ACARA III.

RADIOMETRIK
• Untuk Mememahami dasar koresksi
Radiometrik Pada L8
• Untuk Melakukan Kalibrasi Radiometrik
dengan TOA Reflektan dan TOA Radian pada
L8
• Untuk Memahami koreksi TOA reflektan
terkoreksi sudut matahari (Sun angle
correction) pada L8
 ACARA III.
RADIOMETRIK
• Koreksi radiometrik merupakan proses
memperbaiki nilai piksel pada citra satelit akibat
kesalahan radiometrik serta untuk meningkatkan
visualisasi citra. Beberapa kesalahan radiometrik
yang dapat menggeser nilai piksel/radiometrik
citra antara lain:
1. Kesalahan pada sistem optik kesalahan karena
perubahan kekuatan sinyal.
2. Kesalahan karena gangguan atmosferik.
3. Kesalahan karenan pengaruh sudut elevasi
matahari.
4.1. Kalibrasi Radiometrik
• Proses kalibrasi lebih kepada transformasi nilai piksel
untuk mendapatkan nilai spektral radian dan
reflektan.
• Proses kalibrasi ini bersifat optional.
• Spektral radian adalah jumlah energi/flux yang
diradiasikan oleh obyek dimuka bumi per unit
luasan pada sudut tertentu. Nilai dari spektral radian
ini memiliki satuan Watts/m2*srad*μm.
• reflektan adalah persentase energi yang dipantulkan
obyek dari total energi yang diterima obyek per
satuan luas. Nilai reflektan ini tidak memiliki satuan
dan biasanya diukur berdasarkan persentase (%).
• Dalam pengolahan data Landsat 8, kedua nilai ini
dapat dihitung dengan rumus sebagai berikut:
Reflektan  ρλ' = M *Qcal + A
ρ ρ

Dimana : M = faktor skala sedangkan A = faktor

p p

penambah
Dalam menghitung reflektan, tidak semua band dapat
digunakan.
Spektral Radian (Radiance)  Lλ = M *Qcal + A
L L

Dimana : M = faktor skala sedangkan A = faktor

p L

penambah.
4.1.1. konversi DN kedalam nilai reflaktan Top Of
Atmosfer (TOA) untuk data OLI

Dimana:
ρλ' = Reflektan TOA yang belum terkoreksi sudut matahari.
Mρ = faktor skala (Band-specific multiplicative rescaling factor )
Aρ = faktor penambah (Band-specific additive rescaling factor)
Qcal = Nilai piksel (DN)
4.1.1. konversi DN kedalam nilai radian

Keduan faktor tersebut dapat dilihat pada file metadata

citra, di mana dalam format tulisan metadata tersebut,
Mp adalah “RADIANCE_MULT_BAND_...”,
sedangkan AL adalah “RADIANCE_ADD_BAND_...”.
• 4.2.1. TOA reflektan terkoreksi sudut
matahari (Sun angle correction)
Sun angle correction, merupakan koreksi yang
dilakukan untuk memperbaiki nilai reflektan
yang error akibat posisi matahari.
nilai reflektan pada citra harus dikoreksi
dengan sudut elevasi matahari yang dihitung
berdasarkan waktu/musim perekaman data
citra.
Dimana :
ρλ = Reflektan TOA terkoreksi sudut matahari
ρλ' = Reflektan TOA tanpa korekasi sudut matahari
θSE = Sudut elevasi matahari (Local sun elevation angle).
θSZ = Local solar zenith angle; θSZ = 90° - θSE
 ACARA IV
KLASIFIKASI CITRA
• Klasifikasi adalah teknik pengolahan pada citra
dengan cara mengelompokkan piksel-piksel
kedalam sejumlah kelas, sehingga setiap kelas
memiliki pola-pola atau distribusi spasial yang
unik dan spesifik yang mencerminkan suatu
obyek atau informasi yang bermanfaat sesuai
dengan keperluan.
Klasifikasi dibagi ke dalam dua jenis teknik yaitu
a. Klasifikasi Supervised (Terbimbing)
Teknik ini dilakukan dengan prosedur
pengambilan sampel beberapa piksel untuk
masing-masing kelas/obyek. Sampel atau Region
Of Interest ini digunakan untuk mendapatkan
karakteristik nilai piksel di masing-masing
obyek/kelas. Kemudian seluruh piksel yang bukan
sebagai sampel akan dikelompokkan dengan
mengacu pada karakteristik nilai piksel sampel
yang telah diambil dengan menerapkan
perhitungan statistik.
b. Klasifikasi Unsupervised (Tidak Terbimbing)
Pada klasifikasi tidak terbimbing, pengklasifikasian
dimulai dengan pemeriksaan statistik seluruh piksel
dan membaginya kedalam kelas-kelas yang jumlahnya
telah ditentukan. Dalam teknik ini, piksel
dikelompokkan bukan atas dasar pengambilan sampel,
namun atas dasar perhitungan statistik citra
menggunakan algoritma klusterisasi. Dalam metode ini
diawali dengan penentuan jumlah kelas (cluster) yang
akan dibuat. Kemudian setelah kelas-kelas tersebut
dihasilkan, lalu didefinsikan sesuau dengan obyek yang
ingin diidentifikasi.
 ACARA V
UJI AKURASI
“GARBAGE IN GARBAGE OUT”
Hasil klasifikasi citra dapat dikatakan masih bersifat tentatif apabila belum
melakukan tahap proses uji akurasi.
Uji akurasi dalam suatu alur proses klasifikasi citra bertujuan untuk
mengetahui seberapa besar tingkat kebenaran dari model klasifikasi yang
telah dibuat.
Dalam melakukan uji akurasi, maka data lapangan sangat dibutuhkan
sebagai data pembanding. Data lapangan ini didapat dengan cara survei
lapangan (ground check) dengan mendatangi obyek-obyek yang
digunakan sebagai sampel. Pengambilan data sampel tentu harus memiliki
metode tersendiri agar sampel data lapangan dapat merepresentasikan
seluruh obyek
 Perhitungan metode error matrix pada masing-masing faktor
akurasi adalah sebagai berikut :

1. Akurasi keseluruhan (overall accuracy), dihitung dengan

membagi jumlah piksel benar (jumlah diagonal utama)
dengan jumlah total piksel dalam matriks kesalahan.
2. Akurasi produser (producer accuracy), dihitung dengan
membagi jumlah piksel benar dalam suatu kategori
dengan jumlah total piksel dan kolom kategori tersebut.
3. Akurasi pemakai (user accuracy), dihitung dengan
membagi jumlah piksel benar dalam suatu kategori
dengan jumlah total piksel dalam baris kategori
tersebut.
Ket : Veg (vegetasi), Tbr (tubuh air) dan Pmk
(pemukiman)
Akurasi keseluruhan = 100/127 = 78%
Akurasi produser (memperhitungkan
kesalahan omisi)
Veg = 45/50 = 90% 10% kesalahan omisi
Tbr = 25/36 = 69% 31% kesalahan omisi
Pmk = 30/41 = 75% 15% kesalahan omisi
Akurasi pemakai (memperhitungkan kesalahan
komisi)
Veg = 45/60 = 75% 15% kesalahan komisi
Tbr = 25/33 = 76% 24% kesalahan komisi
Pmk = 30/33 = 91% 9% kesalahan komisi
 ACARA VI
TRANSFORMASI SPEKTRAL
Transformasi citra bertujuan untuk
memperoleh informasi baru. Transformasi
dikelompokkan menjadi dua
1. Transformasi yang dapat mempertajam
informasi tertentu namun sekaligus
menghilangkan atau menekan informasi yang
lain.
2. Transformasi yang meringkas informasi
dengan cara mengurangi dimesionalitas data.
 Indeks Vegetasi
• Indeks vegetasi dikembangkan berdasarkan
feature space (ruang spektral) tiga saluran
hijau, merah dan infra merah dekat :
RVI (Ratio Vegetation Index)
Normalized Diffrence Vegetation Index

Transformed Vegetation Index

• Modified Soil Advanced Vegetation

• Index-2 (MSAVI-2) VARIGreen (Visible

Atmospherically Resistant Index),
• Enhanced Vegetation Index-2 Simple Ratio
(SR),