Perbandingan Algoritma (Mlc, Echo, Dan Fisher) untuk Klasifikasi Tutupan Lahan dengan Citra Sentinel 2 di Wilayah Pasuruan dan Probolinggo

Abstract

Tutupan lahan berkaitan dengan jenis fitur yang ada di permukaan bumi. Ladang, pohon, danau dan jalan tol adalah contoh tipe tutupan lahan. Informasi tutupan lahan dapat diperoleh dengan memanfaatkan citra satelit yang tersedia. Data citra yang dapat dimanfaatkan secara gratis dan mudah yaitu citra Sentinel 2. Sentinel 2 adalah misi pencitraan multi-spektral dengan resolusi tinggi, cakupan yang luas dan mendukung studi monitoring lahan termasuk pemantauan tutupan lahan. Penelitian ini bertujuan untuk (1) Mengolah data citra Sentinel-2 menjadi peta tutupan lahan dengan menerapkan metode klasifikasi terbimbing dengan algoritma Maximum Likelihood (MLC), Extraction and Classification Of Homogenous Object (ECHO), dan Fisher Linear Likelihood (FISHER) pada wilayah Pasuruan dan Probolinggo; (2) Membandingkan hasil klasifikasi tutupan lahan dari ketiga algoritma sehingga dapat diketahui algoritma yang terbaik dengan wilayah penelitian yang luas dengan data Sentinel-2. Tahapan penelitian ini yaitu (1) inventarisasi data citra Sentinel-2 perekaman tahun 2019 (bulan Juni) dan survei lapang. Didapatkan 315 titik data lapang yang digunakan sebagai training area; (2) pra pengolahan data yang meliputi (koreksi atmosferik, komposit, mosaik, kliping dan penentuan kelas); (3) pengolahan data (pembuatan training area dan klasifikasi citra) menggunakan aplikasi Multispec; (4) Post Processing; (5) Uji akurasi menggunakan matriks kesalahan dengan nilai akurasi Kappa dan Overall, (6) Perhitungan luas tutupan lahan dan; (7) Perbandingan hasil klasifikasi. Kelas tutupan lahan yang digunakan untuk klasifikasi yaitu (1) lahan terbangun, (2) ladang/semak, (3) sawah, (4) badan air, (5) hutan, (6) kebun, (7) semak/lahan kering, (8) tambak, (9) pasir dan (10) tutupan awan (sebagai kelas tidak terklasifikasi). Pada perbandingan hasil klasifikasi menunjukan algoritma MLC lebih akurat dibandingkan ECHO dan FISHER. Berdasarkan pada hasil matriks kesalahan terdapat banyak kesalahan klasifikasi pada kedua algoritma yang digunakan yakni pada kelas sawah dengan hutan dan kelas tegalan dengan pemukiman. Nilai akurasi algoritma MLC untuk Kappa 92,65% dan Overall 93,79%, algoritma ECHO untuk Kappa 90,21% dan Overall 91,72%, dan algoritma FISHER untuk Kappa 89,37% dan Overall 91,03%