Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital
Ahmad Sutanto
Lembaga Penerbangan dan Antariksa Nasional
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
PERBANDINGAN KLASIFIKASI BERBASIS OBYEK DAN KLASIFIKASIBERBASIS PIKSEL PADA DATA CITRA SATELIT SYNTHETICAPERTURE RADAR UNTUK PEMETAAN LAHAN(COMPARISON OF OBJECT BASED AND PIXEL BASEDCLASSIFICATION ON SYNTHETIC APERTURE RADAR SATELLITEIMAGE DATA FOR LAND MAPPING) Ahmad Sutanto; Bambang Trisakti; Aniati Murni Arimurthy
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 11 No. 1 Juni 2014
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1671.092 KB)

Abstract

Pemanfaatan data penginderaan jauh untuk pemetaan lahan sudah lama berkembang. Di Indonesia yang beriklim tropis, awan menjadi masalah klasik dalam pemindaian permukaan bumi dengan menggunakan satelit penginderaan jauh sensor optik. Satelit dengan sensor Synthetic Aperture Radar (SAR) mempunyai kemampuan untuk menembus awan sehingga menjadi solusi permasalahan tutupan awan. Pada penelitian ini digunakan data ALOS PALSAR untuk mengkaji teknik klasifikasi berbasis obyek dan berbasis piksel. Data ALOS PALSAR dipilih karena mempunyai kemampuan pengenalan suatu obyek berdasarkan karakteristik hamburan baliknya (backscatter). Klasifikasi berbasis obyek menggunakan metode Statistical Region Merging (SRM) untuk proses segmentasi obyek, dan metode Support Vector Machine (SVM) untuk proses klasifikasi, sedangkan klasifikasi berbasis piksel menggunakan metode SVM. Pada tahap klasifikasi telah diujicobakan beberapa fitur Dekomposisi Target dan Dekomposisi Citra dari data ALOS PALSAR. Pengujian akurasi klasifikasi dilakukan dengan metode confusion matrix menggunakan data Region of Interest (ROI) dari data QuickBird. Implementasi klasifikasi berbasis obyek memberikan hasil lebih baik dari klasifikasi berbasis piksel dengan jumlah fitur optimal yakni 7 fitur, terdiri dari 3 fitur dekomposisi Freeman (Red, Green, Blue), Entropy, Alpha Angle, Anisotrophy dan Normalized Difference Polarization Index (NDPI). Akurasi keseluruhan mencapai 73,64% untuk hasil klasifikasi berbasis obyek dan 62,6% untuk klasifikasi berbasis piksel.Kata kunci : Klasifikasi berbasis obyek, SRM, SVM, Sensor SAR1
Co-Authors Aniati Murni Arimurthy Bambang Trisakti