LAPORAN PRAKTIKUM ANALISIS SPASIAL

Nama : Rafihanif Dimas Aprianza

NIM : E3401201023
Kabupaten/kota : Yogyakarta

1. Peta hasil layout sederhana

Gambar 1 Peta klasifikasi metode random Gambar 2 Peta klasifikasi metode maximum
forest menggunakan GEE likelibood menggunakan Erdas

2. Penjelasan perbedaan
a. Kelebihan dan kekurangan
Pengolahan klasifikasi data citra tutupan lahan dengan metode random
forest pada Google Earth Engine memiliki kelebihan yakni tidak perlu untuk
mengunduh data sumber peta terlebih dahulu dikarenakan Google Earth
Engine sendiri telah menyediakan semua set data citra satelit dari masa
lampau dan menautkannya ke mesin cloud computing untuk bisa
dimanfaatkan secara terbuka.
Selain itu, terdapat kemudahan pengoperasian dalam membuat
klasifikasi karena tampilan Google Earth Engine yang mudah dipahami bagi
orang awam. Kelebihan GEE juga terletak pada keberadaan fitur peta online
sehingga dapat menampilkan peta satellite imagery dan terrain map
sehingga pada saat marker point dapat terlihat berbagai jenis tutupan lahan
 dengan mudah (badan air, vegetasi, dll). Lebih lanjut, penggunaan GEE ini
juga secara otomatis dapat melakukan removing cloud 100% sehingga tidak
perlu pengoperasian apapun untuk menghilangkan awan seperti yang
dilakukan dengan menggunakan Erdas. Pengguna juga dapat menambahkan
dan menyimpan data dari koleksi mereka sendiri, sambil menggunakan
sumber daya cloud Google untuk melakukan semua pemrosesan secara
langsung.
Kelemahan penggunaan Google Earth Engine dalam melakukan
klasifikasi tutupan lahan dengan metode random forest terletak pada fitur
code editor script dimana apabila tidak terdapat data script yang telah
tersedia maka untuk dapat melakukan klasifikasi cukup sulit, terutama bagi
pengguna yang tidak memiliki kemampuan coding. Selain itu, Google Earth
Engine ini membutuhkan ketersediaan koneksi internet yang stabil dan
cepat, sehingga apabila koneksi internet terganggu maka proses klasifikasi
menjadi tertunda atau bahkan proses tidak dapat berjalan. Pengguna juga
sering kali masih belum dapat memahami perintah atau respon yang
terdapat pada fitur script, console, dan task secara benar dan jelas apabila
terdapat kesalahan dalam melakukan proses klasifikasi. Sedangkan pada
Erdas, kekurangan terletak pada kebutuhan spesifikasi device yang harus
mumpuni atau memenuhi minimum requirement agar dapat menjalankan
aplikasi dan melakukan berbagai proses di Erdas. Selain itu, Erdas tidak
menyediakan sumber data citra seperti yang terdapat pada Google Earth
Engine sehingga untuk dapat melakukan berbagai prosesnya dibutuhkan
pengunduhan data terlebih dahulu dimana data ini biasanya memiliki ukuran
yang cukup besar dan memakan ruang memori device.

b. Hasil klasifikasi
Peta hasil klasifikasi Tutupan lahan pada Yogyakarta dengan metode
random forest menggunakan GEE terlihat lebih akurat dibandingkan dengan
menggunakan Erdas metode maximum likelibood. Terdapat beberapa
ketidaksesuaian hasil klasifikasi tutupan lahan dengan metode maximum
likelibood menggunakan Erdas seperti klasifikasi pemukiman dan vegetasi
yang tidak menunjukan posisi sebenarnya sesuai satelit, berbeda dengan
hasil klasifikasi menggunakan Google Earth Engine yang tepat
mengklasifikasikan tutupan lahan vegetasi, pemukiman, non vegetasi, dan
badan air pada citra. Hasil klasifikasi Tutupan lahan menggunakan Google
Earth Engine bebas halangan awan dikarenakan pada GEE ini terdapat fitur
atmospheric correction sehingga permukaan bumi terlihat secara
keseluruhan.