Linear Spectral Mixture Analysis Pada Citra Multispektral untuk Identifikasi Permukaan Kedap Air

Gelanggoro Kismo Anintika, Dr. Iswari Nur Hidayati, S.Si., M.Sc.; Dr. Nur Mohammad Farda, S.Si., M.Cs.

2026 | Tesis | S2 Penginderaan Jauh

Peningkatan urbanisasi di Kota Salatiga telah memicu konversi lahan yang berdampak pada perubahan karakteristik hidrologi wilayah. Dalam ekosistem perkotaan, permukaan bumi secara garis besar dikategorikan menjadi permukaan kedap air (Impervious Surface Area/ISA) dan permukaan permeabel. Atap bangunan dipilih sebagai objek kajian utama karena merupakan representasi dominan dari ISA di wilayah perkotaan, sementara vegetasi digunakan sebagai indikator utama permukaan permeabel yang berperan dalam infiltrasi air. Pemetaan akurat terhadap proporsi kedua komponen ini sangat krusial untuk memitigasi risiko banjir dan perencanaan tata ruang yang berkelanjutan.

Tantangan utama dalam pemetaan menggunakan citra multispektral adalah keberadaan mixed pixel (piksel campuran). Penelitian ini mengevaluasi kinerja metode Linear Spectral Mixture Analysis (LSMA) konvensional untuk mengurai piksel campuran tersebut menjadi fraksi-fraksi endmember murni: atap bangunan, vegetasi, dan tanah terbuka. Data dari dua sensor dengan resolusi berbeda, yaitu Landsat 8 (30 meter) dan Sentinel-2 (10 meter), diproses dan dianalisis, dengan citra WorldView-2 sebagai referensi validasi untuk mengukur parameter overall accuracy dan Koefisien Kappa.

Hasil penelitian menunjukkan bahwa LSMA konvensional mampu mengestimasi proporsi tutupan lahan dengan akurasi sebesar 59,76% pada Landsat 8 (Kappa 0,38) dan 49,25% pada Sentinel-2 (Kappa 0,21). Analisis komparatif menunjukkan adanya penurunan kinerja akurasi pada citra dengan resolusi spasial yang lebih tinggi (Sentinel-2). Fenomena ini secara saintifik diidentifikasi sebagai dampak dari peningkatan heterogenitas spektral (intra-class spectral variability) dan munculnya gangguan salt-pepper noise yang lebih intens pada resolusi 10 meter, sehingga menyulitkan model LSMA konvensional dalam memisahkan endmember secara presisi. Penelitian ini menyimpulkan bahwa metode LSMA konvensional kurang optimal untuk identifikasi ISA di wilayah perkotaan tropis, terutama saat menggunakan citra resolusi spasial yang lebih tinggi.

Increased urbanization in Salatiga City has triggered land conversion that impacts the hydrological characteristics of the region. Within urban ecosystems, the Earth's surface is broadly categorized into Impervious Surface Areas (ISA) and permeable surfaces. Roof structures were selected as the primary study object as they are the dominant representation of ISA in urban areas, while vegetation serves as the primary indicator of permeable surfaces that play a role in water infiltration. Accurate mapping of the proportions of these two components is crucial for mitigating flood risks and sustainable urban spatial planning. 

The primary challenge in mapping using multispectral imagery is the presence of "mixed pixels". This research evaluates the performance of the conventional Linear Spectral Mixture Analysis (LSMA) method to unmix these pixels into pure endmember fractions: roof structures, vegetation, and bare soil. Data from two sensors with different spatial resolutions, Landsat 8 (30 meters) and Sentinel-2 (10 meters), were processed and analyzed, with WorldView-2 imagery utilized as a high-resolution reference for validation to measure overall accuracy and the Kappa Coefficient.

The research findings indicated that conventional LSMA estimated land cover proportions with an overall accuracy of 59.76% for Landsat 8 (Kappa 0.38) and 49.25% for Sentinel-2 (Kappa 0.21). Comparative analysis revealed a decline in accuracy performance when utilizing imagery with higher spatial resolution (Sentinel-2). This phenomenon is scientifically identified as a consequence of increased intra-class spectral variability and the emergence of more intense salt-pepper noise at the 10-meter resolution, which complicates the conventional LSMA model's ability to precisely isolate pure endmembers. This study concludes that conventional LSMA is suboptimal for ISA identification in complex tropical urban environments when employing higher-resolution satellite data.

Kata Kunci : Linear Spectral Mixture Analysis, Permukaan Kedap Air, Atap Bangunan, Kota Salatiga, Sentinel 2