KLASIFIKASI PENUTUPAN LAHAN PADA CITRA SATELIT SENTINEL-2A DENGAN METODE TREE ALGORITHM

Rakhmat Awaliyan, Yohanes Budi Sulistyoadi

Abstract


Saat ini perkembangan teknologi penginderaan jauh sudah memasuki kemajuan yang signifikan. Penginderaan jauh telah menghasilkan berbagai pemanfaatan salah satunya adalah dalam pengklasifikasian penutupan lahan. Tree Algorithm merupakan salah satu metode klasifikasi digital yang dapat digunakan dalam mengklasifikasikan piksel pada kelas-kelas klasifikasi penutupan lahan. Peneltian ini bertujuan untuk mengklasifikasikan penutupan lahan pada citra satelit sentinel-2A dengan menggunakan metode tree algorithm serta mengetahui tingkat ketelitian pada metode tersebut. Penelitian dilakukan pada citra satelit sentinel-2A dengan membuat tree algoritm yang akan digunakan pada decision tree sebagai pemisah tiap kelas penutupan lahan. Salah satu parameter algoritma yang digunakan dalam menentukan pemisahan kelas adalah NDVI (Normalized Difference Vegetation Index). Selain menggunakan NDVI, dalam membuat algoritma pemisahan kelas juga digunakan kombinasi perhitungan nilai-nilai piksel pada band-band citra satelit sentinel-2A. Dari hasil klasifikasi diperoleh 6 Kelas penutupan lahan, yaitu Awan seluas 6,99 Ha (0,16%), Air seluas 7,59 Ha (0,18%), Ladang seluas 2,75 Ha (0,06%), Lahan Terbangun seluas 4,33 Ha (0,10%), Berhutan Sedang seluas 3.258,82 Ha (76,38%) dan Berhutan Rapat seluas 985,99 Ha (23,11%). Hasil uji nilai Overall Accuracy metode Tree Algorithm dengan pengecekan lapangan didapat tingkat akurasi 60% dari 15 titik sampel.


Full Text:

PDF

References


Anonim. 2017. NDVI (Normalized Difference Vegetation Index). http://www.sentinel-hub.com/eoproducts/ndvi-normalized-difference-vegetation-index

ENVI, 2011. Reference book-ENVI Professional 4.8, ITT Visual Information Solution. Erawanta, Prihandito, Harintaka. (2010). Klasifikasi berorientasi obyek pada citra satelit QuickBird. Media Teknik. Fakultas Teknik, Universitas Gadjah Mada.

European Space Agency (ESA). 2012. ESA's Optical High-Resolution Mission for GMES Operation Service. ESA Communication: ESA/ESTEC (Frascati, Italy) and ESA/ESRIN (Noordwijk, The Netherlands). ESA SP-1322/2 March 2012, ISBN: 978-92-92221-419-7, ISSN: 0379-6566).

Freddy SW, Marwan, Nizamuddin. 2015. Klasifikasi Penggunaan Lahan Menggunakan Citra Satelit Spot-6 di Kabupaten Aceh Barat Daya dan Aceh Besar. Seminar Nasional dan Expo Teknik Elektro 2015. ISSN: 2088-9984. 102-107.

Indrawati, L. 2009. Klasifikasi Pohon Keputusan untuk Kajian Perubahan Penggunaan Lahan Kota Semarang Menggunakan Citra Landsat TM/ETM+, Tesis. Yigyakarta. Universitas Gajah Mada.

Jensen, J. R., & Lulla, K. 1987. Introductory Digital Image Processing: a Remote Sensing Perspective.

Julzarika, A. 2010. Tree Algorithm/Hierarchy and Object Based-Supervised Classification in mixed area using WorldView-2 in Semarang City, Indonesia.

Kawamuna, A.; Suprayogi, A dan Wijaya, AP. 2017. Anaisis Kesehatan Hutan Mangrove Berdasarkan Metode Klasifikasi NDVI Pada Citra Satelit Sentinel-2. Jurnal Geodesi UNDIP. Volume 6, Nomor 1. ISSN: 2337-845X. 277-284

Lillesand and Kiefer, 1989. Penginderaan jauh dan Interpretasi Citra, Gajah Mada University

Sinergise. 2017. NDVI (Normalized Difference Vegetation Index). Tersedia pada http://www.sentinel-hub.com/eoproducts/ndvi-normalized-difference-vegetation-index. Diakses tanggal 6 Oktober 2017.

Vision on Tecnology (VITO). 2017. Indicator : NDVI – Vegetation health & density. Tersedia pada http://endeleo.vgt.vito.be/dataproducts.html#ndvi. Diakses pada 22 September 2017.




DOI: http://dx.doi.org/10.32522/u-jht.v2i2.1363

Refbacks

  • There are currently no refbacks.