Linear spectral mixture analysis untuk kajian perubahan tutupan lahan di daerah perkotaan menggunakan data satelit Landsat multitemporal :: Studi kasus Kota Banjarbaru dan sekitarnya

NURLINA, Drs. Projo Danoedoro, M.Sc., Ph.D

2008 | Tesis | S2 Geografi

Ditinjau dari perspektif penginderaan jauh, daerah perkotaan merupakan daerah yang sangat heterogen, yang memberikan pantulan dari beberapa tipe tutupan lahan dan material yang berbeda. Keterbatasan resolusi spasial dari sensor resolusi menengah seperti Landsat membutuhkan analisis pada tingkat subpiksel. Piksel campuran dalam data penginderaan jauh merupakan salah satu sumber kesalahan dalam penilaian akurasi hasil klasifikasi dengan menggunakan metode klasifikasi konvensional. Penelitian ini mencoba menggunakan metode Linear Spectral Mixture Analysis (LSMA) untuk mendeteksi perubahan tutupan lahan (vegetasi, permukaan kedap air, tanah terbuka dan air) pada level subpiksel di Kota Banjarbaru dan sekitarnya berdasarkan data Landsat Multitemporal. Metode LSMA merupakan pendekatan dengan analisis sub-piksel yang dapat memberikan informasi fraksi yang ada dalam satu piksel, sehingga merupakan solusi yang potensial untuk mengkelaskan satu piksel. Metode klasifikasi Maximum Likelihood digunakan sebagai pembanding dari metode LSMA. Uji akurasi dari metode ini menggunakan citra satelit resolusi spasial yang lebih tinggi yaitu citra IKONOS. Beberapa tahap pemrosesan juga diterapkan dalam penelitian ini untuk meningkatkan hasil akurasi, yaitu Koreksi Atmosferik, Minimum Noise Fraction (MNF) dan Pixel Purity Index (PPI). Deteksi perubahan dilakukan dengan metode image differencing. Persentase setiap komponen tutupan lahan pada setiap piksel ditunjukkan oleh citra fraksi yg dihasilkan dari metode LSMA dengan RMS Error rata-rata sebesar 0,017 untuk tahun 1992, sedangkan untuk tahun 2003 sebesar 0,016 menunjukkan bahwa setiap komponen tutupan lahan telah terpisahkan secara baik dengan standar deviasi kesalahan yang kecil. Hasil uji akurasi persentase setiap endmember tutupan lahan dengan citra IKONOS diperoleh akurasi ratarata sebesar 95% menunjukkan bahwa metode LSMA mempunyai akurasi yang tinggi dalam mendeteksi setiap endmember tutupan lahan pada tingkat sub piksel. Hasil deteksi perubahan menunjukkan tutupan lahan vegetasi bertambah sebesar 2,84% dari luas keseluruhan, tutupan lahan tanah terbuka bertambah sebesar 30,42% dan tutupan lahan air bertambah sebesar 2.02%, sedangkan tutupan lahan permukaan kedap air berkurang sebesar 35.31%. Deteksi perubahan melalui metode LSMA mampu menunjukkan perubahan yang terjadi pada setiap piksel atau pada setiap luasan (30 x 30) m yaitu dalam konteks penambahan dan penurunan fraksi, sedangkan metode Maximum Likelihood hanya kategorial.

Evaluated from remote sensing perspective, urban region is a real district heterogeneous, what gives reflectance from different some land cover type and material. The limitation of the spatial resolution from middle resolution sensor such as Landsat requires analysis at level sub-pixel. Mixture pixel in remote sensing data is one of the source of error in accuracy assessment result in conventional classification. This research tries to apply Linear Spectral Mixture Analysis (LSMA) method to detect land cover change (vegetation, impervious surface, bare soil and water) at level sub-pixel in Banjarbaru City based on Landsat temporal data. LSMA is approach with analysis sub-pixel which can give information of the fraction in each pixel, so that is a potential solution to classify one pixel. Maximum Likelihood Classifier applied as comparable from LSMA. Accuracy assessment to this method use a higher spatial resolution IKONOS image. Some processing phases applied in this research to increase the accuration, are Atmospheric Correction, Minimum Noise Fraction (MNF) and Pixel Purity Index (PPI). Change Detection is done with temporal image differencing method. The percentage of each land cover component in each pixel shown by fraction image from method LSMA with RMS Error average is 0,017 for 1992, while in 2003 is 0,016 indicated that each endmember land cover has been dissociated well with small deviation standard. The accuration test result of abundance for each endmember using IKONOS image equal to 95%, indicates that LSMA have a high accuration to detect the endmember land cover at level sub-pixel. Change detection result shows the vegetation land cover increase 2,84% from entirety wide, bare soil land cover increased 30,42%,and water land cover increases to 20,2%, while impervious surface decreases to 35,31%. Change detection result found that LSMA can showed the change in each pixel or in each area (30x30) m as increased and decreased of endmember fraction, while maximum Likelihood just in categorical.

Kata Kunci : MNF,PPI,Endmember,Linear spectral mixture analysis,Maximum likehood,Deteksi perubahan,Change Detection