Klasifikasi Habitat Bentik Menggunakan Pendekatan Citra Berbasis Objek.

Abstract

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.