Perbandingan Citra Worldview-2 Multispektral Dan Pansharpened Untuk Ekstraksi Atap Bangunan Menggunakan Geobia

Dh Aning Sekar Wianti, Prof. Muhammad Kamal, S.Si., M.GIS.Ph.D.

2023 | Skripsi | KARTOGRAFI DAN PENGINDRAAN JAUH

Pemetaan informasi penutup lahan skala detail seperti atap bangunan

memungkinkan pemanfaatan citra penginderaan jauh untuk mengekstraksi

informasi secara efektif dan efisien. Efisiensi pemetaan didukung oleh metode

klasifikasi berbasis objek atau Geographic Object Based Image Analysis

(GEOBIA) yang mampu mengatasi keterbatasan dari metode klasifikasi

konvensional. Penelitian ini bertujuan untuk mengetahui efektivitas proses

segmentasi maupun klasifikasi berbasis objek untuk pemetaan atap bangunan,

serta mengkaji mengenai uji akurasi hasil klasifikasi atap bangunan. Wilayah

kajian yang digunakan yaitu di sebagian Kecamatan Magelang Selatan, Kota

Magelang, Jawa Tengah untuk membangun segmentasi dan rule-set klasifikasi.

Penelitian ini menggunakan hierarki segmentasi-klasifikasi yang membagi citra

menjadi lima level kelas penutup lahan, termasuk objek kajian dan objek non

kajian. Objek kajian atap bangunan dapat dirinci menjadi empat kelas antara lain

atap bangunan teratur, atap bangunan tidak teratur, atap bangunan gedung, dan

atap bangunan toko/ruko. Metode yang digunakan adalah multiresolution

segmentation dan rule-based classification. Hasilnya menunjukkan segmentasi

atap bangunan pada citra multispektral diperoleh akurasi sebesar 75.98?n pada

citra pansharpened sebesar 84.16%. Rendahnya akurasi disebabkan oleh

perbedaan resolusi spasial pada citra penelitian dan citra untuk referensi,

perbedaan satuan analisis, dan adanya tutupan kanopi vegetasi yang lebih tinggi.

Rule-set yang digunakan berbeda karena perbedaan resolusi spasial menjadi

kendala untuk implementasi rule-set yang sama dan secara visual hasil pemetaan

atap bangunan hampir sama dengan peta referensi. Penilaian kuantitatif

menggunakan area-based accuracy assessment menunjukkan bahwa pada citra

multispektral menghasilkan akurasi keseluruhan sebesar 68.25?n pada citra

pansharpened sebesar 79.63%. Penurunan akurasi kedua citra setelah klasifikasi

disebabkan oleh ketidak-optimalan object information yang digunakan.

Berdasarkan perbandingan kedua akurasi citra dapat diketahui bahwa semakin

tinggi resolusi spasial citra menghasilkan akurasi yang semakin tinggi

Detailed scale mapping of land cover information such as building roofs allows

the use of remote sensing imagery to extract information effectively and

efficiently. Mapping efficiency is supported by Object-based classification

method or Geographic Object Based Image Analysis (GEOBIA) which is able to

overcome the limitations of conventional classification methods. This research

aims to determine the effectiveness of the object-based segmentation and

classification process for mapping building roofs, as well as examining the

accuracy test of building roof classification results. We used Kecamatan

Magelang Selatan, Magelang City as study area to build segmentation and

classification rule-set. This research used segmentation-classification hierarchical

model that divided the images into five levels of land cover classes, including

objects of study and non-study objects. The building roof can be broken down into

four classes such as regular building roofs, irregular building roofs, building roofs,

and shop building roofs. The methods used is multiresolution segmentation and

rule-based classification. The results showed that segmentation of the roof of the

building using multispectral imagery resulted in an accuracy of 75.98% and

pansharpened images resulted in an accuracy of 84.16%. The low accuracy is

caused by differences in spatial resolution in research images and images for

reference, differences in units of analysis, and the presence of vegetation canopy

cover that affects the results of building roof segmentation. The object

information used for classification in both images is almost the same and visually

the results of mapping the roof of the building are almost the same as the

reference map. Quantitative assessment using area-based accuracy assessment

showed that the classification results on multispectral images resulted in overall

accuracy of 68.25% and pansharpened images of 79.63%. The decrease in

accuracy of both images after classification is due to the non-optimization of the

object information used. Based on the comparison of the two image accuracy, it

can be seen that the higher the spatial resolution of the image, the higher the

accuracy

Kata Kunci : atap bangunan , GEOBIA, multispektral, pansharpened, WorldView- 2,building roof, GEOBIA, multispectral, pansharpened