Klasifikasi statistis spektral citra foto-udara :: Kasus Tingkat kepadatan permukiman di Kota Yogyakarta dan sekitarnya

HUDA, Syarhul, Dr. Hartono, DESS.,DEA

2004 | Tesis | S2 Penginderaan Jauh

Dalam penelitian ini digunakan foto-udara berskala 1:20000 yang direkam pada tahun 2000. Tujuan penelitian adalah melakukan klasifikasi secara otomatis berdasar spesifikasi spasial dan statistis. Untuk spesifikasi spasial, kepadatan permukiman didasarkan atas nisbah antara total luas bangunan permukiman terhadap luas cuplikan sampel permukiman tersebut. Hasil nisbah ini dikategorikan kedalam tiga kelas, yaitu: a) jarang, jika hasil nisbah kurang dari 40%; b) sedang, jika hasil nisbah antara 40% sampai dengan 60%; dan c) padat, jika hasil nisbah lebih dari 60%. Untuk spesifikasi statistis, dilakukan pemodelan atas setiap histogram cuplikan sampel dengan parameter rerata, varians, kemencengan, dan keruncingan. Foto-udara analog dikonversi kedalam format digital dengan alat pemindai bersensor optis CCD (Charge Coupled Devices)yang disetel pada resolusi 600 dpi (dots per inch). Ada banyak faktor yang dapat mempengaruhi nilai kontras citra foto-udara berformat analog maupun digital. Oleh karena itu, hasil penelitian ini dibatasi pada bahan dan alat yang digunakan sehingga belum berlaku umum. Enam puluh sampel dipilih secara acak. Tiga puluh sampel digunakan sebagai sampel-acu dan 30 sampel lagi sebagai sampel-uji. Sampel-sampel ini dibagi lagi menjadi 10 sampel untuk setiap kelas kepadatan. Luas cuplikan setiap sampel adalah 100 x100 meter persegi atau (120 x 120 piksel). Skenario klasifikasi dilakukan berdasar parameter statistika baik secara sendiri maupun kombinasi. Algoritma yang digunakan adalah jarak minimum dan jarak Mahalanobis. Skenario klasifikasi terpilih untuk sampel-uji adalah: a) kombinasi parameter rerata dan varians dengan algoritma jarak minimum dan jarak Mahalanobis; b) kombinasi parameter varians dan kemencengan dengan algoritma jarak minimum; dan c) kombinasi empat parameter yang ditransformasi PCA dengan algoritma jarak minimum dan jarak Mahalanobis. Terjadi kesalahan klasifikasi atas sampel-uji sebesar 40% pada kelas permukiman padat dan 80% pada kelas permukiman sedang pada semua skenario klasifikasi terpilih. Sedangkan kesalahan klasifikasi atas kelas kepadatan jarang adalah 50% jika dipakai algoritma jarak minimum dan 70% jika dipakai algoritma jarak Mahalanobis.

This research was conducted on aerialphotos of scale 1:20000 which were recorded in 2000. The target was automatic classification, based on spatial and statistics parameters. To the spatial parameter, setlement density was divided into three classes based on the ratio between the total building coverage and the area of the cropped sample. The classes are: a) sparse, if the ratio is less than 40%; b) medium, if the ratio is between 40% and 60%; and c) dense, if the ratio is more than 60%. For the statistics parameters, the histogram of settlement density was modeled by statistical approach of first-order texture concept. They were mean, variance, skewness, and kurtosis. Analog aerialphotos were digitized by means of a scanner with CCD (Charge Coupled Devices) optical sensor. The resolution was set at 600 dpi (dots per inch). There were many factors that influenced the contrast value of analog and digital aerialphotos. Therefore, results of this research were limited to materials and equipment used and could not be generalized. Sixty samples were selected randomly for an area of 100 x 100 square metres (120 x 120 pixels) each. Thirty samples were used for training and the other 30 samples for the tests. These samples were grouped with 10 samples for each settlement density class. Classification scenario was based on statistics parameters, one-by-one and their combinations. The algorithm used was minimum distance to mean and Mahalanobis distance. The selected classification scenarios for the test-samples were: a) combination of mean and variance with the minimum and Mahalanobis distance algorithm; b) combination of variance and skewness with the minimum distance algorithm; and c) combination of the four statistics parameters (which have transformed by PCA method) with the minimum and Mahalanobis distance algorithm. The classification errors occur on dense settlement density were 40%, and 80% on medium settlement density for all selected classification scenario. The classification errors on sparse settlement density were 50% if minimum distance algorithm used, and 70% if Mahalanobis distance algorithm used.

Kata Kunci : Citra Foto Udara,Klasifikasi Spektral,Kepadatan Pemukiman