Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Elipsoida : Jurnal Geodesi dan Geomatika
Catur Aries Rokhmana
Universitas Gadjah mada
Education

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
EKSTRAKSI CITRA SENTINEL 1A DENGAN METODE POLARIMETRIK UNTUK PEMETAAN HUTAN DI PROVINSI SUMATERA SELATAN Rahma Anisa; Catur Aries Rokhmana
Elipsoida : Jurnal Geodesi dan Geomatika Vol 2, No 01 (2019): Volume 02 Issue 01 Year 2019
Publisher : Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (830.148 KB) | DOI: 10.14710/elipsoida.2019.4869

Abstract

Hutan di Indonesia merupakan ekosistem yang luas, banyak didominasi di wilayah yang jauh dari perkotaan seperti di Provinsi Sumatera Selatan, Provinsi Riau, Provinsi Jambi dan juga Pulau Kalimantan. Pemetaan dan pemantauan hutan umumnya dilakukan menggunakan pendekatan penginderaan jauh satelit optik, akan tetapi penggunaan data satelit penginderaan jauh optik memiliki liputan awan yang cukup banyak hal itu yang menimbulkan kendala dalam pengolahannya.   Penggunaan data satelit penginderaan jauh Synthetic Aperture Radar (SAR) menjadi salah satu solusi untuk pemetaan dan pemantauan kawasan hutan karena memberikan persepektif baru yang dapat melengkapi kekurangan keterbatasan citra optik dalam melakukan pengolahan salah satunya dengan memanfaatkan teknologi polarisasi citra radar.Metode yang digunakan untuk mengindentifikasi seberapa besar teknologi polarisasi SAR dalam membantu pemetaan hutan yaitu metode polarimetrik dengan menggunakan metode dekomposisi H-Alpha berfungsi untuk mengeksploitasi secara optimal informasi yang terkandung dalam data polarimetrik-SAR berdasarkan analisis eigenvalue untuk mendapatkan parameter anistrophy,entropy dan alpha angle dan klasifikasi hutan menggunakan Unsupervised Wishart Classification.Hasil pengolahan polarimetrik diketahui bahwa luasan hutan pengolahan polarimetrik sebesar 493906.1567 ha dan non-hutan sebesar 4004558.097 ha akan tetapi secara umum metode polarimetrik dengan klasifikasi tak terbimbing Unsupervised Wishart Classification ini dapat mewakili keadaan sebenernya berdasarkan tingkat validitasnya dan dapat membedakan kelas penutup lahan, ketidaksesuain hasil klasifikasi hutan dikarenakan tipe scatternya hampir sama dengan objek lain sehingga dominan terjadi hamburan acak bukan tunggal.
EVALUASI POLARISASI CITRA SAR (SYHTHETIC APERTURE RADAR) UNTUK KLASIFIKASI OBYEK TUTUPAN LAHAN Johan Ariyantoni; Catur Aries Rokhmana
Elipsoida : Jurnal Geodesi dan Geomatika Vol 3, No 01 (2020): Volume 03 Issue 01 Year 2020
Publisher : Department of Geodesy Engineering, Faculty of Engineering, Diponegoro University,Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1273.099 KB) | DOI: 10.14710/elipsoida.2020.7761

Abstract

Penggunaan pengindraan jauh sensor aktif SAR (Synthetic Aperture Radar) masih kurang dimanfaatkan sebagai upaya pengganti pengindraan jauh optis untuk pemetaan tutupan lahan, padahal citra optis masih memiliki tutupan awan yang menjadi kendala besar dalam pemantauan obyek tutupan lahan. Keunggulan Citra SAR Sentinel-1A adalah dapat menembus awan serta tidak berpengaruh pada keadaan cuaca. Dengan memanfaatkan teknologi polarisasi, citra SAR dapat membentuk komposit RGB yang berbeda, dalam penelitian ini digunakan komposit VV+VH,VH,VV/VH yaitu R dengan polarisasi VV+VH, G dengan polarisasi VH dan B dengan polarisasi VV/VH, menghasilkan tampilan citra SAR yang dapat diinterpretasi obyek tutupan lahannya. Ini dilakukan untuk mengevaluasi seberapa besar teknologi polarisasi SAR membantu dalam pemetaan obyek tutupan lahan. Hasil dari interpretasi tersebut dapat diidentifikasikan enam obyek tutupan lahan yang terdiri dari bangunan (permukiman desa, kota, dan gedung), sawah, hutan, semak, semak belukar dan lahan terbuka, hasil tersebut masih belum mampu untuk pemetaan tutupan lahan secara mendetil karena masih minimnya tutupan lahan yang dapat diinterpretasi pada komposit polarisasi tersebut. Tahapan Klasifikasi dilakukan dengan menggunakan dua metode yaitu maximum likelihood dan Support Vector Machine (SVM). Hasil akurasi keseluruhan confusion matrix dari klasifikasi maximum likelihood adalah 78,95% sedangkan klasifikasi Support Vector Machine (SVM) adalah 87,37%. Secara akurasi keselurahan dapat disimpulkan bahwa metode Support Vector Machine (SVM) lebih baik digunakan dalam klasifikasi citra SAR
Co-Authors Hikmah Fajar Assidiq Johan Ariyantoni Rahma Anisa