KAJIAN METODE DEFUZZIFIKASI MAXIMUM LIKELIHOODDAN ARTIFICIAL NEURAL NETWORKUNTUK KLASIFIKASI PENGGUNAAN LAHAN BERBASISCITRA ALOS AVNIR-2 (Kasus : Disebagian Wilayah Daerah Istimewa Yogyakarta dan Kabupaten Klaten)

HARVINI WULANSARI, Drs. Projo Danoedoro, M.Sc. Ph.D

2014 | Tesis | S2 Penginderaan Jauh

Untuk perencanaan maupun pengawasan perkembangan suatu wilayah, informasi data penggunaan lahan sangat berperan penting sehingga penggunaan lahannya dapat dimanfaatkan secara optimal, serta meminimalkan terjadinya konflik terhadap lahan. Teknologi penginderaan jauh merupakan salah satu cara yang dapat dimanfaatkan untuk menurunkan data penutup lahan sebelum akhirnya diterjemahkan menjadi informasi penggunaan lahan. Tujuan dari penelitian ini yaitu untuk 1) mengkaji metode pendekatan berbasis logika samar (fuzzy logic) dengan defuzzifikasi menggunakan algoritma maximum likelihood dan menggunakan algoritma artificial neural network serta peta hasil klasifikasi penggunaan lahannya, 2) mengkaji tingkat akurasi dan seberapa efisien metode pendekatan berbasis logika samar (fuzzy logic) dengan defuzzifikasi menggunakan algoritma maximum likelihood dan menggunakan algoritma artificial neural network yang melibatkan input data spektral ALOS AVNIR-2 dan data non spektral.. Metode yang digunakan dalam penelitian ini yaitu metode pendekatan berbasis logika samar (fuzzy logic) dengan defuzzifikasi menggunakan algoritma maximum likelihood dan menggunakan algoritma artificial neural network yang melibatkan data spektral dan non spektral seperti kemiringan lereng, solum tanah dan tekstur citra. Penentuan sampel untuk training area dan uji akurasi menggunakan metode plot area sedangkan pengambilan sampel menggunakan metode stratified random sampling. Secara keseluruhan proses penelitian berhasil dengan baik, walaupun dari sudut pandang ketelitian menghasilkan overall accuracy dan indeks kappa yang kurang baik atau kurang layak, namun demikian hasilnya masih dapat diterima.Untuk 14 kelas penggunaan lahan (overall accuracy 57%, nilai indeks kappa 0,53) dan 8 kelas penggunaan lahan (gabung kelas) dengan overall accuracy 71,53% serta nilai indeks kappa 0,65 , proses defuzzifikasi menggunakan algoritma maximum likelihood memiliki nilai akurasi yang lebih baik apabila dibandingkan dengan proses defuzzifikasi menggunakan artificial neural network baik yang hanya menggunakan input spektral saja maupun ditambahkan data non spektral. Untuk 8 kelas penggunaan lahan (gabung sampel) dengan overall accuracy 74.11% serta nilai indeks kappa 0,68 , proses defuzzifikasi menggunakan artificial neural network dengan input 4 band ALOS AVNIR-2 dan data non spektral (diinterpolasi di Idrisi Selva), menghasilkan akurasi yang lebih baik apabila dibandingkan dengan proses defuzzifikasi menggunakan algoritma maximum likelihood. Dalam segi waktu eksekusi proses defuzzifikasi menggunakan algoritma maximum likelihood lebih cepat 50 kali proses klasifikasinya.

Information of landuse plays an important role in spatial planning and monitoring development in order to optimize the landuse data and to minimize land conflict. Remote sensing technology can be used to derive landcover information for landuse. The objectives of this study were: 1) to study fuzzy logic with defuzzification method using maximum likelihood and artificial neural network, and its landuse map from classification result; 2) to study the accuracy level and how efficient the fuzzy logic is, in comparison with maximum likelihood defuzzification and artificial neural network using spectral and nonspectral data from ALOS AVNIR-2. The method used in this research was fuzzy logic approach with defuzzification method using maximum likelihood and artificial neural network, involving spectral and non-spectral data such as slope, soil solum and image texture. Sample plots in area were used for modelling and accuracy assessment using stratified random sampling method. In overall, the research process worked well, although from the standpoint of accuracy and thoroughness resulted in overall kappa index was less good or less feasible, however, the results were still acceptable. The 14 landuse classes (57% overall accuracy and kappa index was 0,53) and 8 landuse classes (joined classes) produced 71,53% in overall accuracy while kappa index was 0,65. The defuzzification using maximum likelihood showed higher accuracy compared to defuzzification using artificial neural network. This Artificial Neural Network used the spectral and non-spectral data as its inputs. As for the 8 landuse classes (joined samples) had overall accuracy of 74,11% and kappa index of 0,68 , defuzzification using artificial neural network with 4 bands of ALOS AVNIR-2 and non-spectral data (interpolated at Idrisi Selva software) resulted a better accuracy compared to defuzzification using maximum likelihood. In terms of execution time, defuzzification using maximum likelihood performed 50 times faster.

Kata Kunci : klasifikasi penggunaan lahan, Citra ALOS AVNIR-2, logika samar, maximum likelihood, artificial neural network