KAJIAN KEMAMPUAN JARINGAN SYARAF TIRUAN BERBASIS CITRA ALOS DALAM IDENTIFIKASI LAHAN KRITIS (Studi Kasus : Kecamatan Dlingo dan Sekitarnya)

NURSIDA ARIF, Drs. Projo Danoedoro, M.Sc.,PhD.

2012 | Tesis | S2 Penginderaan Jauh

Identifikasi lahan kritis pada umumnya dilakukan melalui metode scoring dalam overlay peta-peta penentu kekritisan suatu lahan. Metode non scoring seperti metode Jaringan Syaraf Tiruan jarang dilakukan. Penelitian ini diharapkan dapat menjadi alternatif rujukan metode dalam penentuan lahan kritis yang kerapkali menggunakan data spasial. Metode analisis Jaringan Syaraf Tiruan memiliki kelebihan dalam menggabungkan data spektral dan non spektral serta kemampuannya dalam menyelesaikan persoalan data yang rumit atau sulit diselesaikan dengan menggunakan logika secara komputasional. Tujuan penelitian ini adalah mengetahui akurasi hasil identifikasi lahan kritis menggunakan Jaringan Syaraf Tiruan dengan membandingkan hasil klasifikasi menggunakan data spektral dan data non spektral dalam identifikasi lahan kritis, dan mengetahui pengaruh perubahan parameter Jaringan Syaraf Tiruan terhadap akurasi hasil identifikasi lahan kritis (iterasi, hidden layer, momentum, learning rate dan RMS error). Metode penelitian terdiri dari beberapa tahapan yaitu pengumpulan data, koreksi citra radiometri dan geometri,orientasi lapangan, pembuatan training area,eksekusi hasil klasfikasi menggunakan metode jaringan syaraf tiruan, serta penentuan sampel uji akurasi. Parameter lahan kritis yang digunakan adalah tutupan vegetasi, kemiringan lereng, kedalaman solum dan tekstur tanah. Pengambilan sampel yang digunakan dalam penelitian ini adalah metode stratified random sampling. Hasil penelitian berupa peta lahan kritis hasil klasifikasi jaringan syaraf tiruan. Akurasi tertinggi diperoleh pada simulasi menggunakan 7 saluran dengan menggabungkan data spektral dan non spektral yaitu 83,33%, terjadi pada parameter dengan 1 (satu) hidden layer; momentum 0,04; learning rate 0,01; RMS 0.001; iterasi 19000. Pada 4 (empat) saluran dan 5 (lima) saluran yang menggunakan data spektral masing-masing memiliki akurasi 54,17% dan 62,50%.

Identification of critical land is generally done using the scoring method by overlaying maps of determinants (variables) of critical land. Non-scoring methods such as Artificial Neural Networks is rarely used. This research is expected to be an alternative reference method in the determination of critical land that often uses spatial data. The purpose of this study was to determine the accuracy of the identification of critical land using Artificial Neural Networks by comparing the results of classification using spectral data and non-spectral data in the identification of critical land, and determine the effect of changing parameters of Artificial Neural Networks on the accuracy of the identification of critical land (iteration, the hidden layer, momentum, learning rate and RMS error). The research methodology consists of several stages of data collection, correction of image radiometry and geometry, field orientation, selection of the training areas, execution of the classification results using artificial neural network methods, as well as determining the accuracy of the test samples. The critical land parameters used are vegetation cover, slope, and depth of solume and soil texture. The sampling method used in this study was stratified random sampling method. The results of the research are in the form of critical lands map derived using neural network classification. The highest accuracy is obtained in a simulation using 7 channels by combining spectral and non spectral data that is 83.33%, occurred in the parameter with 1 (one) hidden layer; momentum 0.04; learning rate is 0.01, RMS 0001; iteration 19,000. On 4 (four) channels and 5 (five) channels using spectral data each having an accuracy 54.17% and 62.50%.

Kata Kunci : Jaringan Syaraf Tiruan, Lahan Kritis, hidden layer, citra ALOS