TUGAS 1

SISTEM PENGINDERAAN JAUH

KOREKSI RADIOMETRIK

Disusun Oleh :
HILMIYATI ULINNUHA

PASCA SARJANA TEKNIK GEODESI - GEOMATIKA

FAKULTAS TEKNIK
UNIVERSITAS GADJAH MADA
YOGYAKARTA
2014

Koreksi Radiometrik
1. Pengertian
Dalam pengolahan citra terdapat dua macam koreksi, yaitu koreksi radiometrik dan
koreksi geometrik. Koreksi radiometrik yaitu suatu teknik perbaikan data citra untuk
menghilangkan efek yang ditimbulkan karena ketidaksempurnaan sensor dan atmosperik
yang mengakibatkan kenampakan tidak tajam (Supriatna dan Sukartono, 2002). Koreksi
radiometrik dilakukan berdasarkan dua alasan, yaitu

memperbaiki kualitas visual citra

memperbaiki nilai pixel yang tidak sesuai dengan keadaan sebenarnya

Koreksi radiometrik sebagai pengukuran nilai radiasi elektromagnetik pada panjang

gelombang tertentu dari sinar ultraviolet, sinar tampak, inframerah hingga radiasi
gelombang mikro yang digunakan untuk mendeteksi objek dari pantulan refleksi irradiant
sinar matahari disetiap kanal spektral.Manfaat dari koreksi radiometrik adalah
memperbaiki kualitas citra akibat dari kesalahan pantulan permukaan atau kelengkungan
bumi dan faktor lain, seperti arah sinar matahari, kondisi cuaca, kondisi atmosfer dan
faktor lainnya, sehingga informasi yang dihasilkan menjadi lebih akurat, seperti dapat
memperkirakan perbedaan parameter biofisik tanaman (biophysical vegetation. Selain itu,
koreksi radiometrik sangat bermanfaat untuk menganalisis data mutitemporal dan multi
sensor yang digunakan untuk interpretasi dan mendeteksi perubahan secara kontinu.

2. Sumber Kesalahan Radiometrik

Citra satelit pada umumnya mengandung nilai Dijital Number (DN) asli yang belum
diproses berdasarkan nilai spektral radian sesungguhnya yang berdampak pada hasil
informasi yang kurang akurat. Hal ini disebabkan oleh perbedaan nilai sudut
perekaman,lokasi matahari, kondisi cuaca dan faktor pengaruh lainnya. Oleh karena itu
perlu dilakukan koreksi radiometrik untuk memperbaiki nilai piksel dengan cara
mengkonversi nilai DN menjadi nilai unitspektral reflektan (reflectance).Proses koreksi
radiometrik dikelompokkan menjadi 3 kelompok utama, yaitu :
a.

Koreksi radiometrik akibat pengaruh kesalahan faktor internal sensor (koreksi

radiometri sistematik)

b.

Koreksi radiometrik akibat pengaruh kesalahan faktor eksternal (reflectance)

c.

Koreksi atmosfer

Sistem Penginderaan Jauh

Page 2

Koreksi radiometrik akibat pengaruh kesalahan faktor internal sensor sering disebut
sebagai koreksi radiometrik sistematik. Pada umumnya produk standar data citra optik
resolusi menengah sudah dilakukan koreksi radiometrik sistematik. Namun informasi dari
hasil koreksi sistematik belum sesuai dengan kondisi objek sesungguhnya dikarenakan
pada saat radiasi elektromagnetik direkam oleh sensor satelit, radiasi elektromagnetik telah
melewati atas

atmosfer dan atmofer bumi sebanyak dua kali, yaitu pada saat sinar

matahari mengenai objek dan pada saat objek merefleksikannya ke sensor. Pada proses ini
telah terjadi absorpsi dan penghamburan radiasi yang arahnya dapat berubah. Oleh karena
dampak dari proses ini adalah adanya effect haziness yang mengurangi kontras citra dan
effect adjacency yang mana nilai radian direkam berdasarkan dari penggabungan dari nilai
hamburan piksel yang terdekat. Untuk mengurangi efek tersebut, maka perlu untuk
dilakukan koreksi akibat kesalahan faktor eksternal dan koreksi atmosfer.
Koreksi radiometri akibat pengaruh kesalahan faktor eksternal adalah koreksi
radiometri yang disebabkan oleh perbedaan posisi matahari, sudut perekaman, dan
topografi wilayah. Sedangkan proses koreksi radiometri karena faktor eksternal atmosfer
meliputi koreksi atmosfer atas (Top of Atmosphere), BRDF (Bidirectional Reflectance
Difference Function), dan Slope Correction. Hasil dari koreksi radiometri karena faktor
eksternal biasanya berupa nilai

reflectanceobjek yang merupakan rasio dari radian

terhadap irradian.
Kesalahan karena ketidak sempurnaan sensor yang menjadi sumber kesalahan
radiometrik adalah sebagai berikut :

Kesalahan Hilangnya Garis (Line drop-out)

Kesalahan hilangnya garis terjadi karena salah satu detektor tidak berfungsi atau mati
selama proses penyiaman sehingga piksel dalam salah satu garis bernilai nol (hitam).
Masalah ini sangat serius karena tidak mungkin memperbaiki data yang tidak pernah
diambil. Namun, agar kemampuan tafsiran secara visual atas data tersebut dapat
ditingkatkan, dapat dimasukkan nilai kecerahan estimasi pada setiap garis rusak tersebut.
Untuk menentukan lokasi garis rusak itu dibuat suatu algoritma ambang sederhana untuk
menandai setiap garis yang mempunyai nilai kecerahan rata-rata bernilai nol atau
mendekati nol.
Jika telah teridentifikasi, koreksi diberikan dengan memasukkan nilai kecerahan ratarata bulat dari nilai piksel garis tetangga-tetangga sebelahnya pada garis rusak itu. Citra

Sistem Penginderaan Jauh

Page 3

dengan data hasil interpolasi tersebut lebih mudah ditafsirkan daripada citra yang
mempunyai garis-garis hitam yang tersebar di seluruh bagiannya.

Kesalahan Striping Garis Dan Banding

Kesalahan striping terjadi karena salah satu detektor tidak terkoreksi secara benar
sehingga data hasil

rekamannya berbeda

dengan detektor lainnya. Misalnya,

pembacaannya menjadi dua kali lebih besar daripada detektor lainnya pada band yang
sama. Data tersebut sah tapi harus dikoreksi agar memiliki kontras yang sama dengan
detektor lainnya untuk setiap penyiaman. Untuk itu, garis yang salah dapat diidentifikasi
dengan menghitung histogram nilai setiap detektor pada daerah yang homogen, misalnya
pada badan air. Jika rata-rata atau mediannya sangat berbeda dari lainnya, diperkirakan
detektor tersebut belum terkoreksi. Untuk itu, diberi koreksi bias (menambah atau
mengurangi) atau koreksi multiplikasi (perkalian).
Beberapa sistem penyiam, seperti Landsat TM, terkadang menimbulkan jenis derau
garis-penyiaman yang unik, yang merupakan fungsi dari (1) perbedaan relatif hasil
dan/atau offset (ketidak-tepatan posisi detektor) di antara ke 16 detektor dalam suatu band
(menyebabkan striping) dan/atau (2)

adanya variasi (ketidak-samaan gerakan) antara

proses penyiaman saat maju dan saat mundur (menyebabkan kesalahan yang disebut
banding). Koreksi diberikan dengan metode filtering atau transformasi Fourier.

Kesalahan Awal Garis (line- start)

Kesalahan line-start terjadi karena sistem penyiam gagal merekam data pada awal
baris. Atau, dapat juga sebuah detektor tiba-tiba berhenti merekam data di suatu tempat
sepanjang penyiaman sehingga hasilnya mirip hilangnya garis. Idealnya, jika data tidak
terrekam, sistem sensor diprogram untuk mengingat apa saja yang tidak terrekam lalu
menempatkan setiap data yang baik pada lokasi yang tepat selama penyiaman. Namun, hal
itu tidak selalu terjadi. jika pergeseran awal garis terjadi secara acak, restorasi data sulit
dilakukan tanpa interaksi manusia secara ekstensif dalam koreksi basis garis-per-garis.

3. Metode Koreksi Radiometrik

Terdapat beberapa cara untuk melakukan koreksi radiometrik pada citra, diantaranya yaitu
a. Metode Penyesuaian Histogram
Metode penyesuaian histogram merupakan metode yang paling sederhana. Metode ini
hanya melihat histogram tiap saluran secara independen. Dari histogram dapat diketahui
Sistem Penginderaan Jauh

Page 4

nilai pixel terendah saluran tersebut. Penyesuaian histogram (Histogram Adjusment)

meliputi evaluasi histogram pada setiap band dari data penginderaan jauh. Biasanya data
pada panjang gelombang tampak (TM saluran 1-3) mempunyai nilai minimum yang lebih
tinggi karena dipengaruhi oleh hamburan atmosfer. Sebaliknya penyerapan atau absorbsi
pada atmosferakan mengurangi kecerahan pada data yang direkam dalam interval panjang
gelombang yang lebih besar seperti TM 4,5,7. Sehingga data pada band ini nilai
minimumnya mendekati nol.
Dari histogram biasa dilihat (DIK) nilai piksel terendah. Asumsi bahwa dalam proses
koding digital oleh sensor bahwa obyek yang memberikan respon spektral terlemah atau
tidak memberikan respon sama sekali seharusnya nilainya 0 (nol). Apabila nilainya
ternyata lebih besar (>0) dari 0 (nol) nilai tersebut dihitung sebagai offset. Koreksi
dilakukan dengan mengurangkan keseluruhan nilai pada saluran tersebut dengan
offsetnya. Dengan kata lain besarnya offset menunjukkan besarnya pengaruh gangguan
oleh atmosfir. Pada prinsipnya algoritma ini mengurangi nilai bias dengan nilai bias nilai
kecerahan pada band tertentu. Contoh koreksi radiometrik dengan penyesuaian histogram
pada gambar.1.

Gambar.1. Contoh Metode Penyesuaian Histogram (Kartini, 2012)

b. Penyesuaian Regresi
Penyesuaian regresi (Regression Adjusment) diterapkan dengan memplot nilai-nilai
pixel hasil pengamatan dengan beberapa saluran sekaligus. Hal ini diterapkan apabila ada
saluran rujukan (yang relatif bebas gangguan) yang menyajikan nilai nol untuk obyek
tertentu. Kemudian tiap saluran dipasangkan dengan saluran rujukan tersebut untuk
membentuk diagram pancar nilai pixel yang diamati. Cara ini banyak mengalami

Sistem Penginderaan Jauh

Page 5

gangguan atmosfer yang terjadi hampir pada semua spektra tampak dan saluran
(Danoedoro, 1996).
Penyesuaian regresi pada prinsipnya menghendaki analisis untuk mengidentifikasi
objek bayangan atau air jernih pada citra yang akan dikoreksi. Nilai kecerahan pada objek
dari setiap saluran di plotkan dalam sumbu koordinat secara berlawanan arah antara
saluran tampak (seperti TM saluran 1, 2, 3) dan saluran infra merah (seperti TM 4,5,7).
Pada diagram ini garis lurus dibuat menggunakan teori least.square. Perpotongannya
dengan sumbu X akan menunjukkan besarnya nilai bias demikian seterusnya untuk saluran
yang lain. Penyesuaian ini melewati beberapa tahap, dan hasilnya tidak selalu naik. Hal ini
disebabkan karena tidak setiap citra mempunyai nilai objek yang ideal untuk dikoreksi,
seperti air jernih atau bayangan awan. Dibandingkan dengan teknik penyesuaian histogram
hasilnya tidak jauh berbeda. (Danoedoro, 1996).

DPC (Dark Pixel Correction)

Jika tidak ada atmosfer, bayangan pada semua permukaan bumi akan sepenuhnya hitam
baik itu darat ataupun laut, sehingga kita sulit untuk membedakannya. Oleh karena itu jika
bayangan memiliki nilai diatas 0, itu menandakan bahwa hamburan dari atmosfer
memiliki kontribusi untuk bayangan.
DPC atau Dark Pixel Correction adalah koreksi sederhana untuk menghilangkan pengaruh
atmosfer yang cenderung memperbear nilai pixel. Salah satu cara untuk mengkoreksi efek
atmosfer adalah mengidentifikasi bayangan pixel, menemukan nilai DN (Digital Number)
dan mengubahnya menjadi 0 dan atur semua pixel lainnya.

EDPC (Enchanted Dark Pixel Correction)

Hasil akurat dari deteki perubahan terhadap dua atau lebih citra waktu ditentukan oleh
beberapa faktor; seperti citra yang sebanding, citra yang dapat diinterpretasikan, dan
metode untuk mendapatkan perbedaan yang bermakna dari deteksi perubahan citra. Pixel
ke pixel antara citra biasa ditampilkan untuk mendapatkan citra yang baik. Dark Pixel
Correction ditampilkan untuk mengkoreksi kesalahan radiometrik dari suatu citra, maka
Enhance sebagai hasilnya lebih

diinterpretasi untuk aplikasi tertentu. Dengan

mengurangkan masing masing band dengan minimum digital number value nya, maka
setiap band akan memiliki minimal digital number dari nol.

Sistem Penginderaan Jauh

Page 6

Cut-off Scattergram
Cara lain untuk mengkoreksi citra dari efek atmosfer adalah dengan menggunakan
informasi cut-off yang ditentukan dari scattergram antara panjang gelombang (TM 7) yang
lebih panjang dan panjang gelombang (salah satu dari TM 1-5) yang lebih pendek.
Panjang gelombang yang lebih panjang berada di gelombang infrared pendek yang
mempunyai nilai hamburan atmosfer minimum, di lain pihak panjang gelombang yang
lebih pendek berada di batas cahaya tampak yang berdekatan dengan batas infrared dan
batas gelombang infrared pendek yang mempunyai efek lebih besar. Garis terbaik
digambarkan menembus distribusi antara dua bands yang dihalangi poros panjang
gelombang lebih pendek pada pendekatan digital number komponen penghambur.
Penyelesaian hal semacam ini menggunakan cut-off.

4. Kalibrasi Kesalahan Radiometerik

a. Koreksi Radiometrik Pengaruh Atmosfer (TOA)
Koreksi radiometrik TOA dilakukan melalui dua tahap,tahap pertama adalah konversi nilai
DN menjadi nilai spektral radian, dan tahap ke-dua adalah konversi nilai spektral radian
menjadi nilai spektral reflektan (Kustiyo dkk, 2014).

Mengkonversi nilai DN ke nilai spektral radian

Pada proses ini diperlukan informasi Gain dan Bias dari sensor di setiap band.
Transformasi dilakukan berdasarkan kurva kalibrasi DN ke radian yang telah dihitung
secara sistematik. Kalibrasi dilakukan sebelum sensor diluncurkan dan tingkat akurasi
menurun seiring dengan sensitivitas sensor yang berubah sepanjang waktu, sehingga
diperlukan kalibrasiulang sensor.
Metode untuk mengkalibrasi nilai DN menjadi nilai spektral radian (L) adalah sebagai
berikut:

Adapun formula yang digunakan untuk menghitung nilai Gain dan Bias adalah bervariasi
untuk setiap citra yang diproses. Gain dan Bias untuk setiap band dihitung dari batas
nilai terendah (Lmin) dan tertinggi (Lmax) dari jarak spektral radian setelah kalibrasi.
Dimana nilai Lmax and Lmin dapat diperoleh di file header. Metode untuk menentukan
nilai Gain dan Bias tersebut adalah sebagai berikut :

Sistem Penginderaan Jauh

Page 7

Mengkonversi nilai spektral radian ke nilai spectral reflektan

Langkah selanjutnya adalah menormalisasi nilai irradian dengan mengkonversi nilai
spektral radian dengan mempertimbangkan nilai cosinus akibat dari perbedaan sudut
matahari dan nilai exoatmospheric irradian dari perbedaan nilai spektral di setiap kanal.
Dengan demikian nilai reflektan exoatmospheric adalah kombinasi faktor kelengkungan
permukaan dan reflektan atmosfer yang dihitung menggunakan persamaan berikut:

p =
Dengan :

L = Radiansi
d2 = Jarak bumi dan matahari secara satuan astronomi
ESUN = Nilai Irradiansi
S = Sudut zenith matahari dalam derajat

b. Koreksi Radiometrik Pengaruh Sudut Perekaman

Koreksi radiometric ini disebut sebagi koreksi dua tahap. Kalibrasi atau normalisasi
dilakukan dengan cara mengalikan nilai reflektan hasil koreksi radiometrik dengan faktor
pengali, dimana faktor pengali ini merupakan fungsi dari sudut perekaman satelit. Nilai
reflektan objek yang diambil adalah objek hutan, baik hutan alami maupun hutan
sekunder.
Faktor pengali reflektan untuk setiap kanal dirumuskan sebagai berikut :

Dengan :

Fki = Faktor pengali reflektan untuk kanal ke-i (i:1,2,3,4)

Cki = Konstanta pengali kanal ke-i (i:1,2,3,4)
sdt = Sudut perekaman satelit dalam derajat

Selanjutnya, nilai reflektan baru ditentukan dengan fungsi linier dari reflektan hasil TOA,
dimaka reflektan baru merupakan hasil kali dari faktor pengali dengan reflektan hasil
TOA.

Sistem Penginderaan Jauh

Page 8

Dengan :

RFi = reflektan hasil kalibrasi untuk kanal i (i:1,3,4)

FKi = pengali reflektan untuk kanal ke-i (i:1,3,4)
RFi TOA = reflektan hasil TOA untuk kanal I (i:1,2,3,4)

c. Koreksi karena efek topografi

Pengaruh topografi berupa slope dan aspek akan menimbulkan perbedaan nilai kecerahan
piksel pada obyek sama, sehingga menimbulkan distorsi radiometrik. Empat metode
koreksi slope-aspek topografi adalah koreksi kosinus, dua metode semi empiris (metode
Minnaert dan koreksi C), dan koreksi empirik-statistik.

5. Perangkat Lunak Untuk Kalibrasi Radiometrik

Software ER Mapper merupakan salah satu software pengolahan citra yang didesain
khusus dengan berbagai macam keunggulannya untuk mempermudah dalam proses
pengolahan citra termasuk pemberian koreksi radiometrik.
Setelah dilakukan koreksi maka nampak perubahan nilai band yang mempunyai limit
mulai dari 1. Suatu citra sebelum dilakukan pengolahan lebih lanjut harus dilakukan
koreksi citra agar didapatkan kondisi dimana citra mempunyai informasi yang akurat
secara geometri dan radiometri. Suatu citra setelah dikoreksi akan dikatakan normal jika
nilai limitnya satu.
Dalam citra landsat, terjadi banyak perubahan dari tahun ke tahun dari suatu daerah
atau pulau. Perubahan tersebut meliputi pemukiman,land use, serta rusaknya kualitas
perairan disekitar pantai akibat limbah industry pabrik dan rumah tangga. Interpretasi
visual pada citra satelit, digunakan untuk pengidentifikasian dan pengenalan objek pada
citra untuk keperluan revisi peta, dimana hasil interpretasi yang baik membutuhkan
pengetahuan yang cukup mengenai karakteristik citra yang digunakan dan tujuan yang
diharapkan.
Salah satu jenis citra adalah Citra Landsat, dimana pemanfaatan data Citra Landsat
dipadukan dengan data di lapangan, pada intinya dapat memberikan fasilitas kemudahan
yang lebih, maksudnya lebih efisien dan akurat dalam menganalisis suatu daerah,pulau
dan lainnya.

Sistem Penginderaan Jauh

Page 9

DAFTAR PUSTAKA

Karitini, C. 2013. Modul Penginderaan Jauh Terapan. Teknik Geodesi, Fakultas

Teknik, Universitas Gadjah Mada. Yogyakarta.
Kustiyo, dkk. 2014. PENGEMBANGAN METODA KOREKSI RADIOMETRIK
CITRA SPOT 4MULTI-SPEKTRAL DAN MULTI-TEMPORAL UNTUK MOSAIK CITRA.
Seminar Penginderaan Jauh, LAPAN.
Supriatna dan Sukartono.2002. TEKNIK PERBAIKAN DATA DIGITAL (KOREKSI
DAN PENAJAMAN) CITRA SATELIT. Buletin Teknik Pertanian.
Danoedoro.1996. Pengolahan Citra Digital Teori dan Aplikasinya dalam Bidang
Penginderaan Jauh. Fakultas Geografi, Universitas Gadjah Mada. Yogyakarta.

Sistem Penginderaan Jauh

Page 10