digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Legana Rafa
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

COVER Legana Rafa
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB 1 Legana Rafa
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB 2 Legana Rafa
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

BAB 3 Legana Rafa
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

PUSTAKA Legana Rafa
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan

Teknologi pemetaan saat ini sudah berkembang dengan pesat dalam memudahkan manusia memetakan suatu lokasi. Dengan menggunakan metode penginderaan jauh, pemetaan bisa mencakup area luas dan dilakukan dengan waktu yang jauh lebih singkat dibandingkan dengan pemetaan menggunakan metode terestris menggunakan teodolit dan sipat datar. Dalam proses pengolahan data foto, ada berbagai tahapan yang harus diikuti agar mencapai hasil yang baik mulai dari tahap kalibrasi kamera sampai dengan hasil berupa ortofoto. Salah satu tahap dalam pengolahan data foto adalah dense image matching. Dense image matching adalah suatu proses dalam

fotogrametri untuk mencari korespondensi antara titik-titik yang berada di dua atau lebih citra yang diambil dari sudut pandang yang berbeda dalam bentuk yang rapat (dense point cloud). Beberapa contoh metode dense image matching adalah Patchbased Multiview Stereo (PMVS) dan Semi-Global Matching (SGM). Tujuan dari penelitian ini adalah untuk menganalisis performa dan kualitas data awan titik hasil dense image matching dari metode PMVS dan SGM. Untuk mengetahui performa dan kualitasnya, dilakukan pengolahan data foto udara non-metrik menggunakan kedua metode tersebut. Data yang digunakan pada penelitian ini adalah data foto udara non-metrik dan metrik area ITB Ganesha serta GCP dan ICP yang didapatkan dari foto udara metrik. Analisis yang dilakukan adalah berdasarkan representasi objek (bangunan dan non-bangunan), akurasi geometrik, standar deviasi antar titik, jumlah titik, dan waktu pemrosesan. Secara umum, hasil perbandingan dari kedua metode adalah metode PMVS menunjukkan performa dan kualitas yang lebih baik dibandingkan dengan metode SGM. Jumlah titik yang relatif lebih banyak membuat metode PMVS menciptakan representasi objek dan akurasi geometrik yang lebih baik. Namun, pada pemrosesan metode PMVS, waktu yang diperlukan relatif lebih lama. Kesimpulannya, metode PMVS merupakan metode yang lebih baik dalam menciptakan dense point cloud. Akan tetapi, apabila tidak memerlukan ketelitian dan kualitas yang lebih baik serta membutuhkan pengolahan yang lebih cepat, metode SGM bisa menjadi pilihan.