| dc.description.abstract | Pada umumnya peta tutupan lahan digunakan untuk memberikan
informasi mengenai kondisi fisik pada suatu wilayah. Informasi tersebut dapat
diperoleh dengan menggunakan data penginderaan jauh (misalnya citra Sentinel
dan Landsat). Tujuan dalam penelitian ini yakni: (1)membuat peta tematik tutupan
lahan menggunakan metode kelasifikasi terbimbing (supervised), (2)
membandingkan hasil dua algoritma klasifikasi yaitu, maximum likelihood (MLC)
dan Extraction and Classification Of Homogenous Object (ECHO). Tahapan
penelitian ini adalah (1) inventarisasi data citra Sentinel-2A perekaman tahun
2019 dan survei lapang dengan didapatkan sebanyak 464 titik Ground Control
Point (GCP) yang digunakan sebagai training area, (2) pra pengolahan data yang
meliputi (koreksi atmosferik, komposit, mosaik, dan kliping) menggunakan
perangkat lunak Quantum GIS, (3) pengolahan data (pembuatan training area,
klasifikasi MLC dan ECHO) menggunakan aplikasi Multispec, (4) Uji akurasi
menggunakan matriks kesalahan dengan nilai akurasi Kappa dan Overall,
(5)perbandingan hasil klasifikasi untuk mengetahui algoritma yang lebih akurat.
Terdapat enam kelas tutupan lahan untuk klasifikasi yaitu, (1)
hutan/kebun, (2) badan air, (3) pemukiman, (4) tegalan/sawah tadah hujan, (5)
lahan kering/lahan kosong, (6) sawah irigasi dan ditambah tutupan awan sebagai
kelas tidak terklasifikasi. Pada perbandingan hasil klasifikasi menunjukan
algoritma ECHO lebih akurat dibandingkan MLC. 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 ECHO untuk Kappa 93,66% dan Overall
96,14% sedangkan untuk MLC Kappa 90,55% dan Overall 94,27%. | en_US |
