Klasifikasi Habitat Bentik Menggunakan Pendekatan Citra Berbasis Objek.
View/ Open
Date
2017Author
Windari, Ela Hasri
Siregar, Vincentius Paulus
Prasetyo, Lilik Budi
Metadata
Show full item recordAbstract
Analisis citra berbasis objek menghasilkan akurasi yang lebih tinggi
dibanding metode berbasis pixel yang telah lazim digunakan. OBIA juga telah
diterapkan pada kajian daratan maupun di bidang kelautan. Kajian ini
menggunakan pendekatan OBIA untuk memetakan habitat bentik dengan
memanfaatkan citra SPOT-7 dan untuk mengetahui keragaman tipe habitat bentik
di wilayah penelitian. Selain itu, hasil klasifikasi yang diperoleh dari dua
algoritma OBIA, yaitu Bayes dan KNN juga dibandingkan dengan 2 kombinasi
komposisi keseragaman pada proses segmentasi (Combination 1 dan Combination
2). Analisis berbasis objek terdiri dari proses segmentasi yang menggunakan
algoritma multiresolution segmentation dan proses klasifikasi berbasis objek
menggunakan algoritma threshold-based and sample-based.
Koreksi atmosfer dan koreksi geometrik adalah langkah awal dan paling
penting dalam mengolah citra satelit. Citra yang telah dikoreksi dideliniasi
menjadi segmen-segmen pada proses segmentasi. Citra yang tersegmen tersebut
diklasifikasikan berdasarkan nilai spektral dan aspek spasial menghasilkan 3 level
segmentasi. Ketiga level segmentasi tersebut dimaksudkan untuk memperoleh
level klasifikasi yang diinginkan, yaitu level reef, level geomorfologi, dan level
habitat bentik. Segmentasi dan klasifikasi level 1 menghasilkan tiga kelas, yaitu
daratan, laut dalam, dan perairan dangkal. Segmentasi dan klasifikasi level 2
menghasilkan kelas geomorfologi, yaitu lagoon, reef flat, reef crest, dan reef
slope. Informasi keragaman habitat bentik diperoleh dari hasil segmentasi dan
klasifikasi level 3 dengan bantuan data lapangan. Penelitian ini tidak hanya
membandingkan hasil klasifikasi dari algoritma Bayes dan KNN tetapi juga
membandingkan hasil segmentasi dari 2 tipe komposisi kriteria keseragaman
untuk menghasilkan citra tersegmen.
Total data pengamatan yang diperoleh dari survey lapangan adalah 365 titik.
Sekitar ±70% dari total data pengamatan digunakan sebagai training data pada
klasifikasi level 3 (level habitat bentik), ±30% data digunakan sebagai testing data
untuk uji akurasi. Berdasarkan hasil yang diperoleh, citra SPOT-7 sangat baik
digunakan untuk memetakan keragaman habitat bentik. Hal ini didukung oleh
hasil akurasi yang didapatkan dari penghitungan confusion matrix dimana untuk
Bayes classifier (77.88 pada Komposisi 1 dan 81.42% pada Komposisi 2) dan
untuk KNN classifier (76.99% pada Komposisi 1 dan 80.53% pada Komposisi 2).
Baik Bayes classifier atau KNN classifier, keduanya menghasilkan tingkat akurasi
> 65% pada 11 kelas bentik habitat yang diperoleh.
Collections
- MT - Professional Master [880]