Perbandingan Metode Klasifikasi Digital Pada Citra Worldview- 2 Untuk Pemetaan Penu tupan Lahan

GAMA KHARALIAN DEAMEZA, Dr. Emma Soraya, S.Hut., M. For.

2016 | Skripsi | S1 KEHUTANAN

penutupan lahan. Peta penutupan lahan dapat diperoleh melalui metode klasifikasi digital. Penelitian ini bertujuan membandingkan dua metode klasifikasi digital, yaitu berbasis piksel dan berbasis objek pada citra resolusi tinggi Worldview-2 di Hutan Pendidikan Wanagama I dengan standar klasifikasi penutupan lahan UNFAO dan BSNI untuk mendapatkan peta penutupan lahan terbaik dan faktor yang mempengaruhi akurasi hasil interpretasi. Penelitian ini menggunakan perpaduan metode non-terestris dan ekstraterestris. Metode non-terestris digunakan untuk menggambarkan bentuk penutupan lahan berdasarkan klasifikasi digital berbasis piksel dengan algoritma single pass dan berbasis objek dengan algoritma bottom up. Bentuk penutupan lahan yang ada dikelaskan dengan standar klasifikasi penutupan lahan UNFAO dan BSNI. Hasil klasifikasi digital diinterpretasi secara manual. Metode ekstra-terestris digunakan untuk merencanakan sampel dan pengecekan lapangan. Peta penutupan lahan terbaik diuji dengan matriks kesalahan dan uji Kappa. Metode deskripsi kualitatif digunakan untuk menyimpulkan faktor yang mempengaruhi akurasi hasil interpretasi. Hasil penelitian di Hutan Pendidikan Wanagama I menunjukkan bahwa penutupan lahan berdasarkan UNFAO dan BSNI menghasilkan 6 kelas dan 8 kelas secara berurutan. Klasifikasi digital berbasis objek dengan standar penutupan lahan BSNI memiliki nilai akurasi keseluruhan dan nilai Kappa tertinggi sebesar: 89,20% dan 86,47%. Faktor yang mempengaruhi akurasi hasil interpretasi dapat dikelaskan berdasarkan sumber kesalahan, yaitu kesalahan sistematis dan kesalahan nonsistematis. Kesalahan sistematis yang teridentifikasi dalam penelitian ini berupa pengalaman interpreter, ketersediaan data, penggunaan metode klasifikasi digital, standar klasifikasi penutupan lahan, dan tingkat kedetilan penutupan lahan yang diharapkan. Sedangkan kesalahan non-sistematis berupa perhitungan jumlah sampel dan penempatan lokasi sampel.

Development of remote sensing technology is in line with land cover mapping methods. Land cover maps could be acquired through digital classification methods. This study aimed to compare two methods digital classification based on pixel and object using high resolution image Worldview-2 in Teaching Forest Wanagama I with two land cover standard classification UNFAO and BSNI to obtain the best land cover map and to identify factors that affect the accuracy of interpretation results. This research used combine method of non-terestris and extra-terestris. Non-terestris method was used to obtain land cover maps from digital classification. Digital classification was done by classifying the image data using 2 methods; i.e. pixel based (single pass algorithm) and object based (bottom up algorithm). The land cover were then classified into two land cover standard classifications, i.e. UNFAO and BSNI. Extra-terestris method was used for planning ground check sampling. The classification results then were tested using error matrix test and Kappa test. The factors that affected classification accuracy was done by qualitative analysis. The results classes showed that Teaching Forest Wanagama I could be classified into 6 classes and 8 classes of land cover based on UNFAO and BSNI standards, respectively. Object based classification with BSNI standard had the highest overall accuracy and Kappa's i.e.: 89.20% and 86.47%. Factors that affected accuracy of interpretation results could be classified based on the source of errors, i.e. systematic errors and non-systematic errors. The identified systematic error in this research were the experience of interpreters, the availability of data, digital classification method used, land cover classification standard used, and the detail of land cover information required. While the non-systematic error were caused by number and placement of samples

Kata Kunci : Citra Worldview-2, Klasifikasi Digital, Klasifikasi Penutupan Lahan, Uji Matriks Kesalahan, dan Uji Kappa