Kajian kemampuan metode jaringan syaraf tiruan untuk klasifikasi penutup lahan dengan menggunakan Citra Aster

SAMUDRA, Imanda Surya, Drs. Projo Danoedoro, M.Sc.,Ph.D

2007 | Tesis | S2 Penginderaan Jauh

Tesis ini mengambil tema tentang kajian kemampuan metode Jaringan Syaraf Tiruan untuk klasifikasi penutup lahan menggunakan 9 (sembilan) saluran citra Aster, serta data elevasi (DEM) dan lereng (Slope) sebagai data pendukung. Daerah penelitian yang mencakup Kota Salatiga dan sekitarnya. Tujuan penelitian adalah mengetahui kemampuan proses klasifikasi penutup lahan menggunakan metode Jaringan Syaraf Tiruan, membandingkan hasil klasifikasi metode Jaringan Syaraf Tiruan dengan beberapa simulasi parameter dan penggabungan data spektral dengan data non spektral (data elevasi dan kemiringan lereng), dan mengetahui hasil klasifikasi metode Jaringan Syaraf Tiruan yang dibandingkan dengan hasil klasifikasi metode Maximum Likelihood. Metode penelitian terdiri dari beberapa tahap, yaitu persiapan penelitian, pengumpulan data, koreksi geometri, penentuan skema klasifikasi, orientasi lapangan, pembuatan training area, perhitungan indeks separabilitas, eksekusi dengan metode Maximum Likelihood dan simulasi parameter untuk metode Jaringan Syaraf Tiruan, serta penentuan sampel untuk uji akurasi. Pengambilan sampel yang digunakan dalam penelitian adalah metode stratified random sampling Hasil penelitian yang berupa peta penutup lahan menunjukkan bahwa hasil klasifikasi dengan metode Maximum Likelihood tetap yang paling unggul dari segi overall accuracy dan indeks Kappa apabila dibandingkan dengan hasil klasifikasi dengan metode Jaringan Syaraf Tiruan. Hasil klasifikasi metode Maximum Likelihood memiliki overall accuracy 95,8642 % dan indeks Kappa 0,9568, sedangkan seluruh hasil klasifikasi metode Jaringan Syaraf Tiruan memiliki overall accuracy dan indeks Kappa tertinggi, yaitu 73,7037 % dan 0,7290 untuk 34 klas, dan 78,3951 % dan 0,7738 untuk 27 klas. Keberadaan data tambahan (elevasi dan lereng) dalam proses klasifikasi dapat meningkatkan akurasi baik untuk 27 klas maupun 34 klas dengan akurasi tertinggi 73,7037 % dan 0,7290 untuk 34 klas, dan 76,8519% untuk 27 klas.

This thesis concerns study on the ability of artificial neural network (ANN) for land cover classification using 9 band Aster images, the data of elevation slope as supporting data . This research encompasses the area of greater Salatiga City. The objectives of this research are to identify the ability of ANN in classifying land cover, to compare the result of classification using ANN with several parameter simulations and combination of spectral and non spectral data (elevation and slope data), and to identify classification result using ANN compared with classification result using method of Maximum Likelihood. This research consists of several steps, namely preparation, data collection, geometric correction, determination of classification scheme, field orientation, definition of training area, separability index calculation, execution of Maximum Likelihood method and parameter simulation for ANN, and sample definition for accuracy test. The collection of sample in this research used stratified random sampling method. The next steps are testing accuracy and analyzing classification result followed by regional analysis for research area. Land cover map produced in this research shows that classification using the method of Maximum Likelihood remains the best in terms of overall accuracy and Kappa index compared to the use of ANN. Classification using Maximum Likelihood method has overall accuracy of 95.8642 % and Kappa index of 0.9568. Meanwhile classification using ANN, at their best, provides overall accuracy and Kappa index of 73.7037 % and 0.7290 respectively for 34 classes, and 78.3951 % and 0.7738 respectively for 27 classes. The additional data in classification process can enhanch the accuracy in both 27 classes and 34 classes with the best accuracy 73,7037 % and 0,7290 respectively for 34 classes, and 76,8519% respectively for 27 classes.

Kata Kunci : Jaringan Syaraf Tiruan, Penutup Lahan, Citra Aster, Artificial Neural Network, land cover, Aster images.