LEMBAR PENILAIANMODUL 1: KOREKSI RADIOMETRI DAN KOREKSI
GEOMETRI
Nama: Florentina ChandraNIM: 26020213120017Ttd:
NO.KETERANGANNILAI
1Pendahuluan
2Tinjauan Pustaka
3Materi dan Metode
4Hasil dan Pembahasan
5Penutup
6Daftar Pustaka
TOTAL
Mengetahui,Koordinator praktikum
Tria Dewi Anggraeni26020211130053Asisten,
Ganis Tresna Kumala26020212120005
I. PENDAHULUAN
1.1 Latar BelakangPemanfaatan data satelit untuk pemantauan
warna perairan, telah memegang peranan dalam membuka cakrawala ilmu
pengetahuan dalam proses-proses oseanografi baik secara global
maupun regional. Dari hasil pemantauan ini, banyak sekali
pengetahuan-pengetahuan yang diketahui dan masih banyak juga yang
menjadi misteri.Penginderaan jauh fotografik menguraikan tentang
karakteristik interpretative dan geometric dasar foto udara.
Karakteristk radiometrik foto udara menentukan bagaimana film
tertentu yang dipotretkan dan diproses pada kondisi tertentu
menanggapi tenaga dengan berbagai intensitas. Pengetahuan tentang
karakteristik ini sering berguna dan kadang-kadang sangat penting
bagi proses analisis citra fotografik terutama dalam supaya
menampilkan hubungan kuantitatif antara nilai rona pada suatu citra
dan beberapa fenomena medan.Koreksi radiometri (satelite
Imagecallibration) merupakan sisitem penginderaan jauh yang
digunakan untuk mengurangi pengaruh hamburan atmosfer pada citra
satelit terutama pada saluran tampak (visible light). Hamburan
atmosfer disebabkan oleh adanya partikel-partikel di atmosfer yang
memberikan efek hamburan pada energi elektromagnetik matahari yang
berpengaruh pada nilai spektral citra.Transformasi citra paling
mendasar adalah penempatan kembali posisi pixel sedemikian rupa
sehingga pada citra digital yang tertransformasi dapat dilihat
gambaran obyek di permukaan bumi yang terekam sensor. Pengubahan
bentuk kerangka liputan dari bujur sangkar menjadi jajar genjang
merupakan hasil dari transformasi ini. Tahap ini diterapkan pada
citra digital mentah (langsung dari perekaman satelit), dan
merupakan koreksi kesalahan geometrik sistematik. Utilitas
difungsikan untuk keperluan-keperluan khusus contohnya: pada
pemotretan udara kesalahan bentuk dan lokasi dari Foto Udara
dihasilkan oleh: kelengkungan bumi, posisi pesawat dan Kesalahan
sistematik dari kamera untuk itu perlu dilakukan koreksi agar
didapatkan foto udara yang benar-benar tegak. Koreksi geometri
selanjutnya diperlukan untuk menghasilkan data yang lebih teliti
dalam aspek planimetrik. Pada koreksi ini, sistem koordinat atau
proyeksi peta tertentu dijadikan rujukan, sehingga dihasilkan citra
yang mempunyai sistem koordinat dan skala yang seragam. Citra
terkoreksi ini siap untuk dimanipulasi bersama dengan peta dalam
kerangka sistem informasi geografi.
1.2 Tujuan1. Melakukan koreksi radiometrik citra dengan metode
penyesuaian histogram dan penyesuaian regresi (berupa DPC, EDPC,
CUT OFF) menggunakan software ER Mapper 7.02. Mahasiswa mampu
melakukan koreksi geometri pada citra dengan metode Polinomial
menggunakan perangkat lunak ER Mapper 7.03. Mahasiswa mampu dan
memahami rektifikasi pada data satelit yang akan di koreksi
geometri
1.3 ManfaatManfaat yang didapatkan dari praktikum modul II ini,
praktikan dapat mengerti cara melakukan koreksi radiometrik dengan
metode penyesesuaian regresi dan koreksi geometrik pada citra
dengan metode polonomial serta bisa memahami rektifikasi pada data
satelit yang akan dikoreksi geometri.
II. TINJAUAN PUSTAKA
2.1 Koreksi RadiometriPenginderaan jauh adalah ilmu dan seni
untuk memperoleh informasi tentang suatu objek, daerah, atau
fenomena melauli analisis data yang diperoleh dengan suatu alat
tanpa kontak langsung dengan objek, daerah atau fenomena yang
dikaji (Lillesand dan Kiefer, 1990).Koreksi radiometrik diperlukan
atas dasar dua alasan,yaitu untuk memperbaiki kualitas visual citra
dan sekaligus memperbaiki nilai-nilai pixel yang tidak sesuai
dengan nilai pantulan atau pancaran spektral objek yang sebenarnya.
Koreksi radiometrik citra yang ditujukan untuk memperbaiki kualitas
visual citra berupa pengisian kembali baris yang kosong karena drop
out baris maupun kesalahan awal pelarikan (scanning). Baris atau
bagian baris yang bernilai tidak sesuai dengan yang seharusnya
dikoreksi dengan mengambil nilai pixel atau baris diatas dan
dibawahnya kemudian dirata-rata (Danoedoro, 1996). Koreksi
radiometrik bisa dilakukan dengan berbagai cara yaitu : penyesuaian
histogram, penyesuaian regresi dan kalibrasi bayangan. Koreksi
radiometrik diperlukan atas dasar dua alasan, yaitu untuk
memperbaiki kualitas visual citra sekaligus memperbaiki nilai-nilai
piksel yang tidak sesuai dengan nilai pantulan atau pancaran
spektral objek yang sebenarnya. Koreksi radiometrik citra yang
ditujukan untuk memperbaiki kualitas visual citra berupa pengisian
kembali baris yang kosong karena drop out baris maupun kesalahan
awal pelarikan (scanning). Baris atau bagian bagian baris yang
bernilai tidak sesuai dengan yang seharusnya dikoreksi dengan
mengambil nilai piksel atau baris di atas dan dibawahnya kemudian
dirata-rata, (Sutanto, 1987).
2.2 Penyesuaian HistogramMetode ini paling sederhana, hanya
dengan melihat histogram tiap saluran secara independent. Dari
histogram bisa diketahui nilai piksel terendah saluran tersebut,
asumsi yang melandasi metode ini adalah bahwa dalam proses coding
digital oleh sensor, objek yang memberikan respon spektral paling
lemah atau tidak memberikan respon sama sekali seharusnya bernilai
nol. Apabila nilai ini ternyata > 0 maka nilai terserbut
dihitung sebagai offset, dan koreksi dilakukan dengan mengurangi
keseluruhan nilai pada saluran tersebut dengan offsetnya.
Penyesuaian histogram (histogram adjusment) meliputi evaluasi
histogram pada setiap band dari data penginderaan jauh. Biasanya
data pada panjang gelombang tampak (TM saluran 1-3) mempunyai nilai
minimum yang lebih tinggi karena dipengaruhi oleh hamburan
atmosfir. Sebaliknya penyerapan atau absorbsi pada atmosfir akan
mengurangi kecerahan pada data yang direkam dalam interval panjang
gelombang yang lebih besar seperti TM 4,5,7. Sehingga data pada
band ini nilai minimumnya mendekati nilai nol (Anonim, 2011).
Penyesuaian histogram ini melewati beberapa tahap, dan hasilnya
tidak selalu naik. Hal ini disebabkan karena tidak setiap citra
mempunyai nilai objek yang ideal untuk dikoreksi, seperti air
jernih atau bayangan awan. Dibandingkandengan teknik penyesuaian
histogram hasilnya tidak jauh berbeda, (Sutanto, 1987).
2.3 Penyesuaian Regresi (DPC, EDPC, CutOff)Penyesuaian regresi
diterapkan dengan memplot nilai-nilai pixel hasil pengamatan dengan
beberapa saluran sekaligus. Hal ini diterapkan apabila ada saluran
rujukan (yang relatif bebas gangguan) yang menyajikan nilai nol
untuk obyek tertentu. Kemudian tiap saluran dipasangkan dengan
saluran rujukan tersebut untuk membentuk diagram pancar nilai pixel
yang diamati. Cara ini secara teoritis mudah namun secara
prakteknya sulit, karena gangguan atmosfer terjadi hampir pada
semua spektra tampak dan saluran. Pengambilan pixel-pixel
pengamatan harus berupa obyek yang secara gradual berubah naik
nilainya,pada kedua saluran sekaligus dan bukan hanya pada salah
satu saluran (Danoedoro, 1996).
2.3.1 Dark Pixel CorrectionKoreksi piksel gelap merupakan metode
sederhana yang digunakan untuk menghilangkan efek atmosfer saat
image radiance. Efek ini terkait dengan kontribusi hamburan aditif
(additive scaterring) dari atmosfer dan efek dari transmisi
multiplikatif energi melalui atmosfer ( Lillesand dan Kiefer,
1979).2.3.2 Dark Pixel Correction ( DPC )Dark pixel correction
adalah koreksi sederhana untuk menghilangkan pengaruh atmosdhere
yang cenderung memperbesar nilai pixel. Penggunaan dark pixel
correction merupakan metode sederhana untuk menghilangkan efek
atmosfer yang menjadi sumber utama dari perbedaan nilai pixel
masing masing ciitra yang akan dimosaik (Anonim, 2010).
2.3.3 Enchanted Dark Pixel Correction ( EDPC )Hasil akurat dari
deteki perubahan terhadap dua atau lebih citra waktu ditentukan
oleh beberapa faktor; seperti citra yang sebanding, citra yang
dapat diinterpretasikan, dan metode untuk mendapatkan perbedaan
yang bermakna dari deteksi perubahan citra. Pixel ke pixel antara
citra biasa ditampilkan untuk mendapatkan citra yang baik. Dark
pixel correction ditampilkan untuk mengkoreksi kesalahan
radiometrik dari suatu citra, maka enhance sebagai hasilnya lebih
diinterpretasi untuk aplikasi tertentu. Dengan mengurangkan masing
masing band dengan minimum digital number value nya, maka setiap
band akan memiliki minimal DN dari nol (Anonim, 2011)
2.3.4 Cut OffCut-off merupakan cara ketiga dalam koreksi
atmosfer yang menggunakan dua variasi scattergram. Dengan
memasukkan nilai terendah tiap tiap band pada window Scattergram
(Anonim,2010)
2.4 Koreksi GeometriKoreksi geometrik merupakan proses
memposisikan citra sehingga cocok dengan kordinat peta dunia
sesungguhnya. Ada beberapa cara dalam pengkoreksian ini antara lain
triangulasi, polinominal, orthorektifikasi dengan menggunakan
kontrol titik titik lapangan (ground control point), proyeksi peta
ke peta dan registrasi titik titik yang telah diketahui (know point
registration). Koreksi citra bedasarkan citra yang lain yang telah
dikoreksi disebut image to image (Mapper, 1998)Koreksi geometri
digunakan untuk memperbaiki kemencengan, rotasi dan perspektif
citra sehingga orientasi, projeksi dan anotasinya sesuai dengan
yang ada pada peta. Koreksi geometri terdiri dari koreksi
sistematik (karena karakteristik alat) dan non sistematik (Karena
perubahan posisi penginderaan). Koreksi sistematik biasanya telah
dilakukan oleh penyedia data. Koreksi non sistematik biasanya
dilakukan dengan suatu proses koreksi geometri. Proses ini
memerlukan ikatan yang disebut titik kontrol medan (ground control
point/GCP). GCP tersebut dapat diperoleh dari peta, citra yang
telah terkoreksi atau tabel koordinat penjuru. GCP kemudian disusun
menjadi matriks transformasi untuk rektifikasi citra (Anonim,
2008)Ada tiga cara untuk melakukan koreksi geometri yang pertama
adalah rektifikasi geometri. Rektifikasi geometri adalah mengubah
aspek geometri pada citra dengan cara merujuk pada proyeksi peta
yang baku, sehingga koordinat pada citra menjadi sama dengan
koordinat pada peta yang digunakan sebagai data acuan. Proses yang
digunakan dalam koreksi geometri dengan cara rektifikasi geometri
adalah dengan transformasi koordinat dan resampling. Metode yang
digunakan adalah dengan metode GCP (ground control point), yaitu
membandingkan titik-titik kontrol pada citra dan titik-titik
kontrol pada peta. Pengambilan titik kontrol harus mewakili dan
merata pada seluruh citra. untuk memudahkan dalam pengambilan titik
kontrol, obyek yang dipilih sebagai titik kontrol adalah obyek yang
mudah dikenali pada citra, seperti posisi jalan, sungai dan
kenampakan obyek yang khas. Cara yang kedua adalah dengan
registrasi citra yaitu dengan mendaftarkan koordinat citra yang
belum terkoreksi dengan koordinat citra yang sudah terkoreksi yang
mempunyai daerah yang sama, atau (map to map
transformation).sedangkan Ortorektifikasi adalah bentuk lebih
akurat dari rektifikasi karena mengambil penghitungan sensor
(kamera) dan karakteristik platform (pesawat terbang). Ini khusus
direkomendasikan untuk foto udara. Ortorektifikasi dicakup terpisah
di dalam `Image orthorectification' (Lillesand, T.M and Kiefer,
R.W. 1979)
Green (1983, dalam Jensen, 1986) menjelaskan dua operasi yang
harus dilakukan dalam rektifikasi geometri citra, yaitu:1.
Interpolasi spasial menggunakan transformasi koordinatPrinsip kerja
proses ini adalah menyamakan koordinat citra dengan koordinat peta.
Besarnya distorsi geometrik citra dapat diketahui dengan melihat
besarnya nilai total RMS error (Residual Mean Square) yang
dinyatakan dengan besaran sigma ().2. Interpolasi nilai kecerahan
(resampling)Interpolasi ini bertujuan untuk mengembalikan nilai
kecerahan lokasi X dan Y pada citra asli (yang masih mengalami
distorsi) dan menempatkannya kembali pada koordinat X dan Y pada
citra terektifikasi. Metode yang digunakan adalah interpolasi
tetangga terdekat (nearest neighbor interpolation). Algoritma
tetangga terdekat diterapkan dengan hanya mengambil kembali nilai
dari piksel terdekat yang telah tergeser ke posisi baru. Algoritma
ini sesuai untuk diterapkan pada citra saluran asli karena nilai
piksel baru hasil interpolasi tetap merupakan pantulan spektral
obyek yang sebenarnya.Kesalahan Geometrik terjadi karena jarak
wahana dengan objek yang jauh, sehingga menimbulkan distorsi
geometrik. Koreksi geometrik dilakukan sesuai dengan jenis atau
penyebab kesalahannya, yaitu kesalahan sistematik dan kesalahan
random. Adapun koreksi geometrik ini memiliki tiga tujuan, yaitu:
Melakukan rektifikasi (perbaikan) dan restorasi (pemulihan) citra
agar koordinat citra sesuai dengan koordinat geografi.1. Registrasi
(mencocokkan) posisi citra dengan citra lain atau
mentransformasikan system koordinat citra multispektral atau multi
temporal. 2. Registrasi citra ke peta atau transformasi sistem
koordinat citra ke peta, yang menghasilkan citra dengan sistem
proyeksi tertentu. Koreksi geometri juga diperlukan untuk
menghasilkan data yang lebih teliti dalam aspek planimetrinya. Pada
koreksi ini sistem koordinat atau proyeksi peta tertentu dijadikan
rujukan, sehingga dihasilkan citra yang mempunyai sistem koordinat
dan skala yang seragam. Citra terkoreksi ini siap dimanipulasi
bersama dengan peta dalam kerangka Sistem Informasi Geografi
(Kartini, C. N., 1999).
2.5 RektifikasiRektifikasi adalah suatu proses melakukan
transformasi data dari satu system grid menggunakan suatu
transformasi geometric. Oleh karena posisi pixel pada citra output
tidak sama dengan posisi pixel input (aslinya) maka pixel-pixel
yang digunakan untuk mengisi citra yang baru harus di-resampling
kembali. Resampling adalah suatu proses melakukan ekstrapolasi
nilai data untuk pixel-pixel dalam system grid yang baru dari nilai
pixel citra aslinya. Tahap-tahap Rektifikasi. Secara umum melakukan
rektifikasi adalah sebagai berikut:1. Memilih titik control
lapangan (Ground Control Point). GCP tersebut sedapat mungkin
adalah titik-titik atau obyek yang tidak mudah berubah dalam jangka
waktu lama misalnya belokan jalan, tugu di persimpangan jalan dan
atau sudut-sudut gedung (bangunan). Hindari menggunakan belokan
sungai atau delta sungai karena mudah berubah dalam jangka waktu
tertentu. GCP juga harus tersebar merata pada citra yang akan
dikoreksi.2. Membuat persamaan transformasi yang digunakan untuk
melakukan interpolasi spasial. Persamaan ini imumnya berupa
persamaan polynomial baik orde 1,2 maupun 3.Ordo I : disebut juga
Affine transformation (diperlukan minimal 3 GCP)Ordo II :
memerlukan minimal 6 GCPOrdo III : memrlukan minimal 1 GCP3.
Menghitung kesalahan (RMS Error) dari GCP yang terpilih. Umumnya
tidak boleh lebih besar dari 0,5 pixel.4. Melakukan interpolasi
intensitas (nilai kecerahan) dengan salah satu metode berikut,
yaitu nearest neighbourhood, bilinear dan convolution, sekaligus
membuat citra baru dengan system koordinat yang ditentukan. Dalam
proses ini juga menentukan ukuran pixel output, sesuai dengan
resolusi spasial yang dikehendaki, yang umumnya disesuaikan dengan
ukuran resolusi data spasial yang aslinya. Hanya untuk kasus-kasus
tertentu saja yang membuat ukuran spasial citra baru yang berbeda
dengan ukuran aslinya, misalnya untuk tujuan melakukan fusi antar
band kanal (Sumaryono. 1999 ).
2.6 RMS ErrorParameter tingkat keakurasian dari proses
rektifikasi ini adalah nilai yang dipresentasikan oleh selisih
antara koordinat titik kontrol hasil transformasi dengan koordinat
titik kontrol, yang dikenal dengan nama RMS (Root Mean Square)
Error. Nilai RMS Error yang rendah akan menghasilkan hasil
rektifikasi yang akurat. Sebagai contoh, hasil transformasi boleh
jadi masih berisi kesalahan yang significant karena
rendahnya/sedikitnya titik control yang dimasukkan. Ada beberapa
faktor yang mempengaruhi RMS Error ini yaitu : 1. Tingkat
ketelitian titik kontrol lapangan 2. Tingkat ketelitian titik
kontrol citra 3. Jumlah dan distribusi letak titik control 4. Model
transformasi yang digunakan(Anonim, 2008)
III. MATERI DAN METODE
3.1. Waktu dan Tempat Pelaksanaan Hari / Tanggal: Selasa, 14
Oktober 2014 / Selasa, 21 Oktober 2014Waktu: 14.40 -
SelesaiTempat:Laboratorium Komputasi, Gedung E Lantai 2, Jurusan
Ilmu Kelautan, Fakultas Perikanan dan Ilmu Kelautan, Universitas
Diponegoro, Semarang.
3.2. MateriMateri yang disampaikan pada praktikum Pengindraan
Jauh Modul II adalah: Koreksi Radiometri1. Penyesuaian Histogram2.
DPC ( Dark Pixel Correction )3. EDPC ( Enhanced Dark Pixel
Correction )4. Cut Off Koreksi Geometri 1. Membuka citra dan
memeriksa koreksinya2. Proses koreksi Geocoding3. Cara penggabungan
dua citra
3.3. Metode- Koreksi Geometri3.3.1. Memeriksa Nilai Atmosferic
Bias Citra1. Membuka Program ER Mapper, memilih Edit Algorithm
kemudian Load Dataset Membuka file citra Landsat_TM_23Apr85.ers
pada volume E:\ Shared Data.
2. Menduplikat Pseudo Layer menjadi 6. Kemudian mengubah namanya
menjadi Band 1,Band 2 dan seterusnya sampai Band 7 (tanpa
mengikutkan Band 6). Kemudian input data sesuai dengan Band
masing-masing.
3. Memilih Band 1,kemudian Edit Transform Limit .Maka akan
muncul window Transform dan terlihat nilai atmospheric biasnya
adalah 68.
Kemudian lakukan langkah tersebut pada band 2 hingga pada band
7, maka akan terlihat atmospheric biasnya, dan catat nilai dari
atmospheric biasnya pada setiap band. Dan nilai-nilainya sebagai
berikut:
BandNilai Atmospheric bias
168
221
315
44
52
71
3.3.2. Metode Penyesuaian Histogram1. Memilih Band 1, kemudian
mengklik ikon Formula Editor. Akan muncul window Formula, lalu
tuliskan INPUT1-68 (sesuai dengan nilai athmosperic biasnya). Apply
Changes.
lakukan langkah yang sama pada band selanjutnya hingga pada band
7 (INPUT1-nilai athmosperic biasnya).2. Selanjutnya windows formula
editor di close.3. Langkah selanjutnya yaitu memilih Band 1,
kemudian klik Edit pada windows transform, memilih Delete this
Transform.
lakukan langkah tersebut pada band selanjutnya hingga pada band
7.
4. File disimpan dengan cara mengklik file Save As dengan nama
Histogram_FlorentinaChandra_ 26020213120017.ers dan pilih files of
type ER MapperRaster Dataset(ers.) kemudian klik OK.
5. Setelah selesai proses file ,menutup window kecuali ER
Mapper. Kemudian memanggil kembali citra dengan memilih Edit
Algorithm, kemudian Load Dataset. Membuka file citra
Histogram_FlorentinaChandra_26020213120017.ers, Edit Transform
Limit. Maka akan terlihat nilai athmosperic biasnya adalah 1
Lakukan langkah tersebut pada band selanjutnya hingga pada band
7.
5. Kemudian lihat perbedaan citra yang belum dikoreksi dengan
citra yang sudah di koreksi.
6.
3.3.3. Teknik Penyesuaian Histogram Lainnya1. Dark Pixel
Correction (DPC)a. Pada window utama, memilih Toolbars, Remote
Sensing. Akan muncul icon-icon baru.
b. Kemudian klik icon Land Application Wizard. Pada window Land
Application Wizard, klik next Pilih Process TM imagery, lalu klik
next.
c. Pilih Atmosphric Effect Correction, lalu klik next. Pilih
Dark Pixel Correction, lalu klik next
d. Masukkan citra yang akan dikoreksi berupa citra
Landsat_TM_23Apr85.ers yang tersimpan pada folder Shared Data.
Masukkan juga nama file output-nya DPC_
_BelumDikoreksi_FlorentinaChandra_26020213120017.ers Kemudian klik
Finish
e. Akan muncul citra dengan 7 band yang telah terkoreksi
f. Kemudian periksa nilai atmospheric biasnya pada window
Transform. Dengan cara kengklik DPC_TM1 kemudian klik Edit
Transform Limit. Kemudian klik edit dan pilih Delete This
Transform
Lakukan langkah tersebut pada band selanjutnya hingga pada
DPC_TM7.
g. Kemudian Save As citra dengan Save As citra dengan nama
DPC_SudahDikoreksi_FlorentinaChandra_26020213120017.ers type file
ER Mapper Raster Datesheet. Klik OK. kemudian tutup semua aplikasi
kecuali Program ER. Mapper.
h. Selanjutnya untuk memeriksa kembali nilai atmospheric bias
pada setiap band, klik edit algorithm kemudian load datased dan
pilih DPC_BelumDikoreksi_FlorentinaChandra_26020213120017.ers klik
DPC_TM1 dan klik Edit Transform Limit. Lakukan langkah tersebut
pada band selanjutnya hingga pada DPC TM7.
2. Metode Enhaced Pixel Correction ( EDPC )a. Pada window utama,
memilih Toolbars, Remote Sensing. Akan muncul icon-icon baru.
b. Kemudian klik icon Land Application Wizard. Pada window Land
Application Wizard, klik next Pilih Process TM imagery, lalu klik
next.
c. Pilih Atmosphric Effect Correction, lalu klik next. Pilih
Dark Pixel Correction, lalu klik next
d. Memasukan file citra yang akan dikoreksi yaitu
Landsat_TM_23Aprl85.ers klik OK lalu Next.
e. Memilih Use TM1 as Initial Band dan masukan nilai atmospheric
biasnya. Range besar nilai atmospheric biasnya. Range besar nilai
atmospheric biasnya sesuai dengan nilai atmospheric biasnya (67).
Klik next.
f. Memilih clear ( TM1 >55 0 maka nilai terserbut dihitung
sebagai offset, dan koreksi dilakukan dengan mengurangi keseluruhan
nilai pada saluran tersebut dengan offsetnya.
3. Enhanched Dark Pixel CorrectionTeknik lain pada Metode
Penyesuaian Histogram lain. Nilai TM yang digunakan sebagai inisial
Band adalah TM 1. Hal ini dikarenakan TM 1 dianggap sudah mewakili
nilai TM yang lain dan nilai TM 1 sudah merupakan acuan atau
standar.Kemudian kita memakai kita menggunakan metode koreksi Very
Clear dengan syarat TM1 55