KLASIFIKASI TUTUPAN LAHAN MENGGUNAKAN METODE SEGMENTASI BERBASIS ALGORITMA MULTIRESOLUSI (Studi Kasus Kabupaten Purwakarta, Jawa Barat)

Abstract

ABSTRAK

Saat ini informasi ketersediaan sumber daya lahan dapat diperoleh dari data citra penginderaan jauh. Perkembangan dari metode identifikasi objek mengarah pada metode klasifikasi berbasis objek, salah satunya adalah metode segmentasi.

Metode ini berfungsi untuk membentuk segmen objek dan mengetahui efektifitas dan ketelitian klasifikasi tutupan lahan secara otomatis di wilayah Kabupaten Purwakarta, Jawa Barat. Penelitian ini menggunakan data citra satelit ALOS AVNIR-2 tanggal akuisisi 27 September 2008 menggunakan algoritma Multiresolution Segmentation dengan parameter skala 50, bentuk 0,3 dan kekompakan 0,5. Pengolahan data citra diawali dengan penggabungan layer, koreksi geometrik, dan pemotongan citra. Proses berikutnya adalah segmentasi citra, penentuan populasi objek, dan klasifikasi NearestNeighbor menggunakan perangkat lunak eCognition Developer 8.9. Hasil klasifikasi diuji dengan penilaian akurasi (accuracyassessment) dan validasi objek menggunakan aplikasi GoogleEarth.

Metode segmentasi ini menghasilkan 5.350 segmen yang diklasifikasikan ke dalam lima kelas, yaitu badan air sebanyak 372 segmen, lahan terbangun sebanyak 2.051 segmen, lahan terbuka sebanyak 1.013 segmen, vegetasi sebanyak 812 segmen, dan objek yang tertutup oleh awan dan bayangan sebanyak 1.102 segmen. Luas masing-masing objek adalah badan air seluas 7.680,109 hektar, lahan terbangun seluas 41.261,562 hektar, lahan terbuka seluas 18.334,655 hektar, vegetasi seluas 18.916,952 hektar, dan luas objek yang tertutup awan dan bayangan adalah 8.647,324 hektar. Hasil penilaian akurasi menghasilkan nilai akurasi keseluruhan 99,962% dan nilai akurasi Kappa 99,948%.

Sebagai kesimpulan metode segmentasi ini menghasilkan tingkat efektifitas dan akurasi yang tinggi didukung oleh resolusi spasial citra yang baik.

Kata kunci: algoritma multiresolusi, ALOS AVNIR-2, eCognition, segmentasi, tutupan lahan.

ABSTRACK

Nowadays the information about land resources should be extracted by remote sensing image data. Object identification method development has tendency to classification method based on object, one of the methods is segmentation.

This method has a function to make a segment of object and determine effective and accuracy through landcover classification in Purwakarta Regency, West Java. This research uses satellite image data of ALOS AVNIR-2 which is acquired in September 27, 2008, using Multiresolution Segmentation algorithm with scale parameter 50, shape 0,3, and compactness 0,5. The process of image data begins with layer stacking, geometric correction, and image cropping. The next process are running image segmentation, population deciding, and Nearest Neighbor classification using eCognition Developer 8.9. The result of classification has been tested by accuracy assessment and object validation using Google Earth.

            This method produces 5.350 segments classified into five classes, those are 372 segments of water body, 2.051 segments of manmade object, 1.013 segments of open field, 812 segments of vegetation, and 1.102 segments of object that covered with cloud and shadow. The width of each object is 7.680,109 hectares of water body, 41.261,562 hectares of manmade object, 18.334,655 hectares of open field, and 8.647,324 hectares of object that covered by cloud and shadow. The result of accuracy assessment has produces a value 99,962% of overall accuracy and 99,948% of Kappa accuracy.

 As a conclusion, this segmentation method has a good effective and accuracy supported by good image spatial resolution.

Keywords: ALOS AVNIR-2, eCognition, landcover, multiresolution algorithm, segmentation.