Evaluasi Potensi Citra Intensitas Data LiDAR untuk Klasifikasi Penutup Lahan Menggunakan Metode Expert System Classification

LENA YUNIARITA S, Ir. Djurdjani, MSP., M.Eng., Ph.D; Dr. Ir. Istarno, Dipl.LIS., M.T

2017 | Tesis | S2 Teknik Geomatika

Point cloud yang dihasilkan dari perekaman data LiDAR merekam beberapa informasi, diantaranya adalah nilai intensitas, posisi 3D (X, Y, Z) dan jenis pantulan gelombang. Informasi Hubung informasi tersebut kemudian dapat dikonversi menjadi citra. Nilai intensitas LiDAR bergantung pada karakteristik dari permukaan objek yang memantulkan sinar, panjang gelombang, transmisi atmosfer, jarak sensor terhadap objek, dan sudut dari sinar yang dipancarkan. Beberapa penelitian mengakui bahwa nilai intensitas LiDAR dapat diklasifikasi untuk menghasilkan objek penutup lahan. Metode expert system classification merupakan salah satu metode klasifikasi dengan pendekatan otomatis. Metode ini memiliki keunggulan untuk mempertimbangkan atau menggabungkan informasi spasial, data non spektral, dan informasi tambahan lain yang dikombinasikan pada pohon keputusan dengan menggunakan digital number dalam proses klasifikasi penutup lahan. Penelitian ini bertujuan untuk memanfaatkan informasi yang direkam oleh point cloud LiDAR terutama nilai intensitas dan didukung oleh informasi lainnya untuk klasifikasi penutup lahan dengan menggunakan metode expert system classification. Informasi yang terdapat pada point cloud dikonversi menjadi citra intensitas, citra nDSM, citra DTM, citra tekstur, dan citra first to many return. Data citra masukan kemudian dikombinasi ke dalam 4 buah komposisi, yang terdiri dari komposisi I yang hanya terdiri dari citra intensitas, komposisi II terdiri dari citra intesitas, nDSM dan DTM, komposisi III terdiri dari citra intensitas, dan citra tekstur intensitas, serta komposisi IV yang berisi citra intensitas, citra nDSM, citra DTM, citra tekstur, dan citra first to many return. Metode expert system classification dibangun menggunakan pohon keputusan yang beracuan pada skema RSNI Klasifikasi Penutup Lahan Skala besar tahun 2016 skala 1:5.000/1:2.500, dikarenakan nilai GSD citra yang digunakan dalam penelitian ini termasuk dalam kategori citra resolusi sangat tinggi, yaitu Kurang lebih 50 cm. Hasil klasifikasi kemudian diuji ketelitiannya menggunakan matrik kesalahan dengan memanfaatkan foto udara orthophoto sebagi data referensi. Foto udara terlebih dahulu dilakukan digitasi on screen untuk mendapatkan kelas penutup lahan yang digunakan sebagai referensi. Hasil klasifikasi menghasilkan tingkat ketelitian paling tinggi bernilai 69% pada komposisi II. Jika mengacu pada Perka BIG Nomor 15 Tahun 2014 Tentang Pedoman Teknis Ketelitian Peta Dasar yang menganjurkan bahwa ketelitian atribut untuk unsur rupabumi penutup lahan bernilai 85% maka hasil klasifikasi ini tidaklah memenuhi syarat. Hasil klasifikasi dengan kelas penutup lahan paling detil diperoleh oleh komposisi IV dengan jumlah 16 kelas penutup lahan. Hasil klasifikasi juga menunjukkan bahwa nilai intensitas yang tidak stabil dan kemampuan metode expert system yang hanya mengacu pada nilai piksel data masukan tidak cocok untuk kelas penutup lahan dengan tingkat variasi objek yang beraneka ragam (heterogen), contohnya skema RSNI Klasifikasi Penutup Lahan Skala besar tahun 2016 skala 1:5.000/1:2.500.

Point cloud generated from LiDAR data records recorded some information, such as intensity value, 3D position (X, Y, Z), and type of reflected wave. These kinds of information can be converted into images. LiDAR Apostrophe s intensity values depend on the surface characteristics, the wavelength of light used, atmospheric transmission, sensor to object distance and local incidence angle. Some studies acknowledge that LiDAR intensity value can be classified in order to produce the object of land cover. The expert system classification method is an example of classification method which utilizes the automatics approach. The enhancement of this expert system classification method is that it evaluates or combines the spatial information, the non spectral data, and the other additional data which are combined beforehand in the decision trees using the digital numbers in the process of land cover classification. This research is aimed at utilizing the information recorded by the point cloud of LiDAR; especially on the intensity values and it is supported by the other information for the classification of the land cover using the using expert system classification. The information contained on point cloud converted into the LiDAR intensity image, the nDSM image, the DTM image, the LiDAR texture intensity image, and the first to many return image. These images were combined into 4 compositions. The first composition consists of LiDAR intensity image; the second composition consists of LiDAR intensity image, nDSM and DTM; the third composition consists of LiDAR intensity image and LiDAR texture intensity image; and the fourth composition consists of LiDAR intensity image, nDSM image, DTM image, LiDAR texture intensity image, and first to many return image. The method of expert system classification was constructed using the decision trees which refer to the Quotation Marks RSNI Klasifikasi Penutup Lahan Skala Besar Tahun 2016 Skala 1:5.000/1:2.500 Quotation Marks since the GSD value in this research is of Plus-Minus 50 cm. The accuracy of the classification was assessed using the data reference polygon interpreted from the aerial photo of orthophoto; which is used as the data reference. The aerial photo was used before the on screen digitations to get the class of land cover which then was used as the reference. The result showed that the highest overall accuracy was 69% from the second composition. Referring to the Quotation Marks Perka BIG Nomor 15 Tahun 2014 Tentang Pedoman Teknis Ketelitian Peta Dasarâ Quotation Marks, it recommends that the accuracy of attribute for the land cover classification was 85% so that the result of this classification is not eligible. The results of the classification of land cover classes with the most extensive obtained by composition IV with a total of 16 classes of land cover. The classification results also showed that the intensity value is unstable and the ability of the expert system method which simply refers to the value of the pixels from images is not suitable for the land cover with the diverse (heterogenous) level of variation of objects; for example the scheme of Quotation Marks RSNI Klasifikasi Penutup Lahan Skala besar tahun 2016 skala 1:5.000/1:2.500 Quotation Marks.

Kata Kunci : nilai intensitas LiDAR, expert system classification, klasifikasi penutup lahan