Claim Missing Document
Check
Articles

Found 19 Documents
Search

PEMBUATAN MODEL ELEVASI DIGITAL DARI STEREOPLOTTING INTERAKTIF FOTO UDARA FORMAT SEDANG DENGAN KAMERA DIGICAM Pranadita, Sekar; Harintaka, Harintaka
GEOMATIKA Vol 19, No 2 (2013)
Publisher : Badan Informasi Geospasial in Partnership with MAPIN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24895/JIG.2013.19-2.202

Abstract

Saat ini, teknologi fotogrametri telah berubah menjadi sistem “full digital”, dimulai dari akuisisi data hingga pengolahan akhir. Fotogrametri adalah teknik untuk memproduksi berbagai data spasial, seperti data orthophoto dan Digital Elevation Model (DEM). DEM dapat dihasilkan dengan stereoplotting interaktif atau secara otomatis. Keuntungan penggunaan stereoplotting interaktif adalah diperoleh data 3D dengan akurasi tinggi serta obyek-obyek yang diinginkan. Penelitian ini ditujukan untuk mengkaji tingkat akurasi data DEM yang diekstrak dari Foto Udara Format Medium (FUFM) dengan metode interaktif stereoplotting. Penelitian ini memanfaatkan “digicam” digital kamera untuk akuisisi foto dan perangkat lunak DAT/EM Summit Evolution software untuk pengolahan data foto. Lokasi penelitian adalah di sekitar Kampus Universitas Gadjah Mada Yogyakarta, yang relatif datar. Hasil penelitian menunjukkan bahwa rata-rata perbedaan ketinggian antara stereoplotting interaktif dan pengukuran LiDAR adalah 0,876 m. Perbedaan ketinggian minimum dan maksimum adalah 0,005 m dan 2,915 m. Penelitian ini memanfaatkan 113 titik uji yang terletak di seluruh Kampus UGM.Kata Kunci: DEM, Foto Udara Format Medium, interaktif stereoplotting, akurasi tinggiABSTRACTCurrently, fotogrammetry technology has been transformed into fully digital system, started in data acquisition until final processing. Fotogrammetry is well known in producing various spatial data, such as orthophoto and Digital Elevation Model (DEM). DEM can be generated by using interactive or automatic stereoplotting procedure. The most advantages of applying an interactive stereoplotting is that the 3D data and desired objects can be obtained in high accuracy. This paper examined the accuracy of DEM data extracted from medium format aerial photo (FUFM) by interactive stereoplotting method. This research utilized “digicam” digital camera for aerial photo acquisition and DAT/EM Summit Evolution software for processing the aerial photos. The research area was located at around Universitas Gadjah Mada Campus, Yogyakarta which has a relatively flat terrain. The results showed that average elevation discrepancy between interactive stereoplotting and LiDAR measurement was 0.876 meters. The minimum and maximum elavation discrepancies were 0.005 meters and 2.915 meters, respectively. This study utilized 113 test points located arround UGM Campus.Keywords: DEM, Medium Format Aerial Photo, interactive stereoplotting, high accuracy
IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI TANAMAN PADA CITRA RESOLUSI TINGGI Arrofiqoh, Erlyna Nour; Harintaka, Harintaka
GEOMATIKA Vol 24, No 2 (2018)
Publisher : Badan Informasi Geospasial in Partnership with MAPIN

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (995.419 KB) | DOI: 10.24895/JIG.2018.24-2.810

Abstract

Citra resolusi tinggi dari teknologi UAV (Unmanned Aerial Vehicle) dapat memberikan hasil yang baik dalam ekstraksi informasi sehingga dapat digunakan untuk monitoring dan updating data suatu wilayah. Pengambilan informasi dari citra dengan interpretasi visual sangat bergantung pada interpreter. Kendala utama interpretasi secara manual adalah saat melakukan pengenalan objek secara visual, khususnya pada objek tanaman pertanian. Kesalahan hasil asumsi interpreter dapat terjadi ketika citra yang diekstraksi memiliki objek yang kompleks dan memiliki karakter fisik yang hampir mirip apabila dilihat dari foto udara yang hanya memiliki band RGB (Red, Green, dan Blue). Penelitian ini mencoba mengimplementasikan pendekatan klasifikasi semantik secara otomatis yang dapat membedakan jenis tanaman sebagai alternatif pengenalan objek berdasarkan metode deep learning menggunakan Convolutional Neural Network (CNN). Metode CNN merupakan salah satu metode deep learning yang mampu melakukan proses pembelajaran mandiri untuk pengenalan objek, ekstraksi objek dan klasifikasi serta dapat diterapkan pada citra resolusi tinggi yang memiliki model distribusi nonparametrik. Pada penelitian ini, diterapkan algoritma CNN untuk membedakan jenis tanaman dengan memberikan label semantik dari objek jenis tanaman. Penelitian menggunakan 5 kelas jenis tanaman, yaitu kelas tanaman padi, bawang merah, kelapa, pisang, dan cabai. Proses learning jaringan menghasilkan akurasi 100% terhadap data training. Pengujian terhadap data validasi menghasilkan akurasi 93% dan akurasi terhadap data tes 82%. Hasil penelitian ini menunjukkan bahwa penggunaan metode CNN berpotensi untuk pendekatan pengenalan objek secara otomatis dalam membedakan jenis tanaman sebagai bahan pertimbangan interpreter dalam menentukan objek pada citra.
EVALUASI HASIL INTEGRASI BERBAGAI KETELITIAN DATA MODEL ELEVASI DIGITAL Mukti, Fanny Zafira; Harintaka, Harintaka; Djurdjani, Djurdjani
GEOMATIKA Vol 24, No 1 (2018)
Publisher : Badan Informasi Geospasial in Partnership with MAPIN

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1397.192 KB) | DOI: 10.24895/JIG.2018.24-1.793

Abstract

Data DEM yang dapat diakses dan digunakan dengan gratis antara lain adalah Shuttle Radar Topography Mission (SRTM) dan Advanced Spaceborne Thermal Emission and Reflection Radiometer Global DEM (ASTER GDEM). Kedua data tersebut mencakup seluruh wilayah di Indonesia, namun ketelitian dan resolusinya rendah, serta masih mengandung kesalahan tinggi. Selain data DEM global, data DEM dapat diperoleh dari hasil perekaman sensor Radio Detection and Ranging (RADAR), Light Detection and Ranging (LIDAR), maupun hasil stereoplotting foto udara dan citra satelit. Masing-masing data tersebut memiliki karakteristik seperti terdapatnya pit dan spire, diskontinuitas pada daerah sambungan dan ketelitian data yang bervariasi. Keberagaman karakteristik pada masing-masing sumber data tersebut dapat menyebabkan inkonsistensi nilai ketinggian antar sumber data. Pada penelitian ini dilakukan pembuatan DEM dengan data DTM Rupa Bumi Indonesia (RBI) skala 1:50.000 dan data DTM Interferometric Synthetic Aperture Radar (IFSAR) di Pulau Kalimantan yang dapat mengatasi inkonsistensi ketinggian tersebut. Metode yang digunakan adalah integrasi dan fusi DEM pada mozaik data-data ketinggian. Pada daerah yang bertampalan, dilakukan dua skenario mozaik yaitu mozaik tanpa bobot dan mozaik berbobot. Uji akurasi vertikal dilakukan dengan menggunakan standar Peraturan Kepala BIG Nomor 15 Tahun 2014 tentang Pedoman Teknis Ketelitian Peta Dasar. Penelitian ini menghasilkan mozaik data DTM yang seamless dan smooth menggunakan metode mozaik berbobot dengan akurasi vertikal sebesar 2,065 meter. Hasil mozaik tanpa bobot masih memiliki beberapa daerah yang tidak seamless dan smooth dengan akurasi vertikal sebesar 2,257 meter. Berdasarkan Tabel Ketelitian Geometri Peta RBI dalam PerKa BIG Nomer 15 Tahun 2014, kedua hasil mozaik tersebut masuk dalam skala 1:10.000. 
PERBANDINGAN RAGAM INPUT MODEL KETINGGIAN UNTUK PEMBENTUKAN TRUE ORTHOPHOTO DI WILAYAH URBAN juniati, eli; Harintaka, Harintaka
GEOMATIKA Vol 24, No 2 (2018)
Publisher : Badan Informasi Geospasial in Partnership with MAPIN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24895/JIG.2018.24-2.809

Abstract

Sejak dikemukakan pendekatan produksi orthophoto secara digital pada tahun 1988, tahun 1991 USGS (United States Geological Survey) memproduksi orthophoto digital sebagai program nasional. Terminologi orthoimage atau orthophoto merupakan proses untuk mengeliminir perspektif image dan koreksi pergeseran relief yang disebabkan oleh kondisi terrain, untuk menghasilkan image atau foto pada proyeksi orthogonal atau membuat kondisi foto menjadi tegak. Dengan demikian orthophoto tersebut memiliki skala yang konsisten dan dapat digunakan untuk menghasilkan peta planimetris. Namun, di area urban dengan keberagaman ketinggian bangunan, produksi dengan metode orthophoto akan menyebabkan efek bangunan rebah dan menutupi detil objek lain seperti jalan dan fasilitas umum. Hal tersebut dapat diatasi dengan pembentukan true-orthophoto. Terminologi true-orthophoto akan mengikutsertakan elemen surface di model ketinggian pada proses proyeksi orthogonal. Manuskrip ini membandingkan pembentukan true-orthophoto dengan beragam input model ketinggian, berupa DSM dari LiDAR, Digital Building Model (DBM) dan DSM hasil image matching, untuk melihat hasil true-orthophoto yang paling optimum. Pengerjaannya diawali dengan menyamakan sistem referensi, orthorektifikasi dan deteksi occluded yang akan menghasilkan orthophoto utama dan slave-orthophoto, koreksi radiometrik, kemudian proses refilling, pembentukan serta penghalusan mosaik. Secara geometri penggunaan ragam input ketinggian memberikan kualitas yang memenuhi standar peta dasar, namun untuk kualitas visual terbaik diperoleh dengan menggunakan input DBM yang dikombinasikan dengan DSM LiDAR. Penggunaan DSM LiDAR saja dapat juga menghasilkan true-orthophoto dengan kualitas visual baik dengan mengubah format model ketinggian menjadi TIN. Dibahas juga kelebihan dan kekurangan dari penggunaan ragam input model ketinggian.
KAJIAN TEKNIK STEREO PLOTTING PADA FOTO UDARA FORMAT KECIL UNTUK MENGHASILKAN DATA DTM Harintaka, Harintaka
GEOMATIKA Vol 26, No 2 (2020)
Publisher : Badan Informasi Geospasial in Partnership with MAPIN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24895/JIG.2020.26-2.1171

Abstract

Pada fotogrametri, untuk menghasilkan data Digital Terrain Model (DTM) dari foto udara dilakukan dengan cara stereo plotting. Ada dua cara stereo plotting, cara interaktif dan otomatis. Cara interaktif memerlukan waktu yang lama bagi operator untuk melihat dan mendeliniasi dalam ruang 3D untuk menghasilkan posisi tiga dimensi (3D) objek dalam sistem koordinat tanah. Cara otomatis adalah melakukan proses stereo matching  dengan salah satunya menggunakan algoritma korelasi silang. Pada cara otomatis ini, setiap pasangan foto stereo diidentifikasi objek yang sama secara otomatis, kemudian dihitung koordinat 3D-nya menggunakan persamaan space intersection. Penelitian ini mengkaji penggunaan kedua teknik tersebut pada Foto Udara Format Kecil (FUFK) untuk menghasilkan data DTM dan dibandingkan hasilnya. Pada penelitian ini digunakan satu blok pemotretan udara yang terdiri dari lima jalur terbang, dengan setiap jalur terdiri dari 40 foto. Setelah dilakukan hitungan triangulasi udara, pasangan – pasangan foto stereo dipilih dan dibentuk epipolar image. Kemudian proses stereo plotting secara interaktif dan otomatis diterapkan dan dibandingkan hasilnya. Hasil kajian menunjukkan data DTM yang dihasilkan antara teknik stereo plotting interaktif dan otomatis adalah mirip, tetapi tidak identik. Ini terjadi terutama di daerah campuran dengan tajuk pohon rapat. Keunggulan teknik stereo plotting interaktif adalah hasil sangat akurat dan tanpa memerlukan tahapan editing lagi, sedangkan teknik otomatis adalah kecepatan proses tetapi masih memerlukan editing.
Integration of the latest Digital Terrain Model (DTM) with Synthetic Aperture Radar (SAR) Bathymetry Atriyon Julzarika; Trias Aditya; S Subaryono; H Harintaka; Ratna Sari Dewi; Luki Subehi
Journal of Degraded and Mining Lands Management Vol 8, No 3 (2021)
Publisher : Brawijaya University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.15243/jdmlm.2021.083.2759

Abstract

Topography and bathymetry integration is one of the essential things in providing height data. So far, the topography and bathymetry problems are the lack of height data availability, not up to date, and low vertical accuracy. The latest DTM is one of the topography data with up to date elevation with a spatial resolution of 5 m. Bathymetry extracted from SAR images. It is an alternative depth data for ocean bathymetry and inland water bathymetry. Topography and bathymetry integration is required to obtain comprehensive height data. This study aimed to integrate the latest DTM with SAR bathymetry. The method used in this integration was DEM integration. The method combined the latest DTM data with SAR bathymetry based on the correlation of the two data's standard deviation. The integration of the latest DTM with SAR bathymetry needs to consider differences in height reference fields. Two integration studies were conducted in this research-the latest DTM integration with ocean bathymetry for Rote Island. Then the integration of the latest DTM with inland water bathymetry in Lake Singkarak. The result of the integration is necessary to check the surface by generating longitudinal and cross-section profiles. Integrating the latest DTM and SAR bathymetry can be used for various mapping surveys on lands and waters.
PEMANFAATAN TEKNOLOGI UAV (UNMANNED AERIAL VEHICLE) UNTUK IDENTIFIKASI DAN KLASIFIKASI JENIS - JENIS KERUSAKAN JALAN Iradaf Mandaya; Harintaka Harintaka
Rekayasa Sipil Vol 14, No 3 (2020)
Publisher : Department of Civil Engineering, Faculty of Engineering, University of Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21776/ub.rekayasasipil.2020.014.03.1

Abstract

Roads are means of transportation that play an important role in supporting people's lives such as economic, social, educational and cultural activities. In its service, the age of road is often not as planned because it has damage to the surface layer. Maintenance, repair and rehabilitation efforts are needed. However, before that steps are needed to identify each type and level of damage that occurs so that recommendations can be proposed for improvement. Road distresses identification is still done manually by surveyors who fill out forms and sketches of road distress. On the other hand, UAV (Unmaned Aerial Vehicle) which have many advantages, such as: save time, money, labor and able to produce a geographical database for transportation issue. In this research data acquisition use automatic mode along road corridor. Aerial photo data is processed and analyzed by using SfM (structure from Motion) software to produce DSM (Digital Surface Model) and orthophoto. DSM is used to determine the depth profile of road distress. While the orthophoto results are then used in the process of visual interpretation to identify road distress. This research using quadcopter platform using digital camera with flight altitude less than 20 metres to obtain precise DSM and orthophoto. The results obtained by several types of road distress can be identified by using UAVs in the form of alligator cracking, potholes, edge cracking, shoving and depression. This type of road distress classification was obtained based on visual interpretation obtained an accuracy rate of 96.36 %.
Penggunaan Generic Atmospheric Correction Online Service For InSAR (GACOS) Pada Pemantauan Penurunan Muka Tanah di Kota Semarang Metode Persistent Scatterer Interferometric Synthetic Aperture Radar Reyhan Azeriansyah; Harintaka Harintaka
Elipsoida : Jurnal Geodesi dan Geomatika Vol 2, No 01 (2019): Volume 02 Issue 01 Year 2019
Publisher : Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (685.397 KB) | DOI: 10.14710/elipsoida.2019.4651

Abstract

Wilayah pesisir merupakan tempat yang potensial dalam bermukim dan memanfaatkan sumber daya alam. Kemudahan akses dan daerah yang berpotensi untuk dikelola sehingga sebagian besar permukiman padat penduduk berada di wilayah tersebut. Salah satu akibat dari aktivitas dapat dilihat pada wilayah pesisir seperti Kota Semarang yang mengalami penurunan muka tanah yang disebabkan berbagai faktor alam dan buatan manusia. Metode pengamatan yang sering dilakukan untuk fenomena ini adalah pengamatan GNSS. Interval jarak yang terlalu jauh antar stasiun menyebabkan beberapa area tidak tercakup dalam pengamatan penurunan muka tanah dengan pengamatan GNSS receiver. Salah satu solusi yang dapat digunakan adalah dengan memanfaatkan teknologi Interferometric Synthetic Aperture Radar (InSAR) secara multi-temporal yang disebut Persistent Scatterer Interferometric Synthetic Aperture Radar (PS-InSAR). Pada aplikasinya, PS-InSAR memiliki permasalahan berupa kesalahan troposfer yang menyebabkan percepatan atau pelambatan sinyal pada sensor SAR saat melakukan akuisisi yang terkandung pada tiap citra Synthetic Aperture Radar (SAR). Metode koreksi troposfer Generic Atmospheric Correction Online Service for InSAR (GACOS) yang digunakan pada metode PS-InSAR akan dapat mengeliminasi efek troposfer pada masing-masing citra sehingga kesalahan dapat diminimalkan dan mengoptimalkan kerja metode PS-InSAR. Berdasarkan hasil PS-InSAR sebelum dan sesudah terkoreksi menunjukkan bahwa wilayah di Kota Semarang yang mengalami penurunan muka tanah terbesar adalah Kecamatan Genuk, Kecamatan Pedurungan dan Semarang Timur. Secara statistik menunjukkan GACOS mampu mempengaruhi hasil PS-InSAR.
Ekstraksi Fitur Bangunan Secara Cepat pada Foto UAV Menggunakan Metode Deep Residual Neural Network Berbasis FCN Danang Setiaji; Harintaka Harintaka
Elipsoida : Jurnal Geodesi dan Geomatika Vol 2, No 01 (2019): Volume 02 Issue 01 Year 2019
Publisher : Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1157.996 KB) | DOI: 10.14710/elipsoida.2019.4883

Abstract

Dalam beberapa dekade terakhir, teknologi penginderaan jauh menjadi salah satu teknik yang paling bagus untuk akuisisi data pada area luas tanpa perlu melakukan survey langsung di lapangan dengan tingkat kedetailan yang tinggi. Dengan perubahan tutupan lahan yang semakin cepat dan dinamis diperlukan teknologi yang dapat menghasilkan data dengan tingkat kedetailan tinggi,murah dan dapat menghasilkan data dalam waktu yang cepat. Salah satu produk penginderaan jauh tersebut adalah Foto Udara dengan teknologi pesawat tanpa awak (UAV). Teknologi ini mampu menghasilkan output data spasial detail dengan biaya relatif murah, cepat dan terkini. Salah 1 unsur yang cepat berubah di wilayah perkotaan adalah pada pertambahan objek bangunan. Dalam pembuatan bangunan tersebut harus dilengkapi dengan syarat keterangan ijin mendirikan bangunan (IMB) dari instansi terkait. Ketentuan ijin ini tidak terlepas dari aturan RDTR dan PZ yang berlaku serta hanya boleh didirikan pada zonasi yang diijinkan. Dengan kebutuhan data informasi fitur bangunan yang cukup banyak dan mendesak, diperlukan metode ekstraksi yang cepat juga. Metode yang saat ini berkembang pesat adalah ekstraksi otomatis menggunakan teknologi deep learning. Metode yang digunakan adalah Fully Convolutional Network (FCN) dengan arsitektur Residual Neural network (ResNet). Dalam penelitian ini akurasi ekstraksi pada fitur bangunan dapat mencapai 95% dan dapat melakukan ekstraksi pada satu NLP skala 1 : 5.000 dengan cepat. Metode ini dapat menghasilkan ekstraksi pada image seperti foto udara dengan cepat dan akurat. 
Kajian Kehandalan Hasil Ekstraksi Bangunan Secara Otomatis Menggunakan Data Ortofoto dan LiDAR di Kota Pontianak Handoko Dwi Julian; Harintaka Harintaka
Elipsoida : Jurnal Geodesi dan Geomatika Vol 2, No 02 (2019): Volume 02 Issue 02 Year 2019
Publisher : Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/elipsoida.2019.5146

Abstract

Strategi dalam melakukan klasifikasi berbasis objek terutama diwilayah perkotaan dalam beberapa dekade ini dapat dilakukan dengan menggunakan berbagai metode dan melibatkan beberapa data selama proses klasifikasi berlangsung. Beberapa penelitian hampir sebagian besar hanya menggunakan data citra foto udara saja dalam melakukan ekstraksi objek bangunan namun ekstraksi objek bangunan terutama di wilayah perkotaan jika hanya memanfaatkan data ortofoto, dianggap belum optimal diimplementasikan pada klasifikasi berbasis objek. Kajian dalam melakukan ekstraksi bangunan tidak hanya dilakukan dengan memanfaatkan data foto udara namun juga dapat memanfaatkan data pada LiDAR seperti nilai ketinggian dan nilai intensitas pada LiDAR. Nilai ketinggian dan nilai intensitas LiDAR yang diekstraksi dari data point cloud dijadikan sebagai nilai ambang batas selama proses klasifikasi berlangsung. Ambang batas tiap kelas nilai intensitas LiDAR yang diekstrak dari point cloud juga diterapkan selama proses klasifikasi berlangsung. Klasifikasi ekstraksi objek bangunan menggunakan metode segmentasi algorithma segmentation multiresolution dimana citra foto udara terlebih dahulu dilakukan segmentasi yang selanjutnya dilakukan proses klasifikasi berbasis objek secara otomatis. Data point cloud LiDAR khususnya nilai intensitas LiDAR digunakan untuk memaksimalkan hasil klasifikasi selama proses klasifikasi berjalan sehingga menghasilkan hasil yang optimal. Berdasarkan dari penelitian, hasil ekstraksi bangunan secara otomatis yang dibandingkan dengan hasil deliniasi manual ( onscreen digitizing)  menghasilkan akurasi 92. 441 %. Berdasarkan hasil ekstraksi objek bangunan menunjukkan akurasi yang baik pada bangunan yang memiliki tingkat kerapatan yang tinggi.