Aplikasi Citra Sentinel untuk Pemetaan Tutupan Lahan Di Wilayah Kabupaten Banyuwangi: Perbandingan Algoritma Klasifikasi

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%.