Garuda - Garba Rujukan Digital

Made Parsa

Unknown Affiliation

Author-ID : 3487843

Computer Science & IT Earth & Planetary Sciences

Published : 3 Documents Claim Missing Document

Claim Missing Document

Articles

PENGEMBANGAN METODE KLASIFIKASI LAHAN SAWAH BERBASIS INDEK CITRA LANDSAT MULTIWAKTU Made Parsa; Dede Dirgahayu; Sri Harini
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 16 No. 1 Juni 2019
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Penelitian pengembangan model klasifikasi lahan sawah berbasis citra penginderaan jauh Landsat bertujuan untuk memperoleh model klasifikasi lahan sawah secara cepat. Penelitian ini menggunakan input citra Landsat (p/r 122064) multiwaktu tahun 2017, informasi spasial lahan baku sawah 2017 skala detil (BIG) dan data hasil suvei lapangan. Penelitian dilaksanakan di salahsatu sentra produksi beras Jawa Barat yaitu di Kabupaten Subang. Metode yang digunakan dalam penelitian ini adalah metode threshold (ambang batas) terhadap indek citra Landsat multiwaktu. Sebagai referensi digunakan informasi spasial lahan sawah skala detil yang dilengkapi dengan data hasil survei lapangan menggunakan drone. Pertama dilakukan koreksi atmosfer terhadap citra Landsat, kemudian dilakukan ekstrak/konversi ke beberapa indek (EVI, NDWI, NDBI). Untuk citra-citra yang berawan maka indeksnya diisi dengan teknik interpolasi dari nilai indek sebelum dan setelahnya. Tahap berikutnya adalah smoothing indek dan analisis statistik untuk memperoleh nilai minimum, maksimum, mean, median, range, EVI_tanam, EVI_panen, mean_tanam-panen, mean_veg, mean_generatif, NDWI_tanam, NDWI_panen, NDBI_tanam dan NDBI_panen. Akurasi klasifikasi dihitung dengan teknik confusion matrix (matrik kesalahan) menggunakan referensi informasi spasial skala detil. Berdasarkan analisis dan uji akurasi yang telah dilakukan terhadap beberapa model, akurasi yang paling tinggi dihasilkan oleh model ambang batas tiga indek (EVI_min, EVI, Max, EVI_range) dengan akurasi 90,4% dan nilai kappa 0,80.

UJI MODEL FASE PERTUMBUHAN PADI BERBASIS CITRA MODIS MULTIWAKTU DI PULAU LOMBOK (THE TESTING OF PHASE GROWTH RICE MODEL BASED ON MULTITEMPORAL MODIS IN LOMBOK ISLAND) Made Parsa; Dede Dede Dirgahayu; Johannes Manalu; Ita Carolita; Wawan Harsanugraha
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol. 14 No. 1 Juni 2017
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Model testing is a step that must be done before operational activities. This testing aimed to test rice growth phase models based on MODIS in Lombok using multitemporal LANDSAT imagery and 4eld data. This study was carried out by the method of analysis and evaluation in several stages, these are : evaluation of accuracy by multitemporal Landsat 8 image analysis, then evaluation by using 4eld data, and analysis of growth phase information to calculate model consistency. The accuracy of growth phase model was calculated using Confusion Matrix. The results of stage I analysis for phase of April 30 and July 19 showed the accuracy of the model is 58-59 %, while the evaluation of stage II for phase of period July 19 with survey data indicated that the overall accuracy is 53 %. However, the results of model consistency analysis show that the resulting phase of the smoothed MODIS imagery shows a consistent pattern as well as the EVI pattern of rice plants with an 86% accuracy, but not for pattern data without smoothing. This testing give conclusion is the model is good, but for operational MODIS input data must be smoothed 4rst before index value extraction.ABSTRAKUji model adalah sebuah tahapan yang harus dilakukan sebelum model tersebut digunakan untuk kegiatan yang bersifat operasional. Penelitian ini bertujuan untuk menguji akurasi model fase pertumbuhan padi berbasis MODIS di pulau Lombok terhadap citra Landsat multiwaktu dan data lapangan. Penelitian dilakukan dengan metode analisis dan evaluasi secara bertahap. Pertama, evaluasi akurasi menggunakan analisis citra Landsat 8 multiwaktu. Pada tahap kedua menggunakan data referensi hasil pengamatan lapangan, sedangkan tahap ketiga dilakukan analisis informasi fase pertumbuhan untuk mengetahui tingkat konsistensi model. Akurasi model fase pertumbuhan dihitung menggunakan matrik kesalahan. Hasil analisis dan evaluasi tahap I terhadap informasi fase 30 April dan 19 Juli menunjukkan bahwa ketelitian model mencapai 58-59 %, sementara hasil evaluasi tahap II terhadap fase periode 19 Juli menggunakan data hasil survei 20-25 Juli menunjukkan akurasi keseluruhan 53 %. Namun, hasil analisis konsistensi model menunjukkan bahwa fase yang dihasilkan dari citra MODIS yang di-smoothing menunjukkan pola yang konsisten sebagaimana pola EVI tanaman padi dengan akurasi 86 %, sedangkan pola EVI citra MODIS yang tidak di-smoothing tidak konsisten. Berdasarkan hasil ini disimpulkan bahwa model ini cukup baik, tetapi dalam operasionalnya perlu dilakukan smoothing citra MODIS input terlebih dahulu sebelum ekstrak nilai indek (EVI).

OPTIMIZATION OF RICE FIELD CLASSIFICATION MODEL BASED ON THRESHOLD INDEX OF MULTITEMPORAL LANDSAT IMAGES Made Parsa; Dede Dirgahayu; Sri Harini; Dony Kushardono
International Journal of Remote Sensing and Earth Sciences Vol. 17 No. 1 (2020)
Publisher : BRIN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30536/j.ijreses.2020.v17.a3333

The development of rice land classification models in 2018 has shown that the phenology-based threshold of rice crops from the multi-temporal Landsat image index can be used to classify rice fields relatively well. The weakness of the models was the limitations of the research area, which was confined to the Subang region, West Java, so it is was deemed necessary to conduct further research in other areas. The objective of this study is to obtain optimal parameters of classification model of rice and land based on multi-temporal Landsat image indexes. The study was conducted in several districts of rice production centers in South Sulawesi and West Java (besides Subang). The threshold method was employed for the Landsat Image Enhanced Vegetation Index (EVI). Classification accuracy was calculated in two stages, the first using detailed scale reference information on rice field base, and the second using field data (from a survey). Based on the results of the analysis conducted on several models, the highest accuracy is generated by the three index parameter models (EVI_min, EVI_max, and EVI_range) and adjustable threshold with 94.8% overall accuracy. Therefore this model was acceptable for used for nationally rice fields mapping.

Title

Found 3 Documents
Search

Abstract

Abstract

Abstract

Title Search

Found 3 Documents Search

Abstract

Abstract

Abstract

Title

Found 3 Documents
Search