Tugas Akhir Orthophoto Bab 4
BAB 4
HASIL DAN ANALISIS
Dalam bab ini akan dibahas mengenai hasil dari setiap proses yang dilakukan
dalam membuat true orthophoto dari ketiga objek uji coba. Hasil yang diperoleh dari
dua perangkat lunak yang berbeda kemudian dibandingkan dan dianalisis dari
berbagai segi baik kelebihan, kekurangan, maupun penyebabnya.
4.1. Uji Coba Objek Pertama
Hal pertama yang dilakukan pada uji coba pertama adalah merekonstruksi
model tiga dimensi menggunakan perangkat lunak PhotoModeler Scanner. Data
kalibrasi telah didapat sebelumnya. Pengambilan data dilakukan secara konvergen,
dengan visualisasi model terdapat pada Gambar 4.1. Proses rekonstruksi tersebut
menghasilkan hasil perataan berkas dengan baik, terlihat pada Tabel 4.1.
4.1.1. Hasil
Gambar 4.1 Model 3D dari objek pertama
Tabel 4.1 Tabel kualitas model hasil uji coba objek pertama
Residual Terbesar
(piksel)
0,74
Sudut
(derajat)
77,24
Nilai maksimum
0,94
85,65
Nilai Minimum
0,43
65,81
Keterangan
Rata-rata
29
Hasil rekonstruksi 3D tersebut selanjutnya di-gridding menggunakan
perangkat lunak AutoCAD dan kemudian di ekstraksi koordinat 3D dari model.
Dengan menerapkan hitungan matematis dari prinsip kesegarisan, koordinat model
tersebut lalu dimasukkan ke dalam persamaan kesegarisan dan dilakukan
penghitungan dan manipulasi piksel menggunakan program perangkat lunak
MATLAB sampai diperoleh orthophoto dari fasad kotak sederhana bagian depan.
Selain dari MATLAB, orthophoto juga dibuat dari perangkat lunak PhotoModeler
Scanner secara otomatis sebagai pembanding.
Gambar 4.2 Orthophoto objek pertama hasil dari MATLAB dengan referensi dari
satu foto
Gambar 4.3 Orthophoto objek pertama hasil dari MATLAB dengan referensi dari
dua foto
Gambar 4.4 Orthophoto objek pertama hasil dari PhotoModeler Scanner
30
4.1.2. Analisis
Dari ketiga hasil orthophoto yang dihasilkan dari perangkat lunak yang
berbeda, terlihat perbedaan secara visual bahwa pada Gambar 4.2 dan 4.3 orthophoto
yang
dihasilkan
melalui
MATLAB
masih
memiliki
banyak
kurang
merepresentasikan fasad tekstur dari model. Dapat terlihat dari warna dan geometri
objek yang masih belum presisi dibandingkan dengan Gambar 4.3 hasil dari
PhotoModeler Scanner.
Gambar 4.2 dihasilkan dari perangkat lunak MATLAB. Pada proses
rektifikasi terdapat suatu proses forward projection (lihat Gambar 2.11), dimana nilai
derajat keabuan piksel yang dilalui oleh berkas, disusun dalam projection frame.
Pada Gambar 4.2 nilai derajat keabuan tersebut diambil dari satu foto yang dianggap
sebagai referensi. Foto tersebut dianggap segaris dengan titik-titik di model dan
menampakkan nilai piksel yang benar (misalnya tidak terhalang dengan objek yang
lebih tinggi).
Sedangkan pada Gambar 4.3 nilai derajat keabuan diambil dari rata-rata nilai
dari dua buah foto dimana keduanya dianggap sebagai referensi. Pada Gambar 4.3
terlihat bahwa terdapat shifting atau pergeseran dari kedua foto. Kedua foto
ditampalkan di perangkat lunak Global Mapper (Gambar 4.5) untuk melihat besar
pergeseran dari kedua foto.
Gambar 4.5 Hasil identifikasi pergeseran foto pada perangkat lunak Global Mapper
Dapat dilihat bahwa terdapat pergeseran sekitar 2 piksel dengan ukuran piksel
0.0021 mm. Hal tersebut terjadi karena pengaruh dari beberapa faktor, yaitu faktor
31
ketelitian model dan faktor ketelitian dalam perhitungan persaman kesegarisan.
Faktor ketelitian model dapat dilihat pada tabel kualitas model (Tabel 4.1), bahwa
nilai maksimum dari residual terbesar (RMS) adalah 0,94. Nilai residual maksimum
tersebut mendekati 1 piksel, yang berarti terdapat jarak kesalahan sebesar 1 piksel
dari nilai yang dianggap benar (Gambar 4.6). Karena nilai pergeseran tersebut di
dapatkan dari rata-rata dua foto, maka nilai residual tersebut mempengaruhi kedua
foto. Sehingga nilai pergeseran sebesar dua piksel tersebut masih mungkin terjadi
dan masih masuk kedalam batas ketelitian.
Gambar 4.6 Ilustrasi pengaruh residual dari piksel yang dianggap benar
Selain dari faktor ketelitian model yaitu besar nilai residual terbesar, terdapat
faktor kesalahan dari perhitungan dalam persamaan kesegarisan. Hal tersebut terjadi
karena adanya pembulatan dalam perhitungan dalam program. Selain itu ketelitian
dan kualitas dari nilai parameter orientasi luar dan kalibrasi kamera juga
berpengaruh. Karena termasuk ke dalam variabel yang diperhitungkan pada
persaman kesegarisan.
Bila dibandingkan dengan Gambar 4.4 orthophoto yang dihasilkan dari
PhotoModeler Scanner secara visual lebih merepresentasikan tekstur fasad dari
model dibandingkan dengan hasil dari MATLAB. Namun, secara statistik tidak dapat
diketahui secara pasti ketelitiannya. Selain itu, pembuatan orthophoto pada
PhotoModeler Scanner dipengaruhi oleh kualitas DEM. Dari segi performa,
pembuatan texture image dengan MATLAB memakan waktu yang lebih lama bila
dibandingkan dengan PhotoModeler Scanner. Program MATLAB membutuhkan
waktu sekitar 60 detik sedangkan PhotoModeler Scanner sekitar 10 detik.
32
4.2. Uji Coba Objek Kedua
Hal pertama yang dilakukan pada uji coba kedua adalah merekonstruksi DSM
menggunakan perangkat lunak PhotoModeler Scanner. Data kalibrasi telah didapat
sebelumnya. Pengambilan data dilakukan secara stereo dengan visualisasi model
terdapat pada Gambar 4.7. Proses rekonstruksi tersebut menghasilkan hasil perataan
berkas dengan baik, terlihat pada Tabel 4.2.
4.2.1. Hasil
Gambar 4.7 Hasil rekonstruksi model objek kedua
Hasil rekonstruksi 3D tersebut selanjutnya di-gridding menggunakan
perangkat lunak Surfer dan kemudian di ekstraksi koordinat 3D dari model. Dengan
menerapkan hitungan matematis dari prinsip kesegarisan, koordinat model tersebut
lalu dimasukkan ke dalam persamaan kesegarisan dan dilakukan penghitungan dan
manipulasi piksel menggunakan program perangkat lunak MATLAB sampai
diperoleh orthophoto dari foto udara. Selain dari MATLAB, orthophoto juga dibuat
dari perangkat lunak PhotoModeler Scanner secara otomatis sebagai pembanding.
33
Gambar 4.8 Orthophoto objek kedua hasil dari MATLAB
Gambar 4.9 Orthophoto objek kedua hasil dari PhotoModeler Scanner
Tabel 4.2 Tabel kualitas model hasil uji coba objek kedua
Residual Terbesar
(piksel)
0,19
Sudut
(derajat)
10,14
Nilai maksimum
0,28
10,72
Nilai Minimum
0,11
8,64
Keterangan
Rata-rata
34
4.2.2. Analisis
Dari kedua orthophoto yang dihasilkan dari perangkat lunak yang berbeda,
terlihat perbedaan secara visual bahwa pada Gambar 4.8 orthophoto yang dihasilkan
melalui MATLAB lebih mampu merepresentasikan permukaan model. Dapat dilihat
bahwa warna dan geometri objek yang cukup baik bila dibandingkan dengan Gambar
4.9 hasil dari PhotoModeler Scanner. Bila dilihat lebih teliti lagi, Gambar 4.8 masih
memiliki
kekurangan,
bahwa
geometri
dari
objek
(atap
gedung)
masih
bergelombang. Hal tersebut dapat terjadi karena kualitas DSM yang kurang baik
walaupun tabel kualitas menunjukkan angka residual yang minimum, yaitu nilai
residual rata-rata bernilai 0,28 piksel (dibawah 1 piksel), serta sudut cakupan tiap
titik kurang baik, yaitu bernilai antara 8,64 derajat hingga 10,72 derajat. Sedangkan
pada Gambar 4.9 kualitas dari orthophoto tersebut sangat dipengaruhi oleh DSM.
Nilai residual menyatakan tingkat presisi dari titik-titik ikat model, semakin
kecil nilai residu maka semakin presisi, dan sudut cakupan menyatakan besar sudut
pengambilan dari tiap titik yang dimodelkan. Geometri sudut pengambilan terbaik
adalah sebesar 60-90 derajat (Irawan, 2012) yang diilustrasikan pada Gambar 4.10.
Semakin besar sudut yang dibentuk dari dua garis maka kualitasnya semakin baik, atau
dapat disimpulkan dua garis yang membentuk sudut mendekat 90 derajat menghasilkan
ketelitian penentuan posisi titik potong terbaik.
Gambar 4.10 Perbandingan geometri sudut
35
Dari segi performa, pembuatan texture image dengan MATLAB memakan
waktu yang lebih lama bila dibandingkan dengan PhotoModeler Scanner. Program
MATLAB membutuhkan waktu sekitar 20 menit sedangkan PhotoModeler Scanner
sekitar 40 detik.
Selain hal tersebut, efek pergeseran relief pada foto tidak jelas apakah masih
tampak atau tidak karena tertutup oleh bayangan. Padahal salah satu cara untuk
menilai apakah foto tersebut true orthophoto atau tidak adalah dengan hilangnya efek
pergeseran relief secara visual.
4.3. Uji Coba Objek Ketiga
Hal pertama yang dilakukan pada uji coba ketiga adalah merekonstruksi
model tiga dimensi menggunakan perangkat lunak PhotoModeler Scanner (lihat
Gambar 4.11), sama dengan objek pertama dan kedua. Data kalibrasi telah didapat
sebelumnya. Pengambilan data dilakukan secara konvergen dan menghasilkan hasil
perataan berkas yang dapat dilihat pada Tabel 4.3.
4.3.1. Hasil
Gambar 4.11 Hasil rekonstruksi model objek ketiga
Hasil rekonstruksi 3D lalu dibagi menjadi empat fasad lalu salah satunya digridding menggunakan perangkat lunak Surfer dan dilakukan ekstraksi koordinat 3D
dari model. Dengan menerapkan hitungan matematis dari prinsip kesegarisan,
koordinat model tersebut lalu dimasukkan ke dalam persamaan kesegarisan dan
36
dilakukan penghitungan dan manipulasi piksel menggunakan program perangkat
lunak MATLAB sampai diperoleh orthophoto dari foto udara. Selain dari MATLAB,
orthophoto juga dibuat dari perangkat lunak PhotoModeler Scanner secara otomatis
sebagai pembanding.
Gambar 4.12 Orthophoto objek ketiga dengan MATLAB
Gambar 4.13 Orthophoto objek ketiga dengan PhotoModeler Scanner
Tabel 4.3 Tabel kualitas model hasil uji coba objek ketiga
Residual Terbesar
(piksel)
0,63
Sudut
(derajat)
59,85
Nilai maksimum
0,98
67,72
Nilai Minimum
0,25
51,91
Keterangan
Rata-rata
4.3.2. Analisis
Dari kedua orthophoto yang dihasilkan dari perangkat lunak yang berbeda,
terlihat perbedaan secara visual bahwa pada Gambar 4.12 orthophoto yang
37
dihasilkan melalui MATLAB masih jauh dari sempurna dibandingkan dengan
Gambar 4.13 hasil dari PhotoModeler Scanner. Bila dilihat lebih teliti lagi, Gambar
4.12 masih memiliki kesalahan geometri dan terjadi flip horizontal pada fasad
tersebut. Kemungkinan kesalahan tersebut berasal dari pembulatan angka pada
program yang digunakan dan kesalahan pada urutan pengisian derajat keabuan.
Sedangkan pada Gambar 4.13, geometri dari objek tidak lurus, kemungkinan
kesalahan pada saat digitasi saat merekonstruksi model. Selain itu, kemungkinan
kesalahan terjadi pada saat melakukan interpolasi gridding pada program Surfer.
38
HASIL DAN ANALISIS
Dalam bab ini akan dibahas mengenai hasil dari setiap proses yang dilakukan
dalam membuat true orthophoto dari ketiga objek uji coba. Hasil yang diperoleh dari
dua perangkat lunak yang berbeda kemudian dibandingkan dan dianalisis dari
berbagai segi baik kelebihan, kekurangan, maupun penyebabnya.
4.1. Uji Coba Objek Pertama
Hal pertama yang dilakukan pada uji coba pertama adalah merekonstruksi
model tiga dimensi menggunakan perangkat lunak PhotoModeler Scanner. Data
kalibrasi telah didapat sebelumnya. Pengambilan data dilakukan secara konvergen,
dengan visualisasi model terdapat pada Gambar 4.1. Proses rekonstruksi tersebut
menghasilkan hasil perataan berkas dengan baik, terlihat pada Tabel 4.1.
4.1.1. Hasil
Gambar 4.1 Model 3D dari objek pertama
Tabel 4.1 Tabel kualitas model hasil uji coba objek pertama
Residual Terbesar
(piksel)
0,74
Sudut
(derajat)
77,24
Nilai maksimum
0,94
85,65
Nilai Minimum
0,43
65,81
Keterangan
Rata-rata
29
Hasil rekonstruksi 3D tersebut selanjutnya di-gridding menggunakan
perangkat lunak AutoCAD dan kemudian di ekstraksi koordinat 3D dari model.
Dengan menerapkan hitungan matematis dari prinsip kesegarisan, koordinat model
tersebut lalu dimasukkan ke dalam persamaan kesegarisan dan dilakukan
penghitungan dan manipulasi piksel menggunakan program perangkat lunak
MATLAB sampai diperoleh orthophoto dari fasad kotak sederhana bagian depan.
Selain dari MATLAB, orthophoto juga dibuat dari perangkat lunak PhotoModeler
Scanner secara otomatis sebagai pembanding.
Gambar 4.2 Orthophoto objek pertama hasil dari MATLAB dengan referensi dari
satu foto
Gambar 4.3 Orthophoto objek pertama hasil dari MATLAB dengan referensi dari
dua foto
Gambar 4.4 Orthophoto objek pertama hasil dari PhotoModeler Scanner
30
4.1.2. Analisis
Dari ketiga hasil orthophoto yang dihasilkan dari perangkat lunak yang
berbeda, terlihat perbedaan secara visual bahwa pada Gambar 4.2 dan 4.3 orthophoto
yang
dihasilkan
melalui
MATLAB
masih
memiliki
banyak
kurang
merepresentasikan fasad tekstur dari model. Dapat terlihat dari warna dan geometri
objek yang masih belum presisi dibandingkan dengan Gambar 4.3 hasil dari
PhotoModeler Scanner.
Gambar 4.2 dihasilkan dari perangkat lunak MATLAB. Pada proses
rektifikasi terdapat suatu proses forward projection (lihat Gambar 2.11), dimana nilai
derajat keabuan piksel yang dilalui oleh berkas, disusun dalam projection frame.
Pada Gambar 4.2 nilai derajat keabuan tersebut diambil dari satu foto yang dianggap
sebagai referensi. Foto tersebut dianggap segaris dengan titik-titik di model dan
menampakkan nilai piksel yang benar (misalnya tidak terhalang dengan objek yang
lebih tinggi).
Sedangkan pada Gambar 4.3 nilai derajat keabuan diambil dari rata-rata nilai
dari dua buah foto dimana keduanya dianggap sebagai referensi. Pada Gambar 4.3
terlihat bahwa terdapat shifting atau pergeseran dari kedua foto. Kedua foto
ditampalkan di perangkat lunak Global Mapper (Gambar 4.5) untuk melihat besar
pergeseran dari kedua foto.
Gambar 4.5 Hasil identifikasi pergeseran foto pada perangkat lunak Global Mapper
Dapat dilihat bahwa terdapat pergeseran sekitar 2 piksel dengan ukuran piksel
0.0021 mm. Hal tersebut terjadi karena pengaruh dari beberapa faktor, yaitu faktor
31
ketelitian model dan faktor ketelitian dalam perhitungan persaman kesegarisan.
Faktor ketelitian model dapat dilihat pada tabel kualitas model (Tabel 4.1), bahwa
nilai maksimum dari residual terbesar (RMS) adalah 0,94. Nilai residual maksimum
tersebut mendekati 1 piksel, yang berarti terdapat jarak kesalahan sebesar 1 piksel
dari nilai yang dianggap benar (Gambar 4.6). Karena nilai pergeseran tersebut di
dapatkan dari rata-rata dua foto, maka nilai residual tersebut mempengaruhi kedua
foto. Sehingga nilai pergeseran sebesar dua piksel tersebut masih mungkin terjadi
dan masih masuk kedalam batas ketelitian.
Gambar 4.6 Ilustrasi pengaruh residual dari piksel yang dianggap benar
Selain dari faktor ketelitian model yaitu besar nilai residual terbesar, terdapat
faktor kesalahan dari perhitungan dalam persamaan kesegarisan. Hal tersebut terjadi
karena adanya pembulatan dalam perhitungan dalam program. Selain itu ketelitian
dan kualitas dari nilai parameter orientasi luar dan kalibrasi kamera juga
berpengaruh. Karena termasuk ke dalam variabel yang diperhitungkan pada
persaman kesegarisan.
Bila dibandingkan dengan Gambar 4.4 orthophoto yang dihasilkan dari
PhotoModeler Scanner secara visual lebih merepresentasikan tekstur fasad dari
model dibandingkan dengan hasil dari MATLAB. Namun, secara statistik tidak dapat
diketahui secara pasti ketelitiannya. Selain itu, pembuatan orthophoto pada
PhotoModeler Scanner dipengaruhi oleh kualitas DEM. Dari segi performa,
pembuatan texture image dengan MATLAB memakan waktu yang lebih lama bila
dibandingkan dengan PhotoModeler Scanner. Program MATLAB membutuhkan
waktu sekitar 60 detik sedangkan PhotoModeler Scanner sekitar 10 detik.
32
4.2. Uji Coba Objek Kedua
Hal pertama yang dilakukan pada uji coba kedua adalah merekonstruksi DSM
menggunakan perangkat lunak PhotoModeler Scanner. Data kalibrasi telah didapat
sebelumnya. Pengambilan data dilakukan secara stereo dengan visualisasi model
terdapat pada Gambar 4.7. Proses rekonstruksi tersebut menghasilkan hasil perataan
berkas dengan baik, terlihat pada Tabel 4.2.
4.2.1. Hasil
Gambar 4.7 Hasil rekonstruksi model objek kedua
Hasil rekonstruksi 3D tersebut selanjutnya di-gridding menggunakan
perangkat lunak Surfer dan kemudian di ekstraksi koordinat 3D dari model. Dengan
menerapkan hitungan matematis dari prinsip kesegarisan, koordinat model tersebut
lalu dimasukkan ke dalam persamaan kesegarisan dan dilakukan penghitungan dan
manipulasi piksel menggunakan program perangkat lunak MATLAB sampai
diperoleh orthophoto dari foto udara. Selain dari MATLAB, orthophoto juga dibuat
dari perangkat lunak PhotoModeler Scanner secara otomatis sebagai pembanding.
33
Gambar 4.8 Orthophoto objek kedua hasil dari MATLAB
Gambar 4.9 Orthophoto objek kedua hasil dari PhotoModeler Scanner
Tabel 4.2 Tabel kualitas model hasil uji coba objek kedua
Residual Terbesar
(piksel)
0,19
Sudut
(derajat)
10,14
Nilai maksimum
0,28
10,72
Nilai Minimum
0,11
8,64
Keterangan
Rata-rata
34
4.2.2. Analisis
Dari kedua orthophoto yang dihasilkan dari perangkat lunak yang berbeda,
terlihat perbedaan secara visual bahwa pada Gambar 4.8 orthophoto yang dihasilkan
melalui MATLAB lebih mampu merepresentasikan permukaan model. Dapat dilihat
bahwa warna dan geometri objek yang cukup baik bila dibandingkan dengan Gambar
4.9 hasil dari PhotoModeler Scanner. Bila dilihat lebih teliti lagi, Gambar 4.8 masih
memiliki
kekurangan,
bahwa
geometri
dari
objek
(atap
gedung)
masih
bergelombang. Hal tersebut dapat terjadi karena kualitas DSM yang kurang baik
walaupun tabel kualitas menunjukkan angka residual yang minimum, yaitu nilai
residual rata-rata bernilai 0,28 piksel (dibawah 1 piksel), serta sudut cakupan tiap
titik kurang baik, yaitu bernilai antara 8,64 derajat hingga 10,72 derajat. Sedangkan
pada Gambar 4.9 kualitas dari orthophoto tersebut sangat dipengaruhi oleh DSM.
Nilai residual menyatakan tingkat presisi dari titik-titik ikat model, semakin
kecil nilai residu maka semakin presisi, dan sudut cakupan menyatakan besar sudut
pengambilan dari tiap titik yang dimodelkan. Geometri sudut pengambilan terbaik
adalah sebesar 60-90 derajat (Irawan, 2012) yang diilustrasikan pada Gambar 4.10.
Semakin besar sudut yang dibentuk dari dua garis maka kualitasnya semakin baik, atau
dapat disimpulkan dua garis yang membentuk sudut mendekat 90 derajat menghasilkan
ketelitian penentuan posisi titik potong terbaik.
Gambar 4.10 Perbandingan geometri sudut
35
Dari segi performa, pembuatan texture image dengan MATLAB memakan
waktu yang lebih lama bila dibandingkan dengan PhotoModeler Scanner. Program
MATLAB membutuhkan waktu sekitar 20 menit sedangkan PhotoModeler Scanner
sekitar 40 detik.
Selain hal tersebut, efek pergeseran relief pada foto tidak jelas apakah masih
tampak atau tidak karena tertutup oleh bayangan. Padahal salah satu cara untuk
menilai apakah foto tersebut true orthophoto atau tidak adalah dengan hilangnya efek
pergeseran relief secara visual.
4.3. Uji Coba Objek Ketiga
Hal pertama yang dilakukan pada uji coba ketiga adalah merekonstruksi
model tiga dimensi menggunakan perangkat lunak PhotoModeler Scanner (lihat
Gambar 4.11), sama dengan objek pertama dan kedua. Data kalibrasi telah didapat
sebelumnya. Pengambilan data dilakukan secara konvergen dan menghasilkan hasil
perataan berkas yang dapat dilihat pada Tabel 4.3.
4.3.1. Hasil
Gambar 4.11 Hasil rekonstruksi model objek ketiga
Hasil rekonstruksi 3D lalu dibagi menjadi empat fasad lalu salah satunya digridding menggunakan perangkat lunak Surfer dan dilakukan ekstraksi koordinat 3D
dari model. Dengan menerapkan hitungan matematis dari prinsip kesegarisan,
koordinat model tersebut lalu dimasukkan ke dalam persamaan kesegarisan dan
36
dilakukan penghitungan dan manipulasi piksel menggunakan program perangkat
lunak MATLAB sampai diperoleh orthophoto dari foto udara. Selain dari MATLAB,
orthophoto juga dibuat dari perangkat lunak PhotoModeler Scanner secara otomatis
sebagai pembanding.
Gambar 4.12 Orthophoto objek ketiga dengan MATLAB
Gambar 4.13 Orthophoto objek ketiga dengan PhotoModeler Scanner
Tabel 4.3 Tabel kualitas model hasil uji coba objek ketiga
Residual Terbesar
(piksel)
0,63
Sudut
(derajat)
59,85
Nilai maksimum
0,98
67,72
Nilai Minimum
0,25
51,91
Keterangan
Rata-rata
4.3.2. Analisis
Dari kedua orthophoto yang dihasilkan dari perangkat lunak yang berbeda,
terlihat perbedaan secara visual bahwa pada Gambar 4.12 orthophoto yang
37
dihasilkan melalui MATLAB masih jauh dari sempurna dibandingkan dengan
Gambar 4.13 hasil dari PhotoModeler Scanner. Bila dilihat lebih teliti lagi, Gambar
4.12 masih memiliki kesalahan geometri dan terjadi flip horizontal pada fasad
tersebut. Kemungkinan kesalahan tersebut berasal dari pembulatan angka pada
program yang digunakan dan kesalahan pada urutan pengisian derajat keabuan.
Sedangkan pada Gambar 4.13, geometri dari objek tidak lurus, kemungkinan
kesalahan pada saat digitasi saat merekonstruksi model. Selain itu, kemungkinan
kesalahan terjadi pada saat melakukan interpolasi gridding pada program Surfer.
38