Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKKebutuhan akan data satelit penginderaan jauh bagi Indonesia sangat penting salah satunya untuk ketahanan pangan. Kontinuitas data untuk mempredisksi produksi pertanian bisa diukur melalui teknologi penginderaan jauh pada satelit pengamat bumi. Namun Kementrian Pertanian masih menggunakan satelit pengamat bumi milik asing dari Amerika Serikat yaitu satelit Landsat 8. Satelit Landsat 8 menggunakan sensor pasif berupa kamera yang memiliki kelemahan tidak mampu menangkap citra dari objek permukaan bumi pada saat kondisi berawan. Sehingga ini menyulitkan petugas lapangan untuk melakukan verifikasi data luas tanam dan panen sesuai dengan kondisi factual di lapangan.Penelitian telah dilakukan dengan menggunakan metode tekno ekonomi berdasarkan comparative alternatif. Dibuat dua skenario dalam melakukan analisisnya. Skenario I yang menggunakan satelit buatan Indonesia dengan misi memantau lahan pertanian yaitu Lapan A3 yang membawa sensor pasif berupa kamera dan skenario II yang menggunakan satelit mikro dengan menggunakan sensor aktif berupa teknologi Synthetic Aperture Radar microSAR . Kedua alternatif tersebut dibandingkan berdasarkan dari bobot masing-masing satelit yang berada pada ukuran mikro, sekitar 100 kg.Hasil analisis dari sisi teknologi didapatkan bahwa skenario II microSAR memperoleh resolusi temporal dan resolusi spectral lebih baik dibandingkan dengan skenario I LapanA3 . Dari sisi ekonomi, skenario I Lapan A3 memiliki biaya yang lebih rendah dibandingkan skenario II microSAR . Namun, teknologi SAR layak diterapkan di Indonesia karena Indonesia merupakan Negara hujan tropis yang terdapat banyak awan. Teknologi SAR mampu menembus awan sehingga dapat memperoleh akurasi lahan pertanian lebih akurat sehingga dapat menjadi solusi dari permasalahan yang dihadapi oleh Kementrian Pertanian.

---

ABSTRACTThe need for remote sensing satellite data for Indonesia is very important one of them for food security. The continuity of data for predicting agricultural production can be measured through remote sensing technology on Earth observer satellites. However, the Ministry of Agriculture still uses a foreign owned satellite observer of the Earth from the United States, namely Landsat 8. Landsat 8 satellite uses passive sensors in the form of a camera that has a weakness is not able to capture the image of the earth 39 s surface objects in cloudy conditions. This makes it difficult for field officers to verify data on planting and harvesting areas in accordance with factual conditions in the field.Research has been done by using techno economic method based on alternative comparative. Two scenarios were created in the analysis. Scenario 1 using satellite made in Indonesia with the mission of monitoring agricultural land that is Lapan A3 carrying passive sensor in the form of camera and scenario 2 using micro satellite by using active sensor in the form of Synthetic Aperture Radar microSAR technology. Both alternatives are compared based on the weight of each satellite that is on the micro size, about 100 kg.From the technological analysis it is found that scenario 2 microSAR obtains temporal resolution and spectral resolution is better than scenario 1 LapanA3 . From an economic perspective, scenario 1 Lapan A3 has a lower cost than scenario 2 microSAR . However, SAR technology is feasible in Indonesia because Indonesia is a tropical rain country where there are many clouds. SAR technology is able to penetrate the cloud so as to obtain accurate agricultural accuracy so that it can be a solution of the problems faced by the Ministry of Agriculture."

"ABSTRAK Pemetaan lahan dengan memanfaatkan teknologi penginderaan jauh sudah lamaberkembang. Di Indonesia yang beriklim tropis, awan menjadi masalah klasikdalam pemindaian permukaan bumi dengan menggunakan satelit penginderaanjauh bersensor optik. Satelit dengan sensor Radar mempunyai kemampuan untukmenembus awan sehingga dapat memindai objek yang berada di bawah awan.Penggunaan teknik klasifikasi berbasis piksel pada citra Synthetic Aperture Radar(SAR) masih mempunyai permasalahan akibat efek salt-and-pepper yangmemberikan hasil yang kurang sempurna pada produk klasifikasi citra. Padapenelitian ini teknik klasifikasi berorientasi objek menggunakan metodeStatistical Region Merging ( SRM ) untuk proses segmentasi objek serta metodeSupport Vector Machine (SVM) untuk proses klasifikasi penutup lahan dari setiapsegmen objek yang ada. Pada tahap klasifikasi diujicobakan beberapa fitur antaralain fitur dekomposisi Freeman-Durden, fitur Entropy, Alpha Angle danAnisotrophy serta fitur Normalized Difference Polarization Index (NDPI).Implementasi teknik klasifikasi berorientasi objek pada penelitian ini memberikanhasil yang lebih baik daripada teknik klasifikasi berbasis piksel. Perbandinganakurasi keseluruhan mencapai 80,48 % untuk hasil klasifikasi berorientasi objekdan 53,94 % untuk hasil klasifikasi berorientasi piksel dengan kondisi citra tanpafilter dan menggunakan 7 fitur dalam klasifikasi.

---

ABSTRACT Remote sensing technology for land mapping has been developing for long time.Indonesia has tropical climate where cloud covers can be classical problem foroptical sensor remote sensing satellite for surface observation of earth. Radarsensor satellite has ability to penetrate clouds so satellite can scan earth’s surfacewhich covered by clouds. The use of piksel-based classification technique onSynthetic Aperture Radar (SAR) image still has problem due to salt-and-peppereffect that gives less perfect result to classification image products. In thisresearch, object-oriented classification technique uses Statistical Region Merging( SRM ) method for object segmentation process and uses Support VectorMachine (SVM) as classifier in classification process for all segmented objects. Inclassification process stage, saveral features were applied such as Freeman-Durden decomposition, Entropy, Alpha Angle, Anisotrophy, and NormalizedDifference Polarization Index (NDPI) features. Implementation of obect-orientedclassification technique in this research gives better result than obect-orientedclassification technique which overall accuracy reach 80,48 % for obect-orientedclassification result and 53,94 % for piksel-based classification result in conditionunfiltered image data and using seven fetures in classification process."

"Berbagai sistem modern tidak lagi langka kita jumpai di lingkungan sekitar, seperti misalnya sensor pintu otomatis, pendeteksi kedalaman air, dan hingga pendeteksi kebakaran yang ditangkap menggunakan drone. Teknologi yang bisa mendukung pekerjaan semacam ini biasanya menggunakan SAR (synthetic aperture radar). Gelombang elektromagnetik ditembakkan oleh SAR ke suatu objek yang ingin diamati, lalu gelombang pantul akan diterima dari arah objek tersebut dan menjadikannya sebuah citra.CP-SAR (circular polarized synthetic aperture radar) memiliki karakteristik polarisasi sirkular ini bisa menjadi solusi dari permasalahan yang ada pada sistem SAR sebelumya, yaitu ketika gelombang melewati lapisan ionosfer maka akan rentan terhadap rotasi faraday, akibatnya karakteristik gelombang yang dipancarkan akan berubah. Pengembangan CP-SAR inipun bisa juga diaplikasikan dalam pengoperasian UAV atau pesawat nir-awak.Pada buku skripsi ini, dilakukan sebuah perancangan antena mikrostrip array 4x2 yaitu berarti terdapat 8 elemen di bagian patch antena dengan target spesifikasi SAR UAV yaitu bekerja di frekuensi 1.27 GHz. Metode yang dipakai dalam perancangan yaitu ditahap memberikan slot diagonal pada setiap patch antena bertujuan untuk menghasilkan polarisasi sirkular pada antena.Teknik diagonal slot (notch) yang disisipkan di patch membuat pengaruh pada hasil polarisasi menjadi sirkular. Simulasi yang dilakukan terhadap antena susun dengan elemen 4x2 menghasilkan return loss sebesar -14.09 dB dengan bandwidth dari frekuensi 1.256 GHz-1.320 GHz dan VSWR sebesar 1.49. Axial ratio yang terbaik diperoleh bernilai 5.31 dB namun belum memenuhi kriteria polarisasi melingkar, serta nilai gain sebesar 6.51 dBi. Adapun hasil yang teramati adalah surface current dari antena yang menjadi penunjuk bentuk polarisasi antena tersebut sudah mulai membentuk sirkular dengan pola left-hand circular polarized (LHCP). Hasil pengukuran yang diperoleh yaitu dengan melakukan pengukuran menghasilkan return loss dengan nilai impedance bandwidth sebesar 55 MHz dengan rentang dari 1.262 GHz-1.317 GHz.

---

Various modern systems are no longer a rare things that we find in our society. For example like automatic door sensor, water depth detector, and fire detector using drones. This kind of things are usually can be done by a technology called SAR that applicable for the benefits of military as well as non-military. Specific object will be illuminated by an electromagnetic waves of SAR and then an echo will formed from the object then SAR will turns it into some kind of visual information.

CP-SAR (circular polarized synthetic aperture radar) which has circular polarization characteristic can be a solution to the problems that existed in the previous SAR system, for example when the electromagnetic wave passes through the ionosphere layer it will be susceptible to faraday rotation. As a result, the characteristic of the emitted waves will change. The development of this CP-SAR can also be applied in UAV operations.

In this paper, a 4x2 microstrip array antenna is carried out, which means that there are 8 elements in the patch antenna with a target UAV SAR specification that works at a frequency of 1.27 GHz. In the first method of design the antenna, it was providing a diagonal slot on each patch antenna which aims to produce circular polarization on the antenna. Some treatment to find the most effective results is done by varying the length of the diagonal slot on the patch and the length of the rectangular DGS on the ground.

Diagonally slot technique that made in the patch of antenna can bring out a circularly polarized antenna. The measurements carried out resulted in a return loss of -14.09 dB with bandwidth from 1.256 GHz-1.320 GHz and VSWR of 1.49. the results of axial ratio are 5.31 dB, and gain for 6.51 dBi. The observed result is that the surface current of the antenna, which indicates the type of the polarization of the antenna, is circular with a left-hand circular polarized pattern. The measurement results obtained are by measuring VNA in the form of return loss results with a value of -14 dB with bandwidth 1.262 GHz-1.317 GHz."

"Indonesia merupakan wilayah yang sering terjadi gempa bumi dikarenakan letaknya yang berada di antara beberapa lempeng tektonik yang aktif (Sungkawa, 2016). Gempabumi yang terjadi di bagian barat laut provinsi Sumatera Utara pada tanggal 1 Oktober 2022 dengan kekuatan 5.8 Mw merupakan bukti bahwa lempeng-lempeng bumi di wilayah tersebut bergerak aktif. Dari gempa tersebut dilakukan penelitian untuk mengetahui besar deformasi yang terjadi setelah gempa dikarenakan pada umumnya, gempabumi dapat menyebabkan terjadinya deformasi atau perubahan bentuk pada kerak bumi di sekitarnya. Deformasi coseismic merupakan deformasi yang terjadi pada kerak bumi akibat gempa utama dan gempa-gempa susulan yang memiliki magnitudo yang cukup besar. Untuk mendapatkan besar nilai dari deformasi coseismic dapat menggunakan teknologi remote sensing seperti Interferometric Synthetic Aperture Radar (InSAR) dengan 2 pasang citra Sentinel-1 yang diolah menggunakan aplikasi SNAP. Hasil pengolahan dari penelitian ini menunjukkan bahwa gempa yang terjadi di Tapanuli pada 1 Oktober 2022 menyebabkan terjadinya deformasi permukaan tanah berupa uplift pada sekitar daerah titik gempa dengan sebesar 0.32 m-0.47 m. Deformasi coseismic yang terjadi juga berhubungan erat dengan kondisi geologi dari daerah penelitian tersebut seperti litologi batuan berdasarkan formasinya, struktur geologi, bentuk lahan, serta kemiringan lereng.

---

Indonesia is an area where earthquakes frequently occur due to its location between several active tectonic plates (Sungkawa, 2016). The earthquake that occurred in the northwestern part of North Sumatra province on October 1 2022 with a magnitude of 5.8 Mw is evidence that the earth's plates in the region are actively moving. From the earthquake, research was carried out to determine the amount of deformation that occurred after the earthquake because in general, earthquakes can cause deformation or changes in the shape of the surrounding earth's crust. Coseismic deformation is deformation that occurs in the earth's crust due to the main earthquake and aftershocks that have a large enough magnitude. To get the value of coseismic deformation, remote sensing technology can be used, such as the Interferometric Synthetic Aperture Radar (InSAR) with 2 pairs of Sentinel-1 images processed using the SNAP application. The processing results of this study indicate that the earthquake that occurred in Tapanuli on October 1 2022 caused deformation of the ground surface in the form of an uplift around the earthquake point area of 0.32 m – 0.47 m. The coseismic deformation that occurs is also closely related to the geological conditions of the study area such as rock lithology based on its formation, geological structure, landform, and slope."

"Gempa tanggal 5 dan 19 Agustus 2018 di wilayah Lombok, Nusa Tenggara Barat, terjadi akibat aktivitas patahan aktif di utara Pulau Lombok. Deformasi coseismic akibat gempa diteliti menggunakan metode DInSAR dan pemodelan Okada. DInSAR digunakan untuk mencari nilai deformasi berdasarkan interferogram dari citra Sentinel 1 A dan metode Okada digunakan untuk menentukan besaran deformasi yang dihasilkan berdasarkan forward modeling dari parameter gempa. Hasil DInSAR menunjukkan gempa 5 dan 19 Agustus menyebakan deformasi vertikal naik masing – masing sebesar 0,178 m dan 0,058 m serta deformasi vertikal turun 0,324 m dan 0,092 m. Model deformasi Okada berdasarkan nilai relokasi untuk gempa 5 dan 19 Agustus masing – masing menghasilkan deformasi vertikal naik sebesar 0,174 m dan 0,054 m serta deformasi vertikal turun sebesar ,071 m dan 0,085 m. Deformasi hasil pemodelan dan deformasi hasil DInSAR, keduanya memperlihatkan sebaran deformasi yang sama namun hasil model dengan relokasi lebih sesuai dengan pengukuran DInSAR

---

The earthquakes that occurred on August 5th and 19th, 2018 in the Lombok region, West Nusa Tenggara due to active fault activity in the northern part of Lombok Island have caused co-seismic deformation in the earth’s crust. Differential Interferometric Synthetic Aperture Radar (DInSAR) elaborate with elastic deformation by Okada was applied to investigate the co-seismic deformation based on the unwrapped interferogram from Sentinel 1 A dan earthquake parameters. The DInSAR processing results show that the August 5th and 19th earthquake has caused uplift up to 0,178 m and 0,058 m, respectively, and subsidence to 0,324 m and 0,092 m. The Okada deformation model based on the relocation values indicates that the August 5th and 19th earthquakes, resulted in uplift up to 0,174 m and 0,054 m, and subsidence about 0,071 m and 0,085 m respectively. The result of the modeling deformation and the DInSAR, show the same deformation distribution. Still, the model results with relocation are more in line with the DInSAR measurements"

"Telah dilakukan penelitian metodologi segmentasi dan klasiiikasi citra synthetic aperture radar (SAR) bcrdasarkan Pulse Coupled Neural Networks (PCNN) dikombinasilcan dengan ciri teksturf Langkah awal penelitian ialah mencari variabel optimal pada persamaan PCNN. Segmentasi citra dilakukan menggunakan tiga macam metoda yang diusulkan yaitu pertama berdasarkan PCNN yang variabelnya telah dibuat optimal, kedua yaitu berdasarkan modiiikasi proses iterasi PCNN dan ketiga berdasarkan mod'kasi persamaan PCNN. Hasil segmentasi tiga teknik ini dapat memisahkan wilayah sesuai ground truth, tetapi pada jumlah iterasi tertentu masih telj adi tumpang tindih. Klasiikasi berdasarkan PCNN dilakukan dua tahap yaitu pertama mengelmraksi ciri tekstur citra. Ekstraksi ciri ini menggunakan perhitungan Grey Level Co-occurrence Matrix (GLCM). Dipilih tiga macam ciri yaitu diss|'m1`!arity, correlation dan angular second moment. Tiga ciri ini menjadi masukan pada PCNN untuk diiterasi. Hasil yang sangat menonjol dari rangkaian elcsperimcn. ini ialah didapatkannya variabel optimal persamaan PCNN yang tegar, metoda modiiikasi iterasi persamaan PCNN yang dapat menghlndari terjadinya tumpang tindih pada dua kelas wilayah hasil segmentasi, modiiikasi persamaan PCNN menjadi empat pereamaan yang dapat mempercepat segmentasi, dan hasil yang menonjol lainnya ialah dapat digunakannya PCNN ini untuk klasiftkasi ciua SAR yang bertekstur dan multi wilayah setelah dikombinasikan dengan ciri tekstur dan ketepatan klasifilasi berdasarkan PCNN yang diusulkan mencapai 91,58$% untuk pita L, 88, 31% untuk pita C dan 85,33%, untuk pita P.

---

The new methodology on segmentation and classification of Synthetic Aperture Rofar (SAR) based on Pulse Coupled Neural Networks (PCNN) and features texture was proposed in this dissertation. The tirst step of this research is timing the variables of the PCNN. The segmentation is based on new methods which proposed in this dissertation. First by iterating the images used optimal PCNN, the second method by modifying the iteration of the PCNN, and the third method by modilymg the equations of the PCNN. The results of these experiments are good enough, but in one of some iterations the result was overlap, in this case two area of the image were appeared in the binary image. The classification based on PCNN would be in two steps, Erst was the features extraction. The features were extracted by using the Gray Level Co-occurrence Matrix (GLCM). Three features, dissimilarity, correlation and angular second moment were selected to be processed by the PCCNN. The significant results of the experiments are, optimal variables of the PCNN which are robust, the new method of iteration of the PCNN which be able to avoid over lapping in segmentation, the new method of modification PCNN equation could increases the speed of segmentation and classification, and new method the application of PCNN in the segmentation and classification ofthe textural and multi region SAR images. Total accuracy for L band is 9l,58%, C band is 88,31% and'P band is 85, 33%."

"ABSTRAK

Synthetic aperture radar (SAR) adalah sebuah teknologi remote sensing yang dapat memproduksi citra dengan resolusi yang tinggi terhadap sebuah objek tanpa bergantung dengan waktu akuisisi, jarak dan cuaca. Hal itu menyebabkan tingginya laju akuisisi, besarnya volume raw data, besarnya daya yang harus digunakan dan dibutuhkannya filter yang cocok (Match Filter). Metode konvensional SAR memiliki kekurangan yang salah satunya yaitu munculnya permasalahan side lobes sehingga mengurangi kualitas dari citra. Compressed Sensing (CS) adalah sebuah paradigma baru untuk merekonstruksi sinyal/data dari jumlah sampling yang sedikit sehingga memperoleh hasil yang lebih efisien. CS dapat menghapus fungsi match filter, mengurangi laju akuisisi dan mengurangi sidelobe pada data SAR. Dalam penelitian ini, akan membahas simulasi pengolahan citra SAR buatan pada lima jumlah target sparse dengan metode CS dan melakukan optimasi matriks pengukuran dengan menggunakan metode Gradient-Based Minimization yang dapat meningkatkan kualitas rekonstruksi dengan menurunkan nilai koherensi matriks pengukuran. Alat ukur yang digunakan yaitu dengan parameter kualitatif dan kuantitatif RMSE dan PSNR. Hasil menunjukkan dengan menggunakan optimasi terhadap matriks pengukuran pada kondisi noise-free terdapat perbaikan hasil rekonstruksi setelah optimasi terjadi pada jumlah sampling dibawah 39. Sedangkan pada kondisi noise, terjadi perbaikan nilai yang signifikan pada derau yang tinggi pada nilai SNR di bawah 30 dB

---

ABSTRACT

Synthetic aperture radar (SAR) is a remote sensing technology which can generate images with high resolution on an object without having to depend on the time of acquisition, the distance, and the weather. It causes a high rate of acquisition, the large volume of raw data, high power consumption that should be used, and it also requires Match Filter. The conventional method of SAR has some lacks, one of which is the happening of side lobes problem which causes it to reduce the quality of the image. Compressed Sensing (CS) is a new paradigm to reconstruct the signal/data from few numbers of sampling in order to obtain more efficient results. CS can eliminate the match filter, reduce the acquisition rate, and minimize the effects of side lobes on SAR data. This research will discuss the image processing simulation of artificial SAR on the target amount (K=5) by using CS method and do the optimization of measurement matrix by using Gradient-Based Minimization which can improve the quality of reconstruction by decreasing the coherence value of measurement matrix. The used measuring tools are the qualitative and quantitative parameters of RMSE and PSNR. The result shows that, in using optimization for measurement matrix in noise free condition, there is improvement in the reconstruction result after the optimization occurs in the number of sampling M≤38. Meanwhile, in noise condition, there is significant movement in the value of high noise (SNR<30 dB).

"

"Penelitian ini membahas studi tentang deteksi perubahan penutup lahan Kalimantan Tengah, menggunakan multi-temporal Synthetic Aperture Radar (SAR) JERS-i. Penggunaan citra SAR untuk observasi muka bumi dimana kondisi berawan dan kabut merupakan hambatan utamanya, mempunyai potensi yang sangat besar dalam memonitor perubahan area. Tetapi adanya proses koherensi data SAR membuat citra tersebut dengan mudah akan tercemar oleh bising speckle, yang merupakan.sinyal tak bebas dan berlaku sebagai bising multiplikatif.Pokok bahasan dari penelitian ini yang pertama adalah meminimumkan bising (denoising) speckle dengan menggunakan algoritma a trous. Selanjutnya kesulitan penggunaan citra optis untuk identifikasi obyek pada daerah yang sering berawan dan hujan lebat akan digantikan dengan citra SAR dengan memanfaatkan sifat transfcrmasi dari algoritma wavelet a troust. Transformasi ini akan menghasilkan satu set citra detail dari skala yang berbeda, sehingga citra SAR yang merupakan single band akan mendapatkan tambahan band dari citra-citra detail tersebut. Dengan demikian pemrosesan citra SAR dapat dianalogikan sebagai pemrosesan multiband dari citra optis, sehingga dapat menggali lebih banyak informasi untuk identifikasi obyek. Tahap berikutnya dilakukan pengklasteran pada citra detail tersebut dengan teknik Pemetaan Swa-Atur (Self-Organizing Map (SOA4)") karena tidak tersedianya data groundtruth. Tahap lerakhir adalah deteksi perubahan area menggunakan teknik Pcrbedaan Citra ("Image Differenciing") dan Analisa Komponen Utama ("Principle Component Analysis (PCA)").Proses denoising pada pra-pengolahan akan dilakukan dengan menggunakan pemodelan bising. Pada citra SAR karena bisingnya adalah speckle yang bersifat multiplikatif maka perlu dilakukan proses homomorphik, yaitu proses untuk memisahkan komponen deterministik (sinyal) dengan komponen statistik (bising) sehingga bising dapat dimodelkan dalam bentuk Gaussian. Untuk itu sebelum denoising citra akan di log-kan terlebih -dahulu sehingga terpisah antara kompcnen sinyal dan komponen bisingnya. Transformasi a trous adalah transformasi wavelet multiresolusi yang dilakukan skala (resolusi) per skala tanpa ada desimasi. Hasilnya adalah satu set citra detail wt (dimana i menyatakan tingkat skala, I 1,2.j ) dan satu citra approksimasi pada skala tertinggi c1, tanpa terjadi peruoahan ukuran citra pada setiap skala. Dalam transformasinya harga piksel ke-k ditentukan oleh c;+r(k) = ., h(n) c;(kl 2'n), dimana h adalah koefisien filter 133 spline dengan -2 n < +2 , menyebabkan harga pixel tersebut menjadi berkurang atau bertambah ditentukan oleh 5 harga pixel yang ke-(k+2'n). Secara analitis korelasi citra detail pada skala (i-1) dengan citra detail pada skala I dapat dibuktikan melalui w; = c(,.0 - c; dan secara eksperimen dapat dibuktikan melalui matriks korelasi dari PCA. Dengan adanya korelasi menyebabkan persoahan obyek dalam citra-citra detail dapat diamati. Citra detail dari transformasi a trous yang masih mengandung bising speckle akan di denois menggunakan teknik Multiresolution Support, yaitu teknik untuk uji signifikansi bising pada setiap pixel dari citra. Signifikansi bising didasarkan pada nilai standard deviasi 6; dari citra detail pada skala j dikalikan dengan konstanta K, yaitu K6.j. Hal inilah yang menyebabkan pemilihan harga K dipengaruhi oleh daerah observasi. Pada penelitian ini di lakukan percobaan dengan harga K = 2, 2.5, 3, 3.5 dan hasilnya yang terbaik adalah K = 3. Hasil rekonstruksi setelah uji signifikansi Multiresolulion Support adalah citra dengan residual artifact atau citra dengan struktur yang tidal: sebenarnya, oleh karena itu perlu dilakukan proses guna mengurangi efek residual artifact tersebut. Proses pengurangan residual artifact adalah suatu proses iterasi dimana akan dihitung citra residu, yaitu pengurangan citra asli dikurangi dengan citra dengan residual artifact. Pada setiap iterasi citra residu akan ditransformasi menggunakan a trous menjadi satu set citra detail residu dan citra appraksimasi residu. Selanjutnya ditentukan koefisien wavelet signifikan dan dilakukan rekonstruksi kembali. Bila residu masih dinyatakan signifikan maka citra residu akan ditambahkan ke citra residual artifact pada proses sebelumnya. Selanjutnya dilakukan proses iterasi kembali sampai harga residu sudah tidak signifikan lagi. Pada penelitian ini diambil toleransi error a 5 0.002 dan hasilnya adalah citra yang telah di denois atau citra denoising. Pada kelompok wavelet, hasil denoising menggunakan trous dapat menekan bising sampai 43% tanpa ada kerusakan struktur dan penurunan nilai rata-rata yang sangat rendah sampai 0.005%. Meskipun hasil denoising tidak sebaik Haar (50%) atau Daubechies (481') tapi trous mempunyai kekhususan dimana nilai variannya masih cukup tinggi, tidak mengalami pengerutan ukuran pada saat transformasi dan terdapat redundansi pada citra detaiinya sehingga tidak banyak kehilangan informasi. Hasil penelitian ini juga memperlihatkan bahwa transformasi a Emus mempunyai performansi yang cocok untuk aplikasi deteksi perubahan penutup laltan, karena obyek dalam citra, dapat diamati dalam skala yang berbeda. Makin tinggi tingkat resolusinya maka obyek dengan frekuensi rendah (misal sungai) akan makin jelas struktumya, sedang obyek dengan frekuensi tinggi (misal pohon-pohon yang bergerombol) akan nampak pada beberapa skala rendah dan selanjutnya akan menghilang. Hal ini terjadi karena dalam transfonnasinya harga pixel pada skala-(j+ I) ditentukan berdasarkan harga pixel ke-(k+2'n).Selanjutnya untuk identifikasi obyek, citra denoising akan ditransforrnasi menggunakan wavelet a trous sampai skala 4, karena pada skala 5, terlihat pembesaran obyek sungai sudah tidak proporsional Iagi. Citra detail ini akan di analogikan sebagai band-band seperti pada teknik pemrosesan multiband dari citra optis. Selanjutnya dilakukan pengklasteran pada masing-masing citra detail menggunakan teknik Pentetaan Swa-Atur (SCM), Untuk melakukan deteksi perubahan penutup lahan, akan dilakukan dua cars pemrosesan yaitu pertama akan dilakukan proses Perbedaan Citra pada satu set citra detail yang sudah terklaster dan yang kedua menggunakan PCA, Pada proses PCA dilakukan penseleksian band berdasarkan harga eigenvalue kovariannya. Pertama dipilih band dengan eigcn value terbesar, selanjutnya dipilih band lain yang mempunyai harga eigenvalue kovarian ? 10% dari harga eigenvalue band terbesar. PCA terpilih akan diklasterkan dan dilakukan proses Perbedaan Citra. Hasilnya diperoleh bahwa ada kemiripan antara basil dari proses PCA dan yang langsung dari Perbedaan Citra. Hasil pengamatan memperlihatkan bahwa telah terjadi perubahan pada daerah rawa, scattered trees dan tropical grass, sedangkan untuk obyek sungai, baik yang dalam maupun yang dangkal, sedikit sekali perubahannya. Verifikasi obyek dilakukan menggunakan peta thematik dengan skala 1:250.000 dan citra Landsat TM Kalimantan tengah yang diambil pada Maret (97).

---

Wavelet A. Trolls Algorithm Aided Synthetic Aperture Radar Image Analyses Applied to Land Cover C1-Imange Detection in Central Kalimantan This research studied the land coverage change detection in Central Kalimantan using multi-temporal Synthetic Aperture Radar (SAR) MRS-I. The use of SA.R image for earth surface observation where haze and cloud coverage become a problem, has great potentiality in monitoring the area change. Due to coherence process of the SAR data, this makes the image easily contaminated by speckle noise, which is an independent signal and act as multiplicative noise.The main topic of this research is to minimize the speckle noise (denoising) by using the trout algorithm. Subsequently, to identify objects, SAR image processing is analogue with multiband process of the optical image. Because SAR is single band, a trous wavelet transformation is used to obtain the additional band for a set of detail image. The next step is clustering on the detail image with Self-Organizing Map {SOM} technique due to the unavailability of ground truth. The final step is area change detection with Image Differencing and Principle Component Analysis (PGA) techniques.The denoising in pre-process is performed with noise modeling. In SAR image, since the noise is speckle that is multiplicative in nature, homomorphism process or the process to separate deterministic (signal) and statistic (noise) components is performed so the noise can be modeled in Gaussian. Therefore, before denoising process, image has to take its logarithm first so the signal component is separated from the noise component. A trous transformation is a multiresolution wavelet transformation done in scale (resolution) by scale without decimation. The result is a set of detail image wt (where i represents scale level, r = 1,2.j ) and one approximation image in highest scale e without change in image size in all scales. This did not occur in known wavelet transforms, like Haar and Daubechies, where the transformation has one specific direction and suffering from the shrinking of the image size with the increase of the scale resolution. In the transformation, the value of the 11f' pixel determined by c;+r(k) = 2, h(n) c;(k+2'n), where h is the B3 spline filter coefficient with -2 5 n 5 +2, causing the value of the pixel to decrease or increase according to five (k+2'n) pixel values. The detail image on scale i is obtained from w, = c(1_J) - c,, so there are redundancy of the detail image scale (i-i) with the scale i. This causes the object changes in detail images to become observable. The detail image from a trous transformation that still contain speckle noise is denoised with Multiresolution Support technique, which is a technique for noise significancy testing on each image pixels. The noise significance is based on the standard deviation value of the detail image on the scale j (cr) multiplied with the constant K, that is K6;. This causes the choice of K value affected by the observation area. In this research, experiments are performed with the value of K = 2, 2.5, 3, 3.5 and, the best result is at the K value of 3. The reconstruction result after Multiresolution Support significance test is an image with residual artifact; therefore, it is needed to perform a process to reduce the effect of the residual artifact. The process to reduce the residual artifact is an iteration process where residual image is counted, which is original image reduction subtracted by image with residual artifact. During each iteration, residual image is transformed with a trous into a set of residual detail images and a residual approximation image. Subsequently, significant wavelet coefficient is determined, and the reconstruction is performed. If the residue still significant, then the residual image is added to the residual artifact image of the previous process, and the iteration is performed until the residual value is not significant. In this research, error tolerance is taken at e 5 0,002 and the result is a denoised image.In a wavelet group, the denoising result with a trous can suppress the noise down to 43% without structural damage and very low average devaluation of 0.005%. Although the denoising result is not as good as Haar (50%) or Daubechies (48%), a trous have specification that the transformed image result did not suffer the shrinking in size and have redundancy on the detail image so it's not lose much information. While in wavelet transformation with Haar and Daubechies, the higher the scale will result in structural damage, where visually indicated by boxed shape in Haar, and spots in Daubechies. The result of this research also shown that 'a trous transformation have suitable performance for land coverage area change detection application, and since the objects are in images, it's observable in different scales. Low-frequency objects will become clearer when the resolution is higher, while higher-frequency objects visible in some lower scales and subsequently disappearing. This happens because in the transformation the pixel value in the scale -0+1) is determined by the value of the pixel -(k+ 2'n).For the object identification, denoised image is transformed with a trous wavelet resulting in a set of detail images. Image transformation is done to 4U' scale, since in the 5u' scale, the object magnification is no longer proportional. This detail image is analog as bands like in multib and processing of optical image. Clustering is done on each detail images with. Self-Organizing Map technique. To detect the area coverage change, two processes are performed. First is direct Image Differencing process on a set of clustered detail images, second is with the PCA. In the PCA process, the first step is band selection based on the eigen value co-variant. The band with the biggest eigen value is chosen first, then pick another band with co-variant eigenvalue ? 10% of the biggest. eigen value band. The chosen PCA from March 97 and August 98 images are clustered and processed with image Differencing. So, to process the area change detection with SAR image could be done right away with a trolls wavelet transformation, and for the area detection is using Image Differencing. The result indicates that there are similarities between the result with PCA and without PCA. The observation result shown that there are changes on swamps, scattered trees, and tropical grass areas. While for rivers, either deep or shallow, there is very little change. Object verification is done with thematic map on 1:250000 scale and Landsat TM image taken on March 97."

"DKI Jakarta merupakan ibukota negara dengan jumlah populasi 10,56 juta jiwa. Tingginya populasi menyebabkan tingginya ektraksi air tanah yang dapat menyebabkan penurunan muka tanah akibat berkurangnya volume tanah. Penurunan muka tanah dapat disebabkan oleh kondisi geologi berupa konsolidasi aluvium, ektraksi air tanah, bangunan dan infrastruktur, serta aktivitas tektonik. Penurunan muka tanah dapat memberikan dampak negatif kepada lingkungan dan masyarakat, seperti rusaknya bangunan dan infrastruktur, serta banjir rob. Oleh karena itu, dilakukan penelitian penurunan muka tanah di DKI Jakarta dengan bertujuan mengetahui laju penurunan muka tanah beserta dengan pola persebarannya agar dapat dijadikan acuan dalam perencanaan tata ruang kota. Metode yang digunakan adalah metode Differential Interferometry Synthetic Aperture RADAR (DInSAR) menggunakan data citra SAR Sentinel-1A untuk mengetahui nilai kelajuan penurunan muka tanah beserta dengan pola persebarannya pada periode 2019, 2020, dan 2021 dan didukung oleh metode gravitasi untuk melihat penurunan muka tanah berdasarkan perbedaan densitas. Berdasarkan hasil pengolahan metode DInSAR diperoleh laju penurunan muka tanah pada tahun 2019, 2020, dan 2021 masing-masing sebesar 120 mm/tahun, 70 mm/tahun, dan 60 mm/tahun, serta kelajuan penurunan muka tanah rata-rata sebesar 83,3 mm/tahun. Sedangkan berdasarkan hasil pengolahan metode gravitasi terdapat peningkatan anomali gravitasi yang mengindikasikan adanya penurunan muka tanah akibat berkurangnya volume tanah.

---

DKI Jakarta is the Indonesia capital city with 10.56 million populations. The high populations could cause a high groundwater extraction that effects land subsidence because the reducing soil volume. Land subsidence can be caused by several factors, including geological conditions in alluvial consolidation, groundwater extraction, buildings and infrastructure, also tectonic activity. Land subsidence can negatively impact to the environment and society, damaging the infrastructure and tidal flooding. The research that related to land subsidence in DKI Jakarta aims to determine the rate of land subsidence along with its distribution pattern to be the reference in urban spatial planning. This research utilizes Differential Interferometry Synthetic Aperture RADAR (DInSAR) collecting SAR Sentinel-1A image data to determine the land subsidence rates and its distribution pattern in 2019, 2020, and 2021, supported by the gravity method to see the changes in the gravitational anomaly. From the DInSAR data, the land subsidence rate in 2019, 2020, and 2021 are 120 mm/year, 70 mm/year, 60 mm/year, and the average rate is 83.3 mm/year. But in fact, the gravitational data notes, the gravitational anomaly increase which indicated a land subsidence impacted by increasing density caused by the reduced volume of the soil."

"This thesis presents a groundbraking methodology for the radar international community. The detection approach introduced, namely perturbation analysis, is completey novel showing a remarkable capability of thinking outside the box. Perturbation analysis is able to push forward the performance limits of current algorithms, allowing the detection of targets smaller than the resolution cell and highly embedded in clutter. The methodology itself is extraordinary flexibe and has already been used in two other large projects, funded by the ESA (European Space Agency): M-POL for maritime surveillance, and DRAGON-2 for land classification with particular attention to forests. "