Metode non-parametrik classification tree analysis (CTA) dengan teknik data mining untuk klasifikasi penggunaan lahan menggunakan citra landsat -8 OLI

Cahya Budi Perwitagama,

2015 | Tesis |

Kajian mengenai metode non-parametrik Classification Tree Analysis (CTA) menggunakan teknik data mining untuk aplikasi penginderaan jauh masih belum banyak dilakukan. Sehingga diperlukan penelitian mengenai kemampuan CTA dalam menangani data yang cukup banyak, dengan memanfaatkan kelebihan CTA untuk aplikasi penginderaan jauh. Kombinasi parameter CTA dan data masukan, serta penerapannya pada dua skema klasifikasi yang berbeda tingkat kerinciannya, memerlukan pengujian terkait dengan tingkat akurasi yang dihasilkan. Penelitian ini bertujuan melakukan simulasi dari beberapa kombinasi parameter untuk mengetahui tingkat akurasi hasil klasifikasi, dan memperoleh pohon keputusan dari hasil KDD. Serta menganalisis akurasi metode non-parametrik CTA dengan teknik data mining untuk klasifikasi penggunaan lahan menggunakan citra Landsat-8 OLI, dan menerapkan hasil KDD pada daerah lain. Klasifikasi diperoleh dengan melakukan simulasi beberapa parameter CTA dan data masukan. Parameter aturan pemisah (splitting rules) dalam CTA, yaitu Ratio, Entropy, dan Gini. Parameter pemangkas (pruning), yaitu 0%, 1%, 5%, dan 10%. Beberapa masukan data klasifikasi, antara lain adalah citra Landsat-8 tujuh saluran, transformasi citra (NDVI, NDWI, BI, NDBI, dan PCA), serta filter tekstur variance dan mean (jendela bergerak 3x3 dan 5x5). Data non-spektral, yaitu data ketinggian dan data kemiringan lereng. Dua tingkat skema klasifikasi penggunaan lahan, yaitu Level I (5 kelas) dan Level II (8 kelas). Pohon keputusan yang diperoleh dari hasil pembelajaran dengan akurasi terbaik kemudian diterapkan pada daerah lain yang memiliki karakteristik mirip. Hasil penelitian menunjukkan bahwa kombinasi parameter terbaik adalah atribut pemisah Gini, pruning 1%, filter tekstur dengan jendela bergerak 5x5, dan skema Level I yaitu dengan akurasi keseluruhan 96,71%, kappa 0,9504, dan waktu proses 3,388 detik. Penerapannya pada daerah lain, menghasilkan akurasi keseluruhan 93,27% dengan kappa 0,8923. Tingkat akurasi terbaik yang diperoleh pada daerah penelitian maupun penerapannya pada daerah lain, lebih besar dari 90%. Sehingga diharapkan metode ini dapat menjadi alternatif metode untuk terapan kebijakan penggunaan lahan, dan klasifikasi penggunaan lahan berbasis penutup lahan setara dengan skala 1:100.000

Kata Kunci :