Penggunan jaringan syaraf tiruan pada citra satelit Landsat 7 ETM+ untuk klasifikasi tanaman perkebunan kelapa sawit di Kota Bengkulu

BUDIONO, Samudro, Dr.Ir. Haryono

2006 | Tesis | S2 Teknik Geomatika

Pajak Bumi dan Bangunan (PBB) untuk sektor perkebunan mempunyai andil yang cukup besar di dalam penerimaan PBB secara keseluruhan, selain karena skala ekonomi yang besar juga perlakuan pengenaan pajak yang dua kali lebih besar dari sektor PBB domestik yaitu sektor pedesaan dan perkotaan. Meski penggalian potensi pajak dari sektor ini telah sering dilakukan, tetapi disebabkan metode yang dipakai masih konvensional, maka potensi yang besar tersebut belum tergali secara maksimal. Tujuan penelitian ini ialah untuk mengetahui kemampuan teknik pengumpulan data melalui analisis data citra satelit Landsat 7 ETM+, untuk mengidentifikasi lokasi-lokasi perkebunan kelapa sawit per jenis umur tanaman sekaligus menaksir luas masing-masing area berdasarkan umur tersebut. Metode penelitian yang digunakan ialah klasifikasi terselia data digital citra satelit Landsat 7 ETM+. Metode klasifikasi terselia yang dipilih ialah klasifikasi dengan Jaringan Syaraf Tiruan (JST) sedangkan data citra yang digunakan ialah 6 saluran multispektral (band 1-5 dan band 7) resolusi 30m x 30m. Klasifikasi dilakukan secara bertahap, pada tahap pertama data citra digital diklaskan menjadi tiga yaitu klas vegetasi, klas urban dan klas air. Tahap kedua, untuk klas vegetasi diklaskan menjadi dua yaitu klas kelapa sawit dan klas non sawit, sedang pada tahap ketiga, kategori sawit di klasifikasi menjadi 5 kelas berdasarkan umur yakni sawit sawit umur 1 tahun, 2 tahun, 3 tahun, 4 tahun dan diatas 4 tahun. Keluaran klasifikasi ialah sekumpulan piksel yang berlabel sama sesuai kategori yang ditetapkan, dimana jumlah unit piksel bisa dikonversi menjadi unit luas dengan bobot 900 m2 untuk tiap 1 unit piksel. Akurasi klasifikasi dinilai dengan menggunakan matriks kesalahan dan analisis nilai Kappa. Hasil penelitian secara umum menunjukkan bahwa metode klasifikasi terselia JST mampu mengidentifikasi lokasi-lokasi perkebunan kelapa sawit berdasar umur tanaman di daerah penelitian. Ini berarti bahwa metode klasifikasi JST mampu melakukan klasifikasi sampai dengan sub kelas, dimana kategori vegetasi dapat dirinci lagi menjadi klas sawit dan non sawit, sedang klas sawit dapat diklasifikasi lagi menjadi klas sawit per umur tanaman. Semakin dalam skema klasifikasi dibuat, maka tingkat kesulitan makin bertambah. Kesulitan yang makin bertambah identik dengan nilai akurasi yang makin menurun. Berturut-turut, nilai akurasi keseluruhan dari klasifikasi tingkat 1 sampai 3 ialah 97,10%, 87,1% dan 81,4%, sedang dari analisis Kappa diperoleh angka berturut-turut 0,95, 0,8 dan 0,76.

Land and Building Tax (LBT) of the plantation sector provide considerable enough contribution to the revenue of LBT as a whole. This is not only because of the big economic scale, but the tax imposition which is twice bigger than the domestic sector of LBT, such as rural and urban sector. Even though efforts to realize the potential have been conducted, the results have not been maximal. This is because they are still using conventional methods. The objective of this research is to, (1) understand the ability of data collection technique through a satellite image data analysis of Landsat 7 ETM+, (2) to identify locations of palm oil plantations based on their age type of crop, and (3) to determine areas of those plantations. Research method used is supervised classification of digital data Landsat 7 ETM+, applying Artificial Neural Network (ANN). The image data used are 6 channels of multi spectral data (band 1-5 and band 7) with 30m x 30m resolution. The classification was conducted step by step. In first step, the digital image data were classified into three category, they are: vegetation, water and urban categories. In the second step, the vegetation class classified was into two categories, they are palm oil and non palm oil plants, while in the third step, the palm oil plants category was classified into 5 classes based on their age type i.e. palm oil plants age year 1, year 2, year 3, year 4 and above year 4. The output of classification is a group of pixel having the same labels according to the specified category, where the number of pixel can be converted to become unit area with 900 m2 for every 1 unit of pixel. The classification accuracy was assessed by using confusion matrix and Kappa analysis. The result of the research indicate that the supervised classification method by using ANN is able to identify locations plantation of palm oil plants based on their age type of plants in the research area. This means that the classification method of ANN is able to conduct classification up to sub class, where category of vegetation can be classified more detailed to become palm-oil plants and non palm-oil plants classes. The palm-oil plants class inturn is classified to become palm-oil plants based on their age type of plants. The more progressive the classification scheme was made, hence the more difficulties of storey level increase. The increasing difficulties were followed by the decreasing accuracy. The values of overall accuracy of classification at level 1 to classification at level 3 is 97,1%, 87,1% and 81,4% respectively, while Kappa analysis scored 0,95, 0,8 and 0,76, respectively.

Kata Kunci : Jaringan Syaraf Tiruan,Citra Landsat 7 ETM+ ,Klasifikasi Perkebunan