PENGARUH MODEL TRANSFORMASI PADA BERBAGAI METODE RESAMPLING CITRA DALAM KOREKSI GEOMETRIK TERHADAP HASIL AKURASI KLASIFIKASI MULTISPEKTRAL UNTUK PEMETAAN PENUTUP LAHAN

Penulis

M Zayyanul Afwani

Pembimbing: Drs. Projo Danoedoro, M.Sc., Ph.D.


Koreksi Geometrik merupakan langkah awal dalam pre-processing citra penginderaan jauh karena berkaitan erat dengan akurasi data yang dihasilkan. Penelitian ini memiliki tujuan yang pertama untuk memberikan informasi pengaruh model koreksi geometrik terhadap akurasi klasifikasi penutup lahan, khususnya klasifikasi berbasis piksel dengan algoritma Maximum Likelihood. Yang kedua mengetahui pengaruh metode resampling citra terhadap akurasi hasil klasifikasi multispektral. Penelitian ini memanfaatkan citra Landsat 8 OLI Level 1G yang meliputi Daerah Kulon Progo, Yogyakarta, sehingga diperlukan beberapa titik kontrol lapangan (GCP) untuk menekan kesalahan geometrik. Koreksi geometrik non-sistematik dilakukan dengan model transformasi polinomial orde 1, orde 2, dan orde 3. Dalam penelitian ini semakin tinggi orde polinomial maka jumlah titik kontrol lapangan semakin banyak. Citra hasil dari koreksi geometrik dilakukan coregistrasi citra atau resampling dengan 3 algoritma yaitu Nearest neighbour, Cubic convolution, dan Bilinear interpolation. Transformasi affine menggunakan 6 GCP yang tersebar pada tepi citra, menghasilkan nilai RMSE sebesar 0,355539. Transformasi polinomial orde-2 menggunakan 10 GCP yang tersebar mengelilingi tepi citra, menghasilkan nilai RMSE sebesar 0,178053. Sedangkan transformasi polinomial orde-3 menggunakan 17 GCP yang tersebar merata pada citra, menghasilkan nilai RMSE sebesar 0,100343. Proses resampling menghasilkan citra dengan nilai piksel baru yang berbeda dari nilai aslinya. Untuk menilai kualitas nilai piksel keluaran maka dilakukan klasifikasi multispektral untuk penutup lahan menggunakan algoritma maximum likelihood. Peta yang dihasilkan dari koreksi geometrik dan resampling dilakukan uji akurasi terhadap peta hasil interpretasi visual. Pengambilan sampel menggunakan metode strafied random sampling dengan berbasis poligon dengan ukuran luas poligon didasarkan pada pergeseran piksel hasil koreksi geometrik. Analisis uji akurasi menggunakan Confussion Matrix untuk memperoleh nilai overall accuracy serta dengan uji indeks kappa. Penelitian ini menemukan bahwa resampling dengan algoritma nearest neighbour pada koreksi geometrik metode polinomial orde-3 menghasilkan overall accuracy paling baik yaitu 75,43% dengan indeks kappa sebesar 0,7029.

Geometric correction is an important step in image pre-processing, because it determines the the positional accuracy of the data. However, the geometric correction also includes pixel values interpolation in their new position, so that it may change original values. This study objectives were (a) to provide information on the effect of geometric correction models on the accuracy of land-cover classification, especially using per-pixel classification with maximum likelihood algorithm; and (b) to assess the effect of image resampling methods on the accuracy of the multispectral classification results. This study made use of Landsat 8 OLI Level 1G imagery covering Kulon Progo Area, Yogyakarta, so that several ground control points (GCPs) were needed to suppress geometric errors. Non-systematic geometric correction was undertaken using first, second and third order polynomial transformations. After that, several resampling processes were applied to the geometrically corrected image, i.e. Nearest neighbour, Bilinear and Cubic convolution interpolations. It was found that the affine transformation using six GCPs distributed over the edges of the image, delivered an RMSE value of 0.355539. In addition, the second order polynomial with 10 GCPs scattered around the edges of the image gave an RMSE value of 0.178053. While the third order polynomial transformation with 17 GCPs that were evenly distributed in the image produced an RMSE value of 0.100343. The resampling process produced new images with new pixel values, which were then tested with respect to their classification accuracies based on maximum likelihood algorithm. Samples for accuracy assessment were taken using stratified random sampling strategy. Samples were taken in terms of polygons whose size was determined by considering the pixels' displacement as the results of geometric corrections. This study also found that resampling with nearest neighbour interpolation using third order polynomial equation produced the best overall accuracy of 75.43%, with a Kappa of 0.7029.

Kata kunci Koreksi Geometrik, Polinomial, Resampling, Penutup Lahan
Program Studi S1 KARTOGRAFI DAN PENGINDERAAN JAUH UGM
No Inventaris
Deskripsi
Bahasa Indonesia
Jenis Skripsi
Penerbit [Yogyakarta] : Universitas Gadjah Mada, 2019
Lokasi Perpustakaan Pusat UGM
File
  • Anda dapat mengecek ketersediaan versi cetak dari penelitian ini melalui petugas kami dengan mencatat nomor inventaris di atas (apabila ada)
  • Ketentuan Layanan:
    1. Pemustaka diperkenankan mengkopi cover, abstrak, daftar isi, bab pendahuluan, bab penutup/ kesimpulan, daftar pusatak
    2. Tidak diperbolehkan mengkopi Bab Tinjauan Pustaka, Bab Pembahasan dan Lampiran (data perusahaan/ lembaga tempat penelitian)
    3. Mengisi surat pernyataan, menyertakakan FC kartu identitas yang berlaku

<< kembali