Klasifikasi Digital Tutupan Lahan Berbasis Objek menggunakan Integrasi Data Lidar dan Citra Satelit di Kawasan Tamalanrea Indah, Kota Makassar

https://doi.org/10.22146/jgise.68994

Bagus Wijanarko(1*), Djurdjani Djurdjani(2)

(1) Universitas Gadjah Mada
(2) Universitas Gadjah Mada
(*) Corresponding Author

Abstract


Kebutuhan pemerintah daerah akan informasi geospasial menjadi semakin penting saat RTH semakin sulit ditemui di kawasan urban. Informasi tersebut adalah peta tutupan lahan, yang dapat diperoleh dari proses klasifikasi citra satelit resolusi tinggi, tetapi masih memiliki keterbatasan informasi spektral dimana klasifikasi objek juga melibatkan karakteristik spasial hingga tekstur untuk mendapatkan nilai akurasi yang tinggi (Kushardono, 2017). Karakterisitik tersebut sangat minimal pada data sensor pasif, tetapi banyak ditemukan pada data sensor aktif (radar/LiDAR). Dengan diketahuinya potensi kedua sensor (citra satelit dan LiDAR), beberapa peneliti telah melakukan penelitian serupa, di antaranya Awrangjeb dkk., (2013), Uzar dan Yastikli (2013), dan Gilani dkk., (2015). Pada penelitian ini, terdapat 3 data utama yaitu citra Pleiades, nDSM, dan citra intensitas. nDSM merupakan data turunan dari nilai elevasi LiDAR, sementara citra intensitas dibentuk dari nilai pantulan objek pada panjang gelombang NIR, yang masing-masing telah terkoreksi kemudian diinterpolasi menjadi data raster dan diklasifikasi. Proses klasifikasi dilakukan menggunakan metode OBIA dengan algoritma Assign Class melalui proses segmentasi. Skema klasifikasi yang dihasilkan menghasilkan sebanyak 12 subkelas (dalam 4 kelas utama) dari masing-masing hasil klasifikasi data sensor membentuk dataset komposisi. Proses integrasi ini menghasilkan sebanyak 3 dataset komposisi, yaitu dataset A (citra Pleiades), dataset B (Pleiades-intensitas) dan dataset C (Pleiades-nDSM). Dengan analisis SIG dilakukan uji akurasi dan didapat nilai akurasi dataset A sebesar 44,44% dan dataset B dan C keduanya menghasilkan nilai akurasi sebesar 63,89%. Nilai akurasi tersebut sangat rendah jika mengacu pada SNI LU/LC, dikarenakan jumlah 36 titik sampel tidak proporsional (< 20%) terhadap total jumlah objek yang mencapai ribuan. 


Keywords


OBIA, land cover, Pleiades, LiDAR, nDSM, intensity, integration

Full Text:

PDF


References

Achsan, A. C. (2017). Pemanfaatan Citra Landsat untuk Klasifikasi Tutupan Lahan Lanskap Perkotaan Kota Palu. E-Journal Arsitektur Lansekap, 59.

Alonso, M., & Malpica, J. (2010). Satellite Imagery Classification with Lidar Data. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Science.

Aristalindra, F., Santosa, P. B., Diyono & Subaryono. (2020). Evaluasi Pemanfaatan Citra Tegak Satelit Resolusi Tinggi untuk Percepatan Pembuatan Peta Blok Pajak Bumi dan Bangunan (PBB-P2) secara Partisipatif di Desa Triharjo, Kabupaten Bantul, DIY. Journal of Geospatial Information Science and Engineering, vol 3 no 1. https://doi.org/10.22146/jgise.55788

Awrangjeb, M., Zhang, C., & Fraser, C. (2013). Automatic extraction of building roofs using LiDAR data and multispectral Imagery. ISPRS Jorunal of Photogrammetry and Remote Sensing, 83, 1-18.

Danoedoro, P. (2006). Versatile Land-use Information for Local Planning in Indonesia. Centre for Remote Sensing and Spatial Information Science (CRSSIS): School of Geography, Planning and Architecture. The University of Queensland.

Gilani, S., Awrangjeb, M., & Lu, G. (2015). Fusion of LiDAR data and multispectral imagery for effective building detection based on graph and connected component analysis. The International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, 40, 65.

Guo, Q. H., Kelly, M., Gong, P., & Liu, D. (2007). An object-based classification approach in mapping tree mortality using high spatial resolution imagery. GIScience dan Remote Sensing.

Istarno. (2016). Buku Ajar Penginderaan Jauh Sensor Aktif Airborne Laser Scanning/Lidar. Yogyakarta: Departemen Teknik Geodesi UGM.

Jia, Y. (2015). Object-based land cover classification with orthophoto and lidar data. Stockholm: School of Architecture and the Built Environment (KTH) Stockholm, Sweden.


Kushardono, D. (1997). Model Klasifikasi Penutup Lahan Data Multisensor Radar-Optik. Majalah LAPAN no.83.

Kushardono, D. (2017). Klasifikasi Digital Penginderaan Jauh. Bogor: Penerbit IPB Press.

Mills, M. (2020, June 23). Elevation Grid Creation in Global Mapper: Creating a DTM. Retrieved from Insight from Blue Marble Geographics: https://blog.bluemarblegeo.com/2020/06/23/elevation-grid-creation-in-global-mapper-creating-a-dtm/

Prayogo, L. M. & Basith, A. (2020). Uji Performa Citra Worldview 3 dan Sentinel 2A untuk Pemetaan Kedalaman Laut Dangkal (Studi Kasus di Kepulauan Karimunjawa, Jawa Tengah). Journal of Geospatial Information Science and Engineering, vol 3 no 2. https://doi.org/10.22146/jgise.59572

Sampurno, R., & Thoriq, A. (2016). Klasifikasi Tutupan Lahan Menggunakan Citra Landsat 8 Operational Land Imager (OLI) di Kabupaten Sumedang. Jurnal Teknotan Vol.10.2.

Santosa, P. B. (2016). Evaluation of satellite image correction methods caused by differential terrain illumination. Forum Geografi, vol 30 no 1. doi: 10.23917/forgeo.v30i1.1768

SNI 7645. (2010). SNI 7645: 2010 tentang Klasifikasi Penutup Lahan. Badan Standardisasi Nasional.

Suradji, A. (2020, May 18). Webinar PT Waindo Specterra. Retrieved from Teknologi GIS Enterprise, Dashboard Operation, CSRT, airborne LiDAR dan Aplikasi Pemanfaatannya di Bidang Pertambangan: https://youtu.be/1e9LgCy1yqs

Uzar, M., & Yastikli, N. (2013). Automatic building extraction using LiDAR and aerial photographs. Boletim de Ciências Geodésicas, 153-171.

Wahdaniyat, H. (2019, August 20). Ruang Terbuka Hijau yang Masih Terpinggirkan di Indonesia. Retrieved from Direktorat Jenderal Cipta Karya, Kementerian Pekerjaan Umum dan Perumahan Rakyat: http://ciptakarya.pu.go.id/pbl/index.php/detail_berita/565/ruang-terbuka-hijau-yang-masih-terpinggirkan-di-indonesia



DOI: https://doi.org/10.22146/jgise.68994

Article Metrics

Abstract views : 1486 | views : 924

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.


Journal of Geospatial Information Science and Engineering (JGISE) ISSN: 2623-1182 (Online) Email: jgise.ft@ugm.ac.id The Contents of this website is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.