KLASIFIKASI TUTUPAN LAHAN DARI DATA ALOS PALSAR MENGGUNAKAN INFORMASI TEKSTUR GLCM (GRAY LEVEL CO-OCCURENCE MATRIX)
19 Mar 2015 • Dibaca : 1756 x ,

Ekstraksi informasi data Synthetic Aperture Radar (SAR) dapat dilakukan dari informasi spektral maupun spasial. Penelitian ini mengkaji kontribusi informasi spasial data SAR yang diekstraksi dari informasi tekstur citra guna meningkatkan kemampuan pembedaan tutupan lahan. Dalam analisis tekstur dikenal beberapa prinsip pendekatan yang digunakan dalam pengolahan citra, salah satunya yakni  metode statistik (Gray Level Co-occurence Matrix (GLCM)). 
Dalam studi ini delapan fitur tekstur GLCM (kategori statistik: mean, variance, correlation; kategori smothness: dissimilarity, contrast; kategori uniformity: entropy, second moment dan homogenity) dihitung dari layer input data polarimetri Horizontal Horizontal plus Horizontal Vertical (HH+HV)/2 dengan ukuran window 3x3, 5x5, 7x7, 9x9, 11x11, 13x13, 15x15 untuk selanjutnya digunakan dalam proses klasifikasi menggunakan metode maximum likelihood. Data yang digunakan yakni data ALOS PALSAR tahun 2010 wilayah perbatasan Provisi Sumatera Selatan dan Jambi. 
Data survey lapangan tahun 2013 digunakan sebagai sampel kelas untuk klasifikasi (60%) dan untuk uji akurasi (40%) dengan kelas tutupan lahan sebanyak 6 kelas. Untuk meningkatkan separabilitas antar kelas dalam proses pemilihan sampel kelas, dilakukan teknik evaluasi dengan menggunakan metode Jeffries-Matusita distance.


Secara umum fitur tekstur dapat memperbaiki tingkat akurasi hasil klasifikasi, namun dari penelitian ini fitur tekstur variance dan correlation tidak banyak memberikan kontribusi dalam penambahan akurasi. Dengan hanya menggunakan fitur tekstur yang terbaik dari masing-masing kategori seperti mean, homogenity, entropy dan contrast dapat meningkatkan ketelitian hasil klasifikasi sebesar 2.11%.  
Penambahan ukuran window dalam proses perhitungan fitur tekstur, meskipun memiliki pengaruh terhadap peningkatan nilai rata-rata separabilitas antar kelas, tetapi penggunaan ukuran window yang terlalu besar yang digunakan dalam eksperimen ini (9x9 ~ 15x15) akan berpotensi memalsukan batas objek tutupan lahan. Sehingga penggunaan ukuran window 3x3 ~  7x7 merupakan ukuran terbaik yang dapat digunakan. 
Dengan menambahkan  informasi tekstur, kelas tutupan lahan yang dapat dibedakan dengan lebih baik adalah permukiman.  Secara visual terlihat pula ketika ditambahkan informasi tekstur, kelas permukiman lebih dapat dibedakan dengan kelas sawit.



Your Comments
No Comments Results.
Comment Form












Please retype the characters from the image below :


Reload the CAPTCHA codeSpeak the CAPTCHA code
 








Related Posts
No Related posts

 
© 2014 - LEMBAGA PENERBANGAN DAN ANTARIKSA NASIONAL