STUDI KOMPARASI METODE FUZZY ARTMAP DAN MULTILAYER PERCEPTRON UNTUK KLASIFIKASI PENGGUNAAN LAHAN MENGGUNAKAN CITRA ALOS AVNIR-2 (Kasus : Sebagian Kabupaten Batang Jawa Tengah)

FITRA SALEH, Drs. Projo Danoedoro, M.Sc., Ph.D.

2014 | Tesis | S2 Penginderaan Jauh

Metode klasifikasi pada citra digital yang saat ini sedang populer dalam menurunkan informasi penutup dan penggunaan lahan adalah klasifikasi berbasis jaringan saraf tiruan yaitu Multilayer Perceptron (MLP) dan Fuzzy ARTMAP (FAM). Klasifikasi ini mampu menggabungkan data spektral dengan data nonspektral dan tidak mensyaratkan daerah contoh terdistribusi normal. Tujuan penelitian adalah: (1) mengetahui akurasi dan waktu eksekusi metode klasifikasi MLP dan FAM dengan beberapa simulasi parameter, jumlah kelas penggunaan lahan dan penggabungan data nonspektral, (2) mengkaji pengaruh faktor input parameter pada metode MLP dan FAM terhadap akurasi klasifikasi, dan (3) membandingkan kemampuan antara metode MLP dan FAM dalam menyajikan informasi penggunaan lahan pada skala 1:50.000 berdasarkan akurasi dan waktu eksekusi. Penelitian ini menggunakan data citra ALOS AVNIR-2 tahun 2009 dengan analisis digital dan kerja lapangan. Analisis digital mencakup interpretasi citra digital dengan metode MLP dan FAM menggunakan perangkat lunak IDRSI 17.0 serta uji akurasi klasifikasi dengan membuat matriks kesalahan. Acuan klasifikasi yang digunakan adalah skema klasifikasi berdasarkan SNI 7645:2010 kemudian dimodifikasi. Hasil penelitian setiap parameter pada metode MLP dan FAM memberikan pengaruh terhadap akurasi dan waktu eksekusi klasifikasi pengggunaan lahan. Nilai overall accuracy tertinggi diperoleh pada masing-masing metode adalah 84,71% dan 76,94% serta waktu eksekusi 4,01 dan 3,09 menit untuk 14 kelas penggunaan lahan, sedangkan untuk 9 kelas penggunaan lahan yaitu 82,82% dan 78,72% % serta waktu eksekusi 3,34 dan 2,40 menit, Penambahan data nonspektral mampu meningkatkan akurasi klasifikasi tetapi juga meningkatkan waktu pemprosesan data, dengan nilai overall accuracy 93,41% (MLP) dan 77,31% (FAM) untuk kelas penggunaan lahan yang detail sedangkan untuk kelas penggunaan lahan yang general 90,86% (MLP) dan 78,89% (FAM). Metode MLP memberikan kualitas akurasi yang lebih baik dengan waktu eksekusi klasifikasi yang lebih lama dibandingkan pada metode FAM pada masing-masing kelas penggunaan lahan, Kata kunci: multilayer perceptron, fuzzy ARTMAP, penggunaan lahan, overall accuracy, waktu eksekusi.

Classification methods of digital image, which is currently approachable in integrating the information of land cover and land use, is a classification based on artificial neural network, such as Multilayer Percepton (MLP) and Fuzzy ARTMAP (FAM). These classifications are able to combine spectral and non-spectral data and not require a gaussian training area. The objectives of this study were; (1) to determine the accuracy and execution time of classification methods of MLP and FAM (using some parameters simulation, group of land use class and non-spectral data coupling), (2) to observe the effect of input parameter in MLP and FAM on classification accuracy, and (3) to compare the ability of MLP and FAM in order to present the land use information based on accuracy classification and execution time, in scale of 1:50,000. In this research, image ALOS AVNIR-2 (2009) was used to provide the data and combined with digital analysis and field study. The analysis digital consisted by image digital interpretation in applying the MLP and FAM methods by using IDRSI 17.0 as software, and also classification accuracy test by producing the error matrix. Classification was done in reference to schema of classification based on SNI 7645:2010, then modified. The results showed that methods of MLP and FAM influence the accuracy and execution time of land use classification. The highest values of overall accuracy in each method were 84.71% and 76.94% with execution time 4.01 and 3.09 minutes for 14 classes of land use, whereas for 9 classes of land use, the accuracy were 82.82% and 78.72% with execution time 3.34 and 2.40 minutes, respectively. Interpolation of non-spectral data could improve the classification accuracy, but in other side also improve the time processing. The result showed 93.41% and 77.31% of overall accuracy in land use detail classes, respectively in MLP and FAM, whereas in land use general classes 90.86% (MLP) and 78.89% (FAM). In each land use class, method of MLP performed a better quality of classification accuracy with a longer time of execution than method of FAM. Keywords: multilayer perceptron, fuzzy ARTMAP, land use, overall accuracy, execution time.

Kata Kunci : multilayer perceptron, fuzzy ARTMAP, penggunaan lahan, overall accuracy, waktu eksekusi.