Yudo Prasetyo
Departemen Teknik Geodesi FT Undip

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

Found 2 Documents
Search

ANALISIS PERBANDINGAN KLASIFIKASI TUTUPAN LAHAN KOMBINASI DATA POINT CLOUD LIDAR DAN FOTO UDARA BERBASIS METODE SEGMENTASI DAN SUPERVISED ATIKA MARWATI; Yudo Prasetyo; Andri Suprayogi
Jurnal Geodesi UNDIP Volume 7, Nomor 1, Tahun 2018
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (555.45 KB)

Abstract

ABSTRAKIndonesia merupakan negara kepulauan yang terdiri dari pulau-pulau yang membentang dari Sabang hingga Merauke. Pemerintah saat ini merencanakan pembagunan fisik secara cepat untuk seluruh kawasan Negara Kesatuan Republik Indonesia. Strategi pembangunan fisik secara cepat tentu saja memerlukan adanya peta. Peta terdiri dari peta dasar dan peta tematik. Salah satu contoh dari peta tematik adalah peta tutupan lahan. Upaya pemerintah untuk menuntaskan kebijakan one map policy membuat kebutuhan akan sumber daya manusia geospasial semakin meningkat sedangkan masih sedikit sumber daya manusia yang tersedia. Hal ini menyebabkan diperlukannya sebuah metode yang relatif lebih cepat dan efektif untuk pengklasifikasian tutupan lahan.Saat ini telah banyak dikembangkan metode klasifikasi untuk tutupan lahan menggunakan data penginderaan jauh, diantaranya klasifikasi berbasis piksel dan klasifikasi berbasis objek. Klasifikasi berbasis piksel salah satunya dengan metode supervised dan klasifikasi berbasis objek dapat dilakukan dengan metode segmentasi. Segmentasi dalam konteks OBIA (Object-Based Image Analysis) dapat diartikan sebagai proses pengelompokan dari piksel-piksel bertetangga ke dalam area atau segmen berdasarkan kemiripan kriteria seperti digital number atau tekstur. Pada kedua metode ini dapat dibedakan antara kelas vegetasi, air dan sebagainya. Dari algoritma segmentasi multiresolusi yang telah dilakukan untuk data LiDAR didapatkan nilai parameter skala 90, bentuk 0,3, kekompakkan 0,7. Sedangkan untuk data foto udara nilai parameter skala sebesar 250, bentuk 0,3 dan kekompakkan 0,5. Pada data foto udara menghasilkan 7.930 segmen dengan nilai overall acuracy 93,907%. Kemudian untuk data LiDAR menghasilkan 7.960 segmen dengan nilai overall acuracy sebesar 92,810%. Metode supervised dilakukan dengan kelas yang sama yaitu 12 kelas untuk foto udara dan 7 kelas untuk LiDAR. Berdasarkan hasil supervised foto udara didapatkan nilai overall accuracy sebesar 83,530%. Sedangkan LiDAR hanya sebesar 64,595% untuk nilai overall accuracy.Penelitian ini diharapkan dapat menambah wawasan yang bermanfaat bagi penelitian selanjutnya serta menjadi referensi bagi pemerintah dalam melakukan klasifikasi tutupan lahan dengan data point cloud dan foto udara.Kata Kunci : Klasifikasi, LiDAR, OBIA, Segmentasi, Supervised ABSTRACTIndonesia is an archipelagic country with extending islands from Sabang to Merauke. The government is currently planning on a rapid physical development for each region of The Unitary State of Republic of Indonesia. Rapid physical development indeed needs a map. Map consists of base map and thematic map. One of the thematic maps is land cover map. Government’s effort on completing the one map policy causing the increasing needs of geospatial human resources while available human resources are limited. As a result a relatively fast and effective method is needed in land cover classification.Classifying land cover methods with remote sensing data are currently much developed, like pixel and object-based land cover classifications. Some of the pixel-based classification methods, supervised and object-based classification can be done with segmentation method. In OBIA (Object-Based Image Analysis) context, segmentation is a process of grouping neighborhood pixels into one area (or segment) based on characteristic similarities such as digital number or texture. From both of the methods it is enabled to differentiate between classes of vegetation, water, etc. Based on the completed multi-resolution segmentation algorithm, LiDAR data obtained parameter scale value of 90, shape 0.3, compactness 0.7. Whereas aerial image data obtained parameter scale value of 250, shape 0.3 and compactness 0.5. The aerial image generaed 7.930 segments wirh overall accuracy value of 93,9077%. Lidar data obtained 7.960 segments with overall accuracy value of 92,810%. Supervised method is completed with same amount of 12 classes for aerial image and 7 classes for LiDAR. Based on the supervised aerial image overall accuracy of 85.530% is generated. Meanwhile LiDAR only generated overall accuracy of 64.595%.It is hoped that this research can contribute in useful insights for the next upcoming research and also as a reference for the government in classifying land covers with point cloud data and aerial images.Keywords: Classification, LIDAR, OBIA, Segmentation, Supervised
ANALISIS SEBARAN VEGETASI DENGAN CITRA SATELIT SENTINEL MENGGUNAKAN METODE NDVI DAN SEGMENTASI Siska Wahyu Andini; Yudo Prasetyo; Abdi Sukmono
Jurnal Geodesi UNDIP Volume 7, Nomor 1, Tahun 2018
Publisher : Departement Teknik Geodesi Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (475.503 KB)

Abstract

ABSTRAKBerdasarkan Undang-Undang Nomor 26 Tahun 2007 tentang Tata Ruang, proporsi ruang terbuka hijau pada wilayah kota paling sedikit adalah 30% persen dari luas wilayah kota. Ruang Terbuka Hijau atau dapat disebut dengan vegetasi dapat mempengaruhi udara di sekitar secara langsung maupun tidak langsung. Vegetasi memiliki beberapa manfaat untuk lingkungan seperti : mereduksi polutan dan memproduksi oksigen, memperbaiki kualitas iklim lokal dan sebagai pengontrol radiasi sinar matahari. Kehadiran vegetasi pada suatu wilayah akan memberikan dampak positif bagi keseimbangan ekosistem dalam skala yang lebih luas. Secara umum peranan vegetasi dalam suatu ekosistem terkait dengan pengaturan keseimbangan karbon dioksida dan oksigen dalam udara, perbaikan sifat fisik, kimia dan biologis tanah, pengaturan tata air tanah dan lain-lain.Saat ini teknologi pengindraan jauh sudah semakin canggih, sehingga dapat mendeteksi sebaran vegetasi pada suatu wilayah, pola sebaran vegetasi, kerapatan vegetasi serta luas vegetasi. Teknik NDVI (Normalized Difference Vegetation Index) merupakan sebuah transformasi citra penajaman spektral untuk menganalisis hal-hal yang berkaitan dengan vegetasi. Selain teknik NDVI, ada sebuah metode yaitu segmentasi yang dapat digunakan untuk mendeteksi kerapatan suatu wilayah dengan cara membedakan bentuk, warna, tekstur dan batasan area.Dari hasil algoritma segmentasi didapatkan nilai optimal untuk citra Sentinel-2A sebesar 150 untuk parameter skala, 0,3 untuk parameter bentuk dan 0,5 untuk parameter compactness. Hasil uji akurasi dengan menggunakan validasi lapangan dari segmentasi menghasilkan nilai akurasi keseluruhan sebesar 46,7% sedangkan untuk NDVI nilai akurasi keseluruhannya adalah 88,9%. Penelitian ini menunjukkan bahwa pola sebaran vegetasi pada Kabupaten Demak dengan NDVI dan Segmentasi hampir sama yaitu merata ke seluruh wilayah dengan luasan yang berbeda-beda tiap wilayahnya. Kerapatan vegetasinya juga bervariasi, hasil kerapatan dengan dua metode memiliki sedikit perbedaan. Perbedaan yang signifikan terjadi apabila dalam satu wilayah hanya terdapat sedikit tumbuhan, karena perhitungan menggunakan uji densitas sangat memperhatikan jumlah tumbuhan dalam satu wilayah tersebut. Sedangkan apabila menggunakan kamera yang kemudian dilanjutkan dengan band threshold tidak memperhatikan jumlah tumbuhan melainkan besarnya kanopi.Kata Kunci : NDVI, Segmentasi, Vegetasi.  ABSTRACTBased on Law Number 26 Year 2007 on Spatial Planning, the proportion of Green Open Spaces in the city area is at least 30% percent of the total city area. Open Space Green or can be called vegetation can affect the air around directly or indirectly. Vegetation has several environmental benefits such as: reducing pollutants and producing oxygen, improving local climate quality and as a controller of solar radiation. The presence of vegetation in a region will have a positive impact on the balance of ecosystems on a wider scale. In general, the role of vegetation in an ecosystem is related to the regulation of the balance of carbon dioxide and oxygen in the air, the improvement of the physical, chemical and biological properties of the soil, soil water regulation and others. Currently remote sensing technology is increasingly sophisticated, so it can detect the spread of vegetation in a region, the pattern of vegetation distribution, vegetation density and vegetation area. The NDVI (Normalized Difference Vegetation Index) technique is a transformation of spectral sharpening images to analyze vegetation-related matters. In addition to NDVI techniques, there is a method of segmentation that can be used to detect the density of a region by distinguishing the shape, color, texture and area boundaries. From segmentation algorithm result got optimal value for Sentinel-2A image 150 for scale parameter, 0,3 for form parameter and 0,5 for parameter compactness. The result of accuracy test by using validation from segmentation yields the overall accuracy value of 46,7% while for NDVI the overall accuracy value is 88,9%. The results of this study indicate that the pattern of vegetation distribution in Demak District with NDVI and Segmentation almost the same, is evenly distributed to all regions with different areas of each region. The vegetation density varies, the result of density by the two methods has little difference. Significant differences occur when in one region there are few plants, because the calculation using the density test is very concerned the number of plants in one region. Meanwhile, when using a camera which is then continued with the threshold band does not pay attention to the number of plants but the size of the canopy.Keywords: NDVI, Segmentation, Vegetation.