PERBANDINGAN METODE SUPERVISED DAN UNSUPERVISED MELALUI ANALISIS CITRA GOOGLE SATELITE UNTUK TATA GUNA LAHAN
Latar Belakang Penginderaan jauh merupakan suatu ilmu atau teknologi untuk memperoleh informasi atau fenomena alam melalui analisis suatu data yang diperoleh dari hasil rekaman obyek, daerah atau fenomena yang dikaji. Dalam Penelitian Sebelumnya telah digunakan citra quickbird sebagai bahan utama untuk proses pengambilan data. Maka dalam Penelitian yang penulis lakukan digunakan Citra dari Google Satelite untuk proses pengambilan data. Dibandingkan dengan Quickbird Citra Google Satelite Mudah untuk didapatkan, serta terdapat perbedaan pada satelite yang digunakan untuk menangkap citranya.
Batasan Masalah Batasan masalah pada penelitian tugas akhir ini adalah sebagai berikut : • 1. Penggunaan metode klasifikasi Supervised dan Unsupervised dalam Penelitian • 2. Pemakaian Citra Google Satelite dalam penelitian • 3. Penelitian yang difokuskan pada tata guna lahan berupa : a. Pohon dan Rumput b. Pemukiman, Bangunan Dan Tanah c. Aspal Dan Jalan Raya d. Asbes Dan Beton
Tujuan Penulisan Menghasilkan peta tematik yang dapat digunakan untuk pemanfaatan tata guna lahan (land use) dari sebuah citra Google Satelite menggunakan metode klasifikasi Supervised Dan Unsupervised, serta membandingkan keakuratan dari metode klasifikasi supervised dan unsupervised.
Alur Penelitian
METODE PENELITIAN Penelitian dilakukan dengan langkah-langkah sebagai berikut : •Membuat algoritma klasifikasi citra. •Melakukan perbaikan kualitas citra . •Melakukan klasifikasi citra menggunakan metode Supervised. •Melakukan klasifikasi citra menggunakan metode Unsupervised. •Menguji ketepatan/kebenaran (Accuracy Assessment) hasil klasifikasi citra menggunakan metode Supervised dan Unsupervised. Membandingkan keakuratan klasifikasi Supervised dan Unsupervised.
Metode Supervised & Unsupervised 1. Klasifikasi Supervised Klasifikasi terawasi didasarkan pada ide bahwa pengguna (user) dapat memilih sampel pixel - pixel dalam suatu citra yang merepresentasikan kelaskelas khusus dan kemudian mengarahkan perangkat lunak pengolahan citra (image processing software) untuk menggunakan pilihan-pilihan tersebut sebagai dasar referensi untuk pengelompokkan pixel-pixel lainnya dalam citra tersebut. 2. Klasifikasi Unsupervised Klasifikasi tak terawasi (unsupervised classifications) merupakan pengklasifikasian hasil akhirnya (pengelompkkan pixel-pixel dengan karakteristik umum) didasarkan pada analisis perangkat lunak (software anaysis) suatu citra tanpa pengguna menyediakan contoh-contoh kelas-kelas terlebih dahulu. Komputer menggunakan teknik-teknik tertentu untuk menentukan pixel mana yang mempunyai kemiripan dan bergabung dalam satu kelas tertentu secara bersamaan.
Tabel Deskripsi Kelas • Klasifikasi Tata Guna Lahan
Contoh Perbaikan Citra
•Citra Awal
(b) Citra dengan perbaikan lebih gelap
(c) Citra dengan perbaikan lebih terang
Citra Surabaya 1
(a) Citra Google Satelite Awal Daerah Surabaya 1
(c) Citra Google Satelite Metode Unsupervised
(b) Citra Google Satelite Metode Supervised
Tabel Uji Ketelitian
Tabel Uji Ketelitian
Citra Surabaya 2
(a) Citra Google Satelite Awal Daerah Surabaya 2
(b) Citra Google Satelite Metode Supervised
(c) Citra Google Satelite Metode Unsupervised
Tabel Uji Ketelitian
Tabel Uji Ketelitian
Citra Meulaboh
(a) Citra Google Satelite Awal Daerah Meulaboh
(c) Citra Google Satelite Metode Unsupervised
(b) Citra Google Satelite Metode Supervised
Tabel Uji Ketelitian
Tabel Uji Ketelitian
Tabel Uji Ketelitian
Kesimpulan Berdasarkan penelitian yang telah dilakukan, hasil dari klasifikasi supervised dan unsupervised yang dilakukan terhadap citra Google Satelite yang terekam pada tahun 2012, yaitu dua buah citra untuk daerah Surabaya dan satu buah citra daereah Meulaboh(Aceh) didapatkan kesimpulan bahwa: - Nilai akurasi yang dihasilkan lebih tinggi yaitu dengan klasifikasi supervised. Dengan pengklasifikasian mengunakan daerah training (training area) peta tematik yang dihasilkan akan lebih akurat. - Penelitian ini menghasilkan sebuah peta tematik yang dapat berguna dalam perencanaan tata ruang kota, pemanfaatan tata guna lahan, serta dapat juga berguna untuk melihat seberapa banyak ruang terbuka hijau di suatu daerah.
Saran Saran untuk perbaikan penelitian ini adalah dengan menggunakan ruang lingkup penelitian yang lebih luas, misalnya satu wilayah kabupaten. Pada penelitian ini hanya mampu mengklasifikasikan suatu kelas berdasarkan warna atau kedekatan piksel-pikselnya, untuk pengembangan dapat dilakukan pengklasifikasian berdasarkan warna, tinggi rendahnya wilaya dan bentuk sehingga dapat mengenali objek suatu kelas secara lebih rinci.
