Please use this identifier to cite or link to this item:
http://repository.ipb.ac.id/handle/123456789/126533
Title: | Analisis Metode Klasifikasi Maximum Likelihood dan Support Vector Machine Pada Pemetaan Mangrove |
Other Titles: | Analysis of Maximum Likelihood and Support Vector Machine Classification Methods in Mangrove Mapping |
Authors: | Arhatin, Risti Endriani Gaol, Jonson Lumban Zabrina, Waode Syifa |
Issue Date: | 2023 |
Publisher: | IPB University |
Abstract: | Mangrove merupakan salah satu tumbuhan yang memiliki peranan penting seperti menjadi habitat bagi biota laut serta pelindung garis pantai. Penelitian ini bertujuan untuk mengetahui tingkat akurasi metode klasifikasi Maximum Likelihood (MLH) dengan Support Vector Machine (SVM) berbasis piksel dalam memetakan sebaran mangrove di Pulau Lancang menggunakan citra satelit Sentinel-2A. Algoritma MLH dan SVM digunakan untuk memetakan sebaran mangrove dan kerapatan mangrove dihitung menggunakan algoritma Normalized Difference Vegetation Index (NDVI). Hasil klasifikasi mangrove dengan algoritma MLH sebesar 15 hektar, sedangkan untuk algoritma SVM luasnya 24 hektar. Akurasi yang dihasilkan oleh algoritma MLH dan SVM secara berturut-turut adalah 85,71% dan 92,86%. Luasan sebaran kerapatan mangrove di Pulau Lancang dominan oleh kelas jarang dengan luas 9,54 hektar. Terdapat korelasi kuat antara tutupan kanopi mangrove dengan nilai NDVI. Sebesar 75,7% variabilitas nilai NDVI dipengaruhi oleh persentase tutupan kanopi, sementara sisanya dipengaruhi oleh faktor-faktor lainnya. |
URI: | http://repository.ipb.ac.id/handle/123456789/126533 |
Appears in Collections: | UT - Marine Science And Technology |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Cover.pdf Restricted Access | Cover | 432.62 kB | Adobe PDF | View/Open |
Full teks.pdf Restricted Access | Fulltext | 1.1 MB | Adobe PDF | View/Open |
Lampiran.pdf Restricted Access | Lampiran | 551.75 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.