Pelatihan Point Cloud & LiDAR: Teknik Pengolahan Data 3D untuk Pemetaan dan Analisis Spasial

Perkembangan teknologi pemetaan dan survei geospasial telah membawa perubahan besar dalam cara data permukaan bumi dikumpulkan dan dianalisis. Jika sebelumnya pemetaan banyak mengandalkan pengukuran titik secara manual, saat ini teknologi LiDAR (Light Detection and Ranging) mampu menghasilkan jutaan titik tiga dimensi dalam waktu relatif singkat.

Data hasil akuisisi LiDAR umumnya berupa point cloud, yaitu sekumpulan titik yang memiliki informasi posisi seperti koordinat X, Y, dan Z serta dapat dilengkapi atribut lain seperti intensitas, return number, classification, dan informasi sensor. Dengan jumlah titik yang sangat besar, point cloud dapat menggambarkan permukaan tanah, bangunan, vegetasi, jalan, jaringan infrastruktur, dan berbagai objek lainnya secara tiga dimensi.

Teknologi ini banyak digunakan dalam pemetaan topografi, pemodelan terrain, kehutanan, pertambangan, konstruksi, perencanaan wilayah, kebencanaan, hingga pengembangan basis data geospasial.

Pelatihan Point Cloud & LiDAR menjadi penting bagi praktisi yang tidak hanya ingin mengetahui konsep teknologi LiDAR, tetapi juga memahami workflow pengolahan data dari point cloud mentah hingga menghasilkan informasi yang siap digunakan dalam GIS.

Badan Informasi Geospasial (BIG) sendiri menggunakan data LiDAR point cloud, DSM, dan DTM dalam penyediaan Data Geospasial Dasar dan Peta Rupabumi Indonesia skala 1:5.000. Salah satu layanan BIG menjelaskan bahwa pengolahan LiDAR mencakup strip adjustment, klasifikasi point cloud secara otomatis dan manual, hingga konversi menjadi raster.

Bagi organisasi yang ingin memperkuat kompetensi pengelolaan data spasial, penguasaan point cloud dan LiDAR dapat menjadi bagian penting dari Pelatihan Data Geospasial: Panduan Lengkap Pengelolaan, Pengolahan, Analisis, dan Validasi Data Spasial.

Apa Itu LiDAR?

LiDAR merupakan teknologi penginderaan aktif yang menggunakan pulsa laser untuk mengukur jarak antara sensor dengan objek di permukaan bumi.

Secara sederhana, sistem LiDAR bekerja dengan mengirimkan pulsa laser menuju objek. Pulsa tersebut kemudian dipantulkan kembali ke sensor. Berdasarkan waktu tempuh pulsa dan informasi posisi serta orientasi sensor, sistem dapat menghitung posisi tiga dimensi objek.

Data yang dihasilkan dapat membentuk kumpulan titik yang disebut point cloud.

Teknologi LiDAR dapat dipasang pada berbagai platform, seperti:

• Pesawat.
• Helikopter.
• Drone/UAV.
• Kendaraan.
• Perangkat mobile mapping.
• Platform terestris.
• Sistem airborne LiDAR.

Masing-masing platform memiliki karakteristik, tingkat detail, cakupan, dan tujuan penggunaan yang berbeda.

Apa Itu Point Cloud?

Point cloud adalah kumpulan titik dalam ruang tiga dimensi yang merepresentasikan permukaan atau objek yang direkam oleh sensor.

Setiap titik dapat memiliki informasi:

Jumlah titik dalam satu dataset dapat mencapai jutaan hingga miliaran titik. Karena itu, pengelolaan point cloud membutuhkan perangkat keras, perangkat lunak, serta workflow yang sesuai.

Hubungan LiDAR dengan Point Cloud

LiDAR merupakan salah satu teknologi yang dapat menghasilkan point cloud.

Hubungan sederhananya adalah:

Sensor LiDAR → Pulsa Laser → Pantulan → Perhitungan Posisi → Point Cloud → Klasifikasi → Produk 3D/GIS

Namun, point cloud tidak hanya dapat berasal dari LiDAR. Teknologi fotogrametri berbasis drone juga dapat menghasilkan point cloud melalui proses image matching.

Karena itu, dalam pekerjaan GIS, pengguna perlu memahami sumber point cloud sebelum menentukan metode pengolahan.

Mengapa Point Cloud Penting dalam Pemetaan?

Point cloud memberikan representasi tiga dimensi yang lebih kaya dibandingkan data peta dua dimensi.

Dengan point cloud, pengguna dapat menganalisis:

• Permukaan tanah.
• Bangunan.
• Pohon.
• Jalan.
• Jembatan.
• Tiang.
• Menara.
• Infrastruktur.
• Bentuk terrain.
• Struktur objek.

Informasi tersebut dapat digunakan untuk menghasilkan berbagai produk turunan seperti:

• DSM.
• DTM.
• DEM.
• Kontur.
• Model 3D.
• Canopy Height Model.
• Profil elevasi.
• Model bangunan.
• Data inventarisasi objek.

BIG mencantumkan LiDAR point cloud sebagai salah satu sumber data yang digunakan bersama orthophoto, DSM, dan DTM dalam penyediaan Peta Rupabumi Indonesia skala besar.

Jenis Akuisisi Data LiDAR

LiDAR dapat diperoleh menggunakan berbagai metode akuisisi.

Airborne LiDAR

Airborne LiDAR menggunakan pesawat atau helikopter sebagai platform.

Keunggulannya adalah mampu mencakup area yang luas dalam satu kegiatan survei.

Penggunaan umum:

• Pemetaan topografi.
• Pemetaan wilayah.
• Pemetaan kehutanan.
• Pemetaan pesisir.
• Pemetaan infrastruktur.

Drone LiDAR

Drone LiDAR menggunakan UAV sebagai platform pembawa sensor.

Metode ini cocok untuk area yang membutuhkan:

• Resolusi tinggi.
• Fleksibilitas survei.
• Detail 3D.
• Waktu akuisisi relatif cepat.
• Area survei kecil hingga menengah.

Drone LiDAR dapat digunakan pada area yang memiliki medan kompleks atau kondisi vegetasi tertentu, tergantung konfigurasi sensor dan kebutuhan survei.

Terrestrial Laser Scanning

Terrestrial Laser Scanner atau TLS menggunakan sensor yang ditempatkan di permukaan tanah.

Metode ini menghasilkan point cloud dengan detail sangat tinggi untuk objek tertentu.

Contohnya:

• Bangunan.
• Jembatan.
• Struktur industri.
• Terowongan.
• Situs heritage.
• Fasilitas konstruksi.

Mobile Mapping LiDAR

Mobile mapping menggunakan sensor yang dipasang pada kendaraan.

Metode ini dapat digunakan untuk pemetaan:

• Jalan.
• Koridor.
• Tiang.
• Rambu.
• Jembatan.
• Utilitas.
• Infrastruktur transportasi.

Workflow Pengolahan Data LiDAR

Pengolahan LiDAR terdiri dari beberapa tahapan yang saling berkaitan.

Secara umum workflow dapat digambarkan sebagai:

Data Akuisisi → Preprocessing → Georeferencing → Strip Adjustment → Quality Control → Classification → Ground Filtering → DSM/DTM → Analisis → Integrasi GIS

Setiap dataset dapat memiliki workflow yang berbeda sesuai dengan sensor, platform, dan standar pekerjaan.

Persiapan Data Point Cloud

Tahap pertama adalah menyiapkan dataset.

Data yang perlu diperiksa antara lain:

• Format point cloud.
• Sistem koordinat.
• Datum.
• Satuan.
• Jumlah titik.
• Metadata.
• Waktu akuisisi.
• Informasi sensor.
• Trajectory.
• GNSS/IMU.
• Flight line atau scan line.

Format point cloud yang sering dijumpai antara lain:

• LAS.
• LAZ.
• E57.
• PLY.
• XYZ.
• TXT.
• Format proprietary dari software tertentu.

Format LAS dan LAZ sangat umum dalam workflow data LiDAR.

LAZ merupakan format terkompresi yang dapat membantu mengurangi ukuran penyimpanan dibandingkan data LAS tanpa kompresi.

Georeferencing Data LiDAR

Georeferencing bertujuan memastikan point cloud memiliki posisi yang benar terhadap sistem referensi spasial.

Data positioning dapat melibatkan:

• GNSS.
• IMU.
• Trajectory.
• Base station.
• Ground Control Point.

Kesalahan pada tahap positioning dapat menyebabkan pergeseran point cloud.

Karena itu, sistem referensi horizontal dan vertikal harus diperiksa sejak awal.

Dalam layanan BIG, data DSM LiDAR dijelaskan menggunakan input seperti trajectory, pengamatan GNSS base station, antena pada wahana, data laser, serta GCP hasil pengamatan GNSS.

Strip Adjustment

Pada airborne atau mobile LiDAR, data dapat diperoleh melalui beberapa jalur akuisisi.

Perbedaan antarjalur dapat menghasilkan ketidaksesuaian elevasi atau posisi.

Strip adjustment digunakan untuk mengurangi perbedaan tersebut sehingga point cloud dari jalur yang berbeda menjadi lebih konsisten.

BIG menjelaskan strip adjustment sebagai salah satu tahapan dalam pengolahan DSM LiDAR untuk mengoreksi perbedaan ketinggian pada jalur akuisisi yang berbeda.

Tahap ini menjadi penting terutama pada dataset dengan cakupan wilayah luas dan jumlah jalur penerbangan yang banyak.

Quality Control Point Cloud

Sebelum melakukan klasifikasi, point cloud perlu diperiksa.

Beberapa aspek yang dapat diperiksa:

Quality control membantu mengidentifikasi masalah sebelum data digunakan untuk proses berikutnya.

Klasifikasi Point Cloud

Klasifikasi merupakan salah satu tahapan terpenting dalam pengolahan LiDAR.

Setiap titik diberikan kategori berdasarkan karakteristiknya.

Kelas yang umum ditemukan antara lain:

• Unclassified.
• Ground.
• Low Vegetation.
• Medium Vegetation.
• High Vegetation.
• Building.
• Water.
• Bridge.
• Noise.

Klasifikasi dapat dilakukan secara otomatis, semiotomatis, maupun manual.

BIG menyebutkan bahwa pengolahan DSM LiDAR dapat melibatkan klasifikasi otomatis dan manual untuk mengelompokkan point cloud berdasarkan kelasnya.

Ground dan Non-Ground

Salah satu klasifikasi terpenting adalah pemisahan:

Ground

dan

Non-Ground

Ground merepresentasikan permukaan tanah, sedangkan non-ground dapat mencakup:

• Bangunan.
• Pohon.
• Kendaraan.
• Tiang.
• Infrastruktur.
• Objek lainnya.

Pemisahan ini sangat penting ketika ingin menghasilkan DTM.

Pembuatan Digital Terrain Model

Setelah titik ground diperoleh, titik tersebut dapat digunakan untuk membentuk DTM.

Workflow sederhananya:

Point Cloud → Ground Classification → Ground Point → Interpolation → DTM

DTM dapat digunakan untuk:

• Kontur.
• Slope.
• Aspect.
• Hillshade.
• Analisis hidrologi.
• Cut and fill.
• Analisis terrain.

Kualitas DTM sangat dipengaruhi oleh ketepatan klasifikasi ground.

Jika terdapat bangunan atau vegetasi yang salah diklasifikasikan sebagai ground, permukaan terrain yang dihasilkan dapat mengandung anomali.

Pembuatan Digital Surface Model

DSM mempertahankan informasi permukaan termasuk objek di atas tanah.

Workflow sederhananya:

Point Cloud → Surface Point → Interpolation/Rasterization → DSM

DSM dapat digunakan untuk menganalisis:

• Ketinggian bangunan.
• Vegetasi.
• Struktur.
• Permukaan.
• Objek buatan manusia.

Salah satu layanan BIG saat ini menyediakan DSM LiDAR untuk wilayah Kendari dengan resolusi spasial resampling 0,25 meter dan menjelaskan bahwa data dibentuk dari kategori ground dan non-ground.

Perbedaan Point Cloud, DEM, DSM, dan DTM

Istilah-istilah ini sering digunakan dalam satu workflow, tetapi sebenarnya memiliki bentuk dan fungsi yang berbeda.

Memahami perbedaan ini membantu pengguna menentukan data mana yang paling tepat untuk kebutuhan analisis.

Pengolahan Point Cloud untuk Kontur

Point cloud dapat digunakan sebagai sumber untuk menghasilkan garis kontur.

Untuk kebutuhan topografi, titik ground biasanya digunakan terlebih dahulu.

Workflow:

Point Cloud → Ground Classification → DTM → Contour

Interval kontur dapat disesuaikan dengan:

• Skala peta.
• Resolusi data.
• Topografi.
• Tujuan pekerjaan.
• Tingkat detail yang dibutuhkan.

Kontur dapat digunakan untuk membantu membaca bentuk permukaan dan mendukung pekerjaan perencanaan.

Analisis Slope dari Data LiDAR

Setelah DTM terbentuk, pengguna dapat menghasilkan slope.

Slope menunjukkan kemiringan permukaan.

Aplikasi slope antara lain:

• Analisis longsor.
• Perencanaan jalan.
• Pertanian.
• Kehutanan.
• Pertambangan.
• Perencanaan kawasan.
• Konstruksi.

Keuntungan menggunakan data LiDAR adalah kemampuan menghasilkan model permukaan dengan detail yang tinggi apabila kepadatan titik dan kualitas data memadai.

Analisis Aspect

Aspect menunjukkan arah hadap lereng.

Data ini dapat digunakan untuk:

• Analisis orientasi terrain.
• Studi vegetasi.
• Analisis paparan matahari.
• Perencanaan lahan.
• Analisis lingkungan.

Aspect dapat dikombinasikan dengan slope untuk menghasilkan klasifikasi terrain yang lebih komprehensif.

Hillshade dari Data LiDAR

Hillshade menghasilkan visualisasi bayangan permukaan.

Produk ini berguna untuk:

• Interpretasi terrain.
• Visualisasi topografi.
• Pemetaan geomorfologi.
• Presentasi peta.
• Identifikasi bentuk permukaan.

Hillshade dari DTM dapat membantu menampilkan detail terrain yang sulit terlihat hanya dari raster elevasi biasa.

Analisis Hidrologi

DTM berbasis LiDAR dapat digunakan dalam analisis hidrologi.

Workflow umum:

DTM → Fill → Flow Direction → Flow Accumulation → Stream → Watershed

Analisis dapat digunakan untuk:

• Identifikasi jalur aliran.
• Delineasi DAS.
• Analisis drainase.
• Identifikasi cekungan.
• Kajian limpasan.
• Pendukung analisis banjir.

Kualitas terrain menjadi faktor penting karena kesalahan kecil pada permukaan dapat memengaruhi arah aliran yang dihasilkan.

Analisis Vegetasi dengan LiDAR

LiDAR memiliki keunggulan dalam merepresentasikan struktur vertikal vegetasi.

Point cloud dapat digunakan untuk mengidentifikasi:

• Tinggi pohon.
• Struktur kanopi.
• Kepadatan vegetasi.
• Tinggi tajuk.
• Distribusi vertikal.

Dengan mengombinasikan DSM dan DTM, pengguna dapat menghasilkan informasi seperti:

Canopy Height Model = DSM − DTM

Produk tersebut dapat digunakan dalam kajian kehutanan dan ekologi, sesuai dengan kualitas serta karakteristik dataset.

Pemetaan Bangunan dengan Point Cloud

Klasifikasi point cloud dapat membantu mengidentifikasi objek bangunan.

Informasi yang dapat diperoleh antara lain:

• Lokasi bangunan.
• Ketinggian bangunan.
• Bentuk atap.
• Luas area.
• Struktur 3D.

Data tersebut dapat mendukung pembuatan model kota tiga dimensi dan inventarisasi aset.

Point Cloud untuk Pemetaan Infrastruktur

Point cloud dapat memberikan detail tiga dimensi terhadap infrastruktur.

Contohnya:

• Jalan.
• Jembatan.
• Tiang listrik.
• Menara telekomunikasi.
• Jalur pipa.
• Rel.
• Bangunan.
• Fasilitas umum.

Untuk proyek infrastruktur, data 3D dapat digunakan sebagai dasar dokumentasi kondisi eksisting dan monitoring perubahan.

Point Cloud untuk Pertambangan

Industri pertambangan merupakan salah satu sektor yang dapat memanfaatkan data 3D secara intensif.

Penggunaan point cloud dapat mencakup:

• Pemetaan pit.
• Monitoring stockpile.
• Perhitungan volume.
• Monitoring perubahan permukaan.
• Analisis lereng.
• Dokumentasi progres tambang.

Dengan melakukan survei secara berkala, dataset point cloud dapat dibandingkan untuk mengetahui perubahan permukaan dari waktu ke waktu.

Point Cloud untuk Konstruksi

Dalam konstruksi, data point cloud dapat digunakan untuk membandingkan kondisi aktual dengan model atau rencana.

Beberapa kebutuhan antara lain:

• Monitoring progres.
• Dokumentasi as-built.
• Pemeriksaan struktur.
• Pengukuran volume.
• Analisis kondisi eksisting.
• Perbandingan surface.

Point cloud juga dapat menjadi penghubung antara survei lapangan, GIS, BIM, dan model tiga dimensi.

Point Cloud untuk Kehutanan

Data LiDAR memberikan kemampuan untuk mengukur struktur vertikal vegetasi.

Dalam sektor kehutanan, point cloud dapat digunakan untuk:

• Estimasi tinggi pohon.
• Pemetaan kanopi.
• Analisis struktur hutan.
• Identifikasi area terbuka.
• Monitoring perubahan tutupan.
• Inventarisasi vegetasi.

Penggunaan LiDAR dapat dilengkapi dengan citra multispektral atau data penginderaan jauh lainnya untuk memperoleh analisis yang lebih komprehensif.

Point Cloud untuk Perencanaan Wilayah

Dalam perencanaan wilayah, data 3D dapat memberikan informasi yang lebih detail mengenai kondisi eksisting.

Data tersebut dapat membantu dalam:

• Analisis topografi.
• Inventarisasi bangunan.
• Analisis ketinggian.
• Perencanaan infrastruktur.
• Pemodelan kawasan.
• Analisis perubahan.

Data point cloud dapat dikombinasikan dengan data geospasial lain dalam lingkungan GIS.

Integrasi Point Cloud dengan GIS

Point cloud tidak berdiri sendiri.

Data dapat diintegrasikan dengan:

• Batas administrasi.
• Jalan.
• Sungai.
• Bangunan.
• Tutupan lahan.
• Orthophoto.
• DEM.
• DSM.
• DTM.
• Data utilitas.
• Data survei.

Integrasi tersebut memungkinkan analisis spasial yang lebih lengkap.

Contohnya:

Point Cloud + DTM + Jalan → Analisis terrain koridor jalan

atau:

Point Cloud + DSM + Bangunan → Analisis ketinggian bangunan

Software Pengolahan Point Cloud dan LiDAR

Beberapa perangkat lunak yang dapat digunakan antara lain:

Pemilihan software dapat disesuaikan dengan format data, volume point cloud, kebutuhan analisis, dan workflow organisasi.

Format Data Point Cloud

Format data perlu dipahami karena setiap software dapat memiliki dukungan format yang berbeda.

Format yang umum meliputi:

• LAS.
• LAZ.
• E57.
• PLY.
• XYZ.
• TXT.

LAS dan LAZ merupakan format yang sangat umum untuk pertukaran data LiDAR.

Selain format, pengguna juga perlu memahami informasi klasifikasi dan atribut yang tersimpan dalam dataset.

Quality Control Data LiDAR

Quality control merupakan bagian penting dari workflow.

Pemeriksaan dapat dilakukan terhadap:

Akurasi Horizontal

Memeriksa posisi X dan Y terhadap titik kontrol atau sumber referensi.

Akurasi Vertikal

Memeriksa nilai Z terhadap titik kontrol yang memiliki elevasi diketahui.

Kepadatan Titik

Memeriksa apakah density point cukup untuk tujuan pemetaan.

Konsistensi Antarstrip

Memastikan tidak terdapat perbedaan elevasi yang signifikan antara jalur akuisisi.

Klasifikasi

Memastikan titik ground, vegetation, building, dan kelas lainnya telah diklasifikasikan secara tepat.

Noise

Mengidentifikasi titik yang tidak wajar dan dapat mengganggu model.

Standar dan dokumentasi kualitas menjadi semakin penting ketika data akan digunakan sebagai bagian dari infrastruktur data geospasial. Dalam Standar Data Geospasial Handbook, dokumentasi metadata dan kualitas data menjadi bagian dari pengelolaan data geospasial, termasuk penggunaan SNI ISO 19157 untuk pengukuran dan pelaporan kualitas data.

Tantangan Pengolahan Data LiDAR

Meskipun menawarkan informasi 3D yang sangat detail, pengolahan LiDAR memiliki sejumlah tantangan.

Ukuran Data Sangat Besar

Dataset dapat berisi jutaan hingga miliaran titik sehingga membutuhkan:

• RAM besar.
• Penyimpanan besar.
• CPU/GPU yang memadai.
• Workflow pengolahan yang efisien.

Klasifikasi Tidak Selalu Sempurna

Algoritma otomatis dapat melakukan kesalahan dalam membedakan ground dan non-ground.

Noise

Noise dapat muncul akibat karakteristik sensor, objek tertentu, atau kondisi akuisisi.

Vegetasi Rapat

Vegetasi yang sangat rapat dapat menyulitkan pulsa laser mencapai permukaan tanah.

Sistem Koordinat

Kesalahan sistem referensi dapat menyebabkan data tidak sejajar dengan layer GIS lainnya.

Tips Pengolahan Point Cloud yang Efektif

Agar workflow lebih efisien, beberapa hal yang perlu diperhatikan adalah:

1. Periksa metadata sebelum mengolah data.
2. Pastikan sistem koordinat sudah benar.
3. Gunakan perangkat keras sesuai ukuran dataset.
4. Buat backup data mentah.
5. Jangan mengubah data original.
6. Periksa kualitas trajectory.
7. Lakukan strip adjustment bila diperlukan.
8. Periksa noise.
9. Lakukan klasifikasi secara bertahap.
10. Validasi hasil ground classification.
11. Periksa density point.
12. Gunakan data kontrol bila tersedia.
13. Dokumentasikan parameter pengolahan.
14. Simpan versi data secara terstruktur.
15. Lakukan quality control sebelum menghasilkan produk akhir.

Kompetensi yang Dipelajari dalam Pelatihan Point Cloud & LiDAR

Program pelatihan dapat dirancang agar peserta memahami workflow dari konsep hingga praktik.

Kompetensi yang dapat diperoleh antara lain:

• Memahami prinsip LiDAR.
• Memahami karakteristik point cloud.
• Mengenali format LAS dan LAZ.
• Membaca metadata.
• Melakukan preprocessing.
• Memahami GNSS dan trajectory.
• Memahami strip adjustment.
• Melakukan quality control.
• Melakukan klasifikasi point cloud.
• Memisahkan ground dan non-ground.
• Membuat DSM.
• Membuat DTM.
• Membuat DEM.
• Menghasilkan kontur.
• Melakukan analisis slope.
• Melakukan aspect.
• Membuat hillshade.
• Melakukan analisis hidrologi.
• Menghitung volume.
• Menganalisis objek 3D.
• Mengintegrasikan data dengan GIS.

Siapa yang Membutuhkan Pelatihan Point Cloud & LiDAR?

Pelatihan ini relevan untuk berbagai profesi dan organisasi, antara lain:

• ASN.
• Pemerintah daerah.
• Bappeda.
• Dinas PUPR.
• Surveyor.
• Praktisi GIS.
• Operator LiDAR.
• Operator drone mapping.
• Konsultan pemetaan.
• Perusahaan konstruksi.
• Perusahaan pertambangan.
• Perusahaan perkebunan.
• Perusahaan kehutanan.
• Perusahaan telekomunikasi.
• Akademisi.
• Peneliti.
• Mahasiswa bidang geospasial.

BIG sendiri memiliki program pengembangan kompetensi yang mencakup GIS, penginderaan jauh, survei pemetaan, serta kompetensi surveyor pemetaan melalui Geopintar.

Manfaat Pelatihan Point Cloud & LiDAR bagi Instansi

Penguasaan data 3D dapat memberikan manfaat dalam pekerjaan geospasial.

Meningkatkan Kompetensi SDM

Peserta memahami workflow pengolahan data 3D secara lebih sistematis.

Mendukung Pemetaan Detail

Point cloud dapat menyediakan informasi tiga dimensi yang detail sesuai karakteristik sensor dan akuisisi.

Mempercepat Pengolahan

Workflow yang terstruktur membantu mengurangi pekerjaan berulang.

Mendukung Analisis Spasial

Data 3D dapat diintegrasikan dengan data GIS untuk analisis yang lebih komprehensif.

Mendukung Monitoring

Dataset dapat dikumpulkan secara berkala untuk memantau perubahan kondisi wilayah.

Mendukung Pengambilan Keputusan

Produk 3D dapat menjadi salah satu sumber informasi dalam perencanaan dan evaluasi.

Contoh Workflow Pelatihan Praktis

Pelatihan dapat menggunakan studi kasus yang mendekati kebutuhan pekerjaan peserta.

Contohnya:

Data LiDAR → Import → Georeferencing → QC → Strip Adjustment → Classification → Ground Filtering → DTM → DSM → Kontur → Slope → Hillshade → Analisis → Ekspor GIS

Untuk data drone:

Data UAV → Point Cloud → Classification → DSM/DTM → Orthomosaic → Integrasi GIS → Analisis Spasial

Dengan workflow tersebut, peserta dapat memahami hubungan antara setiap tahapan pengolahan.

Hubungan Point Cloud dengan Data Geospasial

Point cloud merupakan salah satu bentuk data yang dapat menjadi bagian dari ekosistem data geospasial.

Data tersebut dapat digunakan untuk menghasilkan berbagai produk:

Point Cloud → DSM

Point Cloud → DTM

Point Cloud → DEM

Point Cloud → Kontur

Point Cloud → Model 3D

Point Cloud → Analisis Objek

Produk tersebut selanjutnya dapat diintegrasikan dengan data vektor dan raster dalam GIS.

Karena itu, penguasaan point cloud sebaiknya tidak hanya berfokus pada kemampuan menggunakan software, tetapi juga memahami konsep data, sistem referensi, kualitas, metadata, dan tujuan analisis.

Referensi Data Geospasial Pemerintah

Untuk memahami bagaimana data LiDAR digunakan dalam penyediaan informasi geospasial di Indonesia, pengguna dapat merujuk pada layanan resmi Badan Informasi Geospasial (BIG).

BIG menyediakan layanan geospasial yang memuat berbagai produk dan data, termasuk dataset yang berasal dari kamera udara metrik dan LiDAR. Salah satu layanan BIG untuk wilayah Kendari menjelaskan penggunaan data trajectory, GNSS, laser, GCP, klasifikasi point cloud, hingga pembentukan DSM.

Selain itu, layanan Peta Rupabumi Indonesia BIG juga mencantumkan penggunaan LiDAR point cloud, DSM, dan DTM dalam penyediaan data dasar skala 1:5.000.

Badan Informasi Geospasial (BIG)

Referensi resmi tersebut dapat digunakan sebagai bahan tambahan untuk memahami penerapan data LiDAR dalam pekerjaan pemetaan dan penyediaan informasi geospasial.

Kesimpulan

Pelatihan Point Cloud & LiDAR memberikan kompetensi penting bagi praktisi yang bekerja dengan pemetaan tiga dimensi, survei, GIS, dan analisis spasial. LiDAR mampu menghasilkan point cloud dengan informasi tiga dimensi yang dapat digunakan untuk menggambarkan terrain maupun berbagai objek di permukaan bumi.

Workflow pengolahan data LiDAR dapat mencakup persiapan data, georeferencing, trajectory processing, strip adjustment, quality control, klasifikasi point cloud, pemisahan ground dan non-ground, hingga pembentukan DSM, DTM, DEM, dan berbagai produk turunan lainnya.

Point cloud juga dapat diintegrasikan dengan GIS untuk menghasilkan analisis yang lebih luas, mulai dari analisis topografi, slope, hidrologi, kehutanan, bangunan, infrastruktur, pertambangan, konstruksi, hingga perencanaan wilayah.

Penerapan teknologi tersebut membutuhkan pemahaman yang baik mengenai kualitas data, sistem referensi, klasifikasi, metadata, dan metode validasi. Karena itu, pelatihan yang menggabungkan teori dan praktik dapat membantu peserta memahami bukan hanya cara mengolah data, tetapi juga cara menentukan workflow yang sesuai dengan kebutuhan pemetaan dan analisis.

FAQ

Apa yang dimaksud dengan point cloud?

Point cloud adalah kumpulan titik tiga dimensi yang memiliki informasi posisi seperti X, Y, dan Z serta dapat memiliki atribut tambahan seperti intensitas dan klasifikasi. Point cloud dapat dihasilkan dari LiDAR maupun fotogrametri.

Apa perbedaan LiDAR dan point cloud?

LiDAR adalah teknologi atau metode akuisisi menggunakan pulsa laser, sedangkan point cloud adalah salah satu bentuk data yang dihasilkan dari proses akuisisi dan pengolahan tersebut.

Apa saja produk yang dapat dibuat dari point cloud LiDAR?

Point cloud dapat digunakan untuk menghasilkan DSM, DTM, DEM, kontur, model 3D, informasi ketinggian objek, canopy height model, dan berbagai produk analisis spasial lainnya.

Software apa yang dapat digunakan untuk mengolah data LiDAR?

Beberapa software yang dapat digunakan antara lain CloudCompare, LAStools, Global Mapper, ArcGIS Pro, QGIS, TerraScan, dan software pengolahan point cloud lainnya. Pemilihannya bergantung pada format data, volume dataset, kebutuhan klasifikasi, serta tujuan analisis.