S2 2016 325127 Introduction

KAJIAN METODE OBJECT BASED IMAGE ANALYSIS (OBIA) UNTUK KLASIFIKASI PENGGUNAAN
LAHAN ADA CITRA

MULTISPEKTRAL DAN CITRA FUSI WORLDVIEW-2 (Kasus : Sebagian Kota Magelang Jawa Tengah)
MUHAMAD YUSRAN ACHMAD
Universitas Gadjah Mada, 2016 | Diunduh dari http://etd.repository.ugm.ac.id/
BAB I
PENDAHULUAN
1.1 Latar Belakang

Citra satelit penginderaan jauh dalam beberapa dekade terakhir mengalami
perkembangan yang sangat signifikan, terutama dari aspek resolusi spasialnya yang
menunjukkan peningkatan dalam tingkat kedetilan informasi kenampakan obyek
muka bumi. Mulai dari citra satelit dengan resolusi spasial skala kecil yakni NOAA-
AVHRR (Resolusi Spasial 1,1 Km), MODIS (resolusi spasial 250 – 500 meter
hingga 1 Km keatas), hingga citra satelit dengan resolusi spasial menengah yakni
ASTER dan Landsat 7 ETM + (resolusi spasial 15 -30 meter) sampai citra satelit
dengan resolusi spasial tinggi yakni Ikonos, Orbview, Quickbird, Geoeye, dan
WorldView -2 (resolusi spasial dibawah 1 meter) (Danoedoro, 2012).
Perkembangan ini kemudian membuat metode ekstraksi informasi dan teknik
analisis dari citra satelit penginderaan jauh menjadi lebih kompetitif dan variatif, di
mana metode-metode tersebut tentunya tetap berorientasi pada cara pengenalan dan
penyadapan variasi informasi yang terdapat dalam sebuah citra satelit penginderaan
jauh. Metode ekstraksi informasi untuk citra satelit dengan resolusi menengah
hingga rendah biasanya menggunakan analisis dan klasifikasi multispektral yang
memanfaatkan value (nilai) dari respon spektral yang terdapat pada citra satelit
penginderaan jauh sebagai dasar penentuan jenis atau karakteristik sebuah obyek
kenampakan muka bumi pada citra tersebut.
Menurut Danoedoro (2012) dengan adanya citra resolusi spasial tinggi yang
dikeluarkan oleh beberapa perusahaan swasta di Amerika Serikat diantaranya
Ikonos, Quickbird, WorldView, Orbview serta GeoEye telah menghadirkan sebuah
tantangan bagi para analis citra satelit untuk mengembangkan pendekatan-
pendekatan dalam proses ekstraksi informasi yang dapat diperoleh dari citra
resolusi spasial tinggi tersebut, di mana citra resolusi spasial tinggi oleh para analis
citra mengalami kesulitan melakukan ekstraksi informasi dalam analisis dan
klasifikasi multispektral seperti yang biasa diterapkan pada citra satelit resolusi
spasial menengah dan rendah. Hal tersebut disebabkan karena satu piksel pada citra
1
LAHAN ADA CITRA
resolusi spasial tinggi mewakili bagian obyek penutup atau penggunaan lahan yang
umumnya mempunyai ukuran jauh lebih besar dari obyek penutup atau penggunaan
lahan tersebut sehingga jika dilakukan klasifikasi multispektral cenderung
menghasilkan kumpulan piksel yang tidak berkaitan langsung dengan kategorisasi
atau jenis obyek penutup atau penggunaan lahan yang hendak diklasifikasikan
(Danoedoro, 2006 dalam Danoedoro, 2012).
Untuk mengatasi hal tersebut diatas, maka dalam kurun waktu 10 tahun
terakhir ini telah dikembangkan sebuah metode ekstraksi informasi pada citra satelit
resolusi tinggi dengan pendekatan yang berorientasi pada karakteristik dan ke-
khasan dari obyek kenampakan yang terdapat pada citra satelit tersebut, metode
ekstraksi informasi dikenal dengan metode klasifikasi berbasis obyek yang
memanfaatkan teknik dan analisis segmentasi citra satelit tersebut (Navulur, 2007,
dalam Danoedoro 2012).
Pada dasarnya klasifikasi multispektral yang biasanya juga dikenal dengan
klasifikasi berbasis piksel (pixel based classification) terdiri dari dua metode, yakni
klasifikasi terselia (supervised) dan klasifikasi tidak terselia (unsupervised) yang
pendekatannya didasarkan pada derajat keabuan atau nilai piksel itu sendiri, di
mana hal tersebut menunjukkan bahwa hanya informasi spektral dari citra satelit
tersebut yang digunakan untuk melakukan klasifikasi. Perbedaan keduanya metode
klasifikasi tersebut terdapat pada tingkat otomatisasinya, di mana pada klasifikasi
terselia dibutuhkan beberapa jenis sampel atau contoh untuk merepresentasikan dan
mengidentifkasi suatu kelas klasifikasi. Proses klasifikasi berjalan dengan adanya
algoritma yang melakukan analisis statistik derajat kecerahan citra, di mana
algoritma kemiripan maksimum (maximum likelihood) dari beberapa penelitian
telah dibuktikan sebagai metode statistik standar untuk klasifikasi citra digital,
karena merujuk pada kelebihannya dalam teori probabilitas (Chan et al, 2001 dalam
Wibowo, 2010).
Pendekatan klasifikasi berbasis piksel mempunyai kemampuan terbatas
dalam mengolah dan menganalisis informasi dari citra satelit resolusi spasial tinggi
sehingga hasil klasifikasi yang diperoleh belum bisa diterima untuk obyek-obyek
yang diinginkan. Seiring dengan perkembangan ilmu pengetahuan, metode
2
LAHAN ADA CITRA
klasifikasi mengalami perkembangan yang cukup signifikan dengan berbagai

macam algoritma diantaranya menggunakan logika samar (fuzzy logic), jaringan
syaraf tiruan (artificial Neural Network), dan klasifikasi citra berorientasi obyek
(object oriented classification). Diantara beberapa metode tersebut diatas,
klasifikasi berorientasi obyek merupakan salah satu metode yang mampu
meminimalisir kendala pada proses klasifikasi citra satelit resolusi spasial tinggi
karena metode ini tidak bekerja langsung dalam ruang dan satuan piksel melainkan
pada obyeknya (merujuk pada homogenitas) dan secara spasial merupakan area-
area yang contiguous, yang dilakukan dengan memanfaatkan teknik segmentasi
citra (Qian et al, 2007 dalam Wibowo, 2010).
Salah satu metode klasifikasi yang berorientasi obyek yang biasa digunakan
yakni object based image analysis (OBIA). Belum ada definisi secara formal yang
menyangkut tentang OBIA, namun menurut (Hay dan Castilla, 2006 dalam
Samodra, 2010) mengusulkan definisi OBIA adalah merupakan salah satu bagian
dari disiplin ilmu GISScience yang mempunyai fungsi utama untuk membagi atau
mengekstraksi informasi dari citra satelit penginderaan jauh menjadi bagian-bagian
obyek yang memiliki nilai dan karakteristik tersendiri dan menilai karakteristik
mereka dengan melalui representasi dari parameter atau nilai spasial, spektral dan
aspek temporalnya. OBIA dikembangkan dengan segmen sebagai dasar
pemrosesan datanya dengan memisahkan atau memecahkan obyek kenampakan
citra kedalam region-region berdasarkan karakteristik dan kemiripan (homogenitas)
dari piksel.
Hurd et al, 2006 dalam Tunjung, 2012 juga memberikan definisi tentang
OBIA merupakan pendekatan yang proses klasifikasinya tidak hanya
mempertimbangkan aspek spektral (nilai spektral) namun aspek spasial
(karakteristik) dari sebuah objek. Objek tersebut dibentuk melalui proses
segmentasi yang merupakan proses pengelompokan piksel berdekatan dengan
kualitas yang sama (kesamaan spektral). Pada dasarnya proses ekstraksi informasi
citra satelit dengan metode OBIA melalui dua tahapan utama yakni segmentasi citra
dan proses klasifikasi tiap segmen (Xiaoxia et al,. 2004 dalam Tunjung, 2012).
Segmentasi citra mempunyai beberapa algoritma yang biasa digunakan untuk
3
LAHAN ADA CITRA
melakukan ekstraksi informasi dari citra satelit resolusi spasial tinggi, diantaranya
(1) point-based, (2) edge-based, (3) region-based, dan (4) Combined (Schiewe,
2002 dalam Blaschke, 2010). Dibandingkan dengan metode klasifikasi berbasis
piksel, metode ekstraksi informasi OBIA tentunya akan lebih unggul karena tidak
hanya mempertimbangkan aspek spektral (nilai spektral) tetapi juga aspek dan
karakterstik spasial dari obyek-obyek tersebut (Tunjung, 2012).
Dengan perkembangan ilmu penginderaan jauh yang sangat pesat, terutama
dalam hal wahana penginderaan jauh yang telah memiliki sistem satelit yang lebih
maju (hi-tech) yang mempunyai berbagai macam sensor yang diletakkan dalam satu
wahana sekaligus sehingga menghasilkan berbagai macam jenis citra satelit dengan
resolusi spektral dan spasial yang beragam dari skala rendah sampai dengan citra
satelit dengan resolusi spasial dan spektral yang tinggi. Hal tersebut tentunya akan
membuat metode pengolahan dan analisis citra akan semakin beragam dan variatif
dengan menggunakan data source dari berbagai sumber (multi source) (Danoedoro,
2008 dalam Wibowo, 2010).
Salah satu kelebihan dari teknologi penginderaan jauh dalam peningkatan
kualitas visual citra satelit adalah dengan melakukan penajaman spasial melalui fusi
citra multi resolusi, di mana secara umum suatu sistem sensor satelit dapat
menghasilkan citra yang memiliki banyak spektrum (multispektral) dengan resolusi
spasial tertentu akan memberikan citra pankromatik dengan resolusi spasial yang
relatif lebih tinggi mengingat lebar spektrum yang lebih besar dibandingkan dengan
yang lain. Metode fusi atau penggabungan antara citra pankromatik dengan citra
multispektral (band hijau, merah, biru) yang dikenal dengan pan-sharpened colour
composite baik digunakan karena memiliki kelebihan dengan mengombinasikan
keunggulan citra multispektral dari aspek warna dengan keunggulan citra
Pankromatik dari aspek kerincian spasialnya sehingga dapat menghasilkan citra
satelit yang unggul dari sisi visualitas pewarnaannya dengan dipertajam dengan
secara spasial oleh citra pankromatik, beberapa algoritma dalam metode fusi citra
diantaranya HSV Sharpening, CN Brovey Sharpening, Gramm Schmidt Pan
Sharpening dan PC Spectral Sharpening (Danoedoro, 2012). Pada dasarnya citra
hasil fusi (pan – sharpened) tidak hanya memiliki kelebihan dari aspek spasial tapi
4
LAHAN ADA CITRA
juga memiliki kekurangan dari aspek spektral yakni nilai piksel yang tidak lagi
murni karena telah mengalami perubahan pada saat proses fusi citra dilakukan.
Citra satelit penginderaan jauh seperti Ikonos, Quickbird, GeoEye,
WorldView, dan lain-lain pada dasarnya telah memiliki resolusi spasial tinggi pada
dua jenis saluran (band) bawaannya yakni citra saluran multispektral dan citra
saluran pankromatik yang mempunyai kemampuan dalam menyajikan kenampakan
penutup dan penggunaan lahan dengan sangat detail terutama untuk wilayah urban
(kota), di mana untuk beberapa kenampakan obyek penutup dan penggunaan lahan
seperti bangunan, vegetasi, tubuh air, serta obyek lainnya terlihat sangat jelas dan
detail. Secara visual, tampilan obyek-obyek tersebut bisa langsung dapat
diinterpretasi berdasarkan kunci-kunci interpretasi untuk memberikan pembedaan
jenis obyek yang terdapat pada citra satelit tersebut.
Salah satu citra satelit penginderaan jauh yang dapat digunakan untuk
ekstraksi informasi penggunaan lahan khususnya diwilayah perkotaan yakni Citra
Satelit WorldView-2, citra satelit ini merupakan generasi terbaru dari Digitalglobe
sebuah perusahaan Amerika yang diluncurkan pada tanggal 8 Oktober 2009. Citra
Satelit yang dihasilkan selain memiliki resolusi spasial yang tinggi juga memiliki
resolusi spektral yang lebih lengkap. Resolusi spasial yang dimiliki citra satelit
WorldView-2 ini lebih tinggi, yaitu : 0.46 m – 0.5 m untuk citra pankromatik dan
1.84 m - 2.05 m untuk citra multispektral. Citra multispektral dari WorldView-2 ini
memiliki jumlah band sebanyak 8 band sehingga sangat memadai bagi keperluan
analisis-analisis spasial sumber daya alam dan lingkungan hidup serta untuk
wilayah urban (perkotaan) (Digitalglobe.com, 2013).
1.2 Perumusan Masalah

Keterbatasan akurasi hasil klasifikasi dari metode klasifikasi berbasis piksel
dalam melakukan ekstraksi informasi pada citra resolusi spasial tinggi memberikan
sebuah wacana baru bagi para analis citra untuk melakukan penelitian dalam rangka
memaksimalkan hasil dari proses ekstraksi informasi dari citra resolusi spasial
tinggi tersebut. Berbagai metode pendekatan pun diambil guna memaksimalkan
hasil ekstraksi informasi tersebut, metode-metode pendekatan untuk pemaksimalan
5
LAHAN ADA CITRA
hasil pada proses ekstraksi informasi yang telah dilakukan dalam berbagai
penelitian antara lain metode fuzzy logic (logika samar), jaringan syaraf tiruan
(artificial neural network), klasifikasi citra berorientasi obyek (object oriented
classification).
Metode klasifikasi berorientasi obyek merupakan salah satu pendekatan yang
dapat digunakan dalam proses ekstraksi informasi dari citra satelit resolusi spasial
tinggi, karena mempunyai tingkat akurasi hasil yang cukup baik dan kemampuan
analisis per obyek berdasarkan karakteristiknya. Metode klasifikasi berorientasi
obyek cukup representatif digunakan untuk wilayah perkotaan (urban), hal tersebut
dikarenakan heterogenitas dari masing-masing obyek yang mempunyai
karakteristik tersendiri sehingga dapat dilakukan pembedaan obyek berdasarkan
respon spektral dan karakteristik obyeknya secara detail dibandingkan dengan
wilayah non urban lainnya seperti hutan, perkebunan dan kawasan pertanian yang
cenderung homogen dari sebaran obyeknya.
Salah satu kenampakan obyek dalam wilayah perkotaan (urban) yang
menarik untuk dilakukan penelitian dari berbagai aspek adalah obyek penggunaan
lahan dengan dinamisasi perubahannya. Dalam citra satelit resolusi spasial tinggi,
obyek penggunaan lahan terlihat sangat jelas dan detail sehingga pembedaan jenis
obyek penggunaan lahan dapat dilakukan dengan cara visual, yakni dengan
melakukan interpretasi secara visual (on screen digitizing) namun cara ini memiliki
beberapa kelemahan diantaranya dari sisi akurasi yang sebaiknya ditunjang dengan
pengetahuan kewilayahan atas daerah yang dikaji (local knowledge) dan masalah
waktu yang cukup lama untuk melakukan interpretasi visual.
Dibutuhkan sebuah solusi untuk meminimalisir hal tersebut diatas, dalam
berbagai penelitian yang telah dilakukan menunjukkan bahwa metode klasifikasi
berorientasi obyek yang salah satunya adalah OBIA merupakan salah satu langkah
tepat yang dilakukan untuk mengatasi masalah tersebut. OBIA dapat melakukan
ekstraksi informasi secara otomatis dengan bantuan teknologi komputer melalui
proses segmentasi dan klasifikasi berdasarkan kriteria yang telah ditentukan
sebelumnya, di mana subyektifitas pemilihan kriteria sangat tergantung pada
orientasi hasil penelitian yang akan dicapai.
6
LAHAN ADA CITRA
Berdasarkan uraian tersebut diatas, terdapat 3 (tiga) permasalahan penelitian

yang perlu dikaji lebih lanjut, yaitu
1. Kehadiran citra satelit resolusi spasial tinggi membuat pendekatan dengan
metode klasifikasi multispektral (berbasis piksel) yang fokus pada nilai atau
respon spektral dalam mengidentifikasi suatu obyek kurang efektif digunakan
dalam ekstraksi informasi khususnya informasi penggunaan lahan dari
sebuah citra satelit resolusi tinggi, hal ini disebabkan karena tingkat kedetilan
informasi yang dapat diekstraksi dari citra satelit resolusi spasial tinggi
sehingga diperlukan sebuah pendekatan yang berbasis obyek guna
memaksimalkan ekstraksi informasi dari citra satelit tersebut.
2. Integrasi dua atau lebih data penginderaan jauh dapat dilakukan guna
menggabungkan kelebihan masing-masing data atau citra penginderaan jauh
untuk menghasilkan citra baru dengan kualitas maksimal baik dari aspek
spektral maupun spasial, metode penggabungan citra tersebut dikenal dengan
fusi citra yang juga merupakan bagian dari tahapan penajaman citra (image
enhancement) dalam meningkatkan kualitas citra penginderaan jauh. Saat ini
penggunaan citra fusi untuk ekstraksi informasi pengunaan lahan dengan
menggunakan klasifikasi OBIA belum banyak digunakan sehingga perlu
adanya kajian lebih lanjut terkait hal tersebut.
3. Penelitian yang menggunakan citra multispektral dan citra hasil fusi resolusi
spasial tinggi untuk ekstraksi informasi penggunaan lahan dengan
menggunakan metode OBIA belum banyak dikaji, untuk itu peneliti tertarik
untuk mengkaji perbandingan hasil klasifikasi citra multispektral dan citra
hasil fusi tersebut.
1.3 Pertanyaan Penelitian

Berdasarkan uraian permasalahan dalam penelitian tersebut diatas, maka
dapat diambil beberapa pertanyaan yang harus terjawab dalam pelaksanaan
penelitian ini, pertanyaan tersebut diantaranya sebagai berikut :
1. Bagaimana kemampuan klasifikasi berbasis obyek (OBIA) pada citra satelit
resolusi tinggi dalam ekstraksi informasi penggunaan lahan?
7
LAHAN ADA CITRA
2. Bagaimana kemampuan penerapan klasifikasi berbasis obyek (OBIA) pada

citra hasil fusi dengan beberapa algoritma dalam ekstraksi informasi
penggunaan lahan ?
3. Bagaimana perbandingan penerapan metode OBIA pada citra multispektral
dan citra hasil fusi dalam melakukan ekstraksi informasi penggunaan lahan?
1.4 Tujuan Penelitian

Tujuan penelitian ini adalah sebagai berikut :
1. Mengkaji kemampuan penerapan klasifikasi berbasis obyek (OBIA) pada
citra satelit resolusi spasial tinggi dalam ekstraksi informasi kenampakan
obyek penggunaan lahan.
2. Mengkaji kemampuan klasifikasi berbasis obyek (OBIA) terhadap citra hasil
fusi (penggabungan) citra dengan beberapa algoritma dalam ekstraksi
informasi obyek penggunaan lahan.
3. Mengkaji perbandingan penerapan metode OBIA pada citra multispektral dan
citra hasil fusi dalam melakukan ekstraksi informasi obyek penggunaan lahan.
1.5 Manfaat Penelitian

Manfaat yang diharapkan dari penelitian ini adalah sebagai berikut :
1. Memberikan gambaran metode fusi (penggabungan) citra satelit yang terbaik
dari aspek akurasi hasil klasifikasi dengan menggunakan klasifikasi berbasis
obyek (OBIA) dari keempat algoritma fusi dalam melakukan ekstraksi
informasi penggunaan lahan.
2. Memberikan gambaran kemampuan klasifikasi berbasis objek (OBIA) dalam
melakukan ekstraksi informasi obyek penggunaan lahan pada citra satelit
resolusi tinggi dalam hal ini citra satelit WorldView-2 saluran multispektral
(piksel murni) dan citra hasil fusi (piksel campuran) dengan beberapa
algoritma.
8
LAHAN ADA CITRA
1.6 Hasil Penelitian Yang Diharapkan

Adapun hasil penelitian yang diharapkan adalah diperolehnya peta-peta
penggunaan lahan yang menggunakaan metode OBIA dengan berbagai algoritma
fusi citra dan citra multispektral.
1.7 Keaslian Penelitian

Proses ekstraksi informasi untuk kenampakan obyek penggunaan lahan
khususnya di wilayah perkotaan dengan menggunakan metode OBIA pada citra
satelit WorldView 2 pada dasarnya telah diteliti dalam beberapa penelitian baik
dengan citra satelit sejenis atau lainnya, namun dari masing-masing penelitian
tersebut belum fokus pada kajian komparasi metode segmentasi dan klasifikasi
berbasis obyek pada citra multispektral dan citra hasil fusi dengan beberapa
algoritma citra satelit WorldView -2 dalam melakukan ekstraksi informasi
penggunaan lahan.
Wibowo (2010) melakukan penelitian tentang perbandingan antara klasifikasi

multispektral dengan klasifikasi berorientasi obyek pada citra satelit ALOS
AVNIR-2 dan citra ALOS Pan Sharpened (AVNIR-2+PRISM) untuk melakukan
ekstraksi informasi penutup pada daerah Kota Salatiga dan sekitarnya. Metode
klasifikasi multispektral yang digunakan adalah algoritma Maximum likelihood dan
untuk klasifikasi berorientasi obyek peneliti menggunakan segmentasi citra region
growing dan algoritma bhattacharya untuk pengklasifikasiannya. Hasil kedua
metode klasifikasi tersebut kemudian dilakukan uji akurasi untuk mengetahui
metode yang lebih baik dari sisi akurasinya. Hasil penelitiannya menunjukkan
bahwa klasifikasi multispektral dengan algoritma Maximum Likelihood mempunyai
tingkat akurasi yang lebih tinggi dibandingkan dengan tingkat akurasi dengan
menggunakan metode klasifikasi berorientasi obyek dengan algoritma
bhattacharya pada kedua citra satelit tersebut.
Herold and Scepan (2002) melakukan penelitian untuk mengetahui

kemampuan klasifikasi berorientasi obyek pada ekstraksi informasi penggunaan
9
LAHAN ADA CITRA
atau penutup lahan pada citra satelit resolusi spasial tinggi IKONOS dengan lokasi
penelitian di Santa Barbara, CA. Ada beberapa metode atau pendekatan yang
digunakan untuk mendukung pelaksanaan penelitian ini, diantaranya algoritma
NDVI yang diperoleh dari pengukuran data lapangan dengan menggunakan alat
ASD Field Spectrometer untuk memperoleh informasi unsur vegetasi, dan Spatial
metric Analysis yang digunakan untuk mengekplorasi dan menggambarkan pola
penggunaan lahan pada citra satelit tersebut serta metode OBIA yang digunakan
untuk melakukan ekstraksi informasi kenampakan obyek penggunaan/penutup
lahan secara otomatis. OBIA mempunyai dua proses utama, yakni segmentasi citra
dan klasifikasi, di mana proses segmentasi dilakukan dengan mempertimbangkan
unsur spasial, spektral, geometrik, serta tekstur dari masing-masing obyek pada rule
set-nya sedangkan proses klasifikasi dilakukan dengan mempertimbangkan hasil
segmentasi citra yang telah dilakukan dan telah ditentukan masing-masing kelasnya.
Hasilnya menunjukkan bahwa metode OBIA mempunyai tingkat akurasi
keseluruhan sekitar 79% dalam melakukan ekstraksi informasi kenampakan obyek
penggunaan/penutup lahan pada citra satelit resolusi spasial tinggi yakni IKONOS
dan metode Spatial Metric Analysis mempunyai kemampuan tambahan yakni dapat
memberikan tambahan informasi dalam kaitannya dengan struktur bangunan secara
fisik khususnya didaerah perkotaan.
Xiaoxia et al, (2006) melakukan penelitian tentang perbandingan penerapan

pendekatan metode klasifikasi berorientasi obyek dengan klasifikasi berbasis piksel
pada citra satelit resolusi tinggi Quickbird pada wilayah Shanghai, China.. Dalam
penelitian ini, kenampakan obyek penggunaan/penutup lahan pada citra satelit
Quickbird diekstraksi dengan dua metode pendekatan yakni klasifikasi berorientasi
obyek (OBIA) dengan metode knowledge-based classfication dengan algoritma
bottom-up region merging technique pada citra hasil fusi dengan algoritma PCA
dan klasifikasi berbasis piksel dengan algoritma maximum likelihood. Hasil
penelitian menunjukkan bahwa ekstraksi informasi penggunaan/penutup lahan
dengan metode klasifikasi berorientasi obyek memberikan hasil yang memuaskan
dengan akurasi 83% dibandingkan dengan akurasi yang dihasilkan klasifikasi
10
LAHAN ADA CITRA
berbasis piksel hanya 63%, sehingga metode pendekatan klasifikasi berbasis obyek
sangat tepat untuk digunakan dalam ekstraksi informasi penggunaan/penutup lahan
pada citra satelit dengan resolusi spasial tinggi.
Penelitian yang akan dilakukan ini pada dasarnya mempunyai fokus dalam
proses ekstraksi informasi penggunaan lahan di wilayah perkotaan dengan metode
klasifikasi berorientasi obyek (OBIA) menggunakan citra satelit resolusi spasial
tinggi, dalam hal ini citra satelit yang digunakan adalah citra satelit WorldView-2.
Perbedaan penelitian ini dengan beberapa penelitian sejenis, adalah pada proses
perolehan informasi penggunaan lahan yang menggunakan metode OBIA dengan
membandingkan penerapan metode tersebut pada citra multispektral yang masih
memiliki aspek spektral standar (piksel asli) dan citra hasil fusi (non piksel asli)
dengan beberapa algoritma penggabungan citra, diantaranya HSV Sharpening, CN
Brovey Sharpening, Gramm Schmidt Pan Sharpening dan PC Spectral Sharpening.
Adapun citra WorldView 2 yang digunakan pada penelitian ini terletak di sebagian
wilayah kota Magelang dengan skala cetak 1 : 10.000.
11
Tabel 1.1. Penelitian sebelumnya dan penelitian yang akan dilakukan
Peneliti/Tahun Tema/Lokasi Tujuan Penelitian Sumber Data Variabel Penelitian Hasil

Wibowo (2010) Studi Komparasi Klasifikasi 1. Mengetahui perbandingan akurasi 1. Citra ALOS PRISM - Citra Multispektral menggunakan metode 1. Hasil uji akurasi pada citra ALOS
Multispektral Dengan Klasifikasi penutup lahan antara klasifikasi 2. Citra ALOS Avnir-2 klasifikasi berbasi piksel dengan algoritma AVNIR-2 menunjukkan bahwa
Berorientasi Obyek Untuk multispektral dengan klasifikasi 3. Peta Citra Satelit ALOS Maximum Likelihood klasifikasi multispektral dengan algoritma
Ekstraksi Informasi Penutup Lahan beroerientasi obyek jika diterapkan pada 4. Peta RBI - Citra Pan-Sharpened menggunakan Maximum Likelihood mempunyai
: Menggunakan Citra ALOS citra ALOS AVNIR-2 klasifikasi berorientasi Obyek dengan akurasi lebih baik (91,25%) dibandingkan
AVNIR-2 dan Citra ALOS Pan- Algoritma region growing dan bhattacharya klasifikasi berorientasi obyek dengan
Sharpened (AVNIR-2 + PRISM) algoritma Bhattacharya (87,86%) dalam
mengekstraksi informasi penutup lahan
LAHAN ADA CITRA
2. Mengetahui perbandingan akurasi 2. Klasifikasi berorientasi obyek dengan

penutup lahan antara klasifikasi algoritma Bhattacharya masih
Lokasi Penelitian : Kota Salatiga multispektral dengan klasifikasi memberikan akurasi yang lebih rendah
dan Sekitarnya berorientasi obyek jika diterapkan pada (89,29%) dibandingkan dengan klasifikasi
citra ALOS Pan-Sharpened (AVNIR- multispektral dengan algoritma maximum

2+PRISM) likelihood (92,73%) dalam
mengekstraksi informasi penutup lahan
Herold and Scepan (2002) Analisis dan Pemetaan Berorientasi 1. Mengetahui kemampuan klasifikasi 1. Citra Ikonos Multispektral - Nilai NDVI diturunkan dari pengukuran data penelitian ini menunjukkan bahwa
Obyek Pada Penggunaan/Penutup berbasis obyek dalam melakukan lapangan menggunakan ASD field klasifikasi berbasis obyek mempunyai
Lahan menggunakan data ekstraksi informasi penggunaan dan spectrometer tingkat akurai 79%
IKONOS penutup lahan pada citra satelit IKONOS - Spatial Metric Analysis digunakan untuk Spatial Metric Analysis dapat
mengekplorasi dan menggambarkan pola memberikan tambahan informasi dalam
penggunaan lahan kaitannya dengan struktur bangunan
secara fisik
Lokasi Penelitian : Santa Barbara, 2. Mengetahui tingkat akurasi hasil - OBIA digunakan untuk proses klasifikasi
CA klasifikasi berorientasi obyek penggunaan/penutup lahan
Xiaoxia et al, (2006) Perbandingan Pendekatan 1. Mengetahui kemampuan metode 1. Citra Satelit Quickbird Saluran Proses Fusi Citra menggunakan algoritma PC Klasifikasi berorientasi obyek
Klasifikasi Berorientasi Obyek klasifikasi berbasis piksel dalam Pankromatik transformation memberikan hasil yang memuaskan
dengan Klasifikasi Berbasis Pixel melakukan ekstraksi informasi penutup 2. Citra Satelit Quickbird MS Klasifikasi Berorientasi Obyek menggunakan dengan akurasi 83% dibandingkan
Menggunakan Citra Satelit lahan pada citra satelit Quickbird metode klasfikasi knowledge-based dengan akurasi yang dihasilkan
Quickbird classfication dengan algoritma bottom-up klasifikasi berbasis piksel hanya 63%
2. Mengetahui kemampuan metode region merging technique Klasifikasi berorientasi obyek sangat
Lokasi Penelitian : Shanghai, China klasifikasi berbasis obyek dalam Klasifikasi berbasis piksel menggunakan tepat untuk digunakan pada citra satelit
melakukan ekstraksi informasi penutup algoritma maximum likelihood dengan resolusi spasial tinggi
lahan pada citra satelit Quickbird
3. Mengetahui akurasi atau ketelitian
12
antara hasil klasifikasi berbasis piksel
dengan klasifikasi berbasis obyek pada
citra satelit Quickbird
Peneliti/Tahun Tema/Lokasi Tujuan Penelitian Sumber Data Variabel Penelitian Hasil
Kux (2006) Analisis Berorientasi 1. Untuk menganalisis kualitas 1. Citra Satelit IKONOS, Indeks Vegetasi (NDVI), Spectral atribute klasifikasi berorientasi obyek pada citra
Obyek pada citra satelit dari metode klasifikasi Saluran Pankromatik dengan (avarage, standard deviation, and others) quickbird lebih baik dan stabil
resolusi tinggi untuk berorientasi obyek untuk Resolusi Spasial 1,0 m calculated for HIS channels dibandingkan pada citra ikonos, hal
klasifikasi penutup lahan ekstraksi informasi penutup 2. Citra Satelit IKONOS, Segmentasi citra menggunakan parameter tersebut dapat dilihat pada level
kawasan perkotaan, Studi lahan dalam perkotaan dengan Saluran Multispektral (RGB) warna dan bentuk. segmentasi yang menggunakan 4
kasus : Sao Jose Dos menggunakan data citra ikonos dengan Resolusi Spasial 4 m paramater yakni skala, bentuk,
Campos, Sao Paolo, Brazil dan quickbird kekompakan obyek, jumlah obyek
3. Citra Satelit QUICKBIRD, teridentifikasi, dan waktu pemrosesan
Lokasi Penelitian : Sao 2. Mengetahui akurasi dan Saluran Pankromatik dengan dimana klasifikasi dengan menggunakan
Paolo, Brazil ketelitian dari hasil klasifikasi Resolusi Spasial 0,6 m citra quickbird selalu lebih unggul dari
penutup lahan dengan 4. Citra Satelit QUICKBIRD, pada citra ikonos
menggunakan metode analisis Saluran Multispektral (RGB)
berorientasi obyek antara citra dengan Resolusi Spasial 2,4 m
satelit ikonos dan quickbird
Dimitrakopoulos et al (2010) Pemetaan 1. Untuk mengembangkan 1. 2 Citra SPOT-4 HRVIR OBIA : Segmentasi citra dilakukan dengan kombinasi antara SPOT-4 dengan OBIA
LAHAN ADA CITRA
Penutup/penggunaaan sebuah perencanaan klasifikasi (Level IA), Perekaman mempertimbangkan skala dan homogenitas menghasilkan akurasi keseluruhan
Lahan Menggunakan berorientasi obyek untuk Agustus 2006 obyek dan klasifikasinya berdasarkan feauture 79,11% pada klasifikasi
Klasifikasi Berorientasi pemetaan dan penentuan kelas 2. 2 Citra SPOT-5 HRVIR extraction penutup/penggunaan lahan pada citra
Obyek Pada Citra Satelit penutup/penggunaan lahan pada (Level 3A), Perekaman yang pertama dan mempunyai akurasi
SPOT Penelitian : 1.
Lokasi citra SPOT-4 area pertama Agustus 2006 81.5% setelah skema klasifikasi dari citra
Chalkidiki, Yunani 2. Untuk menerapkan 3. Data DEM pertama diterapkan pada citra yang
2. Pindos, Yunani perencanaan klasifikasi yang 4. Data Pengukuran Lapangan kedua.
telah dikembangkan pada citra 5. Data Hasil Interpretasi
SPOT-4 wilayah yang berbeda Visual Dari Citra Resolusi
3. Untuk mengetahui akurasi dari Spasial Tinggi
perencanaan klasifikasi yang
telah dikembangkan pada kedua
citra satelit SPOT-4 tersebut
dengan membandingkan data
lapangan dan data hasil
interpretasi visual dari citra
satelit resolusi spasial tinggi
Yusran (2013) Kajian Metode OBIA 1. Dapat mengetahui Citra Satelit WorldView 2 XS - Metode Fusi Citra dengan beberapa Hasil yang diharapkan adalah peta-peta
Pada Klasfikasi kemampuan citra satelit resolusi 8 Band dan Pankromatik algoritma, diantaranya HSV Sharpening, CN penggunaan lahan denga menggunaakan
Penggunaan Lahan pada spasial tinggi dalam Data Sekunder Lainnya Brovey Sharpening, Gramm Schmidt Pan metode OBIA dari berbagai algoritma
Citra Multispektral dan mengekstraksi informasi Sharpening dan PC Spectral Sharpening fusi citra dan citra multipektral.
Citra Hasil Fusi kenampakan obyek penggunaan - Metode OBIA
Lokasi Penelitian
WorldView 2 : Kota 2. Dapat mengetahui
lahan
Magelang, Jawa Tengah kemampuan metode fusi
(penggabungan) citra dengan
beberapa algoritma dalam
mengekstraksi informasi obyek
penggunaan
3. lahan
Dapat mengetahui
kemampuan metode OBIA
13
dalam melakukan ekstraksi
informasi obyek penggunaan
lahan pada citra multispektral
dan citra hasil fusi dengan
beberapa algoritma citra satelit
WorldView -2

S2 2016 325127 Introduction

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

S2 2016 325127 Introduction

Diunggah oleh

Hak Cipta:

Format Tersedia

KAJIAN METODE OBJECT BASED IMAGE ANALYSIS (OBIA) UNTUK KLASIFIKASI PENGGUNAAN

LAHAN ADA CITRA

1.1 Latar Belakang

klasifikasi mengalami perkembangan yang cukup signifikan dengan berbagai

1.2 Perumusan Masalah

Berdasarkan uraian tersebut diatas, terdapat 3 (tiga) permasalahan penelitian

1.3 Pertanyaan Penelitian

2. Bagaimana kemampuan penerapan klasifikasi berbasis obyek (OBIA) pada

1.4 Tujuan Penelitian

1.5 Manfaat Penelitian

1.6 Hasil Penelitian Yang Diharapkan

1.7 Keaslian Penelitian

Wibowo (2010) melakukan penelitian tentang perbandingan antara klasifikasi

Herold and Scepan (2002) melakukan penelitian untuk mengetahui

Xiaoxia et al, (2006) melakukan penelitian tentang perbandingan penerapan

Peneliti/Tahun Tema/Lokasi Tujuan Penelitian Sumber Data Variabel Penelitian Hasil

2. Mengetahui perbandingan akurasi 2. Klasifikasi berorientasi obyek dengan

citra ALOS Pan-Sharpened (AVNIR- multispektral dengan algoritma maximum

3. Mengetahui akurasi atau ketelitian

Anda mungkin juga menyukai