Perbandingan Quadratic Discriminant Analysis dan Support Vector Machine untuk Klasifikasi Tutupan Lahan di DKI Jakarta
View/ Open
Date
2019Author
Dimas, Kamaluddin Junianto
Anisa, Rahma
Sulvianti, Itasia Dina
Metadata
Show full item recordAbstract
DKI Jakarta merupakan pusat pemerintahan serta pusat ekonomi dan bisnis
di Indonesia sehingga kegiatan pembangunan di Jakarta terus berlanjut setiap tahun.
Oleh karenanya, pengawasan terhadap penggunaan lahan wajib ditingkatkan agar
sesuai dengan Rencana Tata Ruang DKI Jakarta. Usaha tersebut perlu ditunjang
dengan tersedianya data yang kontinu mengenai kondisi tutupan lahan di Jakarta.
Proses pengumpulan data tersebut menjadi lebih mudah berkat perkembangan
teknologi pengindraan jauh. Teknologi pengindraan jauh dapat dimanfaatkan untuk
menganalisis luas penggunaan lahan dengan menggunakan analisis klasifikasi.
Penelitian sebelumnya menunjukkan bahwa jenis metode klasifikasi dan banyaknya
data training akan berpengaruh terhadap tingkat akurasi. Penelitian ini bertujuan
untuk mengkaji tingkat akurasi dari metode Quadratic Discriminant Analysis
(QDA) dan Support Vector Machine (SVM). Selain itu, penelitian ini juga mengkaji
banyaknya data training yang digunakan dalam klasifikasi tutupan lahan di DKI
Jakarta tahun 2017. Hasil penelitian menunjukkan bahwa pada kedua metode,
tingkat keragaman dari overall accuracy, sensitivity, dan specificity semakin kecil
seiring dengan semakin banyak data training yang digunakan. Berdasarkan nilai
overall accuracy dan specificity, metode QDA dan SVM memiliki kinerja yang
relatif sama. Namun, metode SVM lebih baik daripada QDA berdasarkan nilai
sensitivity-nya.