Enggenering Kontruksi

hari ke 4 kerja praktek

2019-07-13T09:49:00.004-07:00

hari ke 4 kp

seperti biasa masuk jam 8 pagi
sebelumnya kemarin belajar klasifikasi lajur terbang dengan menyesuaikan data lidar sehingga dapat klasifikasi view jalur terbangnya!!!

kami sudah belajar fungsi dari microstation, ternyata sangat membantu pada proses pengolahan data las hasil lapangan pemotretan dengan lidar. pada aplikasi ini di rumitkan pada proses pengolahan memilih menu2 pada project di aplikasi tsb dan dianalisis lagi pada pengolahan data lidar dengan aplikasi ini dibutuhkan tenaga hardisk yang cukup besar atau menggunaka ssd untuk kecepatan
meningkat pada olah data. saya terkendala di situ dan ilmunya juga belum dapat dibangku kuliah.
saya berbagi info2 nya njih pada hari kamis kami melakukuan apa saja???

jam set 9 - 12 saya masih olah data ngulang dan lanjut ke klasifikasi otomatis

istirahat sholat makan

jam 1 - set 2 olah data otomatis sbb:
-data las > di pindahkan semua kelas ke kelas default > klasifikasi low point > isolated > air point > ground > klsifikasi titik berdasarkan titik tinggi daeri ground jika belum memenuhi lakukan proses klasifikasi ulang (Iterasi)> data klasifikasi.
- kelasifikasi NOn ground, ground, lowpoint, overlap point > pada terrascan > tolls> macro > add semua> centang >save as > run macro di procet , tools , run macro , pilih file macro klasifikasi,> untuk melihat hasil pilih read point , block, dan pilih display mode > klasikasi lagi data nonground dari ground pilih routene yg ke 2 yaitu ground > from class ground to class nonground > unceklis > save as data kesseluruhannya > run macro.

jam set 2 sampai jam 3 melakukan breifing dengan pembimbing prihal pembahasan modul 2 dan bahan yang dikasih pengolhan ke dsm dan dtm, dan ada pembahasan diruang rapat tersebut yang pertama menjelaskan apa saja yg gagal saaat pengolahan klasifikasi, menejelaskan data bangungnan hasil lidar di overlay layer dengan data dtm,dsm dilihat dalam bentuk 3D diaplikasi Global mapper dan di beri pertanyyan sekaligus pr mengapa nilai TIN pada setiap pembentuk bangungunan tin bentuknya berbeda2 bila dilihat dari tampak bangunan yg lain dan sisi bangunan???

jam 3 melanjutkan klasifikasi sampai jam 5 sore.....

pulang ke kost an ada yg ullang tahun anak undip nama nya marrisa dari medan, spasila epic banget momennya di Kp, dan ada bolunya juga, selamat ultah yah heee, pengen bolunya tapi hari2 di depok ini muncul gejala sakit perut/ mencret , sakit gusi gigi, mata sakit2 an terus serasa nghalusinasi. nasibbbb ditambah persediaan uang gak cukup 1 bulan... hadull

terimakasih
like and share
jangan lupa komen di menu samping
bye3x

hari ke 3 kerja praktek

2019-07-13T09:47:00.000-07:00

hari ke 3

seperti biasa seperti hari ke 2 masuk kerjanya jam 8.
kegiatan pada pagi ini belajar bahan yang di kasih bisa dibaca di kolom bawah ini:
A. Klasifikasi Ground/wilayah
-volume :
-jumlah gcp:
-Kapasitas : HA/org/hari
-waktu pelaksanaan:
B. Cek ketelitian
a. tinggi GCP *tergantung user
b. Tinggi Lidar *tergantung user
aa. foto > single frame format .tif = triangulasi seting regis paspoin adjusment
bb. eksterior orintasi > olah dengan POSPAC = triangulasi seting regis paspoin adjusment
c. Proses Orthofoto = proses true foto > mozaik > pencerahan/smoth > hasil report <11cm * user
d. proses Digitasi 3D = summit evolutation
e. proses kontur dengan = ARCGIS dan GLOBAL MAPPER

f. layout Peta > per indeks/jenis kotak biasanya ada macam di suatu wilayah
jiemper istirahat

melanjutkan proses belajar
penjelasan tutorial dengan aplikasi KNG training center = 2D dan GYRO GSM4000 stabilizer dibawah sensor lidar > kamera
khusus pengolahan POSPACC seperti :
a. penggunaan data RTK:data bisa di lihat dan dilihat dan dicek pada setiap data lidar, bentuk kalibrasi seperti arah mata angin, output nya point
b. pembuatan KOTAKAN lajur terbang : pada Gunung dan Laut harus dibagi lajur dan dilihat kondisi Tinggi tanah A & B di rata2 tinggi tanah jadi dibagi rata2 setiap ketinggian tanah untuk mendapatkan pemotretan wahana, jangan terlalu dekat dari tanah akan error sensornya.
c. tujuan pada peng kotakan pembagian dari ketinggian tsb. agar pada pengolahan data pixel mempunyai kesamaan sehingga mengurangi Distorsi.

jam 11 kami dikasih data pengolahannya wuahhhhh
istirahat dzuhur dan makan
masuk deui pak eko jam 1.
jam set 2 kurang bimbingan kp di karvak memberikan sebuah tutorial tentang pelajran lidar dan pengolahan menggunakan aplikasi microstatsion
berikut materi yang saya beri pada pertemuan ke 3 ini hari rabuuu :
1. membuka aplikasi microstation
2. membuat New project dengan view 3D pada select project
3. merubah tahun di laptop mundur 1 tahun
4. membuka aplikasi terra dan lisensi nya, lisensi buka di file penyimpanan dan cari yang format .ma terus buka klik kanan pilih nootped++ > terus buka di aplikasi nya diuttilitas > mdp aplikasi > cari folder terra dan pilih yang ada format .ma
5. membuat project pada terrascan
6. merubah setting grid ceklis dan di isi pada 2000
7. setting texst style jadi ukuran 50
8. ADD point area pada menu project terrascan dengan format LAS.
9. di block byboundriss
10. membuat AOI pada menu smping layer tampalan kuning> import AOI yaitu pembatas pada pekerjaan > marking klik kanan AOI nya
11. dan menampilkan lajur terbang dengan memilih tools terrascan lajur terbang garis miring berwarna > nama nya trj. > klik aoi > dan pilih menu tools pada trj> delete> cut > display paling bawah pilihan > oke.
B. 12 mengklasifikasi data pada setiap lajur terbang > pilih menu tools di terrascan > pilih makro > buat lah 2 folder/rumus : deduce line, delete by class,
13. melakukan mengblock wilayah dengan cara pilih terrascan > file > blok> pilih ke Wilayah NLP.
14. membuat model di menu tools terrascan> ground> surface
15. klasifikasi dataset point cloud dalam kelas nonground, ground, low point, overlap. > macro add data nonground ceklis bila kelar=klasifikasi lajur terbang save as> buat ground uncelis dan save dengan data yg non,overlap=klasifikasi semua.

dan selanjutnya bisa pantengin channel youtube egi nugraha

terima kasihhh

hari ke 2 KP

2019-07-10T09:21:00.001-07:00

Hari ke 2

karena sudah dikasih notif jam 8 masuknya di wa grop akhirnya kami bergegas jam set 8 bergegas untuk ke perusahaan.

sesmapainya di ruangan tsb para hrd masih telat jam 9 pun akhirnya data ke ruangan dan sempat berbincang dan saling mengenalkan pada pekerjaan di karvak ini, setelah itu kami di suruh baca2 kembali modul tersebut.

jam set 11 pun datang wuaahhh mbak sinta masuk ruangan dan memberikan sebuah buku untuk dibaca pada mahasiswa kp untuk menambah wawasan ttg ldar dan foto.

istirhat dzuhur dan makan ke belakang dengan porsi ayam harga nya 14k murah yah cok.

masuk jam 1 dan ngobrol antar mahasiswa kp, ternyata mahasiswa menjadi reporter arus mudik gan and sist keahlian emas jatidiri human. stelah itu bapak hrd masuk ke ruangan dan mengajak
mahaiswa untuk berkenlan dengan jajaran pegawai karvak keliling ruangan doi salam2an hahahhaaha.

dan setelah itu mahasiwa dipindahkan tempat belajarnya ke lokasi komputer kerja sambil baca2 buku belajar sampai jam 5, balikkk kostan deui

untuk bahan pelajarannya saya review di bawah ini:

....................................................

A. pengukuran titik kontrol > streoploting: mrtode pengumpulan data vektor yang memiliki nilai ketinggian z yang dapat dilakukan dengan cara otomatis atau interaktif dengan cara digitasi 3D pada foto udara streo diperlukannya nilai Exterior Orientasi Parameter melalui AT dan Relaif Orienrasi.

B. Akuisisi data lidar & pemotretan udara : helikopter(murah), kamera metrik, Proses pengolahan, dan gyrokaliber.

C. Pengolahan RAW DATA : Data foto ID = pemotretan terus berlanjut dengan penamaan dan dikoreksi pada GPS, data cepretan orientasi ketelitian berkisar mm pada data foto. Jalur terbang di export di Trajectory/Trj. lalu dimasukan pada aplikasi LMS untuk menyatukan data post dan data range, hasil Outputnya data format = .LAS/point cloud yang mengandung data intensitas cahaya dari data lidar setengah matang > dan diolah kembali ke sofware Terrasolid > masukan data .LAS > di olah dengan terramodel, terrascan > klasifikasi tanah DSI > menghasilkan data DTM format ASCIL xyz

terimakasih banyak,

untuk hari ke 3 mari dibaca blog selanjutnya.

Bye3

hari ke 1 KP

2019-07-10T09:19:00.002-07:00

hari ke 1.

sebelum melakukan perjelanan meunju tempat kp di pt karvak geonusantara, saya dan rekan terlebih dahulu menyiapkan barang yang diperlukan seperti proposal, surat tugas dan laptop. kami juga harus matang dalam membuat isi laporan tersebut sehingga dapat memprentasikan apa yang kami ingin lakukan.

jam 9 kata hrd disuruh datang di perusahaan, kami bergegas jam set 9 dari kost an yang harganya lumayan terjangkau sudah ada fasilitas lengkap, kami menggunakan pdh hmg itera dan seperti biasa berjalan kaki karena lokasi berjarak <100m saja.

kami suruh masuk di ruang rapat/recrutmen dan bersalaman dengan mahasiswa undip ada 3 pasang 4 cewek 2 cowok, dan sempat terkejut ada salah satu dari mereka seperti adik kelas saya yang alim dan cuatik.

hrd datang menuju ruang tsb, yang darang hrd pak mahmud org expret dari karvak dan mbak sinta, saling kenalan gitu. dan hrd menyuruh mahasiswa kp untuk mempersentasi tujuan dan apa yang ingin dipelajari dari kp ini sesuai dengan laporan dibuat, kami menjelaskan pada akuisisi data dan teknis
lapangan berbeda dengan anak undip dia sangat komplek karena lebih mahir dan jago jadi bekal yg dibawa sangat bagus seperti hasil proses lidar dan foto distukan untuk mengetahui ke noise yang ada ceunah.

setelah itu kami istirahat jam 10 dan memulai lagi jam set 11 yaitu pembekalan materi dari karvak.

-pembekalan materi isi nya sama saja yg ada dikuliah tapi gak lengkap untuk kami dari itera, yaitu proses lidar dari data range, data post, data spotlidar, data foto. dan mejelaskan sebuah flowchart pekerjaan lidar dan foto sehingga menghasilkan sebuah album peta dan laporan akhir.

berikut materi yang dijelaskan beserta audio nya.

.................................................

A.proses yang pertama yang dilakukan yakni persiapan KAK dan SO SC (pendamping yaitu user dan pengaman)

-2. survei pendauluan yaitu mengecek melalui citra yang sudah di ketahui ataupun melalui google maps

-3. pengukuran titik kontrol > di olah > DATA range (laser) yaitu jarak, data post (data posisi sensor GPS) orinetasi wilayah dengan pengkorksian secara real time dari lidar dengan ketelitian <1mm

-4. akuisisi lidar dan foto. *bisa dilihat di post remote sensing dan fotogrametri

-5. Pengolahan Raw data setengah matang :

a. Data Lidar >klasifikasi, ground, non ground > DSM,DTM *post remote sensing dan fotogrametri:

aa. DTM *post fotogrametri = data triangulasi Lidar #di tampal dengan data AT foto

bb. kontur perencanaan > Orthorektifikasi (proses untuk menghilangkan distorsi pada citra satelit pengaruh dari kondisi medan serta posisi sensor kamera pada saat akuisisi pengambilan gambar) > Ortophoto (foto udara yang telah dikoreksi secara geometris sedemikian rupa sehingga skala dan orientasi foto seragam dan dianggap setara dengan peta). > = #-9.karografi dan #-10. laporan akhir

b. data foto:

aa. single frame > data dari kamera peswat > iiq convert tif (1 mb/frame) > olah software

bb. Interenst of Orientasi > orinetasi koordinat x,y,z pitch yaw law > tolerasi pada kemiringan pemotretan tidak boleh dari 3 derajat sehhingga di gunakaan lah gyroscope/stabilizer

c. Parameter Orientasi > Triangulasi Udara (AT): pengamatan, pengukuran gcp, blok adjusmentfang to prike : iterasi berlanjut sehingga menghasilkan iterasi <1cm):

aa. hasil data AT dan di tampal ke data Lidar

bb. apabila tidak masuk toleransi = langkah ke 3 // bila masuk toleransi = dilakukan sebuah penentuan kegunaan*hidrografi,topo,kadaster,dll dengan bantuan proses di aplikasi CAD > = editing 2D/3D dan Kontur > #-10.laporan akhir

-6. penyatuan/overlay data lidar dan foto

-7. kombain kontur

-8. Editing 2D/3D > #-9. kartografi

-9. kartografi : nuah bagus2 deh disini mau di warna/rona, digitasi , atau apalah, di bakar kalo bisa jahahaha > = Album peta

-10. laporan Akhir (ketelitian vertikal, terang 0,15, vegetasi surface 0,25 > ketelitian horizontal 0,50 m hilly terrain

istirahat dzuhur, makan harganya mahal bet make telor sayur aja 14k wkwkkwk dan masuk kembali jam 1 dan penyampaian dari mbak sinta tentang tutorial pengaplikasian data lidar di aplikasi microstation, kami dikasih modul dari karvaknya dan sebelum dikasih bahan praktikumnya kami disuruh membaca modul tersebut sampai fasehhhhh.

kami sangat kurang dengan ilmu remorte sensing dan jarak dekat, sehingga sempat belajar dengan anak undip yang sudah profesinal, kereeeennn. dan kami saling bicara dan kami diminta no wa nya untuk dimasukan d group WA.

jam 5 waktunya pulang ke tempat masing-masing, dan push rank kembali hahahahahahaaa puassss, memang salah nih harusnya buat rencana kedepannya.

untuk hari ke 2 silahkan baca post selanjutnya

terimakasih banyak

bye3, nice to mt U

PRE PROSES KEMAH KERJA (KEMKER) HARI KE-3 & KE-4

2019-06-15T10:19:00.003-07:00

Assalamulaikum wr.wb.

Salam sejahtera bagi kita semua,

pada post ini adalah post yang terakhir pada judul PRE PROSES KEMAH KERJA (KEMKER) jadi sebuah ilmu juga untuk membayangkan kedepannya seperti apa pengukuran dengan suatu kondisi seperti mendapatkan project besar2 dengan masyarakat dari penjuru alam serta luas wilayah lebar kayak di gunung serasa tak kunjung henti memikirkannya dari maka itu di proklamsikanlah tokoh2 yang akan memperjuangkan kemerdekaan ujian ini dengan ahli sangat ahli sekali dibidangnya, jadi seperti itu membayakannya untuk kedepan.

Pada hari Ke-3

Masyarakat dimoblisasikan pada pemberishan lokasi tempat tenang dan pemindahan alat ke tempat tenang. karena permaslahan gender dari maka itu di susun lah formasi 4 terbagi, yaitu:

wanita melalukan pekerjaan beres2 tempat tenang, mulai dari bersih2, ngpel, rumpi, foto2, dan jalan2.
pria melakukan pekerjaan ngangkat alat dan memindhakan alat, menggunakan pesawat tempur guna memudahkan pekerjaan dengan efesien dan efektif.
masyarakat sliw, yah gitu yah enak di kasur.
hoby ngukur, malam2 ngukur BM yang belum didapatkam dengan mudah karena alat yang lumayan edaaannn, tim tsb mengukur dengan acuan referensi itrnull sebagai orde tinggi tingkatannya dan mengambil data pada BM 1,2 sebgai receiver mendapatkan orde4 sehingga memudahkan pembuatan kerangka jaring dan polygon, gituuuuu. cuyy ngukurnya make gps geodetik hiper yah bukan gps kaki....

Pada hari ke-4

hari ini hari ekstra keras untuk sang ahli2 kemah kerja,untuk pemain cadangan cukup tidur saja ceunah aseekkk. kelompok kami memanfaatkan momen ini sebagai hari pemeriksaan kembali patok yang telah tertancap apakah sesuai antar patok dengan jarak <100meter dan melakukan penandaan setengah jarak antar patok guna pengukuran KDV gitu.....

pada waktu itu gua duet maen nya jadi agak lemes2 gitu, kagak ada pemain cadangan, mau gimana lagi terpaksa harus di pusshhh agar /4 merdeka walapun dengan cuaca ekstrim air memancur di dalam baju dan topi tetapi terus joss....

Disisi lain tim para ahli sedang melakukan pengukuran KDH dan KDV

jadi KDH yang di gunakan metode polygon tertutup sudut dalam rumus : ( n – 2 ) x 180°,

b = besarnya sudut.

a12 = azimuth awal.

X1;Y1 = koordinat titik A.

n = jumlah titik sudut.

d23 = jarak antara titik 2 dan titik 3.

polygon tertutup sudut dalam

KDV dilakukan pengukuran metode penguruan sipat datar optis

Metode sipat datar prinsipnya adalah Mengukur tinggi bidik alat sipat datar optis di lapangan menggunakan rambu ukur. Hingga saat ini, pengukuran beda tinggi dengan menggunakan metode sipat datar optis masih merupakan cara pengukuran beda tinggi yang paling teliti. Sehingga ketelitian kerangka dasar vertikal (KDV) dinyatakan sebagai batas harga terbesar perbedaan tinggi hasil pengukuran sipat datar pergi dan pulang.

kdv

Berikut contoh laporan nya :

nuah mungkin cukup sekian dari dongen 1001 malam dari saya, kurang lebih nya mohon maaf.

wassalamulaikum wr.wb

TERIMAKASIH BANYAK

jangan lupa hari terakhir adalah cerita "pengungsian dan pemanasan"

PEMETAAN DASAR

2019-06-14T18:12:00.000-07:00

llmu ukur tanah merupakan bagian rendah dari ilmu yang lebih luas yang dinamakan ilmu Geodesi.

Ilmu Geodesi mempunyai dua maksud yaitu:

a. Maksud ilmiah: menentukan bentuk permukaan bumi( bentuk dan besar bulatan bumi)

b. Maksud praktis: membuat bayangan (mempelajari penggambaran )yang dinamakan peta dari sebagian besar atau sebagian kecil permukaan bumi.

Pada maksud kedua inilah yang sering disebut dengan istilah pemetaan.Dalam Modul ini yang akan dipelajari adalah maksud praktis.

Pengukuran dan pemetaan pada dasarnya dapat dibagi 2, yaitu :

1) Geodetic Surveying

2) Plane Surveying

Perbedaan prinsip dari dua jenis pengukuran dan pemetaan di atas adalah :

Geodetic surveying suatu pengukuran untuk menggambarkan permukaan bumi pada bidang melengkung/ellipsoida/bola. Geodetic Surveying adalah llmu, seni, teknologi untuk menyajikan informasi bentuk kelengkungan bumi atau pada kelengkungan bola.

Sedangkan plane Surveying adalah merupakan llmu seni, dan teknologi untuk menyajikan bentuk permukaan bumi baik unsur alam maupun unsur buatan manusia pada bidang yang dianggap datar. Plane surveying di batasi oleh daerah yang sempit yaitu berkisar antara 0.5 derajat x 0.5 derajat atau 55 km x 55 km.

Plan Surveying

Geodesi

Geodetic Survaying

Bentuk bumi merupakan pusat kajian dan perhatian dalam Ilmu ukur tanah. Proses penggambaran permukaan bumi secara fisiknya adalah berupa bola yang tidak beraturan bentuknya dan mendekati bentuk sebuah jeruk. Hal tersebut terbukti dengan adanya pegunungan, Lereng-lereng, dan jurang jurang. Karena bentuknya yang tidak beraturan maka diperlukan suatu bidang matematis. Para pakar kebumian yang ingin menyajikan informasi tentang bentuk bumi, mengalami kesulitan karena bentuknya yang tidak beraturan ini, oleh sebab itu, mereka berusaha mencari bentuk sistematis yang dapat mendekati bentuk bumi. Awalnya para ahli memilih bentuk bola sebagai bentuk bumi. Namum pada hakekatnya, bentuk bumi mengalami pemepatan pada bagian kutub-kutubnya, hal ini terlihat dari Fenomena lebih panjangnya jarak lingkaran pada bagian equator di bandingkan dengan jarak pada lingkaran yang melalui kutub utara dan kutub selatan dan akhirnya para ahli memilih Ellipsoidal atau yang dinamakan ellips yang berputar dimana sumbu pendeknya adalah suatu sumbu yang menghubungkan kutub utara dan sumbu kutub selatan yang merupakan poros perputaran bumi, sedangkan sumbu panjangnya adalah sumbu yang menghubungkan equator dengan equator yang lain dipermukaan sebaliknya.

untuk lebih lanjutnya silahkan baca buku dibawah ini

silahkan download book nya di link di bawah ini

DOWNLOAD

TERIMAKASIH

PRE PROSES KEMAH KERJA (KEMKER) HARI KE-2

2019-06-13T20:16:00.001-07:00

Assalamualikum wr.wb

salam sejahtera bagi kita semua

Alahmdulillah akhirnya dapat menuju di hari ke 2 yaitu hari dimana kerja kerja kerja kata jokowi wkwkwkwk, dapat duit kagak kerjanya kayak orang kuli juang aja, hari ini hari dipenuhi dengan air air keluar dari tubuh misterius sehingga mengahsilkan air dengan rasa asam2 kecut mayan airnya di simpen buat di minum.

sebenarnya saya agak kurang enak badan karena sudah kewajiaban untuk meraih skor yang verteciuss mau gimana lagi haruss di paksa dunk, bangun pagi2 sarapan dijalan cukup buka mulut saja sudah kembung perut alias kenyang sesampai di kampus lahh kok masih belum ramai, udah biasa yah lah.

sudah semuanya terkumpul para anggota dari penjuru pelosok mulai lah acara di hari ke-2 ini membahas tentang PEMASANGAN PATOK KERANGKA KELOMPOK, sebelumnya dibahas
terlebihh dahulu oleh sang ahli penjuru ilmu bahwasanya pemasangan ini untuk memudahkan saat proses pengukuran KDH, KDV dan TITIK BANTU gituuuu....

nuah untuk kelompok saya masang patoknya itu sebanyak 9 patok dengan luasan 10 hektar dan ukurannya antar patok kurang dari 200meter karena apa karena beridiri di instrumen alat WP ke Bak ukur panjangnya sekitar <100meter.
semua di pasang patok dengan luas wilayah ditentukan dan berkompromi dengan kelompok sebelah karena wilayah 1 himpitan atau satu batas, nuah di situ adu omongan kuat siapa yg matok siapa yang engga tapi kamu bilang ceunah biar tahu lokasinya gitu, aseekk nih baku hantam.....

sudah keputsan clear langsung sikat ke lapangan, di patok setiap jarak <200m dan serunya tanah nya munatap2 kayak ROCK dan pas terakhir menancapkan patok di lokasi awal matok tapi tak kuat, mau gimana lagi di terakhirnyan, tapi pas di akhir itu tahu gak???.......
pasti gk tahuuuu........

sudah cari2 tempat susah terus karena tanahnya keras, kawan ku suruh ngencengin tanah nya dia gak mau, malah make air minum aqua..... ANAK SULTAN BOIII.... mau gimana lagi, akan tetapi ttp aja gak ada perubahan lebih parahnya palu yg dipakai untuk muantek tugel bahasa kerjaan pontangnya bahasa indo nya patah dengan gagang nya, untung gak kenapa kepala KOMENG hahahaha.....
Alhamdulilah proses pematokan kelar cee

hasilnya

dan dilanjtkan malam untuk brifingg lagi

ada banyak keputusan yaitu :

kesalahan luas titik kerangka harusnya <100m dari antar titik
pengukuran KDV kalo untuk pengulangan ngukur karena salah gak usah pulang cukup double stand saja jarak <100m
bila medan perang tak memungkinkan dibuat titik bantu pada kerangka, jadi titik bantu fungsi buat detail dan masuk pada poligon tidak terikat , titik bantu bisa di ukur melalui pengukuran metode intersection atau resection.
masalah lokasi makan dan tempat tidur

nuah segitu hasil keputasan dengan obrolan kenceng memanas kayak di kompor.....

pada akhirnya pengukuran ulang wkwkwkwk,

cerita selanjutnya yaitu beres2, pengangkatan pemindahahan alat dari sarpras ke asrama dan pemasangan patok ulang.

Terima Kasih

LIBURAN JADI MAHASISWA AWAL

2019-06-13T19:45:00.001-07:00

Tidak terasa saya sudah 7 bulan menjadi mahasiswa. Memang betul kata orang kalo jadi siswa dan mahasiswa itu beda banget. Dari hal kemandirian, sosial, organisasi, dan yang jelas akademik. Tapi ada satu lagi yang beda antara siswa dan mahasiswa, yaitu liburannya.

Tulisan ini saya tulis berdasarkan pengalaman liburan kuliah pertama saya (yang hari ini masih saya jalani).

Libur semester kuliah ternyata jauh lebih panjang daripada liburan waktu SMA. Biasanya semester ganji ke genap hanya diberi libur 2-3 minggu, sedangkan waktu kuliah 1-1,5 bulan. Anak kuliah sama saja dengan anak sekolah dalam hal menunggu-nunggu liburan. Banyak hiburan yang dibayangkan akan dilakukan saat liburan mulai, seperti bermain game sepuasnya, membaca novel, menonton film, jalan-jalan ke suatu tempat, mungkin menulis untuk BLOG tercinta, atau tidur sepuasnya di rumah. Namun berberapa orang mungkin sudah bosan melakukannya dalam 2-3 minggu pertama.

Ini berberapa saran untuk hal-hal yang bisa dilakukan kalau sudah bosan "berlibur"

1. Belajar untuk Semester Berikutnya

Mungkin sudah jelas bagi teman-teman kalau kuliah itu beda dengan SMA. Semester satu saja sudah terasa kalau kita harus belajar jauh lebih banyak dan lebih luas, dengan waktu yang kurang. Untuk berberapa orang (termasuk saya) liburan adalah kesempatan yang paling baik untuk mulai belajar. Paling tidak kita menguasai dasar-dasar terlebih dahulu agar dapat mudah menangkap pada kuliah-kuliah mendatang. Kalau mau paham dasarnya, tidak cukup hanya mengikuti "kuliah pengantar" yang durasinya hanya 1,5 jam, karena mahasiswa memang dituntut untuk berkembang secara mandiri. Waktu liburan adalah waktu yang kita lalui tanpa deadline, terburu-buru, atau tuntutan lainnya; oleh karena itu menurut saya belajar waktu liburan bisa benar-benar masuk.

2. Ikut Seminar atau Pelatihan

Kalau ada seminar atau pelatihan yang diadakan saat liburan dan kebetulan menarik, kenapa tidak diikuti? Toh juga tidak ada kuliah. Lumayan juga buat nambah SKP yang sekarang jadi tuntutan menjadi mahasiswa. Selain itu mengikuti seminar yang diadakan di luar kampus kita dapat menambah persepsi dan lebih membuka wawasan kita.

3. Persiapan PKM

PKM adalah singkatan dari Program Kreatif Mahasiswa. Setiap tahun pemerintah membuka kesempatan bagi seluruh mahasiswa di Indonesia untuk mengumpulkan proposal PKM, dan bagi yang lolos bisa mendapat pendanaan dari pemerintah. PKM bisa berwujud wirausaha, penelitian, teknologi, gagasan, dan lain-lain. Program ini membuka kesempatan yang tidak terbatas bagi mahasiswa yang ingin mewujudkan kreatifitasnya, tidak terbatas bidang perkuliahannya. Biasanya pengumpulan proposal PKM adalah sekitar bulan September dan Februari setiap tahun. Tentunya bulan-bulan ini tidak jauh dari liburan kan? Jadi bagi yang ingin mewujudkan idenya dalam PKM, sebaiknya dipersiapkan pada saat liburan agar tidak menjadi beban saat perkuliahan berlangsung.

4. Ikut Berbagai Ajang Kompetisi

Jaman sekarang banyak diselenggarakan lomba-lomba untuk para mahasiswa. Banyak mahasiswa yang bisa cum laude, tapi yang benar-benar membedakan kita dengan mahasiswa lain adalah keaktifan kita mengikuti bermacam-macam kompetisi (ini aku kutip dari kakak tingkat). Ada bermacam-macam lomba yang dapat diikuti mahasiswa, dan ada untuk hampir setiap bidang. Mulai dari olimpiade, karya tulis, olahraga, seni, dan lain-lain. Oleh karena itu selagi ada kesempatan, ikuti ajang-ajang tersebut. Terutama kalau bisa dipersiapkan mulai liburan, kenapa tidak dicoba?

5. Mencoba Hal Baru

Memang saya mahasiswa (baru) yang orientasinya kuliah, jadi sebagian besar liburan saya gunakan untuk kepentingan akademis. Liburan juga bisa menjadi kesempatan kita mempelajari hal baru untuk kehidupan. Misalnya berbisnis atau mengikuti pelatihan kuliner. Hal-hal tersebut pasti ada gunanya di kehidupan kelak.

Sekian sedikit sharing dari saya. Yang penting liburan harus bermakna hehehe.

Terima kasih.

AWAL MABA ITERA

2019-06-13T19:39:00.003-07:00

Di postingan sebelumnya saya sudah cerita tentang perjuangan saya sampai keterima di ITERA, nah kali ini saya akan bercerita tentang pengalaman saya di tahun pertama di ITERA.

PPLK ITERA Agustus 2016

PPLK, apa sih PPLK? PPLK adalah singkatan dari Orientasi Studi Keluarga Mahasiswa, ya semacam MOS kalau di SMAnya. Jadi lewat PPLK ini kita akan belajar mengenali lingkungan kampus, dan juga mengenali tentang nilai-nilai kemahasiswaan.

Senin Agustus 2016, hari itu adalah hari gladi bersih pelantikan mahasiswa baru ITERA. Pagi pukul 06.00 bersama teman-teman di asrama kita pergi ke kampus JAKIL yang sudah menunggu di depan kost an para kawan-kawan sukses.

next cerita berikutnya tunggu yahhhhh

PRE PROSES KEMAH KERJA (KEMKER)

2019-06-13T04:44:00.003-07:00

assalammaulaikum wr.wb

salam sejahtera bagi kita semua,

hai hai hai kali saya membuat postingan kegabutan melalui bloger ini agar dapat tercurahkan secara maxsimal tetapi yang saya post ini insyallah sangat bermanfaat bagi kalian semua, asseeex

maaf sebelumnya bagi kawan2 semua yang merasa ilmmunya lebih tinggi dari jaka sembung mohon maklumin dan boleh lah kasih komentar dibawah ini, atau di samping post ini kan ada multichat.

pertama-tama saya akan menjelasakan sesuai dengan judul yang tertera, nuah dari maka itu lumayan ada pembahasannya nih dari bidang keahlian se-orang pengukur tanah dengan jiwa patriotisme dan nasionalisme dengan rajin ibadah, suka menolong sesama, dan suka menabung, dari setiap judul tersebut termuat beberapa tema dari sang surveyor sajikan, yaitu :

pengumpulan anggota proyek gedean dari beberapa wialayah, bahasa, suku, dan agama, yang sebelumnya sudah dikelompok setjara mufakat dan sama-sama dengan ketentuan pasal yang berlaku.
pemaparan dari sang ahli dari bapak ahlinya tukang ukur, sang ahli ini memaparkan dari : persiapan kebutuahan, persiapan acara, persiapan pengukuran (GPS:goblog penghasil sama, KDH: kekerasan dalam haseum, KDV: kekerasan dalam veluer, detail&situasi aman yak laahh), dan pengolahan terpusat terekam dengan cecetp.
pemasangan patok kerangka badan dan batas kesatuan negara yang berdaulat.
pemaparan aturan dan tata tertib oleh user sebagai yang menyuruh kami gawe dapat duit 1miliar dan plus hadiah sepedah dengan menjawab pertanyaan bapak ...... dengan sebuatan ikan K**T*L.
briefing seluruh massa anggota dari penjuru kalangan untuk memperebutkan sebuah penghargaan skor dari akakakaka hahahahahaha

yoks langsung saja saya sajikan dari kata yang dikelurkan memalui pemikiran keras dan kokoh selama perdebatan sepanjang periode pemerintahan rezim dan zionis berkuasa.

jadi giniii yahhh......,,

saya itu disuruh kumpul oleh alam, lagi enak2 tidur ditempat mas aguss dan ridho ahaydi tiba2 ada suara notif muncul di balik lcd hp, wuaahhhh seruan pengumpulan masa jam 10 aseeekkk

mangan bontot, gemblong dan banyu nonton anime lalu mandi susul adi joyo fridend semende di warung bude gerbang dan tiba2 muncul sesosok gadis yang tak bernama dengan penampilan yang aduhaiii syuantik nya dan perawakan masih perawan norjay, cuci mata nih doi yak kaliii. sesudah itu cabut ke gazebo mencari jebra hahahahaha, disitu lah pengumpulan massa dan mempersiapkan patok, paku, dan palu serta peta wilayah yang sudah diaturrr.

saat survei untuk mengetahui lokasi patok kerangka dan batas kita sebelumnya sudah di digit memlaui aplikasi g.earth, dapat koordinat x,y dari situ kita dapat mengetaui posisi acuan yang tak harus sebenarnya gitu...

jadi lah lalui langkah2 sbb:

1. install aplikasi namanya coordinator yang warna nya kuning logonya tuh.

2. masukan koordinat wialayah nya

3. lalu buka apliaksinya pilih menu yg ke 2 dan pilih wgs84 6' UTM

4. masukan nilai koordinatnya

5. tentukan posisi dilokasi, langsung patok kalo udah pass kelihat antar jalur puatoknya tuh, agar memudahkan proses pengukuran gitu dan hasilnya muantap teliti

patok belum ada referensinya.

selanjunya ini adakah kisah pertemuan dengan dosen dimana ada beberapa topik yang harus diperhatikan seperti gambar dibawah ini:

nuah itu saja yah ceritanya lagi banyak kerjaan terutama kumpulan2 jadi agak susah nih berlayar dilaptop, dan mohon maaf bila ada kata2 yang kurang berkenan,
saya akhiri wassalamulaikum wr.wb

jangan lupa untuk post berikutnya di hari ke 2 pre proses kemker tentang pemasangan patok kerangka kerja, bye bbye bye , NICE TO MT U

Kesusian Lahan Tanaman Cengkeh

2019-05-25T23:39:00.001-07:00

Tugas besar Sistem informasi Geografis

silahakan download lengkap nya dibawah ini :

download 👉 Laporan Fix

download 👉 perhitungan
download 👉 modul praktikum

JANGAN LUPA SHARE📤 DAN KOMENTARNYA💬

TERIMAKASIH🙏

Teori, Teknik, dan Aplikasi Image Fusion

2019-05-14T19:29:00.000-07:00

Kata pengantar

Tujuan buku ini adalah untuk memberikan pengantar praktis tentang teori, teknik, dan aplikasi penggabungan gambar. Karya ini telah dirancang sebagai buku teks untuk program sarjana tahun akhir semester satu, atau lulusan tahun pertama, dalam fusi gambar. Ini juga harus berguna untuk melatih para insinyur yang ingin mempelajari konsep-konsep fusi gambar dan menerapkannya pada aplikasi praktis. Selain itu, buku ini juga dapat digunakan sebagai teks tambahan untuk kursus pascasarjana tentang topik dalam pemrosesan gambar lanjutan. Buku ini melengkapi karya penulis sebelumnya tentang fusi data multi-sensor [1]
dengan berkonsentrasi secara eksklusif pada teori, teknik, dan aplikasi fusi gambar.

Buku ini dimaksudkan untuk menjadi mandiri sejauh subjek fusi gambar yang bersangkutan, meskipun beberapa paparan sebelumnya ke bidang visi komputer dan pemrosesan gambar dapat membantu pembaca. Selain dari dua bab pendahuluan, buku ini adalah dibagi menjadi tiga bagian. Bagian I membahas teori dan ide konseptual yang mendasari penggabungan gambar. Di sini kami menekankan konsep kerangka representasi umum dan termasuk diskusi rinci tentang pendaftaran gambar, kalibrasi radiometrik dan pemerataan semantik. Bagian II membahas berbagai teknik dan algoritma yang umum digunakan dalam penggabungan gambar.

Di antara topik yang dipertimbangkan adalah: transformasi sub-ruang, analisis multi-resolusi, wavelet, pembelajaran ensemble, bagging, boosting, ruang warna, ambang batas gambar, bidang acak Markov, ukuran kesamaan gambar dan algoritme maksimalisasi harapan. Bersama-sama Bagian I dan II memberi pembaca ikhtisar terpadu dan komprehensif tentang penggabungan gambar. Bagian III berkaitan dengan aplikasi. Di dalamnya kita memeriksa beberapa aplikasi fusi gambar kehidupan nyata. Tujuannya adalah untuk menggambarkan bagaimana teori dan teknik fusi gambar digunakan dalam situasi praktis.

Isi

1. Perkenalan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Sinergi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Proses Penggabungan Gambar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Blok Representasi Umum. . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Blok Gambar Fusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Algoritma Fusion Gambar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.6 Organisasi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.7 Perangkat Lunak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.8 Bacaan Lebih Lanjut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2 Sensor Gambar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.1 Kamera Digital. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Sistem Optik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2.1 Proyeksi Perspektif. . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.2 Proyeksi Orthografis. . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3 Sistem Perekaman. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.1 Kebisingan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4 Pengambilan sampel. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.4.1 Kuantisasi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4.2 Bayer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5 Resolusi Spasial dan Spektral. . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5.1 Resolusi Spasial. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5.2 Resolusi Spektral. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.6 Bacaan Lebih Lanjut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

Bagian I: Teori

3 Format Representasi Umum. . . . . . . . . . . . . . . . . . . . . . . 21
3.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.2 Sistem Informasi Geografis. . . . . . . . . . . . . . . . . . . . . . . 23
3.3 Memilih Format Representasi Umum. . . . . . . . . . . . 23
3.3.1 Human Fusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3.2 Kesulitan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3.3 Pengakuan Objek. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3.4 Ketidakpastian. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.4 Tekstur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.5 Representasi Multi-skala. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.6 Metode Sub-Ruang. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

3.7 Beberapa Pelatihan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.8 Perangkat Lunak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.9 Bacaan Lebih Lanjut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

4 Penataan Ruang. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.2 Transformasi Berpasangan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
4.2.1 Splines Thin-Plate. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.3 Pendaftaran Hirarkis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.4 Gambar Mosaik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.4.1 Jahitan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.5 Ukuran Kesamaan Gambar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.6 Informasi Saling Menguntungkan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.6.1 Informasi Saling Normalisasi. . . . . . . . . . . . . . . . . . . 44

4.6.2 Perhitungan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.6.3 Histogram. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.6.4 Jendela Parzen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.6.5 Garis intensitas-Iso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.7 Interpolasi Volume Sebagian. . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.8 Artefak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.9 Perangkat Lunak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.10 Bacaan Lebih Lanjut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

5 Kesetaraan Semantik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.2 Skala Probabilistik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.2.1 Kalibrasi Plat. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.2.2 Kalibrasi Histogram. . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.2.3 Kalibrasi Isotonik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.3 Label Keputusan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

5.3.1 Matriks Tugas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.3.2 Matriks Kerja Sama. . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.4 Perangkat Lunak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.5 Bacaan Lebih Lanjut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

6 Kalibrasi Radiometrik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
6.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
6.2 Pencocokan Histogram. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
6.2.1 Spesifikasi Histogram yang Tepat. . . . . . . . . . . . . . . . . . . . 65
6.3 Penyetaraan Gambar Tengah. . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
6.4 Statistik Pencocokan Tingkat Kedua. . . . . . . . . . . . . . . . . . . . . . . . 68
6.5 Peringkat. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
6.6 Ambang Batas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
6.7 Segmentasi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
6.8 Normalisasi Peta Fitur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.9 Skala Probabilistik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.10 Perangkat Lunak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.11 Bacaan Lebih Lanjut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

7 Pixel Fusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
7.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
7.2 Penambahan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
7.2.1 Rata-rata yang Kuat. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
7.3 Pengurangan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
7.4 Multiplikasi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
7.5 Divisi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
7.6 Fitur Fusion Peta. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
7.7 Fusion Keputusan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
7.7.1 Rata-Rata Berbasis Bentuk. . . . . . . . . . . . . . . . . . . . . . . . . . 85
7.7.2 Kesamaan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
7.7.3 Label Permutasi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
7.7.4 Matriks Co-asosiatif. . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
7.8 Perangkat Lunak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

Bagian II: Teknik

8 Analisis Multi-resolusi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
8.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
8.2 Transformasi Wavelet Diskrit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
8.3 Transformasi Wavelet Diskret Tidak Tertentu (UDWT). . . . . . . 96
8.4 Fusion Wavelet. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
8.5 Algoritma Maksimalisasi-Harapan. . . . . . . . . . . . . . . . . . . . 101

8.6 Multi-modal Wavelet Fusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
8.7 Mengasah Pan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
8.8 Perangkat Lunak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
8.9 Bacaan Lebih Lanjut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
9 Teknik Sub-Ruang Gambar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
9.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
9.2 Analisis Komponen Utama (PCA). . . . . . . . . . . . . . . . . . . . 109

9.2.1 Varian PCA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
9.2.2 Pemutih. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
9.2.3 PCA Dua Dimensi. . . . . . . . . . . . . . . . . . . . . . . . . . . 113
9.3 PCA Fusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
9.4 Factorization Matriks Non-negatif (NMF). . . . . . . . . . . . . . . . 115
9.5 Analisis Linear Diskriminan (LDA). . . . . . . . . . . . . . . . . . . . . 116
9.5.1 Fisherface. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
9.5.2 LDA median. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
9.5.3 Menimbang ulang LDA. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
9.5.4 LDA Dua Dimensi. . . . . . . . . . . . . . . . . . . . . . . . . . . 119
9.6 Analisis Diskriminan Tetangga Terdekat (NNDA). . . . . . . . . . 120
9.6.1 Analisis Diskriminan Tetangga Terdekat. . . . . . . . . 121
9.6.2 NNDA Dua Dimensi. . . . . . . . . . . . . . . . . . . . . . . . . 121
9.7 Analisis Korelasi Canonical (CCA). . . . . . . . . . . . . . . . . . . 121

9.8 Perangkat Lunak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
9.9 Bacaan Lebih Lanjut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122

10 Belajar Ensembel. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
10.1 Metode Belajar Ensemble. . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
10.2 Ukuran Keragaman. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
10.3 Beberapa Transformasi Gambar Ik. . . . . . . . . . . . . . . . . . . . . . 128
10.3.1 Beberapa Transformasi Subruang. . . . . . . . . . . . . . . . 129
10.3.2 Beberapa Konvolusi Acak. . . . . . . . . . . . . . . . . . . 129
10.3.3 Berbagai Normalisasi. . . . . . . . . . . . . . . . . . . . . . . . . . 130
10.3.4 Beberapa Ruang Warna. . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
10.3.5 Beberapa Ambang Batas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
10.3.6 Segmentasi Ganda. . . . . . . . . . . . . . . . . . . . . . . . . . 132

10.4 Metode Pengambilan Sampel Ulang. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
10.5 Penggabungan Gambar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
10.6 Ambang Ensemble. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
10.7 Ensemble Sampling Spasial. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
10.8 Segmentasi Berbasis Atlas Ensemble. . . . . . . . . . . . . . . . . . . . . 139
10.9 Ensemble Klasifikasi Tetangga Terdekat. . . . . . . . . . . . . . . . . 140
10.10 Bacaan Lebih Lanjut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
10.11 Perangkat Lunak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141

11 Metode Pengambilan Sampel Ulang. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
11.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
11.2 Bootstrapping. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
11.3 Pengenalan Wajah dengan Mengantongi. . . . . . . . . . . . . . . . . . . . . . . . . . 144
11.4 Klasifikasi Klasifikasi Tetangga Terdekat. . . . . . . . . . . . . . . . . . . . . . 144
11.5 Bagged K-means Clustering. . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
11.6 Meningkatkan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
11.7 Algoritma Viola-Jones. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
11.8 Deteksi Objek yang Ditingkatkan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
11.9 Perangkat Lunak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
11.10 Bacaan Lebih Lanjut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153

12 Ambang Batas Gambar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
12.1 Global Thresholding. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
12.2 Algoritma Statistik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
12.2.1 Ridler-Calvard. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
12.2.2 Otsu. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
12.2.3 Kittler-Illingworth. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
12.2.4 Kapur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
12.2.5 Tsai. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
12.3 Ambang Batas Lokal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
12.4 Perangkat Lunak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
12.5 Bacaan Lebih Lanjut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160

Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
13 Poin Kunci Gambar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
13.1 Transform Fitur-Skala Invarian. . . . . . . . . . . . . . . . . . . . . . . 163
13.1.1 Gambar Hiperspektral. . . . . . . . . . . . . . . . . . . . . . . . . . . . 164

13.2 Fitur Kuat yang Dipercepat. . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
13.3 Transformasi Wavelet Kompleks. . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
13.4 Perangkat Lunak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166

14 Ukuran Kesamaan Gambar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
14.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
14.2 Ukuran Kesamaan Global tanpa Penyelarasan Spasial. . . . . 170
14.2.1 Ukuran Kesamaan Kesamaan. . . . . . . . . . . . . . . . . . 170
14.2.2 χ2 Pengukur Jarak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
14.2.3 Ukuran Jarak Lintas Bin. . . . . . . . . . . . . . . . . . . . . 174
14.3 Ukuran Kesamaan Global dengan Keselarasan Spasial. . . . . . . . 176
14.3.1 Mean Square Error dan Mean Absolute Error. . . . . . 176
14.3.2 Koefisien Korelasi Lintas. . . . . . . . . . . . . . . . . . . . . . 177
14.3.3 Informasi Saling Menguntungkan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
14.3.4 Tindakan Kesamaan Global Ordinal. . . . . . . . . . . . . . . . 178

14.4 Ukuran Kesamaan Lokal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
14.4.1 Mengukur Jarak Bhat-Nayar. . . . . . . . . . . . . . . . . . . . . 180
14.4.2 Tindakan Ordinal Mittal-Ramesh. . . . . . . . . . . . . . . . . . . 182
14.5 Ukuran Kesamaan Gambar Biner. . . . . . . . . . . . . . . . . . . . . . . . 182
14.5.1 Hausdorff Metric. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
14.6 Perangkat Lunak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
14.7 Bacaan Lebih Lanjut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184

15 Vignetting, Penyeimbangan Putih, dan Penguatan Otomatis

Efek Kontrol. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
15.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
15.2 Vignetting. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
15.2.1 Koreksi Vignetting. . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
15.3 Fungsi Respons Radiometrik. . . . . . . . . . . . . . . . . . . . . . . . . 189
15.3.1 Kontrol Penguatan Otomatis. . . . . . . . . . . . . . . . . . . . . . . . . 189
15.4 Penyeimbangan Putih. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
15.5 Ensemble White Balancing. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 192

16 Ruang Gambar Warna. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195

16.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
16.2 Model Warna Perseptual. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
16.2.1 IHS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
16.2.2 HSV. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
16.2.3 HLS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
16.2.4 IHLS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
16.2.5 Transformasi IHS Tidak Langsung. . . . . . . . . . . . . . . . . . . . . . 200
16.2.6 Statistik Sirkuler. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
16.3 Beberapa Ruang Warna. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
16.4 Perangkat Lunak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
16.5 Bacaan Lebih Lanjut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204

17 Markov Bidang Acak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
17.1 Bidang Acak Markov. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
17.2 Fungsi Energi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
17.3 Algoritma. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
17.4 Bacaan Lebih Lanjut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209

18 Kualitas Gambar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
18.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
18.2 Ukuran Kualitas Berbasis Referensi. . . . . . . . . . . . . . . . . . . . . . . 211
18.3 Ukuran Kualitas Berbasis Non-referensi. . . . . . . . . . . . . . . . . . . 212
18.4 Analisis. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
18.5 Perangkat Lunak. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
18.6 Bacaan Lebih Lanjut. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 214
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215

Bagian III: Aplikasi

19 Penajam pan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
19.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
19.2 IHS Pan-sharpening. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
19.3 Distorsi Spektral. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
19.3.1 Algoritma Pan-sharpening Pan Choi. . . . . . . . . . . . . . . . . 223
19.3.2 Algoritma Pan-sharpening dari Tu et al. . . . . . . . . . . . . . 224
19.4 IKONOS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
19.5 Wavelet. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
19.6 Respons Spektrum Sensor. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227

20 Ensemble Segmentasi Gambar Warna. . . . . . . . . . . . . . . . . . . . 229
20.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229
20.2 Ensemble Gambar. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
20.3 Segmentasi K-Berarti. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
20,4 Operator K-Means Fusion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232

21 STAPLE: Kebenaran dan
Estimasi Tingkat Kinerja yang Bersamaan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
21.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
21.2 Algoritma Maksimalisasi-Harapan. . . . . . . . . . . . . . . . . . . . 233
21.3 STAPLE. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
Referensi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236

22 Teknologi Biometrik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
22.1 Pendahuluan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
22.2 Multi-modal Biometrics. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
22.2.1 Sidik jari. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238
22.2.2 Tanda tangan. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
22.2.3 Wajah. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
22.2.4 Iris dan Retina. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239

22.2.5 Kiprah Biometrik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
22.2.6 Biometrik Lainnya. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
22.3 Multi-biometrik. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
22.3.1 Sistem Multi-sensor. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
22.3.2 Sistem Multi-algoritma. . . . . . . . . . . . . . . . . . . . . . . . . . 240
22.3.3 Sistem Multi-instance. . . . . . . . . . . . . . . . . . . . . . . . . . . 241
22.3.4 Sistem Multi-sampel. . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
22.4 Epilog. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
Referensi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
Indeks. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 243

Tutorial Agisoft PhotoScan workflow part 3 (without ground control points).

2019-05-14T19:05:00.000-07:00

Selamat datang di channel youtube Tutorial Agisoft PhotoScan workflow part 3 (without ground control points).
Ini adalah💭 channel youtube satu-satunya yang kami buat dengan sengaja.

Tentang channel youtube ini
Nama : engineering kontruksi
Isi dari channel youtube : tutorial ini akan berisi video-video motovlog knowlage dan video lain sebagainya yang mungkin akan menambah khazanah keilmuan geodesi dan geomatika
Selain mendokumentasikan dalam bentuk video kami juga mempunyai catatan-catatan di blog yang mempunyai alamat url : bit.ly//geomatika16
Walaupun dari isi video-video ini kurang lebih baik pada penyampaian kami ke Anda tapi kami minta tolong isi di Kolom Komentar aja yah.... Karena pura-pura tidak mengerti akan menjadi keadaan tidak lebih baik wkwkwk, please

Like👍 Dan Koment 💬
TERIMAKASIH SALAM ENJOYYY🙏

Tutorial Agisoft PhotoScan workflow part 2 (without ground control points).

2019-05-14T19:03:00.001-07:00

Selamat datang di channel youtube Tutorial Agisoft PhotoScan workflow part 2 (without ground control points).
Ini adalah💭 channel youtube satu-satunya yang kami buat dengan sengaja.

Tentang channel youtube ini
Nama : engineering kontruksi
Isi dari channel youtube : tutorial ini akan berisi video-video motovlog knowlage dan video lain sebagainya yang mungkin akan menambah khazanah keilmuan geodesi dan geomatika
Selain mendokumentasikan dalam bentuk video kami juga mempunyai catatan-catatan di blog yang mempunyai alamat url : bit.ly//geomatika16
Walaupun dari isi video-video ini kurang lebih baik pada penyampaian kami ke Anda tapi kami minta tolong isi di Kolom Komentar aja yah.... Karena pura-pura tidak mengerti akan menjadi keadaan tidak lebih baik wkwkwk, please

Like👍 Dan Koment 💬
TERIMAKASIH SALAM ENJOYYY🙏

Alur kerja Tutorial Agisoft PhotoScan bagian 1 (tanpa titik kontrol tanah)

2019-05-14T08:52:00.000-07:00

Selamat datang di channel youtube Tutorial Agisoft PhotoScan workflow part 1 (without ground control points).
Ini adalah channel youtube satu-satunya yang kami buat dengan sengaja.
Tentang channel youtube ini
Nama : Egi Nugraha
Isi dari channel youtube : tutorial ini akan berisi video-video motovlog knowlage dan video lain sebagainya yang mungkin akan menambah khazanah keilmuan geodesi dan geomatika
Selain mendokumentasikan dalam bentuk video kami juga mempunyai catatan-catatan di blog yang mempunyai alamat url : bit.ly//geomatika16
Walaupun dari isi video-video ini kurang lebih baik pada penyampaian kami ke Anda tapi kami minta tolong isi di Kolom Komentar aja yah.... Karena pura-pura tidak mengerti akan menjadi keadaan tidak lebih baik wkwkwk, please

Subscribe
Like Dan Koment
TERIMAKASIH SALAM ENJOYYY

GNSS singkatan dari Global Navigation Satellite System

2019-05-13T08:26:00.003-07:00

GNSS singkatan dari Global Navigation Satellite System merupakan suatu metode pengoperasian dan kesesuaian dari gabungan beberapa sistem satelit navigasi seperti GPS, GLONASS, dan Galileo yang disediakan untuk kepentingan sipil di seluruh dunia. GPS merupakan salah satu bagian dari GNSS. Prinsip penentuan posisi GNSS diadopsi dari prinsip penentuan posisi GPS.

GNSS merupakan gabungan dari beberapa sistem satelit navigasi, GNSS merupakan suatu sistem yang baru yang memiliki keunggulan dari sistem GPS yang lama. Salah satu faktor yang menjadi penentu ketelitian posisi sistem satelit adalah dari banyaknya sinyal satelit yang ditangkap. Semakin banyak sinyal satelit yang ditangkap, semakin banyak pula data yang dapat digunakan untuk mendapatkan nilai koordinat, hal ini mempengaruhi tingkat ketelitian datanya.

GPS hanya mendapatkan data dari sinyal satelit navigasi GPS, sedangkan GNSS mendapatkan data bukan hanya dari sinyal satelit GPS, melainkan ditambah dari GLONASS dan Galileo.

sistem penentuan posisi berbasis GPS belakangan ini menjadi semakin populer. Sistem GPS kini telah berkembang menjadi bagian dari sistem GNSS (Global Navigation Satellite System) yang sampai saat ini, survei GNSS menjadi sistem penentuan posisi berbasis satelit yang paling teliti. Akibat semakin beragamnya kebutuhan pemetaan dan penentuan posisi, kini pemilihan metode dapat disesuaikan dengan tingkat ketelitian yang diharapkan. Salah satu metode baru yang semakin popular yaitu metode RTK NTRIP (Real time Kinematic-Networked Transport of RTCM via Internet Protocol). Secara teori dari hasil penelitian sebelumnya, metode ini paling efektif dilakukan pada kasus short baseline. Namun, masih terus dikembangkan dan diteliti oleh banyak pihak untuk mengetahui seberapa besar tingkat ketelitian yang dapat dihasilkan. Hal ini berbeda dengan penentuan posisi metode jaring statik dan metode radial. Metode penentuan posisi jarring statik dan radial merupakan metode penentuan posisi yang telah lama digunakan. Metode jaring statik dapat menghasilkan ketelitian posisi yang lebih teliti dibandingkan metode radial dan merupakan metode survei GNSS yang paling teliti. Oleh karena itu, penelitian ini dilakukan untuk membandingan tingkat ketelitian hasil penentuan posisi metode radial dan RTK NTRIP terhadap hasil penentuan posisi metode jaring static pada kasus short baseline.

Penelitian ini dilakukan di Kabupaten Sleman, Daerah Istimewa Yogyakarta, dengan lokasi penelitian pada lima buah titik yaitu : SKRIP-01 (Sumberadi, Mlati), SKRIP-02 (Majengan, Pandowo Harjo), SKRIP-03 (Gentan, Ngaglik), SKRIP-04 (Harjo Binangun, Pakem), dan SKRIP-05 (Turi, Turi). Penentuan posisi pada penelitian ini menggunakan metode jaring statik, metode radial, dan metode RTK NTRIP dengan base station GNSS CORS GMU1 Jurusan Teknik Geodesi FT UGM. Metode yang dibandingkan yaitu metode radial dan metode RTK NTRIP, sedangkan metode jarring statik digunakan sebagai acuan dalam perbandingan. Untuk metode jaring statik dan radial, alat yang digunakan yaitu tiga buah receiver GNSS Topcon GR3, dengan sampling rate 15 detik, durasi pengamatan selama tiga jam. Sedangkan untuk metode RTK NTRIP menggunakan satu buah receiver GNSS Topcon GR3, dengan sampling rate 5 detik, durasi pengamatan disesuaikan sampai mendapatkan 200 koordinat dengan solusi pengukuran fixed, dan fasilitas akses berupa GPRS provider Telkomsel Flash.

Sesuai dengan hasil analisis perbandingan dan diperkuat dari visualisasi grafik, didapatkan perbedaan hasil penentuan posisi antara metode radial dan RTK NTRIP. Ketelitian horizontal dan vertikal metode radial sebesar 0,002 m dan 0,003 m. Sedangkan ketelitian horizontal dan vertikal metode RTK NTRIP sebesar 0,010 m dan 0,018 m. Keakuratan posisi horizontal dan vertikal metode radial sebesar 0,010 m dan 0,022 m. Sedangkan keakuratan posisi horizontal dan vertikal metode RTK NTRIP sebesar 0,023 m dan 0,195 m. Sehingga disimpulkan bahwa pada kasus baseline pendek, penentuan posisi metode radial adalah lebih teliti dibandingkan metode RTK NTRIP."

Inti dari skripsi saya ini adalah membandingkan antara tiga buah metode survei GPS sob. Yup, ada metode Statik Jaringan, Statik Radial, dan metode baru RTK NTRIP. Metode Statik Jaringan telah umum dan dipercaya banyak ilmuan sebagai metode survei GPS yang paling teliti dibandingkan dengan metode-metode lain. Oleh karena itu, metode statik jaringan ini saya jadikan sebagai data yang saya anggap benar sehingga untuk menguji seberapa besar perbedaan tingkat ketelitian dua metode lainnya saya hanya tinggal menghitung saja seberapa besar perbedaan/selisih nilai koordinat dari dua metode lainnya. Wah, akhirnya cerita saya tentang skripsi telah begitu panjang dan maaf jika terlalu membosankan. Semoga pengalaman ini dapat bermanfaat untuk saya pribadi dan sobat. Sampai jumpa di postingan selanjutnya sob,

Laporan praktikum SIG pembuatan kontur, slope, hillshde di ArcGis

2019-05-04T09:57:00.001-07:00

Tutorial Kontur

2019-04-30T21:53:00.000-07:00

Klasifikasi citra dengan supervised dan unsupervised

2019-04-30T21:46:00.000-07:00

Klasifikasi Citra

2019-04-28T21:11:00.000-07:00

Tutorial MemBuffer jalan (line) dan Titik

2019-04-27T04:04:00.001-07:00

Tutorial Buffer Di ArcGis 10.3

2019-04-26T19:29:00.000-07:00

Model Geoid Global Earth Gravitational Model 2008 (EGM 2008)

2019-04-26T03:05:00.000-07:00

Model Geoid Global Earth Gravitational Model 2008 (EGM 2008) merupakan model geoid yang memiliki informasi anomali gayaberat free-air dengan grid 2.5 menit. Kisi tersebut dibuat dari kombinasi data terestrial, turunan altimetri dan data gayaberat dari airborne. Akan tetapi, untuk wilayah Indonesia Diperkirakan nilai gayaberat dari pengukuran lokal untuk EGM 2008 masih sangat kurang layak model geoid yang diperoleh dari EGM 2008
lebih sedikit Tujuan penelitian akhir ini adalah untuk mempelajari tingkat kesesuaian penggunaan EGM 2008 untuk keperluan lokal di Kota Surabaya. Dalam penelitian tugas akhir ini dilakukan pengambilan data di Kota Surabaya, kemudian diolah menjadi data anomali gayaberat udara bebas. Data anomali udara bebas dari EGM dan pengukuran di ploting menggunakan aplikasi Generic Mapping Tools (GMT), sehingga semua dapat dibandingkan dan dianalisis. Berdasarkan Pengolahan dan analisis data, diperoleh nilai gayaberat di Kota Surabaya antara 978093.737 mGal hingga 978115.846 mGal, dengan anomali gayaberat udara bebas antara -25 mGal hingga 20 mGal. Selisih data EGM dan data insitu memiliki nilai antara 0-21 mGal. Berdasarkan pengolahan data dan analisis selisih anomali data udara bebas insitu dan data EGM 2008 maka EGM 2008 cukup sesuai dengan rata-rata selisih 5,726 m, sehingga presentase kesesuaiannya sebesar 66,67%. Setelah dilakukan gridding yang sama antara EGM 2008 dan data diperoleh nilai rata-rata selisih 10,350 mGal dan data presentase yang sesuai adalah 64,10%. ======================================================================== Global Geoid Model EGM ( Earth Gravitational Model) 2008 adalah model geoid dengan anomali gravitasi udara bebas dalam grid 2,5 menit. Grid dibentuk dari kombinasi data terestrial, satelit altimetri dan gravitasi udara. Namun, kontribusi pengukuran gravitasi lokal di Indonesia rendah sehingga EGM 2008 tidak dapat mewakili kondisi fisik lokal

Silahkan Download aplikasinya

🙏TERIMAKASIH 🙏

PERSONAL PRONOMEN

2019-04-24T00:54:00.000-07:00

"SUBYEK + SEIN + KET"

ich (saya) + bin

ich bin schuller ( saya adalah seorang murid).
ich bin lehrer (saya adalah seorang guru)
ich bin Arzt (saya adalah seorang dokter)
ich bin truppe ( sayaadalah seorang tentara)
ich bin polizist (ssaya adalah seorang polisi)
ich bin sportler(saya adalah seorang atlit)
ich bin fachkraft vermessen (saya adalah seorang juru pengulkuran)
ich bin beamre (saya adalah seorang pegai negeri)

du (kamu) + Bist
du Bist schuller (kamu adalah seorang pelajar)
du Bist lehrer (kamu adalah seorang guru)
du Bist Arzt ( kamu adalah seorang dokter)
du Bist truppe ( kamu adalah seorang tentara)
du Bist polizist ( kamu adalah seorang polisi)
du Bist sportler ( kamu adalah seorang atilt)
du Bist fachkraft vermessen ( kamu adalah seorang juru pengukur)
du Bist beamre ( kamu adalah seorang pegawai negeri)

er (dia laki-laki) + Ist

sie (dia perempuan) + Ist

es ( dia Bnd) + Ist

wir (kami) + Sind

ihr (kalian) + Seid

sie (mereka) + Sind

Sie (anda) + sind

Perintah Insert into, delete, ADD, Alter, Create table, Select pada PostgreSQL - PgAdmin

2019-04-22T13:32:00.000-07:00