Perbandingan Teknik Resampling Pada Citra Hasil Pan-Sharpening Untuk Pemetaan Penutup Lahan Dengan Menggunakan Klasifikasi Terselia Maximum Likelihood

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

2014 | Skripsi | KARTOGRAFI DAN PENGINDRAAN JAUH

Penelitian ini bertujuan untuk mengetahui penggunaan metode pan-sharpend guna ekstraksi penutup/penggunaan lahan khususnya klasifikasi berbasis piksel menggunakan metode maximum likelihood. Hal ini didasari karena penggunaan metode pan-sharpend dalam ekstraksi penutup/penggunaan lahan umumnya sebatas interpertasi visual saja, sehingga tujuan penelitian ini untuk melihat seberapa baik akurasi dari berbagai metetode pan-sharpend untuk klasifikasi berbasis piksel. Metode pan-sharpend yang digunakan dalam penelitian ini yaitu Hue Saturation Value (HSV), Brovey, Gram-Schmidt dan Principal Component selain membandingkan metode pan-sharpend penelitian ini juga melihat pengaruh pemilihan metode interpolasi/resampling saat proses pan-sharpend. Metode resampling yang digunakan antara lain nearest neighbour, bilinear interpolation dan cubic convolution. Untuk data yang digunakan dalam penelitian ini yaitu citra ALOS AVNIR-2 dan ALOS PRISM yang direkam pada tanggal 20 Juni 2009. Hasil citra pan-sharpend dievaluasi seara kuantitatif menggunakan parameter bias of mean dan koefisien korelasi, hasil menunjukan bahwa metode Gram-Schmidt dan Principal Component memiliki kualitas citra yang baik. Kelas penutup/penggunaan lahan yang dihasilkan melalui citra ALOS AVNIR-2 sebanyak 11 kelas sedangkan pada citra hasil pan-sharpend dihasilkan 15 kelas penutup lahan. Dari uji akurasi interpretasi dihasilkan metode yang memiliki akurasi interpertasi paling tinggi yaitu metode Principal Component dengan teknik interpolasi resampling cubic convolution sebesar 81,697% sedangkan hasil uji akurasi interpretasi citra asli ALOS AVNIR-2 sebesar 82,23 %.

This research purpose to find out the use of pan-sharpend method for the extraction of landcover/landuse, especially the pixel-based classification by using maximum likelihood method. This research is conducted since the use of pan-sharpend method is limited only to visual interpretation, therefore the goal of this research is to see the accuracy of pan-sharpend method for pixel-based classification. The used pan-sharpend method in this research are Hue Saturation Value (HSV), Brovey, Gram-Schmidt and Principal Component. Aside from comparing the pan-sharpend method, this research is also seeing the impact of interpolation/resampling method in the pan-sharpend proccess. The used resampling method are nearest/ neighbour, bilinear interpolation and cubic convolution. As for the used data are the image of ALOS AVNIR-2 and ALOS PRISM recorded on 20 June 2009. The result of pan-sharpend image is evaluated quantitatively by using bias of mean parameter and correlation coefficiency. The result showed that Gram-Schmidt and Principal Component method provide better image quality. The ALOS AVNIR-2 provided image of 11 classes of terrain landcover/exertion while pan-sharpend method provided 15 classes. The accuracy test of interpretation resulted that the principal component method provided the highest accuracy of interpretation technique by using the interpolation of resampling cubic convolution by 81.697%. Meanwhile, the result of ALOS AVNIR-2 accuracy test of orginal image interpretation is 82.23%.

Kata Kunci : digital image proccessing, pan-shrapend, landcover/landuse, remote sensing