Perbandingan Quadratic Discriminant Analysis dan Support Vector Machine untuk Klasifikasi Tutupan Lahan di DKI Jakarta

Abstract

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.