Klasifikasi penutup dan penggunaan lahan pada multispectral image dari landsat thematic mapper menggunakan probabilistic neural network

Abstract

"Pada remote sensing, klasifikasi didefinisikan sebagai suatu metode untuk memberikan label pada pixel berdasarkan karakter spektral yang dimiliki oleh pixel tersebut. Klasifikasi yang sering dilakukan pada bidang ini adalah klasifikasi penggunaan lahan. Klasifikasi penggunaan lahan dimungkinkan karena setiap penggunaan lahan memiliki penutup lahan berupa material bumi yang mempunyai karakteristik spektral yang berbeda-beda. Ciri spektral yang spesifik atau penciri spektral (spectral signature) inilah yang digunakan untuk mengklasifikasi penutup lahan pada multispectral image. Penelitian ini mengklasifikasikan penutup dan penggunaan lahan pada multispectral image dari Landsat Thematic Mapper daerah sekitar Cengkareng yang diambil pada tanggal 1 Agustus 1996 menggunakan Probabilistic Neural Network (PNN). Hasil klasifikasi penutup dan penggunaan lahan di daerah Cengkareng dan sekitarnya menggunakan fungsi PNN pada Matlab 6.5 diperoleh akurasi 64,2% pada jumlah training 84 pixel dan besar smoothing parameter (h)=0,9. Probabilistic Neural Network merupakan feed forward network yang terdiri dari tiga layer. Proses pelatihannya lebih cepat, namun waktu eksekusinya relatif lebih lama dan membutuhkan memori yang cukup besar. Apabila pemilihan besar nilai smoothing parameter (h) sesuai, dan data training yang diberika cukup homogen, maka PNN akan bekerja sebagai pengklasifikasi dengan baik. Sebagai perbandingan, akurasi PNN lebih tinggi dibandingkan akurasi metode statistika analisa diskriminan yang hanya mencapai 54,3% untuk data yang sama."