Aplikasi Citra Sentinel-2A untuk Pemetaan Tutupan Lahan di Kabupaten Jember
Pada umumnya peta tutupan lahan digunakan untuk memberikan informasi mengenai kondisi fisik pada suatu wilayah. Informasi tersebut dapat diperoleh dengan menggunakan data penginderaan jauh (misalnya citra Sentinel dan Landsat). Tujuan dalam penelitian ini yakni: (1)membuat peta tematik tutupan lahan...
Saved in:
| Main Author: | |
|---|---|
| Format: | Academic Paper |
| Published: |
Fakultas Teknologi Pertanian,
2022-05-10T01:27:19Z.
|
| Subjects: | |
| Online Access: | Get Fulltext |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | Pada umumnya peta tutupan lahan digunakan untuk memberikan informasi mengenai kondisi fisik pada suatu wilayah. Informasi tersebut dapat diperoleh dengan menggunakan data penginderaan jauh (misalnya citra Sentinel dan Landsat). Tujuan dalam penelitian ini yakni: (1)membuat peta tematik tutupan lahan menggunakan metode kelasifikasi terbimbing (supervised), (2) membandingkan hasil dua algoritma klasifikasi yaitu, maximum likelihood (MLC) dan Extraction and Classification Of Homogenous Object (ECHO). Tahapan penelitian ini adalah (1) inventarisasi data citra Sentinel-2A perekaman tahun 2019 dan survei lapang dengan didapatkan sebanyak 464 titik Ground Control Point (GCP) yang digunakan sebagai training area, (2) pra pengolahan data yang meliputi (koreksi atmosferik, komposit, mosaik, dan kliping) menggunakan perangkat lunak Quantum GIS, (3) pengolahan data (pembuatan training area, klasifikasi MLC dan ECHO) menggunakan aplikasi Multispec, (4) Uji akurasi menggunakan matriks kesalahan dengan nilai akurasi Kappa dan Overall, (5)perbandingan hasil klasifikasi untuk mengetahui algoritma yang lebih akurat. Terdapat enam kelas tutupan lahan untuk klasifikasi yaitu, (1) hutan/kebun, (2) badan air, (3) pemukiman, (4) tegalan/sawah tadah hujan, (5) lahan kering/lahan kosong, (6) sawah irigasi dan ditambah tutupan awan sebagai kelas tidak terklasifikasi. Pada perbandingan hasil klasifikasi menunjukan algoritma ECHO lebih akurat dibandingkan MLC. Berdasarkan pada hasil matriks kesalahan terdapat banyak kesalahan klasifikasi pada kedua algoritma yang digunakan yakni pada kelas sawah dengan hutan dan kelas tegalan dengan pemukiman. Nilai akurasi algoritma ECHO untuk Kappa 93,66% dan Overall 96,14% sedangkan untuk MLC Kappa 90,55% dan Overall 94,27%. Prof. Dr. Indarto, S.TP., D.E.A |
|---|---|
| Item Description: | http://repository.unej.ac.id/xmlui/handle/123456789/106688 |