Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JGISE-Journal of Geospatial Information Science and Engineering
Jiddiya Ahnaf
Gadjah Mada University
Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perbandingan Metode Klasifikasi Berbasis Objek dan Piksel pada Google Earth Engine untuk Pemetaan Penggunaan Lahan di Zona Inti Gumuk Pasir Parangtritis Jiddiya Ahnaf; Erlyna Nour Arrofiqoh
Jurnal Geospasial Indonesia Vol 9, No 1 (2026): June
Publisher : Universitas Gadjah Mada

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/jgise.98819

Abstract

Gumuk Pasir Parangtritis di Yogyakarta adalah salah satu geoheritage tipe barkhan yang perlu dilestarikan. Gumuk pasir tipe barkhan memiliki bentuk bulan sabit dan biasanya terdapat di wilayah beriklim kering, menjadikan gumuk pasir Parangtritis unik karena memiliki iklim tropis basah. Kawasan ini mengalami penyusutan setiap tahun akibat perubahan penggunaan lahan. Penelitian ini membandingkan dua metode klasifikasi, berbasis objek dan piksel untuk pemetaan penggunaan lahan di zona inti gumuk pasir Parangtritis menggunakan Google Earth Engine (GEE). Data yang digunakan adalah foto udara tahun 2020 dengan resolusi 10 cm. Metodologi melibatkan algoritma Random Forest (RF), Classification and Regression Tree (CART), dan Support Vector Machine (SVM). Pada klasifikasi berbasis objek dilakukan segmentasi menggunakan algoritma Simple Non-Iterative Clustering (SNIC) sebelum proses klasifikasi. Data training dan validasi dibuat menggunakan random points berdasarkan peta referensi serta pengecekan manual pada foto udara untuk memastikan hasil klasifikasi dapat divalidasi secara akurat. Hasil menunjukkan metode berbasis objek dengan RF memiliki akurasi tertinggi (98,1%), diikuti oleh metode CART (97,5%) dan SVM (63,8%). Sedangkan pada metode berbasis piksel, metode CART memiliki akurasi tertinggi (96,9%) , diikuti oleh RF (93,1%) dan SVM (58,1%). Kesimpulan menunjukkan metode berbasis objek lebih efektif dalam pemetaan penggunaan lahan dibandingkan metode berbasis piksel.
Co-Authors Erlyna Nour Arrofiqoh