Reliabilitas Algoritma Segmentasi Mean-Shift dalam Klasifikasi Penutupan Tajuk Pohon Menggunakan Citra Geoeye dan Worldview

Abstract

Makalah ini membandingkan algoritma segmentasi Mean-shift untuk segmentasi penutupan tajuk pohon menggunakan citra yang berbeda. Citra yang diterapkan meliputi saluran tunggal asli, dan citra sintetis yang berasal dari GeoEye dan WorldView. Penelitian dilakukan di dua lokasi penelitian, yaitu lokasi A di Kabupaten Nunukan, Provinsi Kalimantan Utara dan lokasi B di Kabupaten Murung Raya, Provinsi Kalimantan Tengah. Tujuan utama penelitian ini adalah untuk menemukan nilai parameter yang paling akurat dalam segmentasi penutupan tajuk pohon (C%) untuk setiap citra di setiap lokasi. Tujuan tambahan adalah untuk membandingkan keunggulan algoritma segmentasi mean-shift dan interpretasi visual dalam menurunkan C% untuk estimasi sediaan tegakan. Penelitian ini menemukan bahwa kombinasi parameter terbaik untuk lokasi A adalah K-19 pada PCA-1 dengan nilai hs 11, hr 39, dan m 63, dengan OA 95,52% dan KA 87,16%. Untuk lokasi B, nilai parameter terbaik adalah hs 10, hr 18, dan m 35, dengan OA 92,45% dan KA 77,31%. Ditemukan juga bahwa citra terbaik untuk segmentasi adalah citra sintetis dari komponen utama pertama baik yang berasal dari GeoEye di lokasi A atau WorldView di lokasi B. Dari parameter segmentasi, parameter yang paling berpengaruh adalah ukuran wilayah minimum (m). Selanjutnya terlihat bahwa ada kemiripan nilai antara hasil validasi menggunakan nilai C% hasil interpretasi visual (Geoeye-visual) dan C% hasil segmentasi (GeoEye-PCA) pada lokasi 1. Catatan, pada segmentasi yang paling direkomendasikan pada penelitian ini adalah menggunakan citra sintetis GeoEye-PCA. Nilai SA, SR, RMSE dan e hasil visual dan hasil segmentasi sangat dekat. Pada GeoEye-vsual diperoleh SA, SR, RMSE dan e sebesar 8.04%, 26.46%, 27.69% dan 23.01%; sedangkan dengan Geoye-PCA diperoleh 11.83%, 26.95%, 26.12% & 21.55%. Jika dilihat dari rataan simpangannya, GeoEye-visual mendapatkan nilai 21.3% sedangkan GeoEye-PCA segmentasi mendapatkan 21.5%. Ada konsistensi hasil validasi yang baik antara pendugaan C dengan interpretasi visual dan C hasil segmentasi. Validasi untuk studi B juga menemukan hasil dengan pola yang sama, dimana ada kemiripan hasil validasi antara menggunakan nilai C% yang diturunkan dari WorldView-visual dan WorldView-PCA segmentasi. Validasi menggunakan Worldview-visual mendapatan nilai SA, SR, RMSE dan e sebesar 1.42%, 31.49%, 35.38% dan 28.89% yang mirip dengan nilai WorldView-PCA segmetasi dengan urutan nilai 1.13%, 27.61%, 34.5% dan 28.03%. Terlihat bahwa masing-masing nilai dari setiap ukuran validasi SA, SR, RMSE dan e saling berdekatan. Dari nilai rataan simpangannya juga diperoleh nilai yang relatif sama yaitu 24.3% pada WorldView-visual dan 22.8% pada WorldView-PCA. Pada lokasi 2 ini juga ditemukan adanya kosistensi antara hasil validasi pendugaan antara yang menggunakan C dengan hasil interpretasi visual dan C hasil segmentasi.

This paper compares the Mean-shift segmentation algorithm for segmenting tree crown closure using different images. The images applied include original single band, composite band, and synthetic images derived from GeoEye and WorldView. The study was performed in two study sites, namely Site A in Nunukan Regency, North Kalimantan Province and Site B in Murung Raya Regency, Central Kalimantan Province. This main study objective is to find the most accurate parameter values in segmenting tree crown closure (C%) for each image within each site. The additional objective was to compare the reliability of the mean-shift segmentation algorithm and visual interpretation in deriving C% for standing stock estimation. The study found that the best parameter combination for site A was K-19 on PCA-1 with hs values 11, hr 39, and m 63, with OA 95.52% and KA 87.16%. For site B, the best parameter values were hs 10, hr 18, and m 35, with OA 92.45% and KA 77.31%. It was also found that the best image for segmentation is the synthetic image of the first principal component either derived from GeoEye in site A or WorldView in Site B. Of the segmentation parameter, the most influential parameter is the minimum region size (m). Therefore, it is shown that there are similar values between the validation results using the C% value obtained from the visual interpretation (GeoEye-visual) and C% from the segmentation result (GeoEye-PCA) on site A. Note that the most recommended segmentation in this study is the use of synthetic GeoEye-PCA images. The values of SA, SR, RMSE, and e of the visual and segmentation results are very close. On GeoEye-visual obtained SA, SR, RMSE and e of 8.04%, 26.46%, 27.69% and 23.01%; while with Geoye-PCA obtained 11.83%, 26.95%, 26.12% & 21.55%. When viewed from the average deviation, GeoEye-visual got 21.3%, while GeoEye-PCA segmentation got 21.5%. There is a good consistency of validation results between the C estimation with visual interpretation and C segmentation results. Validation for study site B also found results with the same pattern, where there was a similarity in the validation results between using the C% value derived from WorldView-visual and WorldView-PCA segmentation (See Table 7). Validation using Worldview-visual got SA, SR, RMSE and e values of 1.42%, 31.49%, 35.38% and 28.89% which are similar to WorldView-PCA segmentation values with the order of values 1.13%, 27.61%, 34.5% and 28.03%. It can be seen that each value of each validation measure SA, SR, RMSE, and e is close to each other. The mean value of the deviation was also relatively the same, namely 24.3% on WorldView-visual and 22.8% % on WorldView-PCA. In site 2, it was also found that there was a consistency between the estimation results between those using C-visual interpretation and C-segmentation