Perbandingan Beberapa Metode Interpolasi untuk Pembentukan Digital Terrain Model dari Peta Topografi Skala Besar (original) (raw)
Related papers
Metode Interpolasi Dan Implementasinya Dalam Citra Digital
sites.google.com
Interpolasi citra dijital memegang peranan penting dalam manipulasi geometris dari sebuah citra digital. Interpolasi berkaitan erat dengan proses pemetaan piksel-piksel baik secara forward maupun reverse. Studi literatur menun-jukkan bahwa terdapat empat metode interpolasi ...
Skripsi, 2014
ABSTRAK Kegiatan penambangan batubara tidak lepas dari peta topografi sebagai peta dasar untuk pembuatan peta lainnya yang diperlukan dalam kegiatan penambangan batubara. Seiring dengan efisiensi waktu dan biaya, survei terestris lebih lama daripada teknologi LIDAR untuk pemetaan dengan karakteristik wilayah penambangan batubara dilingkupi oleh hutan. Dalam aplikasi survei dan pemetaan sekarang ini, pemetaan LIDAR diintegrasikan dengan ortofoto untuk memperoleh informasi planimetrik DTM dan DEM. Digital Elevation Model (DEM) dibangun dari struktur data perkiraan permukaan tanah dengan level detail berbeda dari hasil pengukuran terestris, fotogrammetri dan data lain yang berupa data acak dalam sistem koordinat kartesian (X,Y,Z), kemudian dibuat TIN untuk diinterpolasi berdasarkan rangkaian segitiga tersebut. Secara konsep, kontur adalah interpolasi garis ketinggian dari titik-titik tinggi tanah, kontur akan semakin mendekati kondisi sebenarnya jika titik-titik tinggi tanah yang disajikan sangat rapat dan berkualitas. Seiring berkembangnya teknologi pemetaan dengan berbagai tingkat akurasi ketelitian maka perlu dikaji ulang sejauh mana deviasi atau penyimpangan informasi elevasi hasil rekaman citra LIDAR dengan peta topografi pada suatu area yang diukur. Data-data ketinggian yang dihasilkan dari kedua metode pengukuran tersebut ditemukan adanya perbedaan nilai ketinggian yang menyebabkan perbedaan pada representasi data DEM.
METODE INTERPOLASI SPASIAL DALAM STUDI GEOGRAFI (Ulasan Singkat dan Contoh Aplikasinya)
Geomedia: Majalah Ilmiah dan Informasi Kegeografian, 2015
Dunia nyata sebagai objek kajian berbagai macam disiplin terlalu kompleks untukdipahami, sehingga untuk keperluan pemahaman tersebut diperlukan pemodelan.Pemodelan yang diterapkan pada suatu wilayah tertentu dikenal dengan pemodelanspasial. Pemodelan spasial sering kali menghadapi kendala tidak lengkapnya data. Untukmengatasi ketidaklengkapan data tersebut kemudian dilakukan interpolasi. Interpolasispasial diperlukan dalam studi geografi, karena geografi memerlukan analisis spasialuntuk memperoleh informasi suatu fenomena di suatu wilayah. Interpolasi memilikibanyak ragam metode, yang asing-masing memiliki karakteristik, dengan segalakelebihan dan kekurangannya untuk diterapkan pada berbagai medan yang kondisinyavariatif. Metode interpolasi yang biasa digunakan dalam berbagai kajian secara garisbesar diklasifikasikan menjadi 3, yakni: (1) metode interpolasi global dan lokal, (2) metodeinterpolasi eksak dan nun-eksak, dan (3) metode interpolasi determenistik dan stochastik.Masing-mas...
2015
Perkembangan teknologi UAV menggunakan kamera non-metrik sangat mendukung dalam pekerjaan pemetaan. Akan tetapi, kamera non-metrik memiliki kekurangan pada ketidak-stabilan nilai IOP, cakupan kecil, dan gerakan UAV yang tidak stabil menyebabkan variasi skala foto yang besar. Tujuan penelitian ini adalah menghasilkan data spasial berupa peta topografi; menemukan solusi pemrosesan fotogrametri digital pada foto udara UAV ditinjau dari teknik kalibrasi kamera, jumlah GCP dan konfigurasi pertampalan foto; serta ketelitian geometri yang dihasilkan berdasarkan standar ketentuan BIG. Penelitian ini terdiri dari 6 tahap. Tahap pertama adalah persiapan. Tahap kedua adalah kalibrasi teknik in-field pada foto bidang kalibrasi. Tahap ketiga adalah pemrosesan foto udara, meliputi pembuatan DSM dan orthophoto pada berbagai kondisi, yaitu dengan teknik in-field dan in-flight, dan perbedaan block terhadap perbedaan konfigurasi GCP. Tahap keempat adalah plotting 3D pada virtual reality. Tahap kelima...
Jurnal Tanah dan Sumberdaya Lahan
Soil thickness has a significant influence on many of earth surface processes, and it can be mapped using various methods. Digital soil mapping can be used to estimate the spatial distribution of soil thickness and can estimate the uncertainty of the soil prediction map. Digital soil mapping using regression methods such as Multiple Linear Regression (MLR) and Regression Krigging (RK) was used to estimate soil thickness of the slope of Bener Reservoir. Bener Dam is a national strategic project which is built for irrigation to improve farming quantity. The aim of this research was to determine the spatial variation of the soil thickness at the slope of Bener Reservoir. The accuracy of MLR and RK were compared to select the best soil thickness prediction. There were 212 and 53 soil thickness samples from fieldwork which were used for data training and testing, respectively. There were 5 environmental variables such as elevation, distance from river, slope, plan curvature, and topograp...
2017
Selain foto udara, citra satelit resolusi tinggi (CSRT) saat ini merupakan data dasar yang digunakan untuk pemetaan Rupabumi Indonesia (RBI) skala 1:5.000. Meski digunakan untuk menghasilkan peta pada level skala yang sama, namun foto udara dan CSRT memiliki perbedaan spesifikasi terkait kualitas geometriknya. Penelitian ini bertujuan untuk mendapatkan gambaran mengenai kemampuan data CSRT dan foto udara, sehingga bisa menjadi salah satu landasan dalam membuat kebijakan terkait. Aspek yang dikaji adalah ketelitian geometrik CSRT dan foto udara dari sisi resolusi dan akurasi posisi. Data CSRT yang digunakan adalah citra hasil orthorektifikasi, yaitu wilayah Bolaang Mongondow Timur, Ambon, Sumba Timur, Morowali, Kualatanjung, dan Gorontalo, sedangkan data foto udara yang digunakan adalah wilayah Palu dan Bogor. Sebagai perbandingan hasil digunakan acuan standar di negara lain seperti American Society for Photogrammetry and Remote Sensing (ASPRS) dan National Technical Document For Est...
ABSTRAK Paper ini bertujuan untuk mengkaji pemanfaatan penginderaan jauh dan sistem informasi geografis secara umum untuk dapat dipergunakan dalam suatu Pemodelan erosi dan lahan kritis. Artikel ini disusun khususnya berdasarkan kutipan Soil Loss Estimation on a Local Scale for Soil Conservation Planning dan beberapa artikel serta laporan hasil penelitian dari beberapa peneliti di Negara Jepang. Estimasi dari erosi tanah pada lahan pertanian dapat dihitung dengan menggunakan metode USLE (Universal Soil Lose Equation) dan Sistem Informasi Geografis (SIG). Lokasi penelitian meliputi area seluas 3.009 ha di daerah Kanto, Jepang, yang terdiri dari 11.544 lahan tanam. USLE dapat menghitung perkiraan rata – rata erosi tanah tahunan berdasarkan faktor – faktor berikut : curah hujan dan limpasan (R); erodibilitas tanah (K); topografi (LS); tanaman dan manajemen (C); dan dukungan praktik (P). Dataset faktor untuk setiap bidang berasal dari survei informasi tanah dan bidang yang tersedia. Faktor K diperkirakan berasal dari sedimen di daerah resapan air. Panjang lereng dan kecuraman asing – masing bidang diperlukan untuk menghitung faktor LS, dimana bidang informasi batas dan Model Elevasi Digital (DEM) dibuat dengan menggunakan 'tools' yang tersedia di aplikasi GIS. Diperkirakan tingkat erosi tanah pada saat kondisi tanam berkisar 0,2-70,6 t ha-1 y-1 , rata-rata 10,5 t ha-1 y-1. Dari peta tingkat distribusi yang ditunjukkan dapat diambil kesimpulan bidang mana yang perlu dilakukan tindakan konservasi. Studi tersebut menunjukkan bahwa menggabungkan USLE dengan GIS sangat berguna untuk mengestimasi tingkat erosi tanah skala kecil untuk perencanaan konservasi tanah.
Abstrak Maksud dan tujuan penyusunan artikel ini adalah untuk mengkaji pemanfaatan Penginderaan Jauh dan Sistem Informasi Geografis (SIG) dalam suatu pemodelan erosi dan lahan kritis, khususnya di Negara Belgia. Artikel ini juga dibuat guna memenuhi tugas S2 dalam mata kuliah Pemodelan Sistem Iinformasi Geografis dan Penginderaan Jauh. Adapun kutipan-kutipan dalam artikel ini sebagian berdasarkan artikel Jurnal ilmiah Assesing Soil Erosion base on Data Collected, Through European dalam buku jurnal Soil and Nutrion Plant, 2014 , laporan, buku, maupun tulisan dan referensi lainnya. Pada tahun 2010, European Soil Data Center (ESDAC) Komisi Eropa melakukan sebuah proyek untuk mengumpulkan data tentang erosi tanah dari institusi nasional di Eropa, dimana Belgia adalah bagian dari komisi tersebut. Untuk melakukan pemodelan lahan kritis Eropa menggunakan Jaringan Informasi dan Pengamatan Lingkungan Eropa untuk tanah atau European Environment Information and Observation Network for Soil (EIONET-SOIL). Data EIONET-SOIL berasal dari penerapan Universal Soil Loss Equation (USLE) (Wischmeier dan Smith 1978), dan versi yang lebih baru, Revised Universal Soil Loss Equation (RUSLE). Dalam prosedurnya Belgia menggunakan metode RUSLE dan dari hasil kajian pemodelan diketahui bahwa vegetasi yang terdapat Negara Belgia sudah sangat baik. Faktor topografi dan geologi Belgia yang menjadi alasan utama agar Belgia menjaga ekologi dan ekosistemnya,agar terjadi keseimbangan lingkungan karena pada dasarnya wilayah daratan Belgia lebih rendah dari permukaan laut. Oleh sebab itu, penerapan Sistem Informasi Geografis dan Penginderaan Jauh dapat menjadi solusi terjadinyanya erosi, lahan kritis dan banjir maupun bencana alam lainnya di Belgia.
Seminar Nasional Aplikasi Teknologi Informasi, 2009
This research is examine level of variety landuse and road network by calculating entropy indeks each "Rukun Wilayah (RW)" in Cibatok subdistrict Bogor. High resolution Remote sensing "quick bird" data is used to identify landuse and road network distribution. Base on interpetation result by remote sensing data, there are 3 class of landuse which are rice field, mix garden and settlement. Rice field dominate 73,063% of whole research area. Settlement spread each RW in Cibatok Village, The other side mix garden less spread, because only in RW 03 and RW 04. The highest heterogeneous land use in RW 08 with average entropy value 0,866 and the most homogeneous in RW 01 with entropy value 0,452. Entropy value not related with level of accessibility.
Abstrak. Paper ini bertujuan untuk menjelaskan pembuatan Digital Surface Model (DSM) meliputi kontrol kualitas guna penjaminan mutu dari data yang dihasilkan dari proses pemeruman. Kontrol kualitas yang digunakan berdasarkan Standar IHO (S-44) yang berkaitan dengan Total Vertical Uncertainty (TVU) dan Total Horizontal Uncertainty (THU) dengan selang kepercayaan sebesar 95% dari data yang dihasilkan (IHO-S44). Tentu hal ini dilakukan untuk menghasilkan data DSM dengan kualitas terbaik. Langkah yang dilakukan yakni mengambil data dari area tertentu hasil pemeruman di suatu wilayah dengan komposisi data sejumlah 1085 data. Setelah dilakukan proses penyortiran dan uji statistik serta kontrol kualitas dengan TVU dan THU didapatkan sebanyak 671 data yang layak digunakan selanjutnya untuk pembuatan model DSM. Dengan menggunakan interpolasi Natural Neighbor, didapatkan kesalahan atau RMSe senilai 0.568679147 m. Hal ini menunjukkan bahwa model yang dibuat menggunakan data dengan kualitas dan mutu yang terbaik. Kata Kunci: Kontrol Kualitas, Standar IHO, TVU, THU, DSM. 1 Pendahuluan Model merupakan suatu objek atau konsep yang digunakan untuk menggambarkan sesuatu. Model dibuat sebagai bentuk penyederhanaan dari kondisi sebenarnya yang berguna untuk pembelajaran dari fenomena yang terjadi pada kondisi sebenarnya. Model yang digambarkan terdiri dari beberapa jenis, salah satunya yakni Digital Surface Model (DSM). Digital Surface Model (DSM) merupakan suatu bentuk penyimpanan data koordinat x, y, dan ketinggian/kedalaman suatu daerah secara digital yang dapat menggambarkan elevasi permukaan secara alami. DSM menggambarkan elevasi alamai berdasarkan titik tinggi dari suatu area dan interpolasinya. Dalam kasus ini, DSM yang dibuat berdasarkan data yang didapat dari hasil pemeruman dan data yang dihasilkannya berupa data kedalaman yang terdiri dari koordinat x dan y serta kedalamannya. Untuk menghasilkan data DSM dengan kualitas terbaik, dapat dilakukan dengan kontrol kualitas. Kontrol kualitas ini dilakukan pada data yang dilakukan pemeruman di wilayah tersebut. Kontrol kualitas yang dilakukan mengacu