Kajian Klasifikasi Berbasis Obyek untuk Pemetaan Bangunan yang Berisiko Gempabumi di Bantul, Daerah Istimewa Yogyakarta

https://doi.org/10.22146/mgi.15624

Lewi Ristiyono(1*), Projo Danoedoro(2), Muh Aris Marfai(3)

(1) 
(2) Fakultass Geografi, Universitas Gadjah Mada
(3) Fakultas Geografi, Universitas Gadjah Mada
(*) Corresponding Author

Abstract


Bencana gempabumi mengakibatkan kerusakan bangunan dan infrastruktur. Oleh karena itu perlu adanya pemetaan bangunan dan infrastruktur yang menjadi elemen berisiko gempabumi. Dikarenakan daerah yang terdampak gempabumi di indonesia sangatlah luas maka pemetaan bangunan dan infrastruktur memerlukan teknologi penginderaan jauh. Teknologi penginderaan jauh dengan klasifikasi penggunaan lahan mampu memetakan bangunan dan infrastruktur lebih efisien. Klasifikasi penggunaan lahan dengan pendekatan berbasis piksel memiliki kelemahan yaitu mengabaikan aspek spasial, munculnya “salt and papper” dan kurang menunjukan otomatis ketika diintegrasikan dengan SIG. Kelemahan klasifikasi berbasis piksel tersebut dilengkapi pada klasifikasi berbasis objek. Penelitian ini bertujuan Penelitian ini bertujuan mengkaji kemampuan klasifikasi berbasis objek dengan menggunakan citra ALOS pansharpening dalam memetakan bangunan dan infrastruktur yang berisiko gempabumi. Metode yang digunakan dalam klasifikasi berbasis objek dengan klasifikasi hierarkis rule-based dengan segmentasi multiresolusi. Metode ini memanfaatkan algoritma hierarchical classification dan logika fuzzy yang disusun dalam rule-set ditiap kelas penggunaan lahan. Logika fuzzy digunakan untuk menentukan nilai keanggotaan fitur-fitur objek yang digunakan dalam identifikasi objek dalam citra. Fitur-fitur objek yang digunakan adalah gabungan dari aspek spektral dan tekstur atau GLCM. Nilai fitur-fitur objek diekstrak dari sempel area berdasarkan segmentasi multiresolusi dengan citra multispektral AVNIR-2 pansharpening. Selanjutnya hasil klasifikasi penggunaan lahan diseleksi subkelas area terbangunan dimanfaatkan untuk mengetahui distribusi spasial bangunan yang berisiko gempabumi. Hasil dari klasifikasi menunjukan tingkat akurasi yang rendah dimana akurasi keseluruhan yang dihasilkan adalah 65.4% dan akurasi klasifikasi untuk subkelas area terbangun juga rendah. Hal ini disebabkan oleh kurang efektiknya klasifikasi hierarkis pada daerah penggunaan lahan dengan heterogenitas yang tinggi, distorsi citra AVNIR-2 pansharpening sebagai sumber data. Dan penggunaan 1 skala segmentasi untuk semua kelas di level 4 klasifikasi mempengaruhi rendahnya akurasi klasifikasi berbasis objek.

 


Keywords


ALOS pansharpening; bangunan; gempabumi; klasifikasi berbasis objek; klasifikasi hirarki



References

ALOS User Handbook. Diakses pada tanggal 29 September 2014 dari http://www.eorc.jaxa.jp/ALOS/en/doc/alos_userhb_en.pdf. Baatz, M., dan Schäpe, A. (2000). “Multiresolution segmentation – an optimization approach for high quality multi-scale image segmentation” dalam Angewandte Geographische Informations verarbeitung XII. Diedit oleh Strobl, Blaschke dan Griesebner, Wichmann-Verlag, Heidelberg. pp. 12–23. Benz, Ursula C., Hofmann, P., Willhauck, G., Lingenfelder, I., Heynen, M. (2004). Multi-resolution, object-oriented fuzzy analysis of remote sensing data for GIS-ready information. ISPRS Journal of Photogrammetry & Remote Sensing. 58, 239–258. Blaschke, T. (2010). Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing. 65 (1), 2–16. Blaschke, T., Burnett, C., Pekkarinen, A. (2004). Image Segmentation Methods for Object-based Analysis and Classification, dalam Remote Sensing Image Analysis: Including the spatial domain, Diedit oleh DeMeer, F. and de Jong, S., Kluver Academic Publishers, Dordrecht, pp. 211-236. Blaschke Thomas, Geoffrey J. Hay, Maggi Kelly, Stefan Lang, Peter Hofmann, Elisabeth Addink, Raul Queiroz Feitosa, Freek van der Meer, Harald van der Werff, Frieke van Coillie, Dirk Tiede. (2014). Geographic Object-Based Image Analysis – Towards a new paradigm. ISPRS Journal of Photogrammetry and Remote Sensing. 87, 180–191. Burnett, C., dan Blaschke Thomas. (2003). A multi-scale Segmentation/Object Relationship Modelling Methodology For Landscape Analysis. Ecological Modelling. 168 (3), 233-249. Danoedoro, Projo. (2012). Pengantar Penginderaan Jauh Digital. Yogyakarta : Andi Offset. Danoedoro, P. (2009). Land-Use Information From The Satellite Imagery: Versatility and Contents For Local Physical Planning. Lambert Academic Publishing AG & Co. KG. Drăguţ L., O. Csillik, C. Eisank, D. Tiede. (2014). Automated parameterisation for multi-scale image segmentation on multiple layers. ISPRS Journal of Photogrammetry and Remote Sensing. 88, 119-127. Hay, G.J., Castilla, G. (2008). Geographic Object-Based Image Analysis (GEOBIA): A new name for a new discipline. In: Blaschke, T., Lang, S., Hay, G. (Eds.), Object Based Image Analysis. Springer, Heidelberg, Berlin, New York, pp. 93-112. Lewinski Stanislaw. (2006). Applying fused multispectral and panchromatic data of Landsat ETM+ to object oriented classification. Proccedings of the 26th EARSeL Symposium, New Developments and Challenges in Remote Sensing. May 29-June 2, 2006. Warsaw, Poland. M. Wieland, M. Pittore, S. Parolai, J. Zschau, B. Moldobekov, U. Begaliev. (2012). Estimating building inventory for rapid seismic vulnerability assessment: Towards an integrated approach based on multi-source imaging. Soil Dynamics and Earthquake Engineering. 36, 70–83. Masroor Hussain, Dongmei Chen, Angela Cheng, Hui Wei, David Stanley. (2013). Change detection from remotely sensed images: From pixel-based to object-based approaches. ISPRS Journal of Photogrammetry and Remote Sensing. 80, 91–106. Schiewe, J. (2002). Segmentation of high-resolution remotely sensed data-concepts, applications and problems. International Archives of Photogrammetry Remote Sensing And Spatial Information Sciences. 34 (4), 380-385. Soe W. Myint, Patricia Gober, Anthony Brazel, Susanne Grossman-Clarke, Qihao Weng. (2011). Per-pixel vs. object-based classification of urban land cover extraction using high spatial resolution imagery. Remote Sensing of Environment. 115, 1145–1161. Timothy G. Whitesidea, Guy S. Boggs, Stefan W. Maier. (2011). Comparing object-based and pixel-based classifications for mapping savannas. International Journal of Applied Earth Observation and Geoinformation. 13, 884–893. Varnes David, J. (1984). Landslide Hazard Zonation: A Review Of Principles and Pratice. Published 1984 by United Nations Educational, Scientific and Cultural Organization, 7 Place de Fontenoy, 75700 Paris, ISBN 92-3-101895-1. Witharana, Chandi dan Daniel L. Civco dan Thomas H. Meyer. (2014). Evaluation of data fusion and image segmentation in earth observation based rapid mapping workflows. ISPRS Journal of Photogrammetry and Remote Sensing. 87, 1–18.



DOI: https://doi.org/10.22146/mgi.15624

Article Metrics

Abstract views : 4685 | views : 2639

Refbacks

  • There are currently no refbacks.




Copyright (c) 2016 Majalah Geografi Indonesia

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


 

Accredited Journal, Based on Decree of the Minister of Research, Technology and Higher Education, Republic of Indonesia Number 164/E/KPT/2021

Volume 35 No 2 the Year 2021 for Volume 39 No 1 the Year 2025

ISSN  0215-1790 (print) ISSN 2540-945X  (online)

 

website statistics Statistik MGI