APLIKASI KLASIFIKASI DIGITAL METODE DECISION TREE PADA FOTO UDARA MULTISPEKTRAL UNTUK PEMBUATAN PETA TUTUPAN LAHAN (DAERAH KAJIAN BAYAH, BANTEN)

ARUM WAHYU HASTUTI, Abdul Basith, S.T.,M.Si.,Ph.D

2014 | Skripsi | TEKNIK GEODESI

Dalam dunia penginderaan jauh dikenal beberapa metode klasifikasi digital seperti klasifikasi Maximum Likelihood, Nearest Neighbour, Minimum Distance, dan Parallepiped. Masih terdapat salah satu metode klasifikasi digital yang relatif jarang digunakan yaitu klasifikasi Decision Tree. Klasifikasi Decision Tree merupakan klasifikasi berdasarkan rentang nilai piksel citra, yang digunakan untuk membedakan objek satu dengan yang lainnya. Decision Tree terdiri dari akar (root) dan daun (leaf) yang memiliki node berisi perintah (command). Semakin berkembangnya teknologi, foto udara saat ini tidak lagi hanya menghasilkan foto pankromatik tetapi juga foto udara multispektral. Foto udara multispektral direkam menggunakan pesawat udara dengan sensor yang memiliki 4 buah band, yaitu red, green, blue dan near-infrared menyebabkan hasil foto udara multispektral dapat diperlakukan seperti citra satelit dalam hal komposit band. Kegiatan aplikatif ini dilakukan untuk mengetahui kemampuan Decision Tree dalam melakukan klasifikasi obyek. Data masukan pada kegiatan aplikatif ini berupa komposit band foto udara multispektral. Komposit band yang berhasil disusun adalah komposit band 123, 142, 413 dan 234. Tiap – tiap komposit band diklasifikasikan menggunakan Decision Tree dengan acuan SNI Tutupan Lahan. Berdasarkan SNI Tutupan Lahan, obyek dikelompokkan menjadi 5 kelompok yaitu vegetasi, sungai, sawah, pemukiman dan bayangan. Hasil klasifikasi kemudian diuji ketelitiannya menggunakan matriks kesalahan. Hasil dari kegiatan aplikatif ini menunjukkan bahwa komposit band 413 merupakan komposit yang memiliki ketelitian klasifikasi paling tinggi yaitu 73,82 % dan yang memiliki ketelitian paling rendah yaitu komposit band 123 yaitu 38,74 %. Obyek yang sulit diklasifikasikan adalah obyek pemukiman karena posisi matahari yang menyebabkan adanya bayangan dan kesamaan warna atap dengan beberapa sawah. Disisi lain, vegetasi merupakan obyek yang mudah untuk diklasifikasikan. Secara umum komposit band yang dapat diklasifikasikan dengan mudah dan memiliki ketelitian tinggi adalah komposit band yang mengandung band near-infared.

In remote sensing there are several classification methods such as Maximum Likelihood, Nearest Neighbour, Minimum Distance, and Parallepiped. There is one digital classification method that is relatively rarely used called Decision Tree classification. Decision Tree Classification is a classification based on image pixel value range, which is used to distinguish objects from one another. Decision Tree consists of a root and leaf which has a node contains commands. In accordance with the development, aerial photography no longer just produces panchromatic images but also multispectral aerial images. Multispectral aerial images are recorded using aircraft equipped with sensors that have 4 bands, namely red, green, blue and near-infrared causing multispectral aerial images can be treated same as satellite images in terms of making composite images. This work is intended to evaluate the ability of Decision Tree in performing object classification. The input data were used composite multispectral aerial images. The composite images consist of band combination namely 123, 142, 413 and 234. Each composite bands were classified using Decision Tree based on SNI land cover mapping standart. Based on SNI, objects were grouped into 5 groups: vegetation, rivers, fields, settlements and shadow. The results of the classification accuracy is then tested using the confusion matrix. The results of this research indicate that the composite band 413 was the highest classification accuracy which is 73.82% and the lowest accuracy was achieve by composite band 123 which is 38.74%. The most difficult object to be classified was the residence because the sun position led to presence shadows and color similarity between roof and rice field on the other hand, vegetation is an easy object to be classified. Generally, the composite band that contains near-infared band can be classified easily and has high accuracy.

Kata Kunci : foto udara multispektral, Decision Tree, tutupan lahan