Optimasi Parameter dalam Klasifikasi Spasial Penutup Penggunaan Lahan Menggunakan Data Sentinel SAR

Galdita Aruba Chulafak and Dony Kushardono and Zylshal (2017) Optimasi Parameter dalam Klasifikasi Spasial Penutup Penggunaan Lahan Menggunakan Data Sentinel SAR. Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital, 14 (2). pp. 111-129. ISSN 1412-8098

[img]
Preview
Text
Jurnal_Galdita A.C_Pusfatja_2017.pdf

Download (2MB) | Preview

Abstract

Pada penelitian ini dilakukan kajian mengenai klasifikasi penutup penggunaan lahan menggunakan data Sentinel-1 yang merupakan data Synthetic Aperture Radar (SAR). Informasi tekstur digunakan sebagai masukan dalam pembuatan klasifikasi terbimbing Neural Network dengan menggunakan Dual polarization (VH dan VV). Klasifikasi dilakukan menggunakan informasi tekstur menggunakan Gray Level Co-occurance Matrix (GLCM) dari data Sentinel-1. Tujuan penelitian ini adalah mendapatkan parameter optimum dalam ekstraksi informasi, yaitu ukuran jendela pemrosesan, orientasi hubungan ketetanggaan pada ekstraksi fitur tekstur, serta jenis fitur informasi tekstur yang digunakan dalam klasifikasi. Hasil klasifikasi menunjukkan bahwa pada area yang dikaji, akurasi terbaik adalah pada ukuran jendela 5×5 piksel, sudut orientasi hubungan ketetanggaan 0º, serta penggunaan informasi tekstur entropy sebagai masukan dalam klasifikasi. Serta diketahui bahwa semakin banyak fitur informasi tekstur yang digunakan sebagai masukan klasifikasi dapat meningkatkan akurasi dan pemilihan informasi tekstur yang tepat sebagai masukan klasifikasi akan menghasilkan akurasi terbaik.

Item Type: Article
Uncontrolled Keywords: SAR, Sentinel-1, GLCM
Subjects: Teknologi Penginderaan Jauh > Penelitian, Pengkajian, dan Pengembangan > Pemanfaatan Penginderaan Jauh > Pengolahan Data > Klasifikasi
Divisions: Deputi Penginderaan Jauh > Pusat Pemanfaatan Penginderaan jauh
Depositing User: Dinar Indrasasi
Date Deposited: 12 Jul 2021 02:19
Last Modified: 12 Jul 2021 02:19
URI: http://repositori.lapan.go.id/id/eprint/1003

Actions (login required)

View Item View Item