Klasifikasi Berorientasi Obyek Untuk Pemetaan Penutup Lahan Pada Citra Quickbird

NOFID YULIANTO, Nur Mohammad Farda S.Si., M.Cs.

2014 | Tugas Akhir | D3 PENGINDERAAN JAUH DAN SIG

Data penginderaan jauh kini semakin berkembang seiring dengan penggunaannya untuk inventarisasi dan perencanaan wilayah. Begitu pula dengan proses ekstraksi dari citra menjadi data yang siap digunakan yaitu klasifikasi. Ada beberapa macam klasifikasi dengan keunggulannya masing-masing salah satunya adalah klasifikasi berorientasi obyek. Pada penelitian ini peneliti mencoba untuk menggunakan metode klasifikasi berorientasi obyek pada citra Quickbird untuk proses ekstraksi penutup lahan di sebagian kota Yogyakarta pada tahun 2012. Perangkat lunak yang digunakan berupa SPRING 5.2.4. Klasifikasi berorientasi obyek di dahului dengan proses segmentasi. Algoritma yang digunakan berupa algotirma region growing. Parameter penentu segmentasi adalah similarity threshold dan area threshold. Sistem klasifikasi yang digunakan berdasarkan pada sistem klasifikasi multi dimensi spasial. Proses klasifikasi menggunakan algoritma bhattacharya. Hasil klasifikasi kemudian diuji akurasi dengan menghitung nilai overall accuracy dan koefisien Kappa. Hasil penelitian menunjukkan bahwa dengan menggunakan similarity threshold 20 dan area threshold 5 memperoleh nilai overall accuracy sebesar 72 % dengan koefisien Kappa sebesar 0,8484. Klasifikasi berorientasi obyek pada software spring dapat diaplikasikan untuk pemetaan penutup lahan pada citra resolusi spasial tinggi hanya saja hasilnya kurang maksimal bila dibandingkan dengan interpretasi langsung secara visual

Remote sensing data is now growing in line with its use for inventory and regional planning. Similarly, the extraction process of the image into data that is ready to use namely classification. There are several kind of classifications with the advantages of each. One of them is an object-oriented classification. In this study, researcher tried to use an object-oriented classification method on Quickbird imagery for land cover extraction process in most of the city of Yogyakarta in 2012. The software used in this research is SPRING 5.2.4. Object-oriented classification preceded by the segmentation process. The algorithm used in this research is region growing algorithm. Segmentation parameter determine by similarity threshold and area threshold. The classification system used is based on a spatial multi dimentional classification system. Classification process use bhattacharya algorithms. Then, the results of classification accuracy is tested by calculating the overall accuracy and Kappa coefficient. The results showed that by using a similarity threshold of 20 and area threshold of 5 obtain 72% overall accuracy with 0.8484 of Kappa coefficient. Object-oriented classification in SPRING software can be applied to land cover mapping at high spatial resolution imagery. However, the result showed less value then direct visual interpretation

Kata Kunci : citra Quickbird, penutup lahan, segmentasi, klasifikasi berorientasi obyek / Quickbird imagery, land cover, segmentation, object-oriented classification