Penggunaan metode Fuzzy Cluster Means (FCM) pada Citra Aster untuk klasifikasi jenis penggunaan lahan obyek Pajak Bumi dan Bangunan di wilayah pesisir :: Studi kasus Kecamatan kretek Kabupaten Bantul

REJEKI, Dyah Sri, Ir. Christine Noegroho Kartini, SU.Pj

2007 | Tesis | S2 Teknik Geomatika

Citra penginderaan jauh mempunyai peran penting dalam kegiatan klasifikasi penutup/penggunaan lahan karena pengulangan perekaman atau resolusi temporal yang cepat dan area cakupan yang luas, sehingga mampu memantau perkembangan dengan akurat. Klasifikasi penggunaan lahan yang selama ini digunakan adalah hard classification yang kurang memperhatikan kondisi antara yang terjadi pada perbatasan kelas atau kelas-kelas campuran di suatu wilayah. Klasifikasi fuzzy menjawab masalah ketidakpastian dalam melakukan ekstraksi jenis penutup/penggunaan lahan pada proses klasifikasi. Dalam klasifikasi fuzzy setiap piksel mempunyai m nilai keanggotaan antara 0 dan 1 pada saat ditetapkan menjadi satu dari m kelas. Sifat keanggotaan yang demikian dapat memberikan informasi untuk situasi yang kompleks seperti adanya kelas campuran (mixed class) pada data citra. Ada 2 jenis klasifikasi fuzzy yaitu klasifikasi fuzzy terawasi yang berbasis training area seperti Fuzzy Maximum Likelihood dan fuzzy tak terawasi (Unsupervised Classification) yang berbasis clustering seperti Fuzzy C Means (FCM). FCM adalah salah satu metode fuzzy clustering yang fungsi kenggotaannya didefinisikan berdasarkan fungsi jarak, sehingga derajat keanggotaan suatu piksel didefinisikan berdasarkan seberapa dekat jaraknya terhadap pusat kelas. Dalam penelitian ini dicoba untuk melakukan klasifikasi FCM di kecamatan Kretek, Kabupaten Bantul dengan menggunakan citra ASTER. Untuk dapat melihat kemampuannya, metode FCM harus dibandingkan dengan metode clustering non fuzzy yaitu metode Isoclass. Proses klasifikasi dibagi menjadi tiga tahap. Tahap pertama membagi jenis penggunan lahan menjadi 3 kelas, tahap kedua menjadi 6 kelas dan tahap ketiga menjadi 10 kelas. Akurasi hasil klasifikasi dihitung dengan menggunakan comission, omission, user accuracy, producer accuracy, mapping accuracy dan overall accuracy. Data referensi berupa citra IKONOS Tahun 2006 dari Google Earth digunakan untuk pendefinisian kelas dan menguji akurasi hasil klasifikasi. Hasil penelitian menunjukkan bahwa penggunaan metode FCM mampu memberikan hasil akurasi yang lebih baik dibandingkan dengan metode Isoclass. Hasil Klasifikasi menggunakan metode FCM memberikan overall accuracy sebesar 96.23% untuk 3 kelas (urban, vegetasi dan air), 93.6% untuk 6 kelas (Pemukiman 1, Pemukiman 2, Sawah 1, Sawah 2, Pasir dan Air) dan 88% untuk 10 kelas (Pekarangan, Pemukiman 1, Pemukiman 2, Sawah 1, Sawah 2, Sawah 3, Perairan Dalam, Perairan Dangkal, Pasir dan Campuran Pasir dan Vegetasi). Sedangkan overall accuracy yang dihasilkan oleh metode Isoclass sebesar 93.4% untuk 3 kelas, 86.4% untuk 6 kelas dan 77% untuk 10 kelas. Penelitian ini juga mencatat hasil klasifikasi penggunaan lahan yang sesuai dengan jenis penggunaan lahan dalam Surat Edaran Nomor SE-25/Pj.6/2006 tentang Tata Cara Pembentukan dan Penyempurnaan ZNT/NIR adalah pekarangan, pemukiman tidak teratur 1, pemukiman tidak teratur 2 dan sawah irigasi

Remote sensing imageries with high temporal resolution and wide-range band swath, have an important role in land cover classification. Classification during the time used is hard classification which less paying attention condition that happened at frontier or mixture classs in an region. Fuzzy classification answer uncertainty problem in the extraction of information from land use classification. Each pixel in fuzzy classification has m degrees of membership value within interval 0 to 1 into 1 class from m class defined. Fuzzy membership characteristic is very useful I solving the problem of complex image classification which has many mixed class. There are 2 methods of fuzzy classification that are fuzzy supervised based on training area like fuzzy maximum likelihood and fuzzy unsupervised based on clustering like fuzzy c means (FCM). In the FCM, the development of membership function is calculated based on distance function, so that degree of membership of pixel is defined by how close the distance from class center. In this research FCM is applied to a part of Bantul, Kretek using ASTER image. To Validate the capability of the FCM, then this method is compared to Isoclass method. This research process is divided into three steps. First step divide landuse type become 3 class, second step become 6 class and third step become 10 class. The classification accuracy is measured by comission, omission, user accuracy, producer accuracy, mapping accuracy dan overall accuracy .Ikonos Image from Google Earth was used as reference data to definition 0f classes and test classification accuracy. The result of this research found that the use of FCM method can give result of accuration which is better to be compared to Isoclass method. Classification land use based on FCM method resulted in 96.23% overall accuracy (3 class), a 93.6% overall accuracy (6 class) and a 88% overall accuracy ( 10 class). While classification land use based on Isoclass method resulted in 93.4% overall accuracy ( 3 class), a 86,4% overall accuracy (6 class) and a 77% overall accuracy ( 10 class). This research also records that result of land use classification which in SE-25/PJ.6/2006 is lawn, residental (not regular residental ) and agriculture land.

Kata Kunci : Citra Aster,Metode FCM,Objek PBB,ASTER Image, Unsupervised Classification, Fuzzy Cluster Means, Isoclass dan accuracy