29 BAB 4
HASIL DAN ANALISIS
Dalam bab ini akan dibahas mengenai hasil dari setiap proses yang dilakukan dalam membuat true orthophoto dari ketiga objek uji coba. Hasil yang diperoleh dari dua perangkat lunak yang berbeda kemudian dibandingkan dan dianalisis dari berbagai segi baik kelebihan, kekurangan, maupun penyebabnya.
4.1. Uji Coba Objek Pertama
Hal pertama yang dilakukan pada uji coba pertama adalah merekonstruksi model tiga dimensi menggunakan perangkat lunak PhotoModeler Scanner. Data kalibrasi telah didapat sebelumnya. Pengambilan data dilakukan secara konvergen, dengan visualisasi model terdapat pada Gambar 4.1. Proses rekonstruksi tersebut menghasilkan hasil perataan berkas dengan baik, terlihat pada Tabel 4.1.
4.1.1. Hasil
Gambar 4.1 Model 3D dari objek pertama
30 Hasil rekonstruksi 3D tersebut selanjutnya di-gridding menggunakan perangkat lunak AutoCAD dan kemudian di ekstraksi koordinat 3D dari model. Dengan menerapkan hitungan matematis dari prinsip kesegarisan, koordinat model tersebut lalu dimasukkan ke dalam persamaan kesegarisan dan dilakukan penghitungan dan manipulasi piksel menggunakan program perangkat lunak MATLAB sampai diperoleh orthophoto dari fasad kotak sederhana bagian depan. Selain dari MATLAB, orthophoto juga dibuat dari perangkat lunak PhotoModeler Scanner secara otomatis sebagai pembanding.
Gambar 4.2 Orthophoto objek pertama hasil dari MATLAB dengan referensi dari satu foto
Gambar 4.3 Orthophoto objek pertama hasil dari MATLAB dengan referensi dari dua foto
31 4.1.2. Analisis
Dari ketiga hasil orthophoto yang dihasilkan dari perangkat lunak yang berbeda, terlihat perbedaan secara visual bahwa pada Gambar 4.2 dan 4.3 orthophoto yang dihasilkan melalui MATLAB masih memiliki banyak kurang merepresentasikan fasad tekstur dari model. Dapat terlihat dari warna dan geometri objek yang masih belum presisi dibandingkan dengan Gambar 4.3 hasil dari PhotoModeler Scanner.
Gambar 4.2 dihasilkan dari perangkat lunak MATLAB. Pada proses rektifikasi terdapat suatu proses forward projection (lihat Gambar 2.11), dimana nilai derajat keabuan piksel yang dilalui oleh berkas, disusun dalam projection frame. Pada Gambar 4.2 nilai derajat keabuan tersebut diambil dari satu foto yang dianggap sebagai referensi. Foto tersebut dianggap segaris dengan titik-titik di model dan menampakkan nilai piksel yang benar (misalnya tidak terhalang dengan objek yang lebih tinggi).
Sedangkan pada Gambar 4.3 nilai derajat keabuan diambil dari rata-rata nilai dari dua buah foto dimana keduanya dianggap sebagai referensi. Pada Gambar 4.3 terlihat bahwa terdapat shifting atau pergeseran dari kedua foto. Kedua foto ditampalkan di perangkat lunak Global Mapper (Gambar 4.5) untuk melihat besar pergeseran dari kedua foto.
32 ketelitian model dan faktor ketelitian dalam perhitungan persaman kesegarisan. Faktor ketelitian model dapat dilihat pada tabel kualitas model (Tabel 4.1), bahwa nilai maksimum dari residual terbesar (RMS) adalah 0,94. Nilai residual maksimum tersebut mendekati 1 piksel, yang berarti terdapat jarak kesalahan sebesar 1 piksel dari nilai yang dianggap benar (Gambar 4.6). Karena nilai pergeseran tersebut di dapatkan dari rata-rata dua foto, maka nilai residual tersebut mempengaruhi kedua foto. Sehingga nilai pergeseran sebesar dua piksel tersebut masih mungkin terjadi dan masih masuk kedalam batas ketelitian.
Gambar 4.6 Ilustrasi pengaruh residual dari piksel yang dianggap benar Selain dari faktor ketelitian model yaitu besar nilai residual terbesar, terdapat faktor kesalahan dari perhitungan dalam persamaan kesegarisan. Hal tersebut terjadi karena adanya pembulatan dalam perhitungan dalam program. Selain itu ketelitian dan kualitas dari nilai parameter orientasi luar dan kalibrasi kamera juga berpengaruh. Karena termasuk ke dalam variabel yang diperhitungkan pada persaman kesegarisan.
33 4.2. Uji Coba Objek Kedua
Hal pertama yang dilakukan pada uji coba kedua adalah merekonstruksi DSM menggunakan perangkat lunak PhotoModeler Scanner. Data kalibrasi telah didapat sebelumnya. Pengambilan data dilakukan secara stereo dengan visualisasi model terdapat pada Gambar 4.7. Proses rekonstruksi tersebut menghasilkan hasil perataan berkas dengan baik, terlihat pada Tabel 4.2.
4.2.1. Hasil
Gambar 4.7 Hasil rekonstruksi model objek kedua
34 Gambar 4.8 Orthophoto objek kedua hasil dari MATLAB
Gambar 4.9 Orthophoto objek kedua hasil dari PhotoModeler Scanner Tabel 4.2 Tabel kualitas model hasil uji coba objek kedua
Keterangan Residual Terbesar (piksel)
Sudut (derajat)
Rata-rata 0,19 10,14
Nilai maksimum 0,28 10,72
35 4.2.2. Analisis
Dari kedua orthophoto yang dihasilkan dari perangkat lunak yang berbeda, terlihat perbedaan secara visual bahwa pada Gambar 4.8 orthophoto yang dihasilkan melalui MATLAB lebih mampu merepresentasikan permukaan model. Dapat dilihat bahwa warna dan geometri objek yang cukup baik bila dibandingkan dengan Gambar 4.9 hasil dari PhotoModeler Scanner. Bila dilihat lebih teliti lagi, Gambar 4.8 masih memiliki kekurangan, bahwa geometri dari objek (atap gedung) masih bergelombang. Hal tersebut dapat terjadi karena kualitas DSM yang kurang baik walaupun tabel kualitas menunjukkan angka residual yang minimum, yaitu nilai residual rata-rata bernilai 0,28 piksel (dibawah 1 piksel), serta sudut cakupan tiap titik kurang baik, yaitu bernilai antara 8,64 derajat hingga 10,72 derajat. Sedangkan pada Gambar 4.9 kualitas dari orthophoto tersebut sangat dipengaruhi oleh DSM.
Nilai residual menyatakan tingkat presisi dari titik-titik ikat model, semakin kecil nilai residu maka semakin presisi, dan sudut cakupan menyatakan besar sudut pengambilan dari tiap titik yang dimodelkan. Geometri sudut pengambilan terbaik
adalah sebesar 60-90 derajat (Irawan, 2012) yang diilustrasikan pada Gambar 4.10.
Semakin besar sudut yang dibentuk dari dua garis maka kualitasnya semakin baik, atau
dapat disimpulkan dua garis yang membentuk sudut mendekat 90 derajat menghasilkan
ketelitian penentuan posisi titik potong terbaik.
36 Dari segi performa, pembuatan texture image dengan MATLAB memakan waktu yang lebih lama bila dibandingkan dengan PhotoModeler Scanner. Program MATLAB membutuhkan waktu sekitar 20 menit sedangkan PhotoModeler Scanner sekitar 40 detik.
Selain hal tersebut, efek pergeseran relief pada foto tidak jelas apakah masih tampak atau tidak karena tertutup oleh bayangan. Padahal salah satu cara untuk menilai apakah foto tersebut true orthophoto atau tidak adalah dengan hilangnya efek pergeseran relief secara visual.
4.3. Uji Coba Objek Ketiga
Hal pertama yang dilakukan pada uji coba ketiga adalah merekonstruksi model tiga dimensi menggunakan perangkat lunak PhotoModeler Scanner (lihat Gambar 4.11), sama dengan objek pertama dan kedua. Data kalibrasi telah didapat sebelumnya. Pengambilan data dilakukan secara konvergen dan menghasilkan hasil perataan berkas yang dapat dilihat pada Tabel 4.3.
4.3.1. Hasil
Gambar 4.11 Hasil rekonstruksi model objek ketiga
37 dilakukan penghitungan dan manipulasi piksel menggunakan program perangkat lunak MATLAB sampai diperoleh orthophoto dari foto udara. Selain dari MATLAB, orthophoto juga dibuat dari perangkat lunak PhotoModeler Scanner secara otomatis sebagai pembanding.
Gambar 4.12 Orthophoto objek ketiga dengan MATLAB
Gambar 4.13 Orthophoto objek ketiga dengan PhotoModeler Scanner Tabel 4.3 Tabel kualitas model hasil uji coba objek ketiga
Keterangan Residual Terbesar (piksel)
Sudut (derajat)
Rata-rata 0,63 59,85
Nilai maksimum 0,98 67,72
Nilai Minimum 0,25 51,91
4.3.2. Analisis
