| dc.description.abstract | Tutupan lahan berkaitan dengan jenis fitur atau kenampakan fisik suatu
wilayah pada permukaan bumi. Informasi tersebut dapat diperoleh dari proses
interpretasi citra satelit. Citra satelit yang digunakan yaitu Sentinel-2 karena dapat
menghasilkan peta yang cukup akurat untuk mengklasifikasikan jenis tutupan lahan
pada suatu wilayah. Tujuan dalam penelitian ini yakni: (1) Mengolah citra Sentinel2 menjadi peta tutupan lahan dengan menggunakan metode klasifikasi terbimbing
dengan algoritma Extraction and Classification of Homogenous Objects (ECHO),
Mahalanobis, K-Nearest Neighbor (KNN), Correlation (SAM), dan Matched Filter
(CEM) (2) Membandingkan hasil klasifikasi tutupan lahan dari kelima algoritma
pada citra Sentinel-2 sehingga dapat diketahui algoritma yang terbaik. Tahapan
penelitian ini adalah (1) inventarisasi data citra Sentinel-2 perekaman tahun 2019
dan survei lapang (2) pra pengolahan data (koreksi atmosferik, komposit, mosaik,
dan clipping) (3) pengolahan data (pembuatan training area dan klasifikasi citra)
menggunakan aplikasi Multispec (4) Post Processing (5) Uji akurasi dengan nilai
akurasi Kappa dan Overall (6) Perhitungan luas tutupan lahan (7) Perbandingan
subset area (8) Analisa hasil klasifikasi untuk mengetahui algoritma yang terbaik.
Kelas tutupan lahan pada sampel desa yang digunakan untuk klasifikasi yaitu,
(1) kebun, (2) ladang, (3) hutan, (4) lahan kering, (5) sawah, dan (6) lahan
terbangun. Pada sampel kota kelas tutupan yang digunakan yaitu (1) ladang, (2)
hutan, (3) lahan kering, (4) sawah, dan (5) lahan terbangun. Perbandingan hasil
klasifikasi dari kelima algoritma menunjukan bahwa algoritma Extraction and
Classification of Homogenous Objects (ECHO) lebih akurat dibandingkan empat
algoritma lainnya yaitu K-Nearest Neighbor (KNN), Mahalanobis, Correlation
(SAM), dan Matched Filter (CEM). Berdasarkan pada hasil matriks kesalahan
masih terdapat beberapa kesalahan klasifikasi pada kelima algoritma yang
digunakan yakni pada kelas sawah dengan kebun dan hutan, dan kelas ladang
dengan lahan kering dan lahan terbangun. Nilai akurasi sampel desa algoritma
ECHO untuk Overall 96,00% dan Kappa 94,21%, Mahalanobis untuk Overall
94,00% dan Kappa 91,48%, KNN untuk Overall 94,00% dan Kappa 91,32%, SAM
untuk Overall 90,00% dan Kappa 85,43%, dan CEM untuk Overall 76,00% dan
Kappa 66,04%. Sedangkan Nilai akurasi sampel kota algoritma ECHO untuk
Overall 94,00% dan Kappa 91,59%, Mahalanobis untuk Overall 94,00% dan
Kappa 91,58%, KNN untuk Overall 92,00% dan Kappa 88,78%, SAM untuk
Overall 90,00% dan Kappa 86,20%, dan CEM untuk Overall 68,00% dan Kappa
59,86%. | en_US |
