KAJIAN KLASIFIKASI BERBASIS OBJEK UNTUK PEMETAAN BANGUNAN YANG BERISIKO GEMPABUMI DI BANTUL, DAERAH ISTIMEWA YOGYAKARTA

LEWI RISTIYONO, Drs. Projo Danoedoro, M.Sc., Ph.D; Prof. Dr. Muh. Aris Marfai, M.Sc

2015 | Tesis | S2 Penginderaan Jauh

Bencana gempabumi mengakibatkan kerusakan bangunan dan infrastruktur. Oleh karena itu perlu adanya pemetaan bangunan dan infrastruktur yang menjadi elemen berisiko gempabumi. Dikarenakan daerah yang terdampak gempabumi di indonesia sangatlah luas maka pemetaan bangunan dan infrastruktur memerlukan teknologi penginderaan jauh. Teknologi penginderaan jauh dengan klasifikasi penggunaan lahan mampu memetakan bangunan dan infrastruktur lebih efisien. Klasifikasi penggunaan lahan dengan pendekatan berbasis piksel memiliki kelemahan yaitu mengabaikan aspek spasial, munculnya “salt and papper” dan kurang menunjukan otomatis ketika diintegrasikan dengan SIG. Kelemahan klasifikasi berbasis piksel tersebut dilengkapi pada klasifikasi berbasis objek. Penelitian ini bertujuan Penelitian ini bertujuan mengkaji kemampuan klasifikasi berbasis objek dengan menggunakan citra ALOS pansharpening dalam memetakan bangunan dan infrastruktur yang berisiko gempabumi. Metode yang digunakan dalam klasifikasi berbasis objek dengan klasifikasi hierarkis rule-based dengan segmentasi multiresolusi. Metode ini memanfaatkan algoritma hierarchical classification dan logika fuzzy yang disusun dalam rule-set ditiap kelas penggunaan lahan. Logika fuzzy digunakan untuk menentukan nilai keanggotaan fitur-fitur objek yang digunakan dalam identifikasi objek dalam citra. Fitur-fitur objek yang digunakan adalah gabungan dari aspek spektral dan tekstur atau GLCM. Nilai fitur-fitur objek diekstrak dari sempel area berdasarkan segmentasi multiresolusi dengan citra multispektral AVNIR-2 pansharpening. Selanjutnya hasil klasifikasi penggunaan lahan diseleksi subkelas area terbangunan dimanfaatkan untuk mengetahui distribusi spasial bangunan yang berisiko gempabumi. Hasil dari klasifikasi menunjukan tingkat akurasi yang rendah dimana akurasi keseluruhan yang dihasilkan adalah 65.4% dan akurasi klasifikasi untuk subkelas area terbangun juga rendah. Hal ini disebabkan oleh kurang efektiknya klasifikasi hierarkis pada daerah penggunaan lahan dengan heterogenitas yang tinggi, distorsi citra AVNIR-2 pansharpening sebagai sumber data. Dan penggunaan 1 skala segmentasi untuk semua kelas di level 4 klasifikasi mempengaruhi rendahnya akurasi klasifikasi berbasis objek.

Earthquake disaster resulting in damage to buildings and infrastructure. Therefore, it is necessary to buildings and infrastructure mapping the earthquake risk element. Due to the earthquake affected areas in Indonesia is very broad, the mapping of buildings and infrastructure require remote sensing technology. Remote sensing technology with land use classification capable of more efficient to mapping buildings and infrastructure. Land use classification with pixel-based approach has the disadvantage of ignoring the spatial aspect, the emergence of "salt and papper" and less to show automatically when integrated with GIS. The pixel-based classification weakness comes on object-based classification. The aim of this study aims to assess the ability of this research-based classification of objects by using ALOS pansharpening in mapping of buildings and infrastructure at risk of earthquakes. The method used in object based classification with hierarchical classification rule-based with multiresolution segmentation. This method utilizes a hierarchical classification algorithms and fuzzy logic are compiled in rule-sets in each class of land use. Fuzzy logic is used to determine the value of the membership features of objects used in the identification of image objects. Features of the object used is a combination of spectral aspects and texture or GLCM. The value of feature the object is extracted features of a sample area based on segmentation multiresolution with multispectral image AVNIR-2 pansharpening. Furthermore, the results of the land use classification selected subclass buildings area used to determine the spatial distribution of earthquake-risk buildings. Results from the classification indicates a low degree of accuracy where the resulting overall accuracy was 65.4% and the accuracy of the classification to subclass the area woke up too low. It is caused by a lack of hierarchical classification efektiknya on the area of land use with high heterogeneity, image distortion AVNIR-2 pansharpening as a data source. And use 1 scale segmentation for all classes at level 4 classification affect the low accuracy of object-based classification.

Kata Kunci : bangunan, gempabumi, klasifikasi berbasis objek, klasifikasi hierarksi, ALOS pansharpening, Building, Earthquake, Object based classification, hierarchical classification, ALOS pansharpening