Close Range Photogrammetry (CRP)

Oleh : Tike Aprillia, ST, Fella Faradiva, dan Mutia Arifah Rachim

Bidang fotogrametri dewasa ini berkembang hingga fotogrametri jarak dekat atau biasa disebut sebagai CRP (Close Range Photogrammetry). Teknologi yang semakin maju memunculkan adanya kamera digital dengan resolusi yang tinggi. CRP merupakan metode untuk mengambil data ukuran dari citra foto untuk dibuat model 3D dari sebuah objek atau untuk kebutuhan pemetaan. Dengan kamera SLR non-metrik, metode CRP dapat menjadi alternatif yang lebih murah dari laser scanner.

Gambar 1 Kondisi Kolinearitas

Pada fotogrametri jarak dekat menggunakan sistem proyeksi sentral dengan kamera sebagai pusat proyeksi, pengukuran terhadap suatu objek dilakukan terhadap hasil perekaman dari kamera. Saat sebuah foto diambil, berkas sinar dari objek akan menjalar menuju pusat lensa kamera hingga mencapai bidang film. Kondisi dimana titik objek, titik pusat kamera dan titik objek pada bidang foto terletak satu garis dalam ruang dinamakan kondisi kesegarisan berkas sinar atau kondisi kolinearitas (colinearity condition). Kondisi ini merupakan syarat fundamental dalam fotogrametri. Pada fotogrametri jarak dekat, jarak antar objek dan kamera tidak lebih dari 100 meter.

Secara garis besar proses pengolahan CRP dilakukan sebagai berikut:

Gambar 2 Proses pengolahan CRP
  1. Kalibrasi kamera

Kalibrasi kamera adalah proses menentukan parameter internal dari sebuah kamera. Parameter internal digunakan untuk merekontruksi ulang berkas sinar saat pemotretan dilakukan dan digunakan untuk mengetahui besarnya kesalahan sistematik dari sebuah kamera. Proses kalibrasi bertujuan untuk mencari parameter intrinsik dan parameter ekstrinsik menggunakan image 2D pada suatu objek, yang dikorespondensikan dengan koordinat 3D objek. Korespondensi tersebut dapat diartikan sebagai transformasi antar sistem koordinat. Beberapa parameter tersebut antara lain, resolusi kamera, rotasi kamera, focal lenght, titik pusat koordinat, dan distorsi lensa. Salah satu software yang dapat digunkan pada tahap kalibrasi kamera digital non metrik adalah software Photomodeler. Metode kalibrasi pada Photomodeler menggunakan prinsip menghitung parameter internal kamera secara analisis terhadap titik target dengan mengunakan self calibration bundle adjustment. Saat proses kalibrasi nilai Average Photo Point Coverage minimal berjumlah 80% dan nilai RMS kurang dari 1. Nilai tersebut bertujuan agar objek yang diamati semakin detail. Jika nilai Average Photo Point Coverage masih kurang dari 80% dan RMS lebih dari 1 maka harus mengkalibrasi ulang.

2. Pengambilan objek

Sebelum melakukan pengambilan objek, perlu diperhatikan agar foto dapat dimodelkan menjadi 3D, syarat tersebut berdasarkan 3 prinsip dasar CRP yaitu kesegarisan, interseksi ruang, dan reseksi ruang. Saat pengambilan objek harus memenuhi beberapa persyaratan seperti objek harus terlihat dari semua sisi (360°), garis orientasinya konsisten dan logis, jarak pemotretan konsisten atau sama, fokus kamera DSLR harus sama dengan fokus saat kalibrasi, terjadi pertampalan antar foto, dan orientasinya sama.

3. Pengolahan model 3D objek

Pemodelan yaitu membentuk suatu benda atau obyek sehingga terlihat seperti hidup. Sesuai dengan obyek dan basisnya, proses pembentukan model 3D objek secara keseluruhan dikerjakan dengan komputerisasi. Keseluruhan obyek bisa diperlihatkan secara 3 dimensi melalui proses dan desain sehingga disebut sebagai pemodelan 3 dimensi (3D modelling). Prinsip dasar dari proses CRP adalah model 3D diperoleh dari pengukuran pertampalan antar foto dengan berbagai sudut pandang dan pengukuran dari orientasi kamera. Model 3D terbentuk dari point clouds yang dihasilkan foto stereo secara otomatis yang kemudian diproses secara komputerisasi. Pemilihan data point clouds berperan penting dalam penentuan kerapatan objek dan keaslian bentuk objek. Pengolahan model 3D objek dapat dilakukan dengan software Photomodeler.

Close range photogrammetry atau fotogrametri jarak dekat dapat menjadi solusi alternatif yang lebih murah untuk pembuatan model 3D dari sebuah objek atau untuk kebutuhan pemetaan. Namun, metode ini memakan waktu yang cukup lama dalam memproses data citra fotonya, selain itu metode ini sangat dibatasi oleh kemampuan hardware dan software dalam mengkalkulasi parameter-parameter yang ada, baik parameter orientasi kamera ataupun koordinat objek yang diukur.

REFERENSI:

Atkinson, K. B. (1996). Close Range Photogrammetry and Machine Vision. Caithness: Whittles Publising.

Prasetyo, Y. (2019). Materi Kuliah Fotogrametri II. Semarang: Universitas Diponegoro.

Soetaat. (1994). Diktat Fotogrametri Analitik. Yogyakarta: Universitas Gadjah Mada.

APLIKASI UAV LIDAR DALAM PENGEMBANGAN PANAS BUMI

Revanza Anwar, ST, M.Si
Tike Aprillia, ST

Energi Panas Bumi (Geothermal Energy)

Energi panas bumi adalah energi panas yang tersimpan dalam batuan di bawah permukaan bumi dan fluida yang terkandung di dalamnya. Energi panas bumi telah dimanfaatkan untuk pembangkit listrik di Itali sejak tahun 1913 dan di New Zealand sejak tahun 1958. Pemanfaatan energi panas bumi untuk sektor non‐listrik (direct use) telah berlangsung di Iceland sekitar 70 tahun. Meningkatnya kebutuhan akan energi serta meningkatnya harga minyak, khususnya pada tahun 1973 dan 1979, telah memacu negara-negara lain, termasuk Amerika Serikat, untuk mengurangi ketergantungan mereka pada minyak dengan cara memanfaatkan energi panas bumi. Saat ini energi panas bumi telah dimanfaatkan untuk pembangkit listrik di 24 Negara, termasuk Indonesia. Disamping itu fluida panas bumi juga dimanfaatkan untuk sektor non-listrik di 72 negara, antara lain untuk pemanasan ruangan, pemanasan air, pemanasan rumah kaca, pengeringan hasil produk pertanian, pemanasan tanah, pengeringan kayu, kertas, dll.

Di Indonesia usaha pencarian sumber energi panas bumi pertama kali dilakukan di daerah Kawah Kamojang pada tahun 1918. Pada tahun 1926 hingga tahun 1929 lima sumur eksplorasi dibor dimana sampai saat ini salah satu dari sumur tersebut, yaitu sumur KMJ‐3 masih memproduksikan uap panas kering atau dry steam. Pecahnya perang dunia dan perang kemerdekaan Indonesia mungkin merupakan salah satu alasan dihentikannya kegiatan eksplorasi di daerah tersebut. Kegiatan eksplorasi panas bumi di Indonesia baru dilakukan secara luas pada tahun 1972. Direktorat Vulkanologi dan Pertamina, dengan bantuan Pemerintah Perancis dan New Zealand melakukan survei pendahuluan di seluruh wilayah Indonesia. Dari hasil survei dilaporkan bahwa di Indonesia terdapat 217 prospek panas bumi, yaitu di sepanjang jalur vulkanik mulai dari bagian Barat Sumatera, terus ke Pulau Jawa, Bali, Nusa Tenggara dan kemudian membelok ke arah utara melalui Maluku dan Sulawesi. Survei yang dilakukan selanjutnya telah berhasil menemukan beberapa daerah prospek baru sehingga jumlahnya meningkat menjadi 256 prospek, yaitu 84 prospek di Sumatera, 76 prospek di Jawa, 51 prospek di Sulawesi, 21 prospek di Nusatenggara, 3 prospek di Irian, 15 prospek di Maluku dan 5 prospek di Kalimantan. Sistem panas bumi di Indonesia umumnya merupakan sistem hidrotermal yang mempunyai temperatur tinggi (>225 oC), hanya beberapa diantaranya yang mempunyai temperatur sedang (150‐225 oC).

Berdasarkan data Direktorat Panas Bumi EBTKE, potensi panas bumi yang dimiliki Indonesia sangatlah besar yaitu sekitar 23,9 GW, pemanfaatan panas bumi secara nasional baru 8% atau sekitar 2.130,7 MW. Pemanfaatan panas bumi pada saat ini setara dengan pemakaian BBM domestik sebesar 32.000* BOE per hari (= 92.000 BOE per hari minyak mentah) atau sekitar 81.200 BOE* per hari BBM domestik pada tahun 2025 jika target RUPTL sebesar 6.310 MW tercapai. Perhitungan ini dengan asumsi 1 MWh PLTP = 0,613 SBM (HESSI, KESDM 2018). Pemerintah menargetkan pengembangan panas bumi hingga satu dasawarsa kedepan (tahun 2020-2030) mencapai 8.007,7 MW. Ini artinya, dengan kapasitas terpasang saat ini yaitu 2.130,7 MW, masih diperlukan sekitar 177 proyek pengembangan panas bumi dengan kapasitas total sekitar 5.877 MW hingga tahun 2030. Pemerintah Indonesia juga mencanangkan bauran energi baru terbarukan mencapai 23% pada 2025 dan naik lagi 31 persen pada 2050. Sebaliknya, bauran energi dari minyak bumi pada 2050 diturunkan separuhnya dari saat ini 40%. Di sisi lain, pengembangan panas bumi masih memerlukan insentif tambahan untuk mencapai kelayakan proyeknya ditengah tingginya resiko eksplorasi dan keterbatasan akses infrastruktur ke lokasi pengembangan.

Risiko Eksplorasi, Eksploitasi, dan Pengembangan Lapangan Panas Bumi

Proyek panas bumi memiliki resiko yang tinggi dan memerlukan dana yang besar, oleh karena itu sebelum suatu lapangan panas bumi dikembangkan perlu dilakukan pengkajian yang hati-hati untuk menilai apakah sumber daya panas bumi yang terdapat di daerah tersebut menarik untuk diproduksikan. Penilaian kelayakan meliputi beberapa aspek, yang utama adalah: aspek teknis, pasar dan pemasaran, finansial, legal, serta sosial ekonomi.

Dari segi aspek teknis, hal‐hal yang harus dipertimbangkan adalah:

  1. Sumber daya mempunyai kandungan panas atau cadangan yang besar sehingga mampu memproduksikan uap untuk jangka waktu yang cukup lama, yaitu sekitar 25‐30 tahun.
  2. Reservoirnya tidak terlalu dalam, biasanya tidak lebih dari 3 km.
  3. Sumber daya panas bumi terdapat di daerah yang relatif tidak sulit dicapai.
  4. Sumber daya panas bumi memproduksikan fluida yang mempunyai pH hampir netral agar laju korosinya relatif rendah, sehingga fasilitas produksi tidak cepat terkorosi. Selain itu hendaknya kecenderungan fluida membentuk skala relatif rendah.
  5. Sumber daya panas bumi terletak di daerah dengan kemungkinan terjadinya erupsi hidrotermal relatif rendah. Diproduksikannya fluida panas bumi dapat meningkatkan kemungkinan terjadinya erupsi hidrotermal.
  6. Hasil kajian dampak lingkungan.

Dari aspek pasar dan pemasaran, hal‐hal yang harus dipertimbangkan adalah kebutuhan konsumen dan ketersediaan jaringan distribusi. Dari aspek finansial, perlu dilakukan pengkajian terhadap dana yang diperlukan, sumber dana, proyeksi arus kas, indikator ekonomi, seperti NPV, IRR, PI dll, serta perlu juga dipertimbangkan pengaruh perubahan ekonomi makro. Dari aspek sosial ekonomi, perlu dipertimbangkan pengaruh proyek terhadap penerimaan negara, kontribusi proyek terhadap penerimaan pajak, jasa‐jasa umum yang dapat dinikmati manfaatnya oleh masyarakat dan kontribusi proyek terhadap kesempatan kerja, alih teknologi dan pemberdayaan usaha kecil

Light Detection and Ranging (LiDAR)

LiDAR atau juga dikenal sebagai LADAR adalah akronim untuk light detection and ranging. LiDAR adalah teknologi yang menerapkan sistem penginderaan jauh sensor aktif untuk menentukan jarak dengan menembakkan sinar laser yang dipasang pada wahana pesawat. Jarak didapatkan dengan menghitung waktu antara ditembakkannya sinar laser dari sensor sampai diterima kembali oleh sensor.

LiDAR dapat dengan cepat mengukur permukaan bumi dengan laju pengambilan sampel data lebih besar dari 150 kilohertz (150.000 pulsa per detik)[1]. LiDAR menghasilkan produk berupa kumpulan titik awan (points cloud) yang tergeoreferensi, sehingga menghasilkan representasi tiga dimensi (3D) dari permukaan bumi dan objek-objek diatasnya. Sistem LiDAR pada umumnya banyak beroperasi dengan menggunakan gelombang near infrared (NIR). Namun beberapa sensor pun ada yang menggunakan spektrum gelombang hijau untuk menembus air dan mendeteksi keadaan di dasar air.

LiDAR dapat memperoleh data di bawah kanopi pohon. Hal ini lah yang menjadi keunggulan LiDAR dibandingkan dengan fotogrametri dan pemetaan menggunakan citra satelit. Meskipun tidak semua data di bawah kanopi pohon dapat diperoleh, tetapi data tersebut dapat dijadikan sampel titik permukaan tanah di daerah yang berpohon tersebut. Hal ini karena LiDAR menggunakan sinar laser, sehingga selama masih ada celah cahaya yang bisa menembus ke bawah kanopi pohon, maka data LiDAR dapat diperoleh.

Teknologi UAV LiDAR dalam Pengembangan Panas Bumi

Teknologi light detection and ranging (LiDAR) saat ini telah banyak dikembangkan. Output LiDAR berupa data tiga dimensi (3D) dengan akurasi yang cukup tinggi dan pengambilan data yang lebih cepat menjadikan teknologi ini mulai banyak diaplikasikan dalam berbagai bidang. Sehingga, teknologi ini dapat digunakan sebagai alternatif dari teknologi pemetaan secara konvensional (pemetaan terestris). Pada area pengukuran yang luas, LiDAR akan sangat efisien digunakan dibandingkan dengan metode pemetaan konvensional. Hal ini karena waktu pengambilan dan pemrosesan data dapat dilakukan lebih cepat. Selain itu output LiDAR sudah dalam bentuk digital, sehingga tidak perlu dilakukan proses digitalisasi. Pada perkembangan awalnya, LiDAR dibawa oleh wahana pesawat udara atau disebut dengan Airborne LiDAR. Namun karena biaya sewa pesawat cukup mahal, maka dikembangkanlah wahana pesawat tanpa awak yang dapat membawa sensor LiDAR. Pesawat tanpa awak ini dikenal juga sebagai Unmanned Aerial Vehicle (UAV).

Secara garis besar di bidang panas bumi, teknologi LiDAR bisa membantu mulai dari perencanaan pembuatan infrastruktur sampai dengan monitoring seluruh lokasi pada tahap eksploitasi. Selanjutnya akan dibahas secara detail aplikasi UAV LiDAR pada pengembangan panas bumi.

Aplikasi UAV LiDAR

Teknologi LiDAR yang menghasilkan output dengan akurasi data yang akurat, menjadikan teknologi ini mulai banyak digunakan dalam pengembangan Geotermal dimana lokasi panas bumi yang pada umumnya berada di kawasan hutan dengan topografi berbukit:

  1. Pemetaan Kawasan Hutan

Sinar laser yang dipancarkan oleh LiDAR dapat menembus celah-celah kecil pada kanopi pohon. Hal ini menjadikan LiDAR dapat merekam data di bawah kanopi pohon. Sehingga, dengan menggunakan LiDAR dapat dihasilkan Data Elevation Model (DEM) pada kawasan hutan. DEM dalam pemetaan kawasan hutan digunakan untuk menentukan rencana pembuatan infrastruktur lokasi pemboran panas bumi.

Gambar 1. Point cloud LiDAR bisa langsung memberikan gambaran profil dalam hutan.

(Hasil Olahan PT. Kreasi Handal Selaras, 2020)

  • Perencanaan Infrastruktur

Data LiDAR memudahkan perencanaan dan pengembangan infrastruktur panas bumi (desain lokasi kluster pemboran, akses jalan, dan fasilitas pendukung lainnya). Selain itu juga digunakan dalam penyiapan data perizinan dan pembebasan lahan. Perencanaan dan pengembangan infrastruktur dapat lebih spesifik, karena UAV LiDAR bisa terbang rendah.

Gambar 2. Point cloud LiDAR mengenai semua obyek di atas permukaan tanah.

(Hasil Olahan PT. Kreasi Handal Selaras, 2020)

  • Mitigasi dan Pemantauan Tanah Longsor

Pada pemantauan tanah longsor, pengambilan data LiDAR dilakukan secara berkala dalam selang waktu tertentu. Pergerakan tanah dapat dipantau dari perubahan data yang didapatkan. Pemantauan tanah longsor menggunakan LiDAR akan menghasilkan model tiga dimensi dari lereng yang diamati.

Gambar 3. Digital Elevation Model (DEM) tanah longsor.

(Hasil Olahan Data PT. Kreasi Handal Selaras)

Data LiDAR dalam Pemetaan Geohazard

Data berupa LiDAR, foto udara, peta geologi, dan peta tata guna lahan dikumpulkan untuk diolah menjadi zonasi rawan longsor yang kemudian digunakan sebagai Peta Rekomendasi Lahan. Peta ini digunakan sebagai acuan awal dalam penentuan lokasi yang baik berdasarkan kajian geoteknik. Kajian geoteknik ini merupakan upaya pengidentifikasian titik/daerah yang berpotensi menjadi geohazard secara local maupun regional. Persiapan berikutnya adalah membuat Peta Tata Guna Lahan dan Peta Kemiringan Lereng berdasarkan data LiDAR dan foto udara. Kemudian, Peta Tata Guna Lahan, Peta Kemiringan Lereng, dan Peta Geologi dibagi berdasarkan kelas tertentu dan pemberian bobot pada masing-masing kelas dilakukan.

            Gambar 4. Peta Tata Guna Lahan, Peta Kemiringan Lereng, Peta Geologi

Ketiga peta tersebut digabungkan dengan metode Weighted Overlay. Pemberian bobot juga dilakukan untuk masing-masing peta berdasarkan pengaruh terhadap potensi pergerakan tanah. Kemudian, Peta Rekomendasi Lokasi terbentuk sesuai dengan zonasi potensi longsor yang terbagi menjadi 5 kelas, yaitu Sangat Aman, Aman, Layak, Rawan, dan Sangat Rawan. Berdasarkan Peta Rekomendasi Lahan dan Peta Daerah Tangkapan Air yang didapatkan dari hasil pengolahan data LiDAR, lokasi yang berpotensi mengalami pergerakan tanah dapat diinterpretasi arah pergerakannya. Arah pergerakan dari potensi pergerakan tanah tersebut juga telah didasarkan pada kondisi lapangan.

Gambar 5. Potensi Pergerakan Tanah

Referensi :

[1] Center, N. C. (2012). Lidar 101: An Introduction to Lidar Technology, Data, and Applications. Charleston: SC: NOAA Coastal Services Center.

DJI Agras T16, Agriculutural Spraying Drone

Oleh : Sarah Sherida, ST

Salah satu kegunaan drone selain mengambil foto udara maupun video aerial adalah membantu bidang agrikultur dalam melakukan pengawasan serta penyiraman pestisida di areal perkebunan dan perhutanan yang sangat luas.

Saat ini terdapat berbagai jenis drone yang bisa mempermudah pekerjaan petani dalam mengawasi, menyemprot, melakukan pemupukan, dan menyeprotkan pestisida, salah satunya DJI Agras T-16.
Drone Dji Agras T-16 menjadi drone andalan dari banyak professional, dimana drone hexacopter ini sangat memberikan efisiensi kerja untuk membantu dalam memberikan pestisida secara menyeluruh dan akurat kepada tanamannya.

DJI Agras T16

Daya yang Dioptimalkan, Performa Tak Tertandingi

Agras T16 memiliki struktur keseluruhan yang disempurnakan dengan desain modular dan mendukung muatan tertinggi dan lebar semprotan terluas untuk drone pertanian dan perhutanan DJI. Dengan perangkat keras yang lebih kuat dan tangguh, mesin Artifical Intelegent, dan perencanaan operasi 3D, DJI Agras T16 membawa efisiensi operasi ke tingkat yang baru.

DJI Agras T16 Fly

Struktur Merevolusi. Operasi yang Handal.

Desain modular T16 yang serba baru menyederhanakan perakitan dan mempercepat perawatan harian. Peringkat IP67 memberikan perlindungan yang andal untuk komponen kunci drone. Sebuah badan pesawat ringan, namun tahan lama terbuat dari komposit serat karbon dan dapat dengan cepat dilipat untuk 25% dari ukuran aslinya, sehingga mudah untuk transportasi. Baterai dan tangki semprotan mudah ditukar, secara signifikan meningkatkan efisiensi pasokan daya dan cairan.

Payload Lebih Tinggi. Peningkatan Efisiensi.

Didukung oleh kinerja terbangnya yang luar biasa, tangki semprotan T16 dapat mengangkut hingga 16 L, dan lebar semprotan telah meningkat menjadi 6,5 m. Sistem penyemprotan memiliki 4 pompa pengiriman dan 8 alat penyiram dengan kecepatan semprot maksimum 4,8 L / menit. T16 dapat menyemprotkan 24,7 acre (10 hektar) [1] per jam. Sistem penyemprotan juga memiliki flow meter elektromagnetik baru, memberikan presisi dan stabilitas yang lebih tinggi daripada flow meter konvensional.

Radar Yang Lebih Canggih. Mudah Dioperasikan.

Sistem radar T16 yang ditingkatkan dapat merasakan lingkungan operasi di siang atau malam hari, tanpa terpengaruh oleh cahaya atau debu. Drone ini telah sangat meningkatkan keselamatan penerbangan dengan penghindaran rintangan maju dan mundur dan FOV horizontal (bidang pandang) 100 °, dua kali lipat drone pertanian DJI sebelumnya. T16 juga dapat mendeteksi sudut kemiringan dan menyesuaikannya secara otomatis bahkan di daerah pegunungan. Sistem radar inovatif ini mengadopsi teknologi Digital Beam Forming (DBF), yang mendukung pencitraan cloud titik 3D yang secara efektif merasakan lingkungan dan membantu menghindari rintangan.

Keunggulan DJI Agras T16 Dibandingkan Dengan Spraying Drone Lainnya

  • Efisiensi maksimum
  • Penyemprotan akurat
  • Mudah digunakan
  • Memiliki kecerdasan memori
  • Desain yang dapat dilipat
  • Memiliki sensor ketinggian
  • Dikendalikan dengan remot kontrol

SPESIFIKASI DJI AGRAS T16

Aircraft Frame

Diagonal Wheelbase1520 mm
Frame Arm Length625 mm
Dimensions1471mm x 1471mm x 482mm (arm unfolded, without propellers)780mm x 780mm x 482mm (arm folded)

Motor

Diagonal Wheelbase1520 mm
Frame Arm Length625 mm
Dimensions1471mm x 1471mm x 482mm (arm unfolded, without propellers)780mm x 780mm x 482mm (arm folded)

ESC

Max Allowable Current (Continuous)25 A
Operating Voltage12S LiPo
Signal Frequency30 to 450 Hz
Drive PWM Frequency12 kHz

Foldable Propeller

MaterialHigh-performance engineered plastics
Diameter / Pitch21×7.0 inch (533×178 mm)
Weight58 g

Liquid Tank

Volume10 L
Standard Operating Payload10 kg
Max Battery Size151mm x 195mm x 70mm

Nozzle

ModelXR11001
Quantity4
Max Spray Speed0.43 L/min (per nozzle, for water)
Spray Width4 – 6 m (4 nozzles, 1.5 – 3 m above the crops)
Droplet Size*XR11001: 130~250 μm*Droplet size may vary according to operation environment and spraying speed.

Flight Parameters

Total Weight (without batteries)8.8 kg
Standard Takeoff Weight22.5 kg
Max Takeoff Weight24.5 kg (@ sea level)
Max Thrust-Weight Ratio1.81 (with 22.5 kg takeoff weight)
Power BatteryDJI Designated Battery (MG-12000)
Max Power Consumption6400 W
Hovering Power Consumption3250 W (with 22.5 kg takeoff weight)
Hovering Time24 min (@ with 12.5 kg takeoff weight)10 min (@ with 22.5 kg takeoff weight)
Max Operating Speed8 m/s
Max Flying Speed22 m/s
Recommended Operating Temperature0 to 40℃

Remote Controller

ModelGL690B(Japan Only), GL658C
Operating Frequency2.400 – 2.483 GHz
Max Transmission Range (unobstructed, free of interference)1km
EIRP100 mW @ 2.4 GHz
Built-in Battery6000 mAh, 2S LiPo
ChargingDJI charger
Output Power9 W
Operating Temperature Range-10 to 40℃
Storage Temperature RangeLess than 3 months: -20 to 45℃More than 3 months: 22 to 28℃
Charge Temperature Range0 to 40℃

Remote Controller Charger

ModelA14-057N1A
Voltage17.4 V
Rated Power57 W

SUMBER :

https://www.dji.com/id/t16/info

Canopy Height Model (Chm) Menggunakan Survei Fotogrametri Untuk Perhitungan Tinggi Pohon

Oleh : Rabby Awalludin, ST

Kemunculan fotogrametri dengan menggunakan pesawat nirawak (UAV) menjadi jalan baru penggunaan metode fotogrametri dalam analisis lingkungan seperti lingkungan hutan dan daerah sulit terjamah oleh metode akuisisi lainnya. Jika dibandingkan dengan pengukuran fotogrametri dengan kamera metric dan penerbangan dengan ketinggian tinggi maupun dengan survey berbasis LiDAR, metode ini tetap memiliki resolusi spasial dan temporal yang tinggi [1].

CHM atau Canopy Height Model merupakan representasi dari tinggi pohon pada wilayah pengukuran. Tinggi pohon diukur melalui jarak antara ground (permukaan) dengan titik tertinggi pohon. Untuk daerah dengan tutupan lahan yang secara keseluruhannya merupakan pepohonan, tidak diperlukan tindakan lebih lanjut sebelum CHM dikalkulasi. Beda hal jika terdapat perumahan atau bangunan dalam area tersebut, untuk kondisi ini diperlukan pembersihan terlebih dahulu data tersebut.

Muncul pertanyaan, apa saja yang dapat kita lakukan dengan adanya CHM ini? Banyak pemanfaatan yang dilakukan oleh berbagai pihak dalam berbagai fungsi pemetaan dan analisis spasial (keruangan). Beberapa diantaranya sebagai berikut [2]:

  1. Evaluasi resiko tinggi vegetasi terhadap saluran listrik
  2. Memantau penebangan dan pemulihan hutan
  3. Menilai kesesuaian habitat untuk satwa liar
  4. Mengidentifikasi lokasi pohon-pohon yang memenuhi syarat masuk dalam kategori pohon besar (klasifikasi pohon hutan)
  5. Mengevaluasi pertumbuhan dan perkembangan pohon hutan industri

CHM merupakan hitungan turunan dari Digital Elevation Model (DEM) dan Digital Surface Model (DSM). Nilai CHM dapat diketahui dengan banyak cara, salah satunya adalah dengan melakukan pengurangan nilai DSM oleh DEM. DSM yang merupakan representasi dari nilai ketinggian keseluruhan objek di permukaan bumi dihilangkan permukaan tanahnya (ground) oleh DEM sehingga dihasilkan nilai ketinggian dari objek yang dihitung nol dari permukaan tanah. Secara singkat perhitungan nilai CHM dilakukan dengan cara berfikir seperti berikut:

DSM – DEM = CHM

Sebelum dapat menghasilkan nilai CHM dari DSM dan DEM, tentunya terdapat beberapa langkah dan metode yang harus dipenuhi terlebih dahulu. Sebelum menghasilkan nilai DSM, diperlukan data PointCloud, yang dapat dihasilkan dengan menggunakan metode fotogrametri maupun LiDAR. Secara singkat dengan menggunakan metode fotogrametri dapat dijelaskan sebagai berikut [3]:

Dilakukan aerial triangulation untuk mendapatkan nilai posisi dan ketinggian objek dari foto-foto yang diambil dengan menggunakan metode fotogrametri. Hasil ini berupa Sparse Point Cloud yang merupakan titik jarang yang merepresentasikan posisi suatu objek.


Nilai titik jarang tersebut kemudian diperbanyak sehingga menghasilkan titik-titik dengan kerapatan padat yang disebut dengan istilah Dense Point Cloud.

Interpolasi Dense Point Cloud yang menghasilkan Digital Surface Model (DSM)

Dilakukan proses klasifikasi, otomatis maupun manual yang menghasilkan data ketinggian Ground (DEM)

Kombinasi antara DSM dan DEM sehingga menghasilkan CHM

Perhitungan nilai CHM dapat dilakukan dengan menggunakan perangkat lunak ArcGIS, Global Mapper, Simactive, dan perangkat lunak pengolahan data spasial lainnya. Perhitungan dilakukan secara otomatis dengan menggunakan bahasa pemrograman yang terdapat pada masing-masing perangkat lunak.

Nilai ketelitian dari tinggi pohon yang diperoleh dengan menggunakan CHM dapat diperoleh dengan cara membandingkan beberapa sampel yang sama antara CHM dan data lapangan yang dipilih secara acak. Nilai ketelitian dari CHM sangat berpengaruh terhadap beberapa faktor, diantaranya:

·         Nilai GSD (Ground Sample Distance)

Seperti yang kita ketahui bersama, nilai GSD merupakan ukuran resolusi piksel dari hasil foto udara, baik foto udara dengan kamera metrik maupun foto udara dengan kamera non metrik. Model permukaan bumi terbentuk dari data elevasi digital dalam tiga dimensi (X, Y, Z). Data elevasi digital ini disimpan dalam format piksel grid (raster). Setiap piksel mempunyai nilai elevasi yang mewakili ketinggian titik di permukaan bumi. Semakin besar nilai GSD pada foto udara, maka resolusi spasial yang dihasilkan akan semakin rendah, dan tingkat kedetailan dari objek-objek pada foto udara akan semakin berkurang [4]. Jika GSD yang digunakan besar (resolusi rendah), nilai tinggi yang direpresentasikan oleh CHM menjadi buruk. Hal ini dipengaruhi dengan besarnya GSD, nilai tertinggi sebenarnya dari pohon tidak dapat didefinisikan dengan jelas. Sehingga representasi hasil tinggi kurang atau tidak mendekati nilai tinggi sebenarnya di lapangan.

·         Kualitas GCP

Kualitas Ground Control Point atau GCP juga ikut andil dalam ketelitian dari CHM yang dihasilkan. GCP berpengaruh dalam menentukan kedekatan posisi termasuk posisi horizontal dan vertikal dari objek pengamatan dalam hal ini pohon. Semakin baik kualitas GCP, maka akan semakin baik pula posisi dari objek pengamatan, yang secara langsung juga berpengaruh terhadap nilai CHM yang dihasilkan.

 ·         Nilai Pembanding

Nilai ketelitian hasil suatu metode didapatkan dengan membandingkan dengan hasil metode lainnya. Namun nilai pembanding tersebut harus memiliki nilai yang lebih dipercaya sehingga jika hasil metode yang dibandingkan semakin mendekati pembanding, maka metode tersebut dapat digunakan. Misalkan nilai CHM dibandingkan dengan hasil pengukuran lapangan. Metode perhitungan yang dilakukan dalam pengukuran lapangan haruslah metode yang memiliki nilai kepercayaan yang dapat dipertanggungjawabkan dengan baik.

Jonathan Lisein, Stephanie Bonnet and Philippe Lejeune dari Universitas Liege – Gembloux Agro-Biotech melakukan penelitian mengenai ketelitian CHM dengan menggunakan metode fotogrametri dengan pesawat nirawak (UAV) yang dibandingkan dengan pengukuran tinggi di lapangan [3] . Didapatkan hasil seperti pada tabel berikut :

Resolusi/GSDRMSE
25cm2.1m

Dari hasil yang didapatkan, dapat ditarik kesimpulan berupa:

  1. Penggunaan DEM dengan resolusi rendah dan akurasi yang tidak diketahui merusak nilai presisi dari DSM itu sendiri.
  2. Rekonstruksi Tiga Dimensi pohon rapat dengan menggunakan foto bergantung pada kuat dan arah angin yang menyebabkan pergerakan daun, serta pengulangan bentuk pada kanopi hutan yang padat dan berdaun lebar, keduanya dapat menghambat/membingungkan dalam proses pembentukan dense point cloud.
  3. Hasil co-registrasi DSM dan DTM untuk kawasan hutan tidak ketat secara ilmiah, karena kurangnya visibilitas tanah (tinggi vegetasi = 0) pada DSM.
  4. Penggunaan fotogrametri untuk kawasan hutan rentan terhadap error, karena nilai tanah dibawah pohon tidak terlihat.

Kerapatan point cloud dapat mempengaruhi ketelitian dari nilai tinggi yang dihasilkan. Dapat terlihat pada gambar berikut:

Sumber : www.mpdi.com

Secara keseluruhan, metode menentukan ketinggian pohon (CHM) dengan menggunakan metode survei fotogrametri cukup efektif dan efisien jika dilakukan untuk menghasilkan data dengan ketelitian yang cukup baik. Untuk dapat memastikan layak atau tidaknya metode ini dilakukan, diperlukan pemilihan metoda akuisisi dan pengolahan data yang tepat seperti proses klasifikasi point cloud, spesifikasi alat, nilai GSD yang digunakan, metode pembanding yang digunakan, penggunaan parameter dalam pengolahan data pada perangkat lunak pengolahan data yang digunakan, dsb.

Sumber Referensi :

[1] Watts A.C., Ambrosia V.G., Hinkley E.A. [2012]. Unmanned Aircraft Systems in Remote Sensing and Scientific Research: Classification and Considerations of Use. Remote Sensing 4 (6), 1671–1692.

[2] https://www.earthdefine.com/spatialcover_chm/

 [3] https://orbi.uliege.be//bitstream/2268/129781/1/ModeleNumCanopee_drone_poster.pdf

 [4] https://www.handalselaras.com/ground-sampling-distance-gsd/

PRESISI VS AKURASI PADA DATA LIDAR

Tike Aprillia Hartini

Keyword: presisi, akurasi, LiDAR (Light Detection and Ranging).

Dalam melakukan suatu pengukuran, untuk memastikan hasil ukuran yang didapatkan baik atau tidak digunakan istilah presisi dan akurasi. Presisi adalah tingkat konsistensi dari pengamatan yang ditentukan dari besarnya perbedaan dalam nilai data yang dihasilkan. Presisi sangat ditentukan oleh kestabilan kondisi pengamatan, kualitas alat, kemampuan dari pengamat, dan prosedur pengamatan. Sedangkan akurasi adalah tingkat kedekatan dari nilai pengamatan dengan nilai sebenarnya. Nilai sebenarnya dari suatu pengukuran tidak pernah dapat ditentukan, sehingga akurasi selalu tidak diketahui. [1] Namun, untuk mendekati nilai yang dianggap benar sering kali digunakan nilai rata-rata dari keseluruhan data yang diukur. Sehingga, hasil pengukuran akan memiliki tingkat akurasi yang tinggi apabila mendekati nilai rata-rata. Perbedaan presisi dan akurasi dapat dilihat pada ilustrasi di bawah ini:

Gambar 1. Akurasi dan Presisi.[1]

(1a) Akurat dan Presisi, (1b) Akurat, (1c) Presisi, (1d) Tidak Akurat dan Tidak  Presisi.

Presisi dan akurasi pun sering dikaitkan dengan kesalahan sistematis dan kesalahan acak. Kesalahan sistematis adalah kesalahan dengan kecenderungan menggeser semua pengukuran secara sistematis, sehingga nilai rata-rata secara konstan bergeser atau bervariasi dan dapat diprediksi perubahannya serta dapat dikoreksi. Sedangkan kesalahan acak adalah kesalahan dengan variasi nilai kesalahannya tidak terduga dan tidak dapat dikoreksi. Kesalahan acak ini dapat disebabkan karena faktor lingkungan di tempat pengukuran, seperti terjadi kebisingan, adanya kabut, dan getaran sehingga mempengaruhi hasil pengukuran. Apabila hasil pengukuran memiliki nilai akurasi yang rendah, maka kemungkinan besar terdapat kesalahan sistematis pada alat pengukuran. Sehingga diperlukan kalibrasi pada alat tersebut. Apabila hasil pengukuran memiliki nilai presisi yang rendah, kemungkinan besar terdapat kesalahan acak pada pengukuran yang dilakukan.

Dalam pengukuran LiDAR, presisi dan akurasi dapat dilihat dari sebaran data point cloud yang dihasilkan antar jalur terbang. Keakuratan data LiDAR dapat dilihat dari tingkat kedekatan point cloud dengan posisi aktual dari lingkungan yang dijelaskan. Sedangkan kepresisian dari data LiDAR dapat dilihat dari tingkat kekonsistenan point cloud antar jalur terbang pada titik yang sama. Sehingga, untuk mendapatkan nilai presisi ini harus dilakukan pengukuran lebih pada suatu objek. Oleh karena itu, pada saat melakukan akuisisi data lidar diperlukan pertampalan antar jalur terbang (sidelap dan overlap). Data LiDAR yang memiliki tingkat presisi yang tinggi akan menghasilkan point cloud yang lebih tipis karena memiliki jarak antar point cloud yang kecil dan memiliki sedikit noise.[2] Ilustrasi dari akurasi dan presisi dari data LiDAR dapat dilihat pada Gambar 2.

Gambar 2. Akurasi dan Presisi.[2]

Sehingga untuk mendapatkan hasil pengukuran yang mendekati nilai sebenarnya, kesalahan sistematik maupun acak harus dihindari agar tingkat akurasi dan presisi dari data yang dihasilkan memiliki kualitas yang baik. 

DAFTAR REFERENSI:

[1] Ghilani, Charles D dan Wolf, Paul R. 2006. Adjusment Computations Spatial Data Analysis. United States of America.

[2] Accuracy vs Precision. https://www.yellowscan-lidar.com/knowledge/wait-accuracy-vs-precision-isnt-rocket-science/?utm_source=hs_email&utm_medium=email&utm_content=81181499&_hsenc=p2ANqtz-9lnwORNL6_GfpxQre3qYVG3_Ykh7ZPDIctygB9BjeMocx-SeKScUmQ1DfHAia-2NGsymbjAHnuo2GoSb_CU-52hPyIMZV-oNjj-oPVj6w23CPnSpk&_hsmi=81181499, diakses pada tanggal 3 Februari 2020.

Perbedaan Data Hasil Dari Fotogrametri dan LiDAR (Light Detection and Ranging) Dalam Aplikasi Inspeksi Jaringan Listrik Tegangan Tinggi (SUTET)

Oleh : Tike Aprilia, ST

Fotogrammetri dan LiDAR (Light detection and ranging) menggunakan wahana UAV (Unmanned Aerial Vehicle) memiliki perbedaan yang signifikan dalam akusisi dan hasilnya. Berikut adalah beberapa perbedaan antara Foto Udara dan LiDAR menggunakan wahana UAV:

1. Foto udara menggunakan alat dasar kamera foto menghasilkan data raster (data grid) sedangkan Lidar menghasilkan data Point yang biasa disebut point cloud. Data foto udara dapat membentuk data point cloud, namun dengan kualitas dan densitas point yang lebih rendah dibandingkan point cloud yang dihasilkan oleh LiDAR

Gambar 1. Point Cloud Yang Dihasilkan Oleh Foto Udara

Pada Gambar 1. terlihat SUTET dan kabel listrik tidak terbentuk dengan sempurna. Selain itu objek pohon memiliki bentuk seperti bukit.

Gambar 2. Point Cloud yang Dihasilkan Oleh LiDAR

Pada Gambar 2. point cloud yang dihasilkan LiDAR memiliki densitas titik yang sangat rapat. Sehingga objek-objek terlihat seperti bentuk aslinya dalam tiga dimensi. Point cloud yang dihasilkan dapat ditampilkan berdasarkan ketinggian dan RGB dari masing-masing objek.

Gambar 3. SUTET dan Kabel yang Dihasilkan dari Akuisisi LiDAR

2. Foto udara menggunakan alat dasar kamera foto, pada dasarnya menghasilkan data dua dimensi yang memiliki akurasi lebih baik pada X dan Y (posisi). Sedangkan LiDAR menggunakan sensor yang dapat menembakkan gelombang terhadap objek dan gelombang yang dipantulkan diterima kembali oleh sensor tersebut. LiDAR akan menghasilkan data tiga dimensi yang memiliki karakteristik akurasi lebih baik pada Z (tinggi) dan dapat menembus permukaan tanah di bawah pohon selama terdapat celah cahaya yang dapat menembus pohon.

Gambar 4. Foto Udara yang Dihasilkan dari Akuisisi Fotogrametri Berupa Data Dua Dimensi
Gambar 5. Point Cloud yang Dihasilkan dari Akuisis LiDAR Berupa Data Tiga Dimensi

3. Analisisi Vegetasi dibawah jaringan listrik tegangan tinggi (SUTET) membutuhkan data Digital Terrain Model (DTM) yang akan diterjemahkan menjadi data kontur, data ketingian pohon dari data Digital Surface model (DSM), serta data model tiang dan kabel. Untuk itu, analisis vegetasi idealnya menggunakan data LiDAR. Namun untuk melakukan updating data dapat dilakukan dengan menggunakan data Foto Udara,  dengan mendapatkan data DSM vegetasi dan mengesampingkan model tiang dan kabel SUTET.

Gambar 6. Dengan Point Cloud LiDAR Dapat Diketahui Perbedaan Tinggi Kabel dan Objek Di Bawahnya
Gambar 7. Data LiDAR Dapat Diolah Untuk Mengetahui Danger Area Disekitar SUTET.
Gambar 8. SUTET terbentuk dalam point cloud foto udara, namun tidak sejelas pada data LiDAR. Sedangkan kabel listrik tidak terbentuk pada point cloud foto udara.
Gambar 9. Analisis menggunakan foto udara dapat menghitung jumlah pohon yang terdapat di bawah SUTET dan dapat dibuat analisis ketinggiannya, namun tidak bisa mendapatkan ketinggian dari kabelnya.

Apa itu LiDAR?

Oleh : Tike Aprillia Hartini

Teknologi light detection and ranging (LiDAR) saat ini telah banyak dikembangkan. Output LiDAR berupa data tiga dimensi (3D) dengan akurasi yang cukup tinggi dan pengambilan data yang lebih cepat menjadikan teknologi ini mulai banyak diaplikasikan dalam berbagai bidang. Sehingga, teknologi ini dapat digunakan sebagai alternatif dari teknologi pemetaan secara konvensional (pemetaan terestris).

Pada area pengukuran yang luas, LiDAR akan sangat efisien digunakan dibandingkan dengan metode pemetaan konvensional. Hal ini karena waktu pengambilan dan pemrosesan data dapat dilakukan lebih cepat. Selain itu output LiDAR sudah dalam bentuk digital, sehingga tidak perlu dilakukan proses digitalisasi.

Namun, teknologi LiDAR ini masih terdengar asing oleh orang awam. Sehingga, pada artikel ini akan dijelaskan mengenai apa itu LiDAR? Bagaimana prinsip kerja LiDAR? Apa saja output data LiDAR? Dan bagaimana pengaplikasian LiDAR dalam beberapa bidang?

LIGHT DETECTION AND RANGING (LIDAR)

LiDAR atau juga dikenal sebagai LADAR adalah akronim untuk light detection and ranging. LiDAR adalah teknologi yang menerapkan sistem penginderaan jauh sensor aktif untuk menentukan jarak dengan menembakkan sinar laser yang dipasang pada wahana pesawat. Jarak didapatkan dengan menghitung waktu antara ditembakkannya sinar laser dari sensor sampai diterima kembali oleh sensor.

LiDAR dapat dengan cepat mengukur permukaan bumi dengan laju pengambilan sampel data lebih besar dari 150 kilohertz (150.000 pulsa per detik) [6]. LiDAR menghasilkan produk berupa kumpulan titik awan (points cloud) yang tergeoreferensi, sehingga menghasilkan representasi tiga dimensi (3D) dari permukaan bumi dan objek-objek diatasnya. Sistem LiDAR pada umumnya banyak beroperasi dengan menggunakan gelombang near infrared (NIR). Namun beberapa sensor pun ada yang menggunakan spektrum gelombang hijau untuk menembus air dan mendeteksi keadaan di dasar air.

LiDAR dapat memperoleh data di bawah kanopi pohon. Hal ini lah yang menjadi keunggulan LiDAR dibandingkan dengan fotogrametri dan pemetaan menggunakan citra satelit. Meskipun tidak semua data di bawah kanopi pohon dapat diperoleh, tetapi data tersebut dapat dijadikan sampel titik permukaan tanah di daerah yang berpohon tersebut. Hal ini karena LiDAR menggunakan sinar laser, sehingga selama masih ada celah cahaya yang bisa menembus ke bawah kanopi pohon, maka data LiDAR dapat diperoleh.

KOMPONEN LIDAR

Sistem LiDAR terdiri dari empat komponen dasar, yaitu sensor LiDAR, Global Positioning System (GPS), Inertial Measuring Unit (IMU), dan kamera digital [5]. Komponen-komponen tersebut akan dijelaskan dalam uraian berikut:

1.        Sensor LiDAR

Sensor LiDAR berfungsi sebagai pemancar sinar laser ke objek dan merekam kembali setelah mengenai objek. Sensor laser memiliki beberapa karakteristik yang dapat dibedakan dari kekuatan sinar laser yang dipancarkan, cakupan dari pancaran sinar gelombang laser, dan jumlah sinar laser yang dihasilkan per detik. Salah satu karakteristik sensor laser LiDAR yang menjadi kelebihan LiDAR dibandingkan dengan yang lain adalah kemampuan gelombang tersebut untuk melakukan multiple return, yakni sensor LiDAR dapat merekam beberapa kali gelombang pantul dari objek yang ada dipermukaan bumi untuk setiap gelombang yang dipancarkan. Multiple return digunakan untuk menentukan bentuk dari objek atau vegetasi yang menutupi permukaan tanah. Gambar 1. menunjukkan ilustrasi dari multiple return. Gambar tersebut menunjukkan gelombang yang dipancarkan tidak hanya mengenai objek yang ada di atas permukaan tanah saja, tetapi juga mengenai permukaan tanah di bawah objek tersebut.

Multiple Return
Sumber: Lohani, 2010

Permukaan objek yang pertama kali memantulkan pulsa laser akan menjadi gelombang pantul pertama (first return). Gelombang ini yang umumnya digunakan untuk membuat Digital Surface Model (DSM). Objek yang kedua kalinya memantulkan pulsa tersebut akan menjadi second return dan seterusnya hingga gelombang pantulan terakhir.

2.       Global Positioning System (GPS)

Metode penentuan posisi GPS yang digunakan dalam sistem LiDAR adalah diferensial kinematik. Posisi wahana terbang selalu bergerak dan berubah-ubah dengan cepat ketika akuisisi data, maka dilakukan penentuan posisi GPS dengan metode kinematik untuk mendapatkan posisi dengan ketelitian yang tinggi. Pada Gambar 2. diilustrasikan konfigurasi antara base station dan rover, sehingga menghasilkan koordinat titik yang disimpan sebagai point cloud.

Metode Diferensial Kinematik yang Digunakan Pada LiDAR
Sumber: Lohani dan Ghosh, 2017

Metode diferensial kinematik memerlukan dua buah receiver GPS. Satu receiver diletakkan pada sebuah titik yang telah diketahui koordinatnya di permukaan tanah yang berfungsi sebagai base (stasiun referensi), sedangkan receiver yang lain diletakkan pada wahana terbang sebagai roving receiver. Konfigurasi dari keduanya menghasilkan koreksi diferensial pada roving receiver, sehingga posisi laser pada wahana terbang dapat diketahui secara real time dan akurat [1]. Data GPS yang telah dihasilkan kemudian diolah secara post processing dan digabungkan dengan data Inertial Measuring Unit (IMU), sehingga diperoleh koordinat yang telah terdefinisi secara geografis

3.       Inertial Measuring Unit (IMU)

Inertial Measuring Unit (IMU adalah salah satu komponen dalam sistem LiDAR. IMU berfungsi sebagai instrumen yang mendeteksi pergeseran rotasi dari wahana terbang terhadap sumbu-sumbu sistem terbang. Sistem tersebut dapat mengukur sudut perubahan berupa attitude wahana terbang (pitch, roll, dan yaw) terhadap sumbu-sumbu terbang. Selain itu, IMU juga dapat mendeteksi perubahan percepatan pada wahana pesawat terbang. Gambar 3. mengilutrasikan keadaan pitch, roll, dan yaw dari wahana terbang.

Ilustrasi Pitch, Roll, dan Yaw
Sumber: howthingsfly.si.edu

Pitch adalah pergerakan rotasi sumbu y wahana terbang terhadap sumbu y sistem terbang. Sumbu y wahana terbang didefiniskan sebagai garis pada bidang horizontal yang tegak lurus sumbu x wahana terbang. Sumbu y sistem referensi terbang didefinisikan sebagai garis yang tegak lurus dengan arah terbang horizontal wahana.

Roll adalah pergerakan rotasi sumbu x wahana terbang terhadap sumbu x pada sistem referensi terbang. Sumbu x wahana terbang didefinisikan sebagai garis lurus pada bidang horizontal yang melalui bagian depan (hidung) wahana terbang hingga bagian belakang (ekor) wahana terbang. Garis ini membagi dua badan pesawat sama besar. Sumbu x dari sistem referensi terbang didefinisikan sebagai garis yang berimpit dengan arah terbang horizontal wahana.

Yaw adalah sudut antara sumbu z wahana terbang terhadap arah utara. Sumbu z wahana terbang didefinisikan sebagai garis yang tegak lurus terhadap sumbu x dan y wahana terbang [5].

IMU memantau attitude wahana terbang sehingga dapat dilakukan koreksi untuk setiap posisi objek pada saat akuisisi data. Tanpa informasi dari IMU posisi footprint dari sinar laser yang dipancarkan tidak dapat diketahui secara pasti.

4.       Kamera Digital

Kamera dalam sistem LiDAR berfungsi untuk menghasilkan foto dari area pengukuran LiDAR. Foto tersebut dapat ditumpang tindihkan (overlay) dengan data X, Y, Z hasil pengukuran LiDAR. Informasi ini digunakan ketika operator melakukan post processing data LiDAR [13].

PRINSIP KERJA LIDAR

Secara umum prinsip kerja LiDAR adalah gelombang laser memancarkan pulsa dan memindai objek pada permukaan bumi, kemudian akan diukur waktu tempuh pulsa laser menuju suatu objek sampai kembali ke sensor.  Hasil ukuran waktu tempuh tersebut dapat digunakan untuk menghitung jarak sensor ke objek. Setelah itu nilai jarak dan sudut pancaran akan dikoreksi menggunakan IMU untuk mendapatkan koreksi pergerakan wahana. Posisi tiga dimensi setiap titik yang direkam datanya akan didapatkan dari IMU yang diintegrasikan dengan GPS. GPS digunakan untuk terus mengatur ulang IMU agar mampu mendapatkan posisi dengan akurasi tinggi. Posisi GPS telah diikatkan pada sebuah stasiun pengamat, dan stasiun ini memberikan faktor koreksi bagi unit GPS yang terpasang di wahana. Ilustrasi prinsip kerja LiDAR ditunjukkan pada Gambar 4.

Ilustrasi Prinsip Kerja LiDAR
Sumber: Center, 2012

Perbedaan waktu ketika sinar laser dipancarkan dan ketika sinar laser diterima oleh receiver optis dikalkulasi oleh perangkat lunak khusus untuk memproses dan mengkonversi data tersebut menjadi jarak terukur [6]:

dimana:

D     : jarak antara sensor dan objek yang diukur (m),

c      : kecepatan cahaya (3×108 m/s),

t       : waktu tempuh pulsa laser pada saat ditembakkan dari sensor dan diterima kembali oleh sensor (s).

WAHANA LIDAR

Pada perkembangan awalnya, LiDAR dibawa oleh wahana pesawat udara atau disebut dengan Airborne LiDAR. Namun karena biaya sewa pesawat cukup mahal, maka dikembangkanlah wahana pesawat tanpa awak yang dapat membawa sensor LiDAR. Pesawat tanpa awak ini dikenal juga sebagai Unmanned Aerial Vehicle (UAV). Dimana wahana yang dimaksud dapat terbang sesuai dengan perencanaan terbang (autopilot) dan dapat melakukan pengambilan data LiDAR. UAV ini memungkinkan untuk melakukan pelacakan posisi dan orientasi dari sensor yang diimplementasikan dalam sistem lokal atau koordinat global [2].

Ilustrasi Airborne LiDAR dan UAV LiDAR

OUTPUT LIDAR

Data yang dihasilkan dari akuisisi data LiDAR yaitu data dalam bentuk point cloud. Point cloud merupakan kumpulan titik yang mewakili bentuk atau fitur tiga dimensi (3D). Setiap titik memiliki koordinat X, Y, dan Z. Ketika terdapat banyak kumpulan point cloud yang disatukan, maka point cloud tersebut akan membentuk suatu permukaan atau objek dalam bentuk 3D.

Kerapatan titik (point cloud) yang bisa dihasilkan oleh LiDAR yaitu 1- 300 titik/𝑚2, hal ini bergantung dari beberapa faktor, diantaranya adalah metode akuisi (tinggi terbang, jenis konfigurasi sensor, dan jenis permukaan), serta sudut pandang sensor ke permukaan bumi (field of view) [9]. Akurasi vertikal dari data LiDAR adalah kurang dari 20 cm dan untuk horizontalnya adalah 30-50 cm dalam range 15-24 cm dan horizontal 30-64 cm [6].Data point cloud dapat digunakan untuk membuat model tiga dimensi permukaan bumi (3D), seperti digital elevation model (DEM), digital surface model (DSM), dan normalized digital surface model (NDSM). Namun, sebelumnya point cloud harus diklasifikasikan menjadi ground point dan non-ground point terlebih dahulu. Ground point adalah point cloud yang membentuk permukaan bumi, tanpa objek-objek diatasnya seperti vegetasi, rumah, dll. Sedangkan non-ground point adalah point cloud yang membentuk objek-objek diatas permukaan bumi, seperti vegetasi, rumah, dll. Ground point ini akan digunakan untuk membuat DEM, sedangkan non-ground point akan digunakan untuk membentuk DSM dan NDSM. Selain itu, DEM yang dihasilkan pun dapat digunakan lagi untuk membuat garis kontur.

Hasil Klasifikasi Ground Point dan Non-Ground Point
Sumber: Hasil Olahan PT Kreasi Handal Selaras. 2019

Digital Elevation Model (DEM) merupakan penyajian persebaran titik diskrit yang merepresentasikan distribusi spatial elevation permukaan yang berubah-ubah dengan referensi datum tertentu [12]. DEM menyajikan permukaan bumi tanpa menampilkan fitur vegetasi, bangunan, dan struktur buatan manusia yang lainnya.

Digital Surface Model (DSM) adalah model permukaan bumi yang meluputi fitur alami maupun buatan manusia, misalnya gedung, vegetasi, dan pepohonan [3]. DSM juga merupakan model elevasi topografis permukaan bumi yang memberi batas acuan yang benar secara geometris. DSM menggambarkan puncak fitur yang terdapat di atas bare earth.

Hasil DEM dan DTM dari Akuisisi LiDAR
Sumber: Hasil Olahan PT Kreasi Handal Selaras. 2019

Normalized Digital Surface Model (NDSM) adalah penyajian model elevasi objek pada permukaan datar. Model ini diperoleh dari perbedaan antara DSM dan DEM. NDSM dihitung dengan cara mengurangkan DSM dengan DEM [8]. Penghitungan ini akan didapatkan tinggi objek yang ada di atas permukaan tanah.

Garis kontur adalah garis khayal pada peta yang meghubungkan titik-titik dengan ketinggian yang sama. Garis kontur disajikan di atas peta untuk memperlihatkan naik turunnya keadaan permukaan tanah, juga untuk memberikan informasi slope (kemiringan tanah), irisan profil memanjam permukaan tanah terhadap jalur proyek, dan perhitungan galian serta timbunan (cut and fill) permukaan tanah.

APLIKASI LIDAR

Teknologi LiDAR yang menghasilkan output dengan akurasi data yang cukup akurat, menjadikan teknologi ini mulai banyak digunakan. Berikut adalah aplikasi LiDAR dalam beberapa bidang:

  • Pemodelan Banjir

Dalam pemodelan banjir, LiDAR berperan dalam membentuk digital elevation model (DEM). DEM yang dihasilkan dari LiDAR memiliki kualitas data dan resolusi spasial yang lebih baik dibandingkan dengan citra satelit. DEM ini berfungsi untuk membentuk model geometri sungai yang akan digunakan pada tahapan simulasi banjir [4].

  •  Pemantauan Tanah Longsor

Pada pemantauan tanah longsor, pengambilan data LiDAR dilakukan secara berkala dalam selang waktu tertentu. Pergerakan tanah dapat dipantau dari perubahan data yang didapatkan. Pemantauan tanah longsor menggunakan LiDAR akan menghasilkan model tiga dimensi dari lereng yang diamati.

  • Pemetaan Kawasan Hutan

Sinar laser yang dipancarkan oleh LiDAR dapat menembus celah-celah kecil pada kanopi pohon. Hal ini menjadikan LiDAR dapat merekam data di bawah kanopi pohon. Sehingga, dengan menggunakan LiDAR dapat dihasilkan DEM pada kawasan hutan. DEM dalam pemetaan kawasan hutan digunakan untuk menentukan zonasi bahaya kebakaran hutan.

  • Survei Pertambangan

Pada survei pertambangan LiDAR digunakan untuk memantau kemiringan lereng, menghitung volum stock pile, dan melakukan cut and fill.

Jadi, sangat menarik bukan teknologi LiDAR ini? Menurut Anda, dapat diaplikasikan untuk apa lagi teknologi LiDAR ini?

DAFTAR REFERENSI

[1] Abidin, H. Z. 2000. Penentuan Posisi Dengan GPS dan Aplikasinya. Jakarta : Pradnya Paramita.

[2] Airborne LiDAR. https://serc.carleton.edu/details/images/83475.html, diakses pada tanggal 31 Oktober 2019.

[3] ASPRS, 2007, Digital Elevation Model Technologies and Applications: The DEM Users Manual, 2nd Edition, edited by David F. Maune, Bethesdha, Maryland.

[4] Asriyah, Nur., Budi Harto, Agung., dan Wikantika, Ketut. 2017. Pemanfaatan Teknologi Light Detection and Ranging (LiDAR) Dalam Pemodelan Banjir Akibat Luapan Air Sungai, Bunga Rampai Forum Peneliti Muda Indonesia. Bandung : Istitut Teknologi Bandung.

[5] Burtch, Robert. 2001. LiDAR Principles and Applications. Big Rapids.

[6,1] Center, N. C. (2012). Lidar 101: An Introduction to Lidar Technology, Data, and Applications. Charleston: SC: NOAA Coastal Services Center.

[7,2] Eisenbeiß, H., Zurich, E. T. H., Eisenbeiß, H., & Zürich, E. T. H. (2009). UAV photogrammetry. Institute of Photogrammetry and Remote Sensing.

[8] Grigillo, D., Kosmatin Fras, M., dan Petrovič, D. 2011. Automatic Extraction and Building Change Detection from Digital Surface Model and Multispectral Orthophoto, Geodetski vestnik, 55(1), 28-45.

[9,3] Kandia, P. (2012). Pembentukan Model untuk Estimasi Kelapa Sawit Menggunakan Data Light Detection and Ranging (LIDAR). Bandung: Institut Teknologi Bandung.

[10] Lohani, Bharat dan Ghosh, Suddhasheel. 2017. Airborne LiDAR Technology: A Review of Data Collection and Processing Systems. Proceedings of the National Academy of Sciences. India.

[11] Lohani, B., 2010, Multiple return LiDAR, http://home.iitk.ac.in/~blohani/ (diakses pada tanggal 31 Oktober 2019).

[12] Meijerink, A. M. J., dkk., 1994, Introduction to The Use of Geographic Information Systems for Practical Hydrology, International Institute for Aerospace Survey and Earth Sciences (ITC). Enschede.

[13] Moskal, L. Monika. 2008. LiDAR Fundamentals: Part One, Workshop on Site-scale Application of LiDAR on Forest Lands in Washington, Center for Urban Holticulture. University of Washington.

[14] Pitch, Roll, and Yaw. https://howthingsfly.si.edu/flight-dynamics/roll-pitch-and-yaw, diakses pada tanggal 31 Oktober 2019.

[15] UAV LiDAR. http://www.uavexpertnews.com/2019/04/nextcore-releases-nextcore-rn-series/, diakses pada tanggal 31 Oktober 2019.