Perbandingan Parameter Segmentasi OBIA dalam Klasifikasi Tutupan Lahan

https://doi.org/10.22146/jpmmpi.v3i2.79448

Wening Aisyah Fauziana Koman(1*), Asyfi'na Shofiyal Izza(2), Dewi Candraningtyas(3)

(1) 
(2) Gadjah Mada University
(3) Gadjah Mada University
(*) Corresponding Author

Abstract


Object Based Image Analysis (OBIA) merupakan metode klasifikasi citra yang populer karena tidak hanya bergantung pada piksel citra (pixel-based) namun juga parameterparameter lainnya berbasis objek. Terdapat dua tahap dalam metode OBIA yaitu segmentasi dan klasifikasi. Pada tahap segmentasi, terdapat beberapa parameter yang digunakan. Pada penelitian ini dipilih tiga parameter segmentasi utama yaitu Scale (Skala), Shape (Bentuk), dan Compactness (Kekompakan) dengan nilai variasi yang berbeda-beda untuk memperoleh parameter segmentasi optimal dalam klasifikasi tutupan lahan. Dua area berbeda dengan dominansi tutupan lahan permukiman dan perairan masing-masing dilakukan percobaan menggunakan tiga parameter segmentasi OBIA yang dipilih. Hasil klasifikasi diuji akurasi menggunakan matriks konfusi untuk melihat perbandingan antar parameter dan menentukan parameter paling optimal untuk masing-masing area studi. Parameter segmentasi yang paling optimum digunakan untuk area studi yang didominasi perairan yaitu Skala 25; Bentuk 0,4; dan Kekompakan 0,3 dengan akurasi keseluruhan sebesar 76%. Sedangkan parameter segmentasi yang paling optimum untuk kawasan permukiman atau bangunan yaitu Skala 30; Bentuk 0,3; dan Kekompakan 0,5 dengan akurasi keseluruhan sebesar 77%.

Kata kunci: Object Based Image Analysis, klasifikasi, fusi, tutupan lahan




References

Airbus Defence and Space. (2022). Pléiades Ortho Product – Bundle. https://www.intelligence-airbusds.com/en/9317-sample-imagery-detail?product=17360&keyword=pleiades&type=0

Akcay, O., Avsar, E. O., Inalpulat, M., Genc, L., & Cam, A. (2018). Assessment of segmentation parameters for object-based land cover classification using color-infrared imagery. ISPRS International Journal of Geo-Information, 7(11). https://doi.org/10.3390/ijgi7110424

Chen, Y., Chen, Q., & Jing, C. (2019). Multi-resolution segmentation parameters optimization and evaluation for VHR remote sensing image based on meanNSQI and discrepancy measure. Journal of Spatial Science. https://doi.org/10.1080/14498596.2019.1615011

Danoedoro, P. (2012). Pengantar Penginderaan Jauh Digital. In B. R. W (Ed.), Analysis. Penerbit ANDI.

El-naggar, A. M. (2018). Determination of optimum segmentation parameter values for extracting building from remote sensing images. Alexandria Engineering Journal, 57(4), 3089–3097. https://doi.org/10.1016/j.aej.2018.10.001

Hossain, M. D., & Chen, D. (2019). Segmentation for Object-Based Image Analysis (OBIA): A review of algorithms and challenges from remote sensing perspective. ISPRS Journal of Photogrammetry and Remote Sensing, 150, 115-134.

Mhangara, P., Mapurisa, W., & Mudau, N. (2020). Comparison of Image Fusion Techniques Using Satellite Pour l’Observation de la Terre (SPOT) 6 Satellite Imagery. Applied Sciences MDPI AG, 10(5), 1881. https://doi.org/http://dx.doi.org/10.3390/app10051881

Susetyo, D. B., & Basith, A. (2021). Parameter optimal dalam penerapan algoritma multi-resolution segmentation pada foto udara untuk klasifikasi penutup lahan berbasis objek. Seminar Nasional Geomatika-VI.

Trimble Germany GmbH. (2014). eCognition ® Developer User Guide.

Wibowo, T. S., & Suharyadi, R. (2012). Aplikasi Object-Based Image Analysis (OBIA) untuk Deteksi Perubahan Penggunaan Lahan Menggunakan Citra ALOS AVNIR-2. Jurnal Bumi Indonesia Fakultas Geografi UGM, 1(3), 130–138.

Xiaoxia, S., Jixian, Z., & Zhengjun, L. (2004). A Comparison of Object-Oriented and Pixel-Based Classification Approachs Using Quickbird Imagery. Chinese Academy of Surveiying and Mapping, 1–3. http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.184.350



DOI: https://doi.org/10.22146/jpmmpi.v3i2.79448

Article Metrics

Abstract views : 827 | views : 671

Refbacks

  • There are currently no refbacks.