Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital

PENGEMBANGAN METODE KLASIFIKASI LAHAN SAWAH BERBASIS INDEK CITRA LANDSAT MULTIWAKTU Made Parsa; Dede Dirgahayu; Sri Harini
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 16 No. 1 Juni 2019
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (596.372 KB) | DOI: 10.30536/j.pjpdcd.2019.v16.a3076

Abstract

Penelitian pengembangan model klasifikasi lahan sawah berbasis citra penginderaan jauh Landsat bertujuan untuk memperoleh model klasifikasi lahan sawah secara cepat. Penelitian ini menggunakan input citra Landsat (p/r 122064) multiwaktu tahun 2017, informasi spasial lahan baku sawah 2017 skala detil (BIG) dan data hasil suvei lapangan. Penelitian dilaksanakan di salahsatu sentra produksi beras Jawa Barat yaitu di Kabupaten Subang. Metode yang digunakan dalam penelitian ini adalah metode threshold (ambang batas) terhadap indek citra Landsat multiwaktu. Sebagai referensi digunakan informasi spasial lahan sawah skala detil yang dilengkapi dengan data hasil survei lapangan menggunakan drone. Pertama dilakukan koreksi atmosfer terhadap citra Landsat, kemudian dilakukan ekstrak/konversi ke beberapa indek (EVI, NDWI, NDBI). Untuk citra-citra yang berawan maka indeksnya diisi dengan teknik interpolasi dari nilai indek sebelum dan setelahnya. Tahap berikutnya adalah smoothing indek dan analisis statistik untuk memperoleh nilai minimum, maksimum, mean, median, range, EVI_tanam, EVI_panen, mean_tanam-panen, mean_veg, mean_generatif, NDWI_tanam, NDWI_panen, NDBI_tanam dan NDBI_panen. Akurasi klasifikasi dihitung dengan teknik confusion matrix (matrik kesalahan) menggunakan referensi informasi spasial skala detil. Berdasarkan analisis dan uji akurasi yang telah dilakukan terhadap beberapa model, akurasi yang paling tinggi dihasilkan oleh model ambang batas tiga indek (EVI_min, EVI, Max, EVI_range) dengan akurasi 90,4% dan nilai kappa 0,80.