

Ketelitian korelasi otomatis sangat mempengaruhi ketelitian dari model 

permukaan digital yang dihasilkan. Oleh karena itu ketelitian proses korelasi 

45

otomatis ini perlu dievaluasi dengan cara membandingkan koordinat hasil proses 

korelasi otomatis dengan koordinat yang diperoleh melalui pengukuran secara 

manual dengan menggunakan ENVI. 

III.4.1. Ukuran daerah selidik. Ukuran daerah selidik sangat bergantung dari 

besar elevasi maksimum dan minimum yang diharapkan terjadi. Elevasi minimum 

yang diasumsikan adalah 0 meter sedangkan elevasi maksimum 500 meter. 

Berdasarkan persamaan I.7, rentang beda elevasi tersebut setara dengan beda 

paralaks minimum (pymin) sebesar 0 piksel, dan maksimum (pymax) sebesar 20 piksel. 

Karena ukuran jendela korelasi harus ganjil, maka ukuran jendela (dy) yang akan 

digunakan dihitung dengan ketentuan berikut : 

Apabila pymax – pymin adalah bilangan genap maka 

dy = pymax – pymin + 1 (III.1) 

sedangkan apabila pymax – pymin adalah bilangan ganjil maka 

dy = pymax – pymin (III.2) 

Karena pymax = 20 dan pymin = 0, maka dy = 21 piksel. Dengan demikian ukuran 

daerah selidik yang digunakan adalah sebesar 3 x 21 piksel. 

III.4.2. Ukuran daerah sasaran. Ukuran horisontal daerah selidik maupun 

daerah sasaran hanya dibatasi sebesar 3 piksel. Titik yang digunakan untuk 

mengevaluasi kaitan antara ukuran daerah sasaran dengan ketelitian korelasi dipilih 

pada tempat-tempat yang kenampakannya cukup tegas (distinct features) seperti 

perempatan jalan, pojok bidang sawah, pojok bangunan, tikungan tajam pada jalan, 

dan lain-lain; sejumlah 30 buah, dan tersebar merata di seluruh citra. 

Dari tabel III.2 dapat disimpulkan bahwa daerah sasaran yang terlalu kecil 

akan memberikan hasil yang tidak memuaskan karena proses korelasi silang hanya 

mengevaluasi daerah yang berukuran kecil sehingga keunikan dari daerah sasaran 

akan berkurang. Karena keunikan daerah sasaran berkurang, maka akan terjadi 

kecocokan korelasi pada beberapa daerah yang berbeda, terutama pada daerah 

dengan pola berulang, akibatnya kemungkinan mismatch akan semakin besar. 

46

Tabel III.2. Pengaruh ukuran daerah sasaran terhadap ketelitian korelasi otomatis. 

Ukuran daerah selidik 3 x 21 piksel, jumlah titik uji 30 buah. 

No Ukuran daerah sasaran Jumlah 

x (piksel) y (piksel) blunder 

1 3 3 11 

2 3 5 3 

3 3 7 1 

4 3 9 0 

5 3 11 1 

6 3 13 1 

7 3 15 1 

8 3 17 2 

9 3 19 2 

10 3 21 1 

Ukuran daerah sasaran yang terlalu besar akan cenderung menurunkan 

kualitas hasil korelasi otomatis karena proses perhitungan terlalu banyak melibatkan 

daerah di sekitarnya. Selain menurunkan kualitas hasil korelasi otomatis, ukuran 

daerah yang besar akan waktu yang dibutuhkan komputer untuk melakukan 

perhitungan akan bertambah. Berdasarkan tabel III.2., ukuran tinggi daerah sasaran 

yang optimal adalah 9 piksel. Dengan mempertimbangkan efisiensi waktu 

pemrosesan, maka untuk daerah sasaran dipilih ukuran 3 x 9 piksel. Hasil uji korelasi 

otomatis untuk berbagai ukuran jendela selengkapnya ditunjukkan pada lampiran C. 

III.4. Noise filtering 

Untuk membuang atau meminimalisasi adanya noise pada model permukaan 

digital, maka diperlukan proses noise filtering. Proses ini dipengaruhi oleh beberapa 

faktor berikut: 

a. Ukuran jendela filter. 

b. Ambang batas (dalam satuan σ) untuk mendeteksi noise. 

c. Jumlah perlakuan noise filtering. 

Ukuran jendela filter menunjukkan ukuran daerah yang akan dilibatkan dalam 

proses evaluasi suatu piksel untuk menentukan apakah piksel tersebut noise atau 

bukan. Untuk mengetahui pengaruh ukuran jendela filter serta faktor tingkat 

47

ketidakpastian terhadap tingkat keberhasilan deteksi noise, dilakukan uji coba pada 

sebuah citra ber-noise dengan menggunakan berbagai ukuran jendela filter dan 

tingkat ambang batas. 

Dari tabel III.3 dapat disimpulkan bahwa semakin tinggi tingkat 

ketidakpastian maka semakin sedikit noise yang berhasil difilter. Sedangkan ukuran 

jendela filter akan mempengaruhi ukuran luas maksimum noise-cluster yang bisa 

difilter. Semakin besar ukuran jendela filter, maka semakin besar pula ukuran noisecluster 

yang bisa dieliminasi. 

Namun demikian, semakin besar ukuran jendela filter, semakin lama pula 

waktu yang diperlukan untuk melakukan proses filtering (berbanding lurus dengan 

kuadrat ukuran jendela), serta semakin lebar pula daerah pada tepi model yang tidak 

dapat difilter karena sebagian jendela filternya berada di luar model. Oleh karena itu, 

ukuran jendela filter, threshold, serta jumlah pengulangan proses sangat tergantung 

dari karakteristik masing-masing model permukaan digital. 

Tabel III.3. Pengamatan secara visual hasil filter. 

No Threshold Ukuran 

Pengamatan secara visual 

(σ) window 

1 1 7 x 7 Noise-cluster masih tersisa* 

2 2 7 x 7 Noise masih tersisa sebagian. 

3 3 7 x 7 Noise masih banyak. 

4 1 11 x 11 Noise-cluster tersisa sedikit.* 

5 2 11 x 11 Noise masih tersisa sebagian. 

6 3 11 x 11 Noise masih banyak 

7 1 15 x 15 Noise tersisa sangat sedikit* 

8 2 15 x 15 Noise masih tersisa sebagian 

9 3 15 x 15 Noise masih tersisa 

10 1 19 x 19 Noise dan noise-cluster sudah bersih* 

11 2 19 x 19 Noise-cluster masih sedikit tampak 

12 3 19 x 19 Noise masih tersisa. 

* Terjadi penghalusan permukaan model yang berlebihan/berkurangnya detil permukaan 

Berdasarkan kesimpulan diatas dan hasil uji coba (trial and error) secara 

langsung pada model yang diteliti, maka untuk kasus noise filtering model 

permukaan digital daerah Parengan dengan resolusi model 15 meter, proses 

dilakukan dua kali, ukuran jendela filter ditentukan sebesar 19 x 19 piksel, dengan 

48

threshold sebesar 2σ. Noise-cluster yang ada pada model rata-rata berukuran sekitar 

15 x 15 piksel. Dengan menggunakan parameter noise filtering tersebut hampir 

semua noise yang tampak secara visual dapat dieliminasi, kecuali pada beberapa 

daerah yang mempunyai noise cluster. Selain itu, detil permukaan model dapat 

dipertahankan. Hasil uji noise filtering secara lengkap disajikan pada lampiran D. 

III.5. Koreksi Elevasi Model Permukaan Digital 

Koreksi elevasi dilakukan dengan menggunakan elevasi dari 11 GCP. Nilai 

parameter-parameter transformasi dalam koreksi elevasi untuk membawa elevasi 

model ke elevasi sebenarnya disajikan pada tabel berikut: 

Tabel III.4. Nilai parameter transformasi dalam koreksi elevasi 

Parameter Nilai 

Faktor pengali 0.998311151441823 

Faktor penambah 2.82522594364698 

Nilai simpangan baku transformasi linier satu dimensi untuk melakukan koreksi 

elevasi sebesar 6,254 meter. Faktor pengali yang nilainya mendekati satu 

menunjukkan bahwa skala vertikal dari model permukaan digital relatif sudah 

hampir benar, sehingga untuk membawa dari elevasi relatif menjadi absolut hanya 

diperlukan proses translasi. 

III.6. Georeferensi Model Permukaan Digital 

Georeferensi model dilakukan dengan menggunakan koordinat UTM dari 11 

titik kontrol tanah. Root mean square (RMS) dari transformasi polinomial orde 1 

pada proses georeferensi adalah sebesar 1,2842 m. Nilai RMS yang sangat kecil 

apabila dibandingkan dengan resolusi spasial model permukaan digital merupakan 

indikator bahwa proses georeferensi dapat memberikan hasil yang baik. 

Setelah dilakukan proses georeferensi, maka model permukaan digital yang 

sebelumnya dalam koordinat piksel dan berorientasi searah orbit satelit, menjadi 

49

dalam koordinat tanah dan berorientasi ke arah utara grid UTM. Model permukaan 

digital yang telah tergeoreferensi ini siap digunakan untuk berbagai keperluan. 

III.7. Ketelitian Model Permukaan Digital 

Model permukaan digital yang dihasilkan oleh program ini berupa raster 

biner berformat integer tak bertanda (unsigned 16-bit integer) dengan resolusi spasial 

15 meter beserta sebuah file header yang menunjukkan metadata dari model 

permukaan digital. Model permukaan digital ini dapat dibaca oleh perangkat lunak 

ENVI, sehingga dapat diproses lebih lanjut pada ENVI maupun dikonversi ke format 

lain. 

Ketelitian dari model permukaan digital ini direpresentasikan dengan 

menggunakan kriteria root mean square error pada komponen elevasinya (RMSEz). 

Elevasi titik-titik dengan koordinat tertentu pada model permukaan digital 

dibandingkan dengan elevasi titik-titik tersebut pada peta rupabumi, sehingga dapat 

dihitung besar RMSEz-nya. Dengan menggunakan 150 titik tinggi yang terdapat 

pada peta rupabumi daerah Parengan sebagai acuan, besar RMSEz dari model 

permukaan digital yang dihasilkan adalah 8,8 meter. Nilai residual pada masingmasing 

titik cek disertakan pada lampiran E. 

Untuk menentukan tingkat ketelitian horisontal model, komponen vertikal 

dari suatu objek pada model harus teridentifikasi secara jelas, yaitu bentuk dari objek 

yang diteliti harus dapat dikenali sehingga posisi horisontal dari objek dapat 

diperiksa ketelitiannya. Namun dalam kenyataannya, pengenalan suatu objek dan 

penentuan posisinya secara tepat berdasarkan bentuk objek tersebut pada model 

permukaan digital sangat sulit dilakukan. 

Tingkat ketelitian yang dievaluasi dalam penelitian ini hanya komponen 

vertikal (elevasi) dari model saja, karena komponen posisi horisontal (koordinat x,y) 

telah terdefinisi dengan tepat secara matematis dalam sistem proyeksi UTM. Titiktitik 

grid model bersifat tetap di posisinya dan dapat dianggap konstan untuk tujuan 

menentukan ketelitian model. 

Dengan RMSEz model sebesar 8,8 meter, maka berdasarkan persamaan II.3 

dapat ditentukan bahwa pada tingkat kepercayaan 90%, ketelitian elevasi model 

adalah sebesar 1,6449 x 8,8 meter, yaitu sama dengan 14,48 meter. Dengan demikian 

50

dapat disimpulkan bahwa model permukaan digital hasil penelitian ini dapat 

digunakan untuk pembuatan peta topografi skala 1:100.000 atau lebih kecil lagi, 

sesuai dengan persyaratan dari United States National Map Accuracy Standards. 

Frekuensi (titik cek) 

60 

50 

40 

30 

20 

10 

0 

-40 -30 -20 -10 0 10 20 30 40 

Selisih elevasi (meter) 

Gambar III.1. Selisih elevasi titik cek pada model terhadap elevasi titik cek pada peta 

rupabumi. 

51

BAB IV 

KESIMPULAN DAN SARAN 

IV.1. Kesimpulan 

Dengan menggunakan prinsip beda paralaks, dan hanya melibatkan dua 

faktor utama, yaitu: 

a. beda paralaks dari titik-titik yang bersesuaian di band 3N dan 3B. 

b. perbandingan basis terhadap tinggi terbang sebesar 0,6 

dan mengabaikan faktor-faktor berikut: 

a. pengaruh kesalahan orientasi sumbu-sumbu kamera 

b. pengaruh kelengkungan bumi 

c. pengaruh kesalahan orbit satelit 

d. pengaruh variasi skala dalam satu scene 

e. pengaruh kesalahan radiometris 

penelitian ini berhasil memperoleh sebuah model permukaan digital tergeoreferensi 

berukuran 1132 piksel x 1131 piksel dengan resolusi spasial 15 meter yang 

mempunyai root mean square error pada komponen elevasi sebesar 8,8 meter atau 

setara dengan tingkat ketelitian sebesar 14,48 meter pada tingkat kepercayan 90%, 

sehingga memenuhi persyaratan ketelitian menurut United States National Map 

Accuracy Standards untuk keperluan pembuatan peta topografi dengan skala 

1:100.000 atau lebih kecil lagi. 

Pengolahan data dilakukan secara semi otomatis, dimana sebagian proses 

dilakukan secara manual, dan sebagian lagi dilakukan secara otomatis penuh oleh 

komputer. Tahapan pengolahan data yang dilakukan secara otomatis penuh adalah : 

a. korelasi otomatis untuk pembuatan model permukaan digital 

b. noise filtering 

c. koreksi elevasi, 

sedangkan intervensi dari operator diperlukan pada tahapan berikut : 

a. pengukuran koordinat titik ikat 

b. georeferensi model permukaan digital 

52

IV.2. Saran 

IV.2.1. Pengembangan Program 

Beberapa hal yang dapat dilakukan untuk meningkatkan kualitas program 

komputer: 

1. Pemanfaatan model permukaan digital dengan resolusi rendah, seperti 

GTOPO-30, model permukaan digital global beresolusi 30 detik busur 

(sekitar 1 km), untuk mempercepat proses korelasi otomatis. 

2. Pemanfaatan multi-scale matching untuk mempertinggi kualitas hasil korelasi 

otomatis sekaligus mempercepat proses korelasi. Pendekatan multi-scale 

dilakukan dengan menggunakan hasil korelasi otomatis pada citra beresolusi 

rendah sebagai pendekatan untuk proses korelasi otomatis pada citra 

beresolusi lebih tinggi. 

3. Penggunaan metode yang umum digunakan untuk melakukan gridding seperti 

interpolasi linier, krigging, nearest neighbor, dan lain-lain untuk menyusun 

data berdistribusi teratur. Program yang dipakai dalam penelitian ini masih 

menggunakan filter median untuk mengganti nilai piksel yang berkualitas 

rendah (piksel yang proses korelasinya gagal atau piksel noise) dengan nilai 

piksel lain disekitarnya. 

4. Penambahan fasilitas untuk melakukan georeferensi model secara otomatis. 

IV.2.2. Penelitian pada Daerah dengan Berbagai Variasi Terrain 

Daerah penelitian adalah daerah yang medannya relatif datar. Sangat 

disarankan untuk menguji kemampuan program pada daerah lain dengan berbagai 

kondisi terrain, misalnya daerah pegunungan, daerah pesisir, daerah aliran sungai, 

daerah danau, dan lain-lain, untuk mengetahui tingkat keberhasilan pembuatan model 

permukaan digital berdasarkan beda paralaks dan korelasi otomatis pada daerahdaerah 

tersebut. 

IV.2.3. Editing Model Secara Manual 

Untuk daerah-daerah dengan noise yang mengumpul, proses noise-filtering 

tidak bisa secara efektif menghilangkan noise. Noise yang tersisa biasanya adalah 

noise yang mengumpul dan ukurannya lebih besar atau hampir sama dengan ukuran 

53

jendela filtering. Untuk mengatasi hal ini, diperlukan intervensi dari pengguna untuk 

membersihkan noise secara manual. 

Salah satu fasilitas ENVI untuk mengedit citra secara manual adalah Spatial 

Pixel Editor. Fasilitas ini diakses dengan melalui menu FunctionsInteractive 

AnalysisSpatial Pixel Editor, setelah terlebih dahulu Zoom Window ditempatkan di 

daerah yang akan diedit. Melalui fasilitas ini, operator dapat mengubah secara 

langsung nilai-nilai piksel secara individual maupun menghitung rata-rata dari 

sejumlah piksel yang dipilih. 

IV.2.3. Pengujian dengan Menggunakan Model Permukaan Digital Acuan 

Untuk menunjukkan tingkat ketelitian dengan lebih meyakinkan, disarankan 

untuk membandingkan model permukaan digital yang dihasilkan melalui metode 

yang dilakukan dalam penelitian ini dengan model permukaan digital yang dianggap 

benar dalam berbagai resolusi yang sesuai. Model permukaan digital yang dijadikan 

acuan adalah model permukaan digital yang diproduksi oleh badan-badan resmi 

pemerintah yang berkaitan dengan pemetaan wilayah, misalnya Badan Koordinasi 

Survei dan Pemetaan Nasional (Bakosurtanal) atau United States Geological Survey 

(USGS). 

Dengan membandingkan model permukaan digital yang dihasilkan melalui 

metode yang dibahas dalam penelitian ini dengan model permukaan digital acuan, 

diharapkan kualitas pemeriksaan ketelitian akan lebih tinggi dan lebih dapat 

dipercaya, karena pembandingan dilakukan pada tiap piksel (grid post) model. 

IV.4. Penggunaan Komputer dengan Kecepatan Tinggi 

Proses korelasi otomatis untuk menentukan koordinat titik-titik yang 

bersesuaian di band 3N dan 3B dilakukan dengan menghitung koefisien korelasi 

untuk tiap piksel yang ada pada citra, sesuai dengan resolusi model permukaan 

digital yang diharapkan. Karena proses ini melibatkan hitungan matematis floatingpoint 

untuk data yang jumlahnya sangat banyak, maka waktu yang diperlukan untuk 

menyelesaikan korelasi otomatis cukup lama. Sebagai gambaran, untuk membuat 

sebuah model permukaan digital berukuran 1000 piksel x 1000 piksel dengan kisaran 

elevasi 0 – 500 meter pada sebuah komputer dengan prosesor Intel Pentium III 

54

erkecepatan 800 MHz diperlukan waktu sekitar 30 menit untuk proses korelasi 

otomatis, dan sekitar 10 menit untuk proses noise-filtering. Oleh karena itu, demi 

efisiensi waktu, disarankan untuk menggunakan komputer dengan kecepatan yang 

tinggi. 

55

DAFTAR PUSTAKA 

Abrams, M., dan Hook, S., 2002, ASTER User Handbook Version 2, NASA Jet 

Propulsion Laboratory, Pasadena. 

Antony P., 2000, Pemrograman Borland Delphi, Penerbit Andi, Yogyakarta. 

ASTER Science Team, 2001, ASTER User’s Guide, Earth Remote Sensing Data 

Analysis Center, Sioux Falls. 

ASTER Science Team, 1996, Algorithm Theoretical Basis Document for ASTER 

Level-1 Data Processing, NASA Jet Propulsion Laboratory, Pasadena. 

Bureau of the Budget, 1947, United States National Map Accuracy Standards, U.S. 

Bureau of the Budget, Washington, D.C. 

Djurdjani, 1999, Model Permukaan Digital, Jurusan Teknik Geodesi FT-UGM, 

Yogyakarta. 

Hurtado, J.M., Jr., 2002, Extraction of a Digital Elevation Model from ASTER Level 

1A stereo imagery using PCI Geomatica OthoEngine v.8.2.0, NASA Jet 

Propulsion Laboratory, Pasadena 

Japan Associations on Remote Sensing, 1993, Remote Sensing Note, University of 

Tokyo, Tokyo. 

Lang, H.R., dan Welch, R., 1999, Algorithm Theoretical Basis Document for ASTER 

Digital Elevation Models, NASA Jet Propulsion Laboratory, Pasadena. 

Mauney, Thad, 2002, GPS Questions & Answers, Earth Observing Magazine 

Online, www.eomonline.com. 

Rottensteiner, F., 2001, Raster Based Matching Techniques, www.ipf.tuwien.ac.at 

Soeta’at, 1994, Fotogrametri Analitik, Jurusan Teknik Geodesi FT-UGM, 

Yogyakarta. 

Wahyu Heriyadi, 2002, Pembentukan Model Permukaan Digital dari Sumber Foto 

Udara secara Semi Otomatis, Skripsi, Jurusan Teknik Geodesi, FT-UGM, 

Yogyakarta 

Wolf, P.R., dan Ghilani, C.D., 1997, Adjustment Computations, John Willey and 

Sons, Inc., New York. 

56

LAMPIRAN 

57

LAMPIRAN A 

VISUALISASI MODEL PERMUKAAN DIGITAL 

58

ELEVASI RELATIF PADA MODEL 

elevasi rendah elevasi tinggi 

59

BAYANG-BAYANG RELIEF MODEL 

(azimut matahari 45°, elevasi 55°) 

60

KONTUR MODEL PERMUKAAN DIGITAL 

interval kontur 25 meter 

61

CONTOH OVERLAY CITRA BAND 3N DAN GARIS KONTUR 

(sisi utara, interval kontur 25 meter) 

62 

62

PANDANGAN PERSPEKTIF MODEL 

(dilihat dari sisi timur laut) 

63 

63

COLORDRAPE 

Parengan, Tuban, Jawa Timur 

64 

64

LAMPIRAN B 

DAFTAR KOORDINAT GCP DAN TITIK IKAT 

65

DESKRIPSI GROUND CONTROL POINTS 

RMS = 1.2842 m (polinom orde 1) 

Koordinat Peta (UTM) Koordinat Citra 

No Elevasi 

Easting Northing (m) X Y 

Deskripsi 

1 583524.2 9223249.8 36 47.67 368 jembatan, pertigaan jalan, daerah Punten 

2 588706.2 9219099.1 28 429.33 591.67 

3 592983.4 9216911.2 29 733 695.33 

4 590269.2 9220854.1 51 516 461.67 

5 594245.6 9214124.4 20 843.67 867.33 

perlintasan KA rel tunggal, daerah 

Kemlaten 

sudut barat laut stasiun KA, 

Kedungbanteng 

perempatan dekat sekolah dan gereja, 

Baturejo 

jembatan rel KA, daerah Gempol, 400 m 

dari sekolah 

6 585893.8 9220080.1 36 233.67 553.67 pertigaan desa Keterban, dekat masjid 

7 596055 9219758.6 126 908 479 pertigaan desa Pacing, dekat sekolah 

8 585013.1 9222765.7 30 151 385 jembatan rel KA, dekat desa Binangun 

9 587548.7 9218951.2 31 355.67 615.67 

pertemuan anak sungai kecil 

Sendangagung, 300 m dari rel KA 

10 588322.9 9223426.1 51 361.67 308.67 pertigaan sebelah utara Ngawun 

11 592859.9 9224185.6 230 657 218.5 

pertigaan sebelah timur Kemantren, dekat 

sekolah 

66 

66

KOORDINAT TITIK IKAT BAND 3N – 3B 

X3N Y3N X3B Y3B 

175.75 131.5 178.25 530.25 

66 370.25 68.25 769.5 

429 591.75 431.25 990.75 

588.5 580.75 590.5 980 

844 868.5 845 1267 

515.5 461.75 518 859.5 

213 476.75 215.75 875.75 

928.75 133 931.5 522.5 

552.5 184 555.25 575.5 

751 38.75 753.75 429 

509 787.25 511.25 1186.5 

350.75 643.5 353.5 1042.75 

881.25 657.5 883 1055.5 

896.5 461.5 898.75 856.75 

116.5 481 119.5 879.75 

269.75 939.5 271.75 1338.75 

234.25 645 236.25 1043 

788.5 526 791.25 923.75 

750.75 669.5 752.5 1068.75 

247.5 193 250.75 591.25 

282.5 856.75 284.5 1251.75 

732.75 695 734.75 1093.25 

584 929 585.75 1328.5 

890.25 296.5 892.75 691.5 

657.5 218.25 660.5 609 

908.25 478.5 910.75 872.75 

88.75 814.75 91.75 1208.75 

359.25 483.25 361.5 882 

425.5 376.25 427.5 774 

287.25 390 290 789 

67

LAMPIRAN C 

HASIL UJI KORELASI OTOMATIS 

68

HASIL UJI KORELASI OTOMATIS 

DENGAN UKURAN WINDOW DAERAH SELIDIK 3 x 21 PIKSEL 

AUTOMATIC IMAGE-MATCHING QUALITY TEST RESULT 

ID X3N Y3N X3B Y3B X3BM Y3BM DIFFY CORRELATION 

1 176 132 178.25 530.25 179.00 531.00 0.75 0.98473 

2 66 370 68.25 769.5 68.20 768.91 0.59 0.87564 

3 429 592 431.25 990.75 431.66 991.37 0.62 0.92839 

4 588 581 590.5 980 589.52 981.00 1.00 0.97315 

5 844 868 845 1267 846.32 1267.48 0.48 0.97240 

6 516 462 518 859.5 517.00 853.00 6.50 0.96771 

7 213 477 215.75 875.75 215.00 877.00 1.25 0.93235 

8 929 133 931.5 522.5 931.48 522.14 0.36 0.96457 

9 552 184 555.25 575.5 555.00 576.00 0.50 0.97292 

10 751 39 753.75 429 752.00 444.00 15.00 0.87581 

11 509 787 511.25 1186.5 511.36 1186.04 0.46 0.97610 

12 351 644 353.5 1042.75 353.01 1042.42 0.33 0.87605 

13 881 658 883 1055.5 883.00 1054.00 1.50 0.74576 

14 896 462 898.75 856.75 898.39 857.51 0.76 0.96992 

15 116 481 119.5 879.75 118.09 880.12 0.37 0.97530 

16 270 940 271.75 1338.75 271.00 1330.00 8.75 0.79559 

17 234 645 236.25 1043 236.00 1044.00 1.00 0.93751 

18 788 526 791.25 923.75 791.07 924.04 0.29 0.87734 

19 751 670 752.5 1068.75 753.22 1069.48 0.73 0.88793 

20 248 193 250.75 591.25 250.68 591.18 0.07 0.92986 

21 282 857 284.5 1251.75 285.00 1253.00 1.25 0.93136 

22 733 695 734.75 1093.25 734.66 1085.18 8.07 0.80123 

23 584 929 585.75 1328.5 586.09 1329.06 0.56 0.93530 

24 890 296 892.75 691.5 892.72 691.66 0.16 0.96354 

25 658 218 660.5 609 660.05 625.29 16.29 0.84270 

26 908 478 910.75 872.75 910.18 873.60 0.85 0.93665 

27 89 815 91.75 1208.75 91.24 1210.12 1.37 0.92925 

28 359 483 361.5 882 361.78 882.01 0.01 0.93461 

29 426 376 427.5 774 428.00 774.00 0.00 0.88331 

69

30 287 390 290 789 288.00 799.00 10.00 0.91201 

TargetSizeX = 3 

TargetSizeY = 3 

SearchSizeX = 3 

SearchSizeY = 21 

Mismatched = 11 points. 

Total data = 30 points. 



1 176 132 178.25 530.25 179.28 530.58 0.33 0.94975 

2 66 370 68.25 769.5 68.23 768.87 0.63 0.94918 

3 429 592 431.25 990.75 431.57 991.31 0.56 0.94423 

4 588 581 590.5 980 589.85 980.71 0.71 0.96815 

5 844 868 845 1267 846.50 1267.98 0.98 0.97173 

6 516 462 518 859.5 518.73 860.43 0.93 0.92453 

7 213 477 215.75 875.75 215.00 877.00 1.25 0.79932 

8 929 133 931.5 522.5 931.43 522.27 0.23 0.96790 

9 552 184 555.25 575.5 555.47 575.79 0.29 0.96700 

10 751 39 753.75 429 752.00 444.00 15.00 0.86014 

11 509 787 511.25 1186.5 511.39 1186.34 0.16 0.96775 

12 351 644 353.5 1042.75 352.97 1042.95 0.20 0.93199 

13 881 658 883 1055.5 882.61 1055.28 0.22 0.84272 

14 896 462 898.75 856.75 898.45 857.28 0.53 0.96796 

15 116 481 119.5 879.75 118.12 879.92 0.17 0.96702 

16 270 940 271.75 1338.75 272.42 1339.03 0.28 0.74709 

17 234 645 236.25 1043 236.19 1043.45 0.45 0.96564 

18 788 526 791.25 923.75 790.60 923.95 0.20 0.92627 

19 751 670 752.5 1068.75 753.27 1069.38 0.63 0.92125 

20 248 193 250.75 591.25 250.57 591.26 0.01 0.91029 

21 282 857 284.5 1251.75 285.00 1253.00 1.25 0.92840 

22 733 695 734.75 1093.25 735.33 1093.33 0.08 0.87812 

23 584 929 585.75 1328.5 586.27 1328.87 0.37 0.97438 

24 890 296 892.75 691.5 892.82 691.57 0.07 0.86476 

70

25 658 218 660.5 609 661.00 609.00 0.00 0.88503 

26 908 478 910.75 872.75 910.24 872.98 0.23 0.91944 

27 89 815 91.75 1208.75 91.00 1209.00 0.25 0.91918 

28 359 483 361.5 882 361.64 882.18 0.18 0.93028 

29 426 376 427.5 774 427.68 774.01 0.01 0.89340 

30 287 390 290 789 289.65 788.65 0.35 0.91721 









1 176 132 178.25 530.25 179.58 530.56 0.31 0.94525 

2 66 370 68.25 769.5 68.27 768.85 0.65 0.96212 

3 429 592 431.25 990.75 431.55 991.16 0.41 0.94517 

4 588 581 590.5 980 589.89 980.80 0.80 0.95590 

5 844 868 845 1267 846.47 1267.95 0.95 0.97069 

6 516 462 518 859.5 518.72 860.36 0.86 0.91016 

7 213 477 215.75 875.75 215.04 876.48 0.73 0.77250 

8 929 133 931.5 522.5 931.50 522.16 0.34 0.96839 

9 552 184 555.25 575.5 555.04 575.91 0.41 0.92290 

10 751 39 753.75 429 753.42 429.54 0.54 0.90767 

11 509 787 511.25 1186.5 511.25 1186.31 0.19 0.96890 

12 351 644 353.5 1042.75 353.02 1042.94 0.19 0.94990 

13 881 658 883 1055.5 883.07 1055.18 0.32 0.90026 

14 896 462 898.75 856.75 898.59 857.35 0.60 0.94631 

15 116 481 119.5 879.75 118.14 879.73 0.02 0.96727 

16 270 940 271.75 1338.75 273.00 1339.00 0.25 0.75832 

17 234 645 236.25 1043 236.23 1043.30 0.30 0.91125 

18 788 526 791.25 923.75 790.45 923.96 0.21 0.95316 

19 751 670 752.5 1068.75 753.14 1069.44 0.69 0.92911 

71

20 248 193 250.75 591.25 250.68 591.16 0.09 0.90116 

21 282 857 284.5 1251.75 285.16 1252.32 0.57 0.94141 

22 733 695 734.75 1093.25 735.00 1094.00 0.75 0.92877 

23 584 929 585.75 1328.5 586.40 1329.24 0.74 0.96038 

24 890 296 892.75 691.5 892.80 691.50 0.00 0.86561 

25 658 218 660.5 609 661.00 609.00 0.00 0.88349 

26 908 478 910.75 872.75 910.31 873.08 0.33 0.91264 

27 89 815 91.75 1208.75 91.05 1209.76 1.01 0.89107 

28 359 483 361.5 882 362.03 882.12 0.12 0.93308 

29 426 376 427.5 774 427.65 774.36 0.36 0.82352 

30 287 390 290 789 289.24 789.04 0.04 0.93986 









1 176 132 178.25 530.25 179.38 530.61 0.36 0.92835 

2 66 370 68.25 769.5 68.33 768.91 0.59 0.96134 

3 429 592 431.25 990.75 431.51 991.13 0.38 0.94159 

4 588 581 590.5 980 589.99 980.59 0.59 0.91059 

5 844 868 845 1267 846.20 1267.45 0.45 0.96597 

6 516 462 518 859.5 518.69 860.32 0.82 0.92981 

7 213 477 215.75 875.75 215.09 875.68 0.07 0.79496 

8 929 133 931.5 522.5 931.49 522.05 0.45 0.96252 

9 552 184 555.25 575.5 555.20 575.75 0.25 0.92837 

10 751 39 753.75 429 753.46 429.52 0.52 0.93300 

11 509 787 511.25 1186.5 511.22 1186.22 0.28 0.96404 

12 351 644 353.5 1042.75 353.12 1042.92 0.17 0.96377 

13 881 658 883 1055.5 883.28 1055.35 0.15 0.77731 

14 896 462 898.75 856.75 898.56 857.27 0.52 0.92454 

72

15 116 481 119.5 879.75 118.22 879.70 0.05 0.96267 

16 270 940 271.75 1338.75 273.41 1338.71 0.04 0.83335 

17 234 645 236.25 1043 236.18 1043.39 0.39 0.90580 

18 788 526 791.25 923.75 790.41 923.79 0.04 0.92558 

19 751 670 752.5 1068.75 754.00 1069.00 0.25 0.92902 

20 248 193 250.75 591.25 251.08 591.01 0.24 0.93119 

21 282 857 284.5 1251.75 284.79 1252.59 0.84 0.94083 

22 733 695 734.75 1093.25 735.30 1093.52 0.27 0.95712 

23 584 929 585.75 1328.5 586.37 1329.06 0.56 0.95828 

24 890 296 892.75 691.5 892.76 691.45 0.05 0.84337 

25 658 218 660.5 609 661.00 609.00 0.00 0.90320 

26 908 478 910.75 872.75 910.39 873.11 0.36 0.91179 

27 89 815 91.75 1208.75 91.27 1208.92 0.17 0.92758 

28 359 483 361.5 882 362.05 882.08 0.08 0.92199 

29 426 376 427.5 774 427.60 774.30 0.30 0.79972 

30 287 390 290 789 289.24 789.08 0.08 0.95026 









1 176 132 178.25 530.25 178.97 530.60 0.35 0.91234 

2 66 370 68.25 769.5 68.36 768.96 0.54 0.93750 

3 429 592 431.25 990.75 431.47 991.12 0.37 0.93933 

4 588 581 590.5 980 590.00 980.59 0.59 0.89579 

5 844 868 845 1267 846.21 1267.53 0.53 0.96455 

6 516 462 518 859.5 518.55 860.18 0.68 0.94119 

7 213 477 215.75 875.75 215.14 875.62 0.13 0.87953 

8 929 133 931.5 522.5 931.58 522.22 0.28 0.97111 

9 552 184 555.25 575.5 555.15 575.71 0.21 0.93170 

73

10 751 39 753.75 429 753.39 429.47 0.47 0.95550 

11 509 787 511.25 1186.5 511.22 1186.15 0.35 0.96066 

12 351 644 353.5 1042.75 353.12 1042.91 0.16 0.96632 

13 881 658 883 1055.5 883.31 1055.32 0.18 0.74562 

14 896 462 898.75 856.75 898.50 857.25 0.50 0.91399 

15 116 481 119.5 879.75 118.26 879.71 0.04 0.96364 

16 270 940 271.75 1338.75 272.78 1338.96 0.21 0.86543 

17 234 645 236.25 1043 236.16 1043.46 0.46 0.90877 

18 788 526 791.25 923.75 790.62 923.54 0.21 0.89857 

19 751 670 752.5 1068.75 754.00 1069.00 0.25 0.88902 

20 248 193 250.75 591.25 251.03 591.02 0.23 0.91577 

21 282 857 284.5 1251.75 284.72 1252.85 1.10 0.93962 

22 733 695 734.75 1093.25 735.36 1093.92 0.67 0.96436 

23 584 929 585.75 1328.5 586.36 1328.78 0.28 0.97364 

24 890 296 892.75 691.5 892.64 691.53 0.03 0.83269 

25 658 218 660.5 609 661.00 609.00 0.00 0.89718 

26 908 478 910.75 872.75 910.37 873.00 0.25 0.91820 

27 89 815 91.75 1208.75 91.17 1208.82 0.07 0.81155 

28 359 483 361.5 882 361.98 881.80 0.20 0.88679 

29 426 376 427.5 774 427.73 774.25 0.25 0.84089 

30 287 390 290 789 289.25 789.03 0.03 0.96208 









1 176 132 178.25 530.25 179.06 530.59 0.34 0.91355 

2 66 370 68.25 769.5 68.33 768.97 0.53 0.92489 

3 429 592 431.25 990.75 431.51 991.09 0.34 0.94212 

4 588 581 590.5 980 590.05 980.50 0.50 0.86564 

74

5 844 868 845 1267 845.97 1267.12 0.12 0.96204 

6 516 462 518 859.5 518.47 860.04 0.54 0.95057 

7 213 477 215.75 875.75 215.20 875.76 0.01 0.90755 

8 929 133 931.5 522.5 931.57 522.15 0.35 0.96333 

9 552 184 555.25 575.5 555.10 575.69 0.19 0.93314 

10 751 39 753.75 429 753.34 429.50 0.50 0.96801 

11 509 787 511.25 1186.5 511.20 1186.11 0.39 0.96209 

12 351 644 353.5 1042.75 353.09 1042.94 0.19 0.96514 

13 881 658 883 1055.5 883.29 1055.26 0.24 0.71256 

14 896 462 898.75 856.75 898.51 857.25 0.50 0.90293 

15 116 481 119.5 879.75 118.32 879.64 0.11 0.96086 

16 270 940 271.75 1338.75 272.64 1339.12 0.37 0.86761 

17 234 645 236.25 1043 236.12 1043.45 0.45 0.91101 

18 788 526 791.25 923.75 790.00 924.00 0.25 0.89016 

19 751 670 752.5 1068.75 754.00 1069.00 0.25 0.86976 

20 248 193 250.75 591.25 250.93 591.08 0.17 0.89542 

21 282 857 284.5 1251.75 284.68 1252.90 1.15 0.92069 

22 733 695 734.75 1093.25 735.38 1093.93 0.68 0.96451 

23 584 929 585.75 1328.5 586.30 1328.81 0.31 0.98567 

24 890 296 892.75 691.5 892.58 691.60 0.10 0.81285 

25 658 218 660.5 609 661.00 609.00 0.00 0.89176 

26 908 478 910.75 872.75 910.30 873.05 0.30 0.91869 

27 89 815 91.75 1208.75 91.77 1208.20 0.55 0.81958 

28 359 483 361.5 882 361.71 881.81 0.19 0.83627 

29 426 376 427.5 774 427.76 774.25 0.25 0.84599 

30 287 390 290 789 289.26 788.99 0.01 0.96103 








75


1 176 132 178.25 530.25 179.31 530.53 0.28 0.90572 

2 66 370 68.25 769.5 68.28 768.93 0.57 0.92409 

3 429 592 431.25 990.75 431.51 991.09 0.34 0.93676 

4 588 581 590.5 980 590.08 980.49 0.49 0.86803 

5 844 868 845 1267 845.87 1266.94 0.06 0.95990 

6 516 462 518 859.5 518.48 860.02 0.52 0.95291 

7 213 477 215.75 875.75 215.20 875.95 0.20 0.92194 

8 929 133 931.5 522.5 932.15 522.63 0.13 0.95378 

9 552 184 555.25 575.5 555.40 575.57 0.07 0.93499 

10 751 39 753.75 429 753.45 429.34 0.34 0.95434 

11 509 787 511.25 1186.5 511.20 1186.02 0.48 0.96126 

12 351 644 353.5 1042.75 353.12 1042.99 0.24 0.96704 

13 881 658 883 1055.5 883.37 1055.26 0.24 0.68956 

14 896 462 898.75 856.75 898.50 857.25 0.50 0.88665 

15 116 481 119.5 879.75 118.32 879.61 0.14 0.95316 

16 270 940 271.75 1338.75 272.63 1339.09 0.34 0.86052 

17 234 645 236.25 1043 236.10 1043.47 0.47 0.90821 

18 788 526 791.25 923.75 791.34 923.62 0.13 0.88624 

19 751 670 752.5 1068.75 754.00 1069.00 0.25 0.85126 

20 248 193 250.75 591.25 250.88 591.09 0.16 0.90633 

21 282 857 284.5 1251.75 284.72 1252.89 1.14 0.92131 

22 733 695 734.75 1093.25 735.38 1093.90 0.65 0.96387 

23 584 929 585.75 1328.5 586.52 1328.79 0.29 0.98913 

24 890 296 892.75 691.5 892.55 691.61 0.11 0.79024 

25 658 218 660.5 609 661.00 609.00 0.00 0.88953 

26 908 478 910.75 872.75 910.24 873.16 0.41 0.91304 

27 89 815 91.75 1208.75 91.52 1208.41 0.34 0.83338 

28 359 483 361.5 882 361.65 881.85 0.15 0.79369 

29 426 376 427.5 774 427.85 774.19 0.19 0.85038 

30 287 390 290 789 289.20 789.02 0.02 0.95921 





76





1 176 132 178.25 530.25 179.68 530.36 0.11 0.90115 

2 66 370 68.25 769.5 68.26 768.89 0.61 0.91571 

3 429 592 431.25 990.75 431.45 991.10 0.35 0.93145 

4 588 581 590.5 980 590.08 980.49 0.49 0.86646 

5 844 868 845 1267 845.95 1267.08 0.08 0.95807 

6 516 462 518 859.5 518.45 860.02 0.52 0.94966 

7 213 477 215.75 875.75 215.00 877.00 1.25 0.93492 

8 929 133 931.5 522.5 932.04 522.72 0.22 0.95741 

9 552 184 555.25 575.5 555.85 575.37 0.13 0.93076 

10 751 39 753.75 429 753.51 429.25 0.25 0.94528 

11 509 787 511.25 1186.5 511.21 1186.04 0.46 0.95639 

12 351 644 353.5 1042.75 353.14 1042.97 0.22 0.96803 

13 881 658 883 1055.5 883.46 1055.28 0.22 0.67331 

14 896 462 898.75 856.75 898.48 857.25 0.50 0.85235 

15 116 481 119.5 879.75 118.28 879.70 0.05 0.95188 

16 270 940 271.75 1338.75 272.60 1339.12 0.37 0.82132 

17 234 645 236.25 1043 236.08 1043.48 0.48 0.90259 

18 788 526 791.25 923.75 790.84 923.67 0.08 0.87660 

19 751 670 752.5 1068.75 753.31 1069.31 0.56 0.84783 

20 248 193 250.75 591.25 250.72 591.10 0.15 0.89846 

21 282 857 284.5 1251.75 284.70 1252.86 1.11 0.91415 

22 733 695 734.75 1093.25 735.37 1093.90 0.65 0.96255 

23 584 929 585.75 1328.5 586.66 1328.74 0.24 0.98984 

24 890 296 892.75 691.5 892.60 691.59 0.09 0.78344 

25 658 218 660.5 609 661.00 609.00 0.00 0.89146 

26 908 478 910.75 872.75 910.21 873.20 0.45 0.91853 

27 89 815 91.75 1208.75 91.57 1208.47 0.28 0.84242 

28 359 483 361.5 882 361.60 881.99 0.01 0.77432 

29 426 376 427.5 774 427.95 774.23 0.23 0.86729 

30 287 390 290 789 289.15 789.01 0.01 0.95867 

77









1 176 132 178.25 530.25 179.76 530.33 0.08 0.89211 

2 66 370 68.25 769.5 68.24 768.84 0.66 0.91019 

3 429 592 431.25 990.75 431.43 991.11 0.36 0.93061 

4 588 581 590.5 980 590.08 980.49 0.49 0.86820 

5 844 868 845 1267 845.78 1266.76 0.24 0.95604 

6 516 462 518 859.5 518.40 860.00 0.50 0.94957 

7 213 477 215.75 875.75 215.00 877.00 1.25 0.93989 

8 929 133 931.5 522.5 931.91 522.72 0.22 0.95676 

9 552 184 555.25 575.5 555.00 576.00 0.50 0.92882 

10 751 39 753.75 429 753.47 429.25 0.25 0.94550 

11 509 787 511.25 1186.5 511.18 1186.01 0.49 0.95641 

12 351 644 353.5 1042.75 353.14 1042.96 0.21 0.97025 

13 881 658 883 1055.5 883.74 1055.25 0.25 0.66150 

14 896 462 898.75 856.75 898.48 857.24 0.49 0.83934 

15 116 481 119.5 879.75 118.26 879.71 0.04 0.95234 

16 270 940 271.75 1338.75 272.59 1339.16 0.41 0.81773 

17 234 645 236.25 1043 236.09 1043.48 0.48 0.89931 

18 788 526 791.25 923.75 790.58 923.70 0.05 0.86539 

19 751 670 752.5 1068.75 753.13 1069.39 0.64 0.83931 

20 248 193 250.75 591.25 250.66 591.08 0.17 0.88880 

21 282 857 284.5 1251.75 284.67 1252.85 1.10 0.90980 

22 733 695 734.75 1093.25 735.37 1093.87 0.62 0.96374 

23 584 929 585.75 1328.5 586.75 1328.73 0.23 0.98651 

24 890 296 892.75 691.5 892.54 691.59 0.09 0.76085 

25 658 218 660.5 609 661.00 609.00 0.00 0.88785 

78

26 908 478 910.75 872.75 910.23 873.03 0.28 0.91966 

27 89 815 91.75 1208.75 91.64 1208.50 0.25 0.84522 

28 359 483 361.5 882 361.61 882.01 0.01 0.78711 

29 426 376 427.5 774 428.03 774.26 0.26 0.87792 

30 287 390 290 789 289.16 788.98 0.02 0.95687 









1 176 132 178.25 530.25 179.62 530.36 0.11 0.88815 

2 66 370 68.25 769.5 68.25 768.81 0.69 0.90482 

3 429 592 431.25 990.75 431.44 991.09 0.34 0.93164 

4 588 581 590.5 980 590.09 980.48 0.48 0.87014 

5 844 868 845 1267 846.16 1267.47 0.47 0.94903 

6 516 462 518 859.5 518.32 859.96 0.46 0.95172 

7 213 477 215.75 875.75 215.00 877.00 1.25 0.94692 

8 929 133 931.5 522.5 931.78 522.68 0.18 0.94582 

9 552 184 555.25 575.5 555.00 576.00 0.50 0.92355 

10 751 39 753.75 429 753.46 429.26 0.26 0.94138 

11 509 787 511.25 1186.5 511.18 1186.06 0.44 0.95636 

12 351 644 353.5 1042.75 353.16 1042.94 0.19 0.97052 

13 881 658 883 1055.5 883.39 1055.20 0.30 0.65611 

14 896 462 898.75 856.75 898.50 857.20 0.45 0.83190 

15 116 481 119.5 879.75 118.25 879.71 0.04 0.95239 

16 270 940 271.75 1338.75 272.61 1339.09 0.34 0.81522 

17 234 645 236.25 1043 236.08 1043.47 0.47 0.89503 

18 788 526 791.25 923.75 790.81 923.63 0.12 0.85684 

19 751 670 752.5 1068.75 754.00 1069.00 0.25 0.84578 

20 248 193 250.75 591.25 250.63 591.08 0.17 0.89201 

79

21 282 857 284.5 1251.75 284.57 1252.74 0.99 0.90648 

22 733 695 734.75 1093.25 735.36 1093.83 0.58 0.96243 

23 584 929 585.75 1328.5 586.64 1328.77 0.27 0.97928 

24 890 296 892.75 691.5 892.40 691.58 0.08 0.70794 

25 658 218 660.5 609 661.00 609.00 0.00 0.88417 

26 908 478 910.75 872.75 910.27 872.99 0.24 0.92731 

27 89 815 91.75 1208.75 91.71 1208.48 0.27 0.84923 

28 359 483 361.5 882 361.62 881.98 0.02 0.80768 

29 426 376 427.5 774 428.04 774.34 0.34 0.88100 

30 287 390 290 789 289.17 789.00 0.00 0.95735 







80

LAMPIRAN D 

HASIL UJI NOISE FILTERING 

81

POTONGAN 

CITRA ASLI 

No Threshold (σ) Ukuran window Hasil 

1 1 7 x 7 

2 2 7 x 7 

82

3 3 7 x 7 

4 1 11 x 11 

5 2 11 x 11 

83

6 3 11 x 11 

7 1 15 x 15 

8 2 15 x 15 

84

9 3 15 x 15 

10 1 19 x 19 

11 2 19 x 19 

85

12 3 19 x 19 

86

LAMPIRAN E 

HASIL UJI KETELITIAN 

MODEL PERMUKAAN DIGITAL 

87

SELISIH ELEVASI PADA TITIK CEK DENGAN ELEVASI PADA MODEL 

UTM Coord. (meter) ZMAP Image Coord. (pixel) ZDEM ZDIFF 

XMAP YMAP (meter) XDEM YDEM (meter) (meter) 

589301.48 9219895.64 24 521 589 30 -6 

585003.51 9222000.32 30 235 449 27 3 

586169.52 9222520.27 29 313 415 27 2 

585370.81 9223138.32 30 259 373 28 2 

584470.63 9222808.04 31 199 395 28 3 

585812.72 9224096.46 27 289 309 37 -10 

587199.96 9219997.01 29 381 583 28 1 

583000.19 9222490.84 38 101 416 41 -3 

586509.27 9220497.34 33 335 549 33 0 

585492.99 9221086.53 33 268 510 30 3 

584299.59 9221196.01 34 188 503 31 3 

583501.02 9221997.05 38 135 449 34 4 

584303 9222095.15 32 188 443 31 1 

584022.17 9224864.94 33 169 258 31 2 

583302.02 9225692.28 34 121 203 0 34 

588201.62 9221095.77 33 448 509 32 1 

587524.02 9220673.93 33 403 538 26 7 

587606.54 9223893.72 35 408 323 30 5 

584502.55 9220194.4 39 202 570 36 3 

586487.04 9224380.96 40 334 290 41 -1 

588509.31 9220681.71 40 469 537 40 0 

587590.17 9223059.84 40 407 379 34 6 

587603.27 9224397.31 39 408 289 45 -6 

587033.69 9225358.73 51 370 225 56 -5 

589468.42 9221419.51 51 533 488 52 -1 

588571.51 9222121.31 48 473 441 48 0 

589903.78 9221990.51 54 562 450 50 4 

588735.86 9222844.01 59 484 393 46 13 

588041.22 9225927.2 76 437 187 66 10 

588742.41 9224956.5 85 484 252 81 4 

589144.35 9224243.09 116 511 300 108 8 

590009.21 9223442.44 163 569 353 144 19 

589884.82 9224949.96 173 560 253 163 10 

592028.22 9219800.81 78 703 596 73 5 

594460.35 9221656.43 77 865 472 57 20 

593907.15 9222291.36 79 828 430 76 3 

591566.67 9220422.13 90 672 554 89 1 

595903.92 9221291.98 83 962 496 80 3 

593243.04 9221052.27 91 784 512 85 6 

596201.8 9221833.54 93 981 460 80 13 

594214.84 9219856.4 101 849 592 99 2 

595305 9220360.93 106 922 558 134 -28 

591180.41 9221820.46 111 647 461 104 7 

592162.43 9221206.96 115 712 502 112 3 

594807.33 9220860.32 116 889 525 115 1 

88

595229.6 9222693.06 116 917 403 105 11 

590604.29 9224089.4 141 608 310 131 10 

591030.51 9223435.9 153 637 353 130 23 

595410.32 9223099.08 156 929 376 144 12 

591652.46 9222467.95 176 678 418 168 8 

593733.66 9221504.54 168 817 482 170 -2 

592392.24 9222837.47 189 727 393 177 12 

595923.56 9220781.84 188 963 530 164 24 

593183.72 9221921.84 185 780 454 177 8 

592565.05 9222095.15 191 739 443 191 0 

590987.96 9222886.52 207 634 390 177 30 

590345.69 9225714.64 216 591 202 202 14 

596330.14 9223174.29 219 990 371 223 -4 

590902.17 9225358.2 238 628 225 242 -4 

595033.88 9224534.66 236 904 280 228 8 

593907.83 9224492.15 235 829 283 227 8 

593403.72 9223831.58 243 795 327 244 -1 

592368.65 9224341.2 247 726 293 249 -2 

592604.33 9225796.4 250 742 196 231 19 

592673.76 9224724.32 257 746 268 248 9 

591851.45 9225282.99 252 691 230 227 25 

593854.77 9224975.6 254 825 251 251 3 

592402.07 9223720.4 266 728 334 259 7 

595397.22 9224240.35 262 928 300 251 11 

594647.62 9224851.86 267 878 259 263 4 

593095.34 9225449.77 267 774 219 259 8 

592951.31 9223543.29 274 765 346 269 5 

591259.65 9224266.51 276 652 298 276 0 

594921.9 9225292.8 274 896 230 266 8 

596293.45 9225711.37 284 988 202 277 7 

594921.9 9225727.72 289 896 201 277 12 

593996.21 9223370.5 308 834 358 294 14 

596421.8 9223906.8 352 996 322 338 14 

585916.78 9214118.59 24 296 975 27 -3 

588898.85 9214602.57 28 495 942 28 0 

589471.69 9214867.45 31 533 925 32 -1 

587998.66 9219199.11 28 435 636 28 0 

586663.12 9218993.09 37 346 650 34 3 

589952.88 9214216.69 38 565 968 37 1 

588486.4 9214076.08 38 467 977 41 -3 

587304.7 9217696.1 37 388 736 41 -4 

588100.14 9218091.78 33 441 710 35 -2 

589468.42 9218258.55 33 533 699 28 5 

587108.3 9216698.71 39 375 803 44 -5 

584905.31 9219591.52 41 228 610 43 -2 

587867.73 9214713.75 43 426 935 41 2 

589110.53 9216268.83 43 509 831 37 6 

589568.94 9217430.59 45 539 754 42 3 

584721.99 9218980.01 47 216 651 53 -6 

89

587537.12 9215766.73 46 404 865 39 7 

588037.95 9216577.72 52 437 811 53 -1 

586270.31 9216433.83 59 319 820 60 -1 

583875.61 9219006.26 57 160 649 52 5 

588286.72 9215165.03 56 454 905 49 7 

587687.69 9217153.26 59 414 772 58 1 

585370.13 9217660.12 66 259 739 69 -3 

583334.07 9217499.89 71 124 749 76 -5 

584905.31 9216597.34 70 228 809 75 -5 

584826.74 9217450.84 76 223 752 77 -1 

584977.32 9214923.04 89 233 921 70 19 

586993.73 9214844.55 98 368 926 92 6 

583798.9 9216898.19 97 155 789 97 0 

584050.95 9215093.08 101 171 910 95 6 

583602.49 9215263.13 102 142 898 104 -2 

585048.85 9215361.68 151 238 892 166 -15 

583792.35 9216093.74 163 154 843 154 9 

583386.45 9215779.81 170 127 864 149 21 

583055.84 9216116.63 190 105 841 185 5 

590486.45 9213647.69 19 600 1006 16 3 

592709.08 9215694.79 23 749 870 30 -7 

594205.02 9212499.88 16 848 1083 26 -10 

593507.79 9214494.65 24 802 950 23 1 

593707.47 9216397.86 20 815 823 24 -4 

593504.52 9215295.83 21 802 896 23 -2 

590705.76 9214700.67 29 615 936 25 4 

592309.73 9214700.67 37 722 936 32 5 

591707.42 9216397.86 33 682 823 34 -1 

591920.19 9218875.36 34 696 657 35 -1 

596198.52 9213994.32 37 981 983 30 7 

590208.21 9213987.78 39 582 983 33 6 

591002.18 9215620.34 41 635 874 41 0 

592772.27 9216918.36 41 753 788 42 -1 

591363.99 9217329.36 41 659 761 34 7 

592293.36 9213739.26 48 721 1000 44 4 

596172.34 9212846.51 42 980 1059 29 13 

593504.52 9213500.54 44 802 1016 47 -3 

594044.63 9213382.81 46 838 1024 53 -7 

594915.35 9217395.24 52 896 756 49 3 

594264.6 9217614.4 46 852 742 45 1 

593923.51 9218068.89 59 830 711 56 3 

594601.11 9216139.52 65 875 840 62 3 

595635.5 9215626.11 86 944 874 77 9 

595154.31 9219496.69 86 912 616 74 12 

596502.95 9215894.26 91 1002 856 92 -1 

594928.45 9216633.31 91 897 807 89 2 

595560.21 9216155.87 101 939 839 97 4 

596103.59 9218690.21 104 975 670 104 0 

596401.47 9219297.21 119 995 629 118 1 

90

594189.28 9219077.02 117 847 644 102 15 

595841.72 9216554.82 122 957 812 118 4 

595664.52 9213984.7 37 946 984 32 5 

595047.67 9213067 48 905 1045 49 -1 

584918.02 9226134.74 35 229 174 32 3 

586097.42 9225039.61 32 308 247 28 4 

584500.05 9223993.27 31 201 316 31 0 

RMSEz = 8.80 

DEM spatial resolution = 15 

DEM size = 1131 x 1132 

91

LAMPIRAN F 

SETTING PROGRAM UNTUK PEMBUATAN 

MODEL PERMUKAAN DIGITAL DAERAH 

PARENGAN, TUBAN 

92

DEM CREATOR 4 LOG FILE 

====================== 

PERFORMANCE 

----------- 

Computation started at : 09/09/2003 06:22:29 PM 

Computation ended at : 09/09/2003 06:49:25 PM 

Time required : 0 hr 26 min 55.91 sec 

Pixels processed : 1000000 

Pixels matched : 889761 

Matching speed : 619 pixels per second. 

DEM GENERATION SETTINGS 

----------------------- 

3N image file : C:\Test_Area\final_release\parengan3n.img 

3B image file : C:\Test_Area\final_release\parengan3b.img 

Window sizes : automatic 

Target window : 3 x 9 

Search window : 3 x 21 

DEM Resolution : 15 

Min. elevation : 0 

Max. elevation : 500 

Cor. threshold : 0.7 

Sub pixel accuracy enabled. 

Grid data format : ENVI 

Final DEM size : 1000 lines x 1000 samples 

Band 3B to 3N registration transformation 

Type : First Order Polynomial 

a = 2.67893803704058 

b = 1.00060051426216 

c = 3.20863857096194E-5 

d = -2.48581057936627E-6 

Standard deviation = 0.32603585976475 

FILTERING AND CORRECTION 

------------------------ 

Noise filtering applied 2 times. 

Final DEM smoothed by 3 x 3 smoothing kernel. 

Noise detection method : Standard deviation 

Maximum deviation factor : 2 

Noise elimination method : Median 

93

Filter Size : 19 x 19 

Elevation Correction enabled. 

Elevation Correction transformation coefficients : 

a = 0.998311151441823 

b = 2.82522594364698 

Standard deviation = 6.25449762907036 

94

LAMPIRAN G 

PANDUAN SINGKAT PENGGUNAAN 

PROGRAM DEMCREATOR 

95

I. PENJELASAN PROGRAM DEMCREATOR 

Program DEMCreator merupakan sebuah program yang berfungsi untuk 

membuat model permukaan digital dari sumber citra ASTER secara interaktif dan 

prosedural, dengan berbagai pilihan pengaturan proses yang dimaksudkan untuk 

memberikan kemudahan dalam melakukan penelitian. Selain disertakan pada CD- 

ROM yang terlampir pada skrispi, softcopy program ini juga tersedia di laboratorium 

fotogrametri Jurusan Teknik Geodesi Fakultas Teknik Universitas Gadjah Mada. 

Antarmuka pemakai (user interface) program ini berbasis grafis dengan 

menggunakan pendekatan wizard yang terdiri dari 4 buah kotak dialog utama yang 

terhubung satu sama lain melalui tombol Next dan Back. 

DEMCreator dapat dijalankan pada komputer dengan spesifikasi minimal : 

Prosesor : Pentium 90 MHz 

Memori : 32 MB 

Harddisk : 1 MB untuk program utama 

Sistem operasi : Windows 98 

II. KEMAMPUAN DAN UNJUK KERJA (PERFORMANCE) 

Program ini dirancang untuk memudahkan pembuatan model permukaan 

digital dari citra ASTER dengan bantuan IDL/ENVI, sehingga dapat dikatakan 

bahwa program ini adalah perluasan kemampuan dari ENVI, walaupun tidak 

terintegrasi secara penuh. User interface program didesain dalam bentuk wizard atau 

step-by-step approach, sehingga penggunaannya akan lebih mudah dan jalannya 

pekerjaan lebih jelas serta mudah dipahami. Berbagai input program seperti daftar 

koordinat GCP maupun titik ikat dilakukan menggunakan hasil pengukuran yang 

dilakukan dengan ENVI, demikian pula output dari program disajikan dalam format 

yang dapat langsung dibaca dan diproses oleh ENVI. Output lain seperti daftar 

koordinat hasil automatic image-matching test, image header file, RMSEz checking 

report, maupun general report file, disajikan dalam format teks ASCII sehingga 

dapat dibaca oleh berbagai macam program aplikasi lain. 

Program terdiri dari 4 form utama, yaitu : 

a. Form pembuka dan pemilihan aktivitas 

b. Form pemuatan citra 

c. Form pengaturan proses pembuatan model permukaan digital 

d. Form review pengaturan proses dan eksekusi proses. 

Form satu dengan yang lain dihubungkan dengan fasilitas tombol Back dan Next 

yang ada pada setiap form utama, sehingga pengguna program dapat berpindah dari 

form yang berurutan dengan mudah. Sedangkan beberapa form tambahan lain 

adalah: 

a. Form uji coba automatic image matching. 

b. Form penghitungan RMSEz. 

c. Form preview band 3N 

d. Form preview band 3B 

e. Form pengaturan lanjut pembuatan model permukaan digital 

f. Form pemilihan file titik ikat dan titik kontrol 3 dimensi. 

96

g. Form pengaturan deteksi noise. 

h. Form progress bar, untuk menunjukkan kemajuan kerja berbagai proses. 

Form-form tambahan ini akan muncul apabila pengguna program memilih tomboltombol 

tertentu pada form utama. 

Untuk menghasilkan sebuah model permukaan digital absolut, program ini 

memerlukan beberapa file, yaitu : 

b. Citra band 3N. Citra ini dapat berupa citra hasil cropping, maupun citra 

full-scene yang disimpan dalam format raster biner 8-bit, beserta 

headernya. 

c. Citra band 3B beserta headernya. 

d. Titik ikat antara band 3N dan 3B. File berformat teks ASCII ini berupa 

daftar koordinat titik-titik yang bersesuaian pada band 3N dan 3B. 

e. GCP 2 dimensi. File berformat teks ASCII ini berupa daftar koordinat 

titik-titik yang digunakan sebagai titik kontrol tanah. 

f. GCP 3 dimensi. File ini mirip GCP 2 dimensi, namun tidak tidak seperti 

GCP 2 dimensi yang hanya memuat koordinat tanah titik kontrol, GCP 3 

dimensi juga memuat elevasi titik kontrol terhadap muka air laut rata-rata. 

Pembuatan file GCP 3 dimensi ini dapat dilakukan secara manual dengan 

menambahkan informasi elevasi GCP pada file GCP 2 dimensi 

menggunakan editor teks ASCII seperti Notepad, UltraEdit, maupun MS- 

DOS Editor, atau dengan memanfaatkan fasilitas Build Exterior 

Orientation dari ENVI dengan memilih RegisterOrthorectificationBuild 

Air Photo Exterior Orientation pada menu utama 

ENVI. 

File-file yang diciptakan oleh program ini adalah : 

a. File raster biner model permukaan digital mentah. File ini merupakan 

model permukaan digital yang belum dikoreksi ketinggiannya dan belum 

dibersihkan noise-nya. 

b. Header file raster biner model permukaan digital mentah. 

c. File raster biner model permukaan digital yang telah difilter. File ini 

merupakan mode permukaan digital yang telah dikoreksi ketinggiannya 

dan sudah dibersihkan noise-nya. 

d. Header file raster biner model permukaan digital yang telah difilter. 

e. File raster kelas kualitas piksel. File ini merupakan klasifikasi kelas 

kualitas dari piksel-piksel yang menyusun model permukaan digital. 

Terdapat 4 macam atribut, 0 (piksel normal), 1 (tak terdefinisi), 2 (piksel 

gagal korelasi), dan 3 (piksel diluar daerah yang valid). 

f. Header file raster kelas kualitas piksel. 

g. File laporan pekerjaan. File ini memberikan informasi tentang pilihan 

setting pada pekerjaan, unjuk kerja program, dan hasil proses transformasi 

affine pada proses registrasi band 3B ke 3N dan hasil transformasi linier 

hasil proses koreksi ketinggian. 

h. File .PTS untuk melakukan georeferensi model permukaan digital. File ini 

digunakan untuk melakukan georeferensi model permukaan digital, dan 

hanya diciptakan apabila tersedia file GCP (titik kontrol tanah). 

97

III. LANGKAH PENGOPERASIAN PROGRAM 

Sebelum pembuatan model permukaan digital dimulai, pastikan bahwa semua 

program selain DEMCreator tidak ada yang dijalankan. Penggunaan sebuah program 

aplikasi lain bersamaan dengan proses korelasi otomatis akan sangat memperpanjang 

waktu yang diperlukan. Selain itu, pastikan juga bahwa ruang yang tersedia di 

harddisk sistem masih tersedia minimal sekitar 200 MB untuk swap-file Windows. 

Berikut ini adalah langkah pelaksanaan dari 4 kegiatan utama yang dapat dilakukan 

dengan menggunakan program DEMCreator. 

III.1. Pembuatan model permukaan digital 

Fasilitas ini adalah fasilitas utama program yang berfungsi untuk melakukan 

korelasi otomatis pada dua citra stereo, filtering model permukaan digital mentah, 

dan koreksi elevasi model permukaan digital. 

Langkah pelaksanaan : 

1. File yang perlu dipersiapkan yaitu : 

a. Citra daerah penelitian band 3N dan 3B (terpisah) dalam format 

ENVI. Secara default, program akan mencari file dengan ekstensi 

*.img. Citra dapat berupa citra band 3 full scene maupun citra hasil 

cropping. Apabila yang dipergunakan adalah citra hasil cropping, 

maka perlu diperhatikan bahwa citra kedua band harus sama panjang 

dan citra band 3B harus lebih tinggi 400 piksel dari band 3N. 

b. Daftar koordinat titik ikat antara band 3N dan 3B dalam format PTS 

file ENVI. 

c. Daftar koordinat GCP, baik GCP 2 dimensi (X,Y) maupun 3 dimensi 

(X,Y,Z) dalam format PTS file ENVI. 

d. Daftar koordinat titik cek, dalam format PTS file ENVI. 

2. Jalankan program DEMCreator dengan meng-klik ganda icon program atau 

melalui perintah Run pada Start Menu Windows. 

3. Pada form pembuka, pilih Generate DEM untuk membuat sebuah model 

permukaan digital dari citra ASTER, kemudian klik tombol Next. 

4. Pada form Setting Band 3N and 3B, klik Load untuk memuat citra untuk 

masing-masing band. Jika berhasil dimuat, maka akan muncul nama file citra 

beserta ukuran dari masig-masing citra. Setelah itu, klik tombol Next. 

5. Pada form DEM Generation Settings, masukkan nama pekerjaan yang akan 

dilaksanakan. Nama pekerjaan ini akan digunakan untuk memberi nama file 

hasil pengolahan. Elevation range diisi dengan perkiraan rentang ketinggian 

pada daerah kerja. Resolusi model dipilih pada bagian DEM Resolution. 

Metode deteksi dan eliminasi noise dapat dipilih pada bagian Noise 

Detection dan Noise Elimination. 

6. Untuk melakukan pengaturan lebih lanjut, klik tombol Advanced Options. 

Pada form Advanced Options terdapat beberapa pilihan pengaturan berikut: 

a. Ketelitian sub piksel (pada bagian Sub-pixel accuracy). Untuk 

memperoleh hasil yang lebih baik, aktifkan pilihan ini. 

98

. Setting manual ukuran jendela korelasi (pada bagian Override 

window sizes). Daerah selidik ditentukan dari asumsi elevasi 

maksimum dan minimum daerah yang akan diteliti. Daerah selidik 

ditentukan dari hasil uji coba. 

c. Ambang batas kualitas korelasi silang (pada bagian Correlation 

Threshold). Ambang batas ini digunakan untuk menentukan kelas 

kualitas dari piksel-piksel model permukaan digital. 

d. Banyaknya proses noise filtering yang akan dilakukan. 

e. Penghalusan permukaan model. Aktifkan pilihan ini untuk 

mengurangi noise yang tersisa dan memperhalus model permukaan 

digital. 

f. Format data model permukaan digital. Tersedia dua pilihan : ENVI 

dan GTOPO. Pilih ENVI jika data model permukaan digital akan 

diproses dengan menggunakan ENVI. 

7. Untuk melakukan registrasi model, klik tombol DEM Reg. Options. Pada 

form DEM Reg. Options terdapat beberapa kotak masukan sebagai berikut: 

a. GCP 2 dimensi. 

b. GCP 3 dimensi. 

c. Daftar koordinat titik ikat. 

Masukkan nama file pada masing-masing kotak isian. 

8. Setelah pengaturan selesai, klik Next untuk berpindah ke form DEM 

Generation. Periksa ulang setting yang ditampilkan, jika ada kesalahan, 

tekan tombol Back untuk kembali ke form sebelumnya, apabila telah sesuai 

dengan yang diharapkan, tekan tombol Generate untuk memulai proses 

korelasi silang dan pembuatan model permukaan digital. 

9. Tunggu beberapa saat. Proses dapat berlangsung beberapa detik saja hingga 

berhari-hari, tergantung kecepatan komputer, ukuran citra yang diproses, dan 

resolusi model permukaan digital yang diperlukan. Jika karena suatu hal, 

proses korelasi silang hendak dibatalkan, tekan Ctrl-Alt-Del secara 

bersamaan untuk menampilkan kotak dialog Close Program Windows. 

10. Setelah proses korelasi otomatis dan filtering selesai, akan didapatkan 

beberapa file sebagai berikut : 

a. -grd-f.hdr header DEM terfilter 

b. -grd-f.dem DEM terfilter 

c. -grd-u.hdr header DEM mentah 

d. -grd-u.dem DEM mentah 

e. -qcf.hdr header file kelas kualitas 

f. -qcf.img file kelas kualitas 

g. .dem.pts GCP untuk georeferensi model 

Model permukaan digital yang dihasilkan program masih belum 

tergeoreferensi, oleh karena itu, perlu dilakukan georeferensi menggunakan ENVI 

dengan daftar GCP yang dihasilkan program. 

Format PTS file ENVI adalah daftar koordinat yang tiap nilainya dipisahkan oleh 

karakter spasi atau karakter tabulasi (TAB). 

99

100 

Misalnya : 

1234,23 232,43 422.12 648.09 

9734.25 620.42 600.85 902.94 

… 

dan seterusnya. 

Apabila pada kolom pertama suatu baris terdapat karakter titik koma (semicolon), 

maka baris tersebut tidak akan dibaca oleh program karena dianggap sebagai baris 

komentar. 

Contoh format file : 

1. GCP 2D 

; contoh file GCP2D 

; Easting Northing Ximage Yimage 

; ----------- ------------ -------- -------- 

583524.2000 9223249.8000 47.6700 368.0000 

588706.2000 9219099.1000 429.3300 591.6700 

592983.4000 9216911.2000 733.0000 695.3300 

590269.2000 9220854.1000 516.0000 461.6700 

2. GCP 3D 

; contoh file GCP3D 

; Easting Northing Elevation Ximage Yimage 

; ----------- ------------ -- -------- -------- 

583524.2000 9223249.8000 32 47.6700 368.0000 

588706.2000 9219099.1000 14 429.3300 591.6700 

592983.4000 9216911.2000 57 733.0000 695.3300 

590269.2000 9220854.1000 29 516.0000 461.6700 

3. Titik Ikat 

; contoh file titik ikat 

; X3N Y3N X3B Y3B 

; -------- -------- -------- -------- 

175.7500 131.5000 178.2500 530.2500 

66.0000 370.2500 68.2500 769.5000 

429.0000 591.7500 431.2500 990.7500 

588.5000 580.7500 590.5000 980.0000 

4. Titik Cek 

; contoh file titik cek 

; Easting Northing Elevation 

; ----------- ----------- --- 

589301.4766 9219895.64 24 

585003.5069 9222000.319 30 

586169.518 9222520.267 29 

585370.8093 9223138.319 30

III.2. Menguji kualitas image-matching dengan teknik korelasi silang 

101 

Fasilitas ini digunakan untuk membandingkan hasil penentuan koordinat titik 

yang bersesuaian melalui korelasi otomatis dengan hasil pengukuran secara manual 

yang tersimpan pada file daftar koordinat titik ikat. Hasil pembandingan ini disimpan 

pada file laporan dengan format teks ASCII. 



a. Citra daerah penelitian band 3N dan 3B (terpisah) dalam format 

ENVI. Secara default, program akan mencari file dengan ekstensi 

*.img. Citra dapat berupa citra band 3 full scene maupun citra hasil 

cropping. Apabila yang dipergunakan adalah citra hasil cropping, 

maka perlu diperhatikan bahwa citra kedua band harus sama panjang 

dan citra band 3B harus lebih tinggi 400 piksel dari band 3N. 

b. Daftar koordinat titik ikat antara band 3N dan 3B dalam format PTS 

file ENVI. 



3. Pada form pembuka, pilih Test Matching Quality, kemudian klik tombol 

Next. 

4. Isikan nama file citra band 3N, 3B, daftar koordinat titik ikat, serta nama file 

tempat hasil laporan akan disimpan. 

5. Isikan besar daerah selidik dan daerah sasaran sesuai dengan spesifikasi yang 

akan diuji. 

6. Klik tombol Match untuk memulai proses korelasi silang pada titik-titik yang 

ada pada daftar koordinat titik ikat, sekaligus proses pembandingan. 

III.3. Filtering dan Koreksi Elevasi model permukaan digital. 

Pada dasarnya fasilitas ini digunakan untuk melompati proses korelasi 

otomatis, sehingga dapat dilakukan pengujian kualitas filtering dengan mudah dan 

cepat. 



a. Model permukaan digital yang belum difilter dalam format ENVI atau 

GTOPO. 

b. Daftar koordinat GCP 3 dimensi apabila dilakukan koreksi elevasi. 



3. Pada form pembuka, pilih Filter and Correct DEM, kemudian klik tombol 

Next. 

4. Pada form DEM Filtering Settings lakukan pengaturan berbagai parameter 

noise filtering maupun koreksi elevasi. 

5. Klik tombol Filter untuk memulai proses filtering dan/atau koreksi elevasi.

III.4. Memeriksa RMSEz model permukaan digital. 

102 

Fasilitas ini ditujukan untuk melakukan penghitungan RMSEz pada model 

permukaan digital yang telah digeoreferensikan dengan menggunakan koordinat 3 

dimensi (XYZ) dari daftar titik cek. 



a. Model permukaan digital yang telah digeoreferensikan dalam format 

ENVI atau GTOPO. 

b. Daftar koordinat titik cek. 



3. Pada form pembuka, pilih Check RMSEz, kemudian klik tombol Next. 

4. Isikan nama file model permukaan digital tergeoreferensi, daftar koordinat 

titik cek, serta nama file tempat hasil pengukuran RMSEz disimpan. 

5. Klik tombol Calculate untuk memulai proses penghitungan. 

IV. KELEMAHAN PROGRAM DAN RENCANA PERBAIKAN 

Kelemahan program: 

1. Belum mampu menangani kesalahan yang mungkin terjadi karena format file 

masukan yang tidak benar. 

2. Belum mampu menangani kesalahan yang diakibatkan oleh pengisian setting 

yang tidak benar oleh pemakai program. 

3. Apabila proses korelasi otomatis atau noise-filtering dijalankan, proses 

tersebut tidak dapat dibatalkan, padahal proses tersebut sangat lama. 

4. Berdasarkan percobaan dengan menggunakan citra daerah pegunungan, 

program ini belum mampu memberikan hasil yang baik untuk daerah dengan 

jangkauan elevasi lebih dari 1500 meter. Hal ini kemungkinan disebabkan 

karena besarnya window daerah selidik korelasi silang untuk daerah dengan 

jangkauan elevasi yang besar, sehingga kemungkinan kesalahan pemilihan 

titik yang bersesuaian (mismatch) semakin besar. 

Rencana perbaikan/penyempurnaan program : 

1. Memberikan kemampuan pada program untuk memanfaatkan model 

permukaan digital yang beresolusi rendah untuk membantu memprediksi 

koordinat pusat window korelasi untuk tiap piksel, sehingga daerah selidik 

korelasi silang dapat diperkecil. Diharapkan dengan kemampuan ini, program 

dapat memberikan hasil yang lebih baik untuk daerah dengan jangkauan 

elevasi yang besar serta mempercepat proses korelasi otomatis. 

2. Menyempurnakan prosedur-prosedur penanganan kesalahan yang mungkin 

terjadi sehingga program akan lebih stabil dan dapat diandalkan.

D. DESKRIPSI FORM PROGRAM 

FORM 1 

PEMBUKA PROGRAM DAN PEMILIHAN AKTIVITAS 

103 

Pilihan yang tersedia : 

1. Generate DEM. Melakukan pembuatan model permukaan digital. 

2. Test Matching Quality. Melakukan uji ketelitian korelasi silang. 

3. Filter and Correct DEM. Melakukan filter dan koreksi terhadap model 

permukaan digital yang belum difilter. Pilihan ini berguna untuk 

membandingkan metode-metode filtering. 

4. Check RMSEz. Melakukan uji ketelitian model permukaan digital yang telah 

digeoreferensikan menggunakan titik-titik cek. 

Tombol perintah : 

1. Next. Berpindah ke tahap selanjutnya. 

2. Close. Menghentikan program. 

3. About. Menampilkan kotak dialog yang berisi keterangan program.

FORM 2 

PEMUATAN CITRA DIGITAL ASTER LEVEL 1B 

Pilihan yang tersedia : tidak ada 

104 


1. Next. Berpindah ke tahap berikutnya. 

2. Back. Kembali ke tahap sebelumnya. 

3. Close. Menghentikan program. 

4. Help. Menampilkan penjelasan program. 

5. Load. Memilih file dan memuat citra ASTER dalam format ENVI secara 

interaktif.

FORM 3 

PENGATURAN PROSES PEMBUATAN MODEL PERMUKAAN DIGITAL 

105 


1. Project name. Menentukan nama-nama file yang akan dihasilkan. 

2. Elevation range. Menentukan elevasi maksimum dan minimum yang 

diharapkan 

3. DEM Resolution. Resolusi spasial dari model permukaan digital 

4. Noise Detection. Pemilihan metode deteksi noise 

5. Noise Elimination. Pemilihan metode eliminasi noise. 


1. Next. Berpindah ke tahap selanjutnya. 

2. Back. Kembali ke tahap sebelumnya 

3. Close. Menghentikan program 

4. Help. Menampilkan penjelasan program 

5. Advanced Options. Menampilkan kotak dialog pengaturan lanjut 

6. Browse. Memilih nama file secara interaktif. 

7. DEM Reg. Parameters. Menampilkan kotak dialog registrasi model 

8. Options (pada Noise Detection). Menampilkan kotak dialog pengaturan 

deteksi noise.

FORM 4 

REVIEW PILIHAN PENGATURAN PROSES DAN EKSEKUSI PROGRAM 

Pilihan yang tersedia : Tidak ada 


1. Generate. Melakukan proses pembuatan model permukaan digital 

2. Back. Kembali ke tahap sebelumnya. 

3. Close. Menghentikan program 


106

107 

FORM ADVANCED OPTIONS 

PENGATURAN LANJUT PROSES KORELASI SILANG DAN NOISE 

FILTERING 


1. Sub pixel accuracy. Mengaktifkan atau menon-aktifkan kemampuan 

interpolasi sub-piksel dalam proses korelasi silang. 

2. Override window sizes. Mengatur ukuran window daerah selidik dan daerah 

sasaran secara manual. 

3. Correlation threshold. Ambang batas minimal untuk koefisien korelasi yang 

dianggap berhasil. 

4. Apply noise filtering … times. Jumlah pengulangan noise filtering. 

5. Smooth filtered DEM using 3 x 3 smoothing kernel. Melakukan 

penghalusan model permukaan digital dengan menggunakan filter rerata 3 x 3 

piksel. 

6. Grid data format. Pilihan format data model permukaan digital. 


1. OK. Menutup kotak dialog dengan menerapkan pengubahan yang dilakukan. 

2. Cancel. Menutup kotak dialog dengan mengabaikan pengubahan yang 

dilakukan. 

3. Help. Menampilkan penjelasan program.

FORM REGISTRATION PARAMETERS 

PENGATURAN REGISTRASI MODEL 

108 

Pilihan yang tersedia: 

1. Create PTS File for DEM Registration. Mengaktifkan atau menonaktifkan 

fasilitas editing file GCP untuk registrasi model permukaan digital. 

2. 3N 2D GCPs. Nama file GCP 2 dimensi. 

3. Apply Elevation Correction. Mengaktifkan atau menon-aktifkan fasilitas 

koreksi elevasi model permukaan digital. 

4. 3N 3D GCPs. Nama file GCP 3 dimensi. 

5. Use tie points to register Band 3N to 3B. Mengaktifkan atau menonaktifkan 

fasilitas registrasi band 3B ke 3N. 

6. 3N-3B Tie Points. Nama file daftar titik ikat. 

7. Transformation type. Jenis transformasi yang digunakan dalam registrasi 

band 3B ke 3N. 




dilakukan. 


4. Browse. Melakukan pemilihan nama file secara interaktif.

FORM STANDARD DEVIATION 

PENGATURAN DETEKSI NOISE DENGAN SIMPANGAN BAKU LOKAL 

109 


1. Filter window size. Ukuran jendela filter. 

2. Deviation factor. Faktor pengali nilai simpangan baku sebagai ambang batas 

penentuan noise. 




dilakukan.

FORM MATCH TEST 

UJI KETELITIAN KORELASI OTOMATIS 


1. 3N Image. Nama file citra band 3N. 

2. 3B Image. Nama file citra band 3B. 

3. Point List. Nama file daftar koordinat titik yang bersesuaian. 

4. Report File. Nama file hasil uji ketelitian. 

5. Target window. Ukuran window daerah sasaran. 

6. Search window. Ukuran window daerah selidik. 

Tombol perintah: 

1. Match. Melakukan proses korelasi silang secara otomatis. 

2. Close. Menutup kotak dialog. 


4. Browse. Memilih nama file secara interaktif. 

110

FORM RMSEZ CHECKING 

PENGHITUNGAN RMSEz MODEL MENGGUNAKAN TITIK-TITIK CEK 

111 

Pilihan yang tersedia: 

1. Geocoded DEM. Nama file model permukaan digital yang telah 

tergeoreferensi. 

2. Checkpoints list. Nama file daftar titik cek. 

3. Report file. Nama file laporan hasil hitungan residual dan RMSEz. 

Tombol perintah: 

1. Calculate. Menghitung residual dan RMSEz. 

2. Close. Menutup kotak dialog. 


4. Browse. Memilih nama file secara interaktif.

DIAGRAM HIERARKI EKSEKUSI FORM 

PEMBUKA DAN 

PEMILIHAN AKTIVITAS 

1 : Check RMSEz 

2 : Generate DEM 

3 : Filter and Correct 

DEM 

4 : Test Matching Quality 

1 

4 

2 

PENGUKURAN 

RMSEz 

3 

PEMUATAN CITRA 

ASTER 

UJI KETELITIAN 

KORELASI SILANG 

PEMILIHAN TITIK IKAT 

DAN GCP3D 

PENGATURAN PROSES 

PEMBUATAN DEM 

PENGATURAN LANJUT 

PENGATURAN 

DETEKSI NOISE 

REVIEW DAN 

EKSEKUSI 

PROSES 

112 

112

LAMPIRAN H 

FLOWCHART MODUL PROGRAM 

KORELASI OTOMATIS DAN FILTERING 

113

FLOWCHART 

KORELASI OTOMATIS 

START 

Hitung rentang paralaks dari 

asumsi rentang elevasi yang 

diberikan 

Tentukan ukuran window daerah 

selidik berdasarkan rentang 

paralaks 

Hitung koordinat pusat daerah 

selidik 

Hitung koordinat pusat daerah 

selidik dengan menggunakan 

transformasi registrasi band 3N- 

3B untuk mengurangi paralaks x. 

Hitung koefisien korelasi untuk 

tiap daerah sasaran dalam 

daerah selidik 

Masukkan nilai koefisien ke 

dalam matriks untuk diurutkan 

1 2 

114 

Koefisien transformasi 

untuk registrasi band 

3B-3N 

j = jumlah piksel pada 

daerah selidik

i = jumlah piksel 

pada model 

permukaan 

digital 

1 2 

Tentukan posisi piksel dengan 

koefisien korelasi tertinggi 

Interpolasi posisi sub-piksel titik 

dengan koefisien korelasi 

tertinggi 

Hitung paralaks 

Hitung beda tinggi 

Masukkan ke buffer memory 

Tentukan kualitas piksel 

berdasarkan nilai ambang batas. 

Tulis log-file. 

STOP 

115

i = jumlah titik 

pada window 

filter 

FLOWCHART 

NOISE FILTERING 

START 

Tentukan ukuran DEM yang 

akan difilter 

Tentukan ukuran jendela noise 

filtering 

Hitung Standar Deviasi untuk 

nilai piksel dalam jendela filter 

Berdasarkan ambang batas, 

tentukan piksel yang dianggap 

noise 

tidak 

Noise? 

Hitung nilai median window filter 

Ganti nilai piksel noise dengan 

median 

3 

ya 

116

3 

Smoothing? 

ya 

tidak Koreksi? 

ya 

tidak 

Smoothing menggunakan filter 

rerata 3x3 

Baca koordinat GCP 3D 

Hitung koefisien parameter 

transformasi linier 

Hitung ulang elevasi titik dengan 

menggunakan transformasi linier 

Tulis DEM terfilter/terkoreksi ke 

dalam file data 

STOP 

117

Pembuatan Model Permukaan Digital dari Sumber Citra ASTER ...

Create successful ePaper yourself

Delete template?

Save as template?