<![CDATA[Penelitian ini bertujuan: Mengkaji akurasi metode neural network untuk klasifikasi penutup lahan dengan menggunakan citra multispectral Landsat 8 dan pengaruh input parameter pada metode neural network terhadap hasil akurasi klasifikasi penutup lahan. Penelitian ini merupakan penelitian berbasis data penginderaan jauh yang mencakup analisis digital dan kerja lapangan. Analisis digital mencakup kegiatan menguji kemampuan metode neural network/Multi Layer Perceptron (MLP) dengan algoritma backpropagation untuk klasifikasi penutup lahan berbasis citra penginderaan jauh Landsat 8. Kerja lapangan dilakukan untuk mengambil sampel penelitian dan menguji hasil akurasi klasifikasi penutup lahan dengan metode jaringan syaraf. Uji akurasi menggunakan akurasi keseluruhan, akurasi produser, akurasi pemakai dan analisis kappa accuracy. Hasil penelitian menunjukan (1) nilai akurasi terbaik yang diperoleh pada metode MLP dengan 7 kelas penutup lahan yaitu overall accuracy 76,69%, kappa accuracy 0,722 serta waktu eksekusi 1,25 menit, dengan kombinasi parameter yaitu 1 hidden layer; 0,001 learning rate; 0,5 momentum factor; 0,001 RMS; dan 15000 iterasi; (2) Nilai parameter learning rate 0,001 memberikan pengaruh nilai overall accuracy yang rendah sedangkan nilai learning rate 0,01 memberikan nilai overall accuracy yang baik. Iterasi 15000 lebih optimal dibandingkan nilai iterasi 10000 dan 20000 dalam pengaruhnya terhadap nilai akurasi hasil klasifikasi penutup lahan.]]>
Copyrights © 2018
