PERBANDINGAN KLASIFIKASI TUTUPAN LAHAN DENGAN METODE OBJECT-BASED DAN PIXEL- BASED TUGAS AKHIR Karya Tulis sebagai salah satu syarat untuk memperoleh gelar Sarjana Oleh NANDHY RAMADHANNY HOESIN POETRI 15108075 PROGRAM STUDI TEKNIK GEODESI DAN GEOMATIKA FAKULTAS ILMU DAN TEKNOLOGI KEBUMIAN INSTITUT TEKNOLOGI BANDUNG 2012
LEMBAR PENGESAHAN Tugas Akhir Sarjana PERBANDINGAN KLASIFIKASI TUTUPAN LAHAN DENGAN METODE OBJECT-BASED DAN PIXEL-BASED Adalah benar dibuat oleh saya sendiri dan belum pernah dibuat dan diserahkan sebelumnya baik sebagian ataupun seluruhnya, baik oleh saya maupun orang lain, baik di ITB maupun institusi pendidikan lainnya. Bandung, September 2012 Penulis Nandhy Ramadhanny Hoesin Poetri NIM. 15108075 Bandung, September 2012 Pembimbing Pembimbing I Pembimbing II Prof. Ketut Wikantika, Ph.D NIP. 196612171994021001 Dr. Soni Darmawan, ST. MT ii
KATA PENGANTAR Puji dan syukur penulis panjatkan kehadirat Allah SWT yang telah memberikan petunjuk, kesehatan dan akal pikiran sehingga penulis dapat menyelesaikan tugas akhir ini. Tugas akhir ini, dengan judul Perbandingan Klasifikasi Tutupan Lahan dengan Metode Object-Based dan Pixel-Based, merupakan salah satu syarat untuk memperoleh gelar sarjana teknik di Program Studi Teknik Geodesi ITB. Pada kesempatan ini penulis mengucapkan terima kasih kepada semua pihak yang telah memberikan bantuan, dorongan, semangat serta bimbingan dalam penyelesaian tugas akhir ini. Penulis menyadari bahwa dalam penulisan tugas akhir ini masih terdapat kekurangan. Oleh karena itu penulis mengharapkan saran dan kritik yang membangun sebagai bahan perbaikan tugas akhir ini. Akhir kata, penulis berharap semoga tulisan ini dapat bermanfaat bagi lingkungan civitas akademika maupun lingkungan masyarakat umum. Bandung, September 2012 Penulis i
ABSTRAK Klasifikasi dengan metode pixel-based dan object-based dilakukan untuk mendapatkan informasi tutupan lahan pada citra Landsat Thematic Mapper. Pada metode berbasiskan piksel, teknik klasifikasi terbimbing dengan metode Maximum Likelihood dan Minimum Distance digunakan dalam proses klasifikasi. Sedangkan pada metode berbasiskan objek, citra disegmentasi terlebih dahulu menjadi daerah yang homogen dengan menggunakan parameter yang tepat pada beberapa level. Hasil klasifikasi kemudian dibandingkan untuk mengevaluasi dua metode klasifikasi tersebut. Untuk mendapatkan hasil akurasi, maka data ground truth yang sama diberikan pada kedua metode tersebut. Keakuratan yang didapatkan pada klasifikasi dengan metode berbasiskan objek dengan menggunakan metode maximum likelihood adalah 77.27% dan untuk metode minimum distance adalah 76.14%. Sedangkan tingkat keakuratan klasifikasi dengan menggunakan metode berbasiskan objek didapatkan hasil 86.52% untuk level 1, 82.02% untuk level 2, dan 78.65% untuk level 3. Dengan metode berbasiskan objek didapatkan hasil yang lebih baik dibandingkan dengan metode berbasiskan piksel (termasuk user s dan producer s accuracy). Berarti pemetaan tematik dengan metode berbasiskan objek memberikan hasil yang lebih baik. Kata Kunci: tutupan lahan, pixel-based, object-based, segmentasi, klasifikasi terbimbing ii
ABSTRACT Classification with pixel-based and object-based methods were used to extract information about land cover from Landsat Thematic Mapper image. In pixel-based, supervised classification technique was performed using Maximum Likelihood and Minimum Distance methods for the classification process. On the other hand, in object-based, image were segmented to homogenous area by suitable parameters in some levels. The classification results were compared each other to evaluate the two classification methods. To get the accuracy, the same set of ground truth data were given. The accuracy of pixel-based classification with maximum likelihood method is 77.27% and for minimum distance method is 76.14%. Beside that, the accuracy for object-based classification is 86.52% for level 1, 82.02% for level 2, and 78.65% for level 3. Object-based method gave more accurate then the pixel-based (including the user s and producer s accuracy). So that thematic mapper with object-based approached give higher results. Key words: land cover, pixel-based, object-based, segmentation, supervised classification iii
DAFTAR ISI KATA PENGANTAR... i ABSTRAK... ii ABSTRACT... iii DAFTAR ISI... iv DAFTAR GAMBAR... vi DAFTAR TABEL... vii DAFTAR LAMPIRAN... viii BAB I PENDAHULUAN... 1 1.1 Latar Belakang... 1 1.2 Tujuan Penelitian... 3 1.3 Ruang Lingkup Penelitian... 3 1.4 Metodologi Penelitian... 3 1.5 Sistematika Penelitian... 5 BAB II TEORI DASAR... 6 2.1 Tutupan Lahan... 6 2.2 Klasifikasi Citra... 7 2.3 Pixel-Based... 7 2.3.1 Klasifikasi Terbimbing (Supervised Classification)... 8 2.3.2 Maximum Likelihood Classification... 8 2.3.3 Minimum Distance Classification... 9 2.4 Object-Based... 10 2.5 Segmentasi... 10 BAB III METODOLOGI PENELITIAN... 12 3.1 Persiapan... 12 3.1.1 Daerah Penelitian... 12 3.1.2 Data yang Digunakan... 13 3.1.2.1 Data Citra Satelit yang Digunakan... 13 3.1.2.1 Perangkat yang digunakan... 13 3.2 Pengolahan Citra Satelit... 14 3.2.1 Pra Pengolahan Citra... 14 3.2.1.1 Pemotongan Citra... 14 3.2.1.2 Koreksi Geometrik... 15 3.2.1.3 Penajaman Citra (Image Enhancement)... 16 3.2.2 Proses Klasifikasi... 17 3.2.2.1 Metode Pixel-Based... 17 3.2.2.2 Metode Object-Based dan Segmentasi Citra... 18 3.2.2.3 Object-Based Supervised Classification... 20 3.2.3 Accuracy Assessment... 20 BAB IV HASIL DAN ANALISIS... 23 4.1 Hasil Segmentasi... 23 4.2 Hasil Klasifikasi Tutupan Lahan... 25 4.2.1 Pixel-Based Classification... 25 4.2.2 Object-Based Classification... 27 iv
4.3 Accuracy Assessment... 29 4.4 Analisis... 31 BAB V KESIMPULAN DAN SARAN... 34 5.1 Kesimpulan... 34 5.2 Saran... 34 DAFTAR PUSTAKA... 35 LAMPIRAN... ix v
DAFTAR GAMBAR Gambar 1.1 Metodologi Penelitian... 4 Gambar 2.1 Minimum Distance Classifier... 9 Gambar 3.1 Lokasi Penelitian, kecamatan Batujajar dan Saguling, Bandung, Jawa Barat... 12 Gambar 3.2 Citra Satelit Landsat 5 TM Kota dan Kabupaten Bandung... 13 Gambar 3.3 Citra hasil pemotongan sesuai daerah kajian... 15 Gambar 3.4 Citra Kajian setelah Peregangan Linear... 17 Gambar 3.5 Parameter Segmentasi... 19 Gambar 4.1 Level 1. Poligon yang terbentuk banyak... 24 Gambar 4.2 Level 2. Poligon yang terbentuk lebih besar... 24 Gambar 4.3 Level 3. Poligon yang terbentuk memiliki keberagaman yang lebih banyak dalam satu segmen... 25 Gambar 4.4 Hasil Klasifikasi Pixel-Based dengan Metode Maximum Likelihood... 26 Gambar 4.5 Hasil Klasifikasi Pixel-Based dengan Metode Minimum Distance... 26 Gambar 4.6 Hasil Klasifikasi Object-Based Level 1... 27 Gambar 4.7 Hasil Klasifikasi Object-Based Level 2... 28 Gambar 4.8 Hasil Klasifikasi Object-Based Level 3... 28 vi
DAFTAR TABEL Tabel 4.1 Parameter Segmentasi yang dilakukan pada Landsat TM... 23 Tabel 4.2 Confusion Matrix Hasil klasifikasi Maximum Likelihood... 30 Tabel 4.3 Confusion Matrix Hasil klasifikasi Minimum Distance... 30 Tabel 4.4 Confusion Matrix Hasil klasifikasi Object-Based Level 1... 30 Tabel 4.5 Confusion Matrix Hasil klasifikasi Object-Based Level 2... 31 Tabel 4.6 Confusion Matrix Hasil klasifikasi Object-Based Level 3... 31 Tabel 4.7 Perbandingan Accuracy Assessment Pixel-Based dan Object-Based... 31 vii
DAFTAR LAMPIRAN Lampiran 1 Peta Klasifikasi Tutupan Lahan dengan Metode Maximum Likelihood... x Lampiran 2 Peta Klasifikasi Tutupan Lahan dengan Metode Minimum Distance... xi Lampiran 3 Peta Klasifikasi Tutupan Lahan dengan Metode Object-Based Level 1 xii Lampiran 4 Peta Klasifikasi Tutupan Lahan dengan Metode Object-Based Level 2 xiii Lampiran 5 Peta Klasifikasi Tutupan Lahan dengan Metode Object-Based Level 3 xiv viii