Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital International Journal of Remote Sensing and Earth Sciences (IJReSES)
Novie Indriasari
Unknown Affiliation
Computer Science & IT Earth & Planetary Sciences

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

Found 2 Documents
Search

 1 
ANALISIS PERUBAHAN TUTUPAN LAHAN DARI CITRA TERRASAR-X MENGGUNAKAN METODE TEXTURE ANALISIS DAN SEGMENTASI DI JAKARTA Haris Suka Dyatmika; Inggit Lolita Sari; Fadila Muchsin; Novie Indriasari; Marendra Eko Budiono
Jurnal Penginderaan Jauh dan Pengolahan Data Citra Digital Vol 17 No. 1 Juni 2020
Publisher : Indonesian National Institute of Aeronautics and Space (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (1764.247 KB) | DOI: 10.30536/j.pjpdcd.2020.v17.a3056

Abstract

Pembangunan wilayah yang cepat di kota Jakarta diindikasikan dengan peningkatan jumlah wilayah terbangun, seperti perumahan, jalan, dan bangunan komersial dan lainnya. Identifikasi tutupan lahan yang cepat dan terbaru serta informasi perubahannya sebagai data utama dalam merencanakan pembangunan sangat dibutuhkan. Salah satu metode untuk pemetaan tutupan lahan dan perubahannya diperoleh melalui pemanfaatan data penginderaan jauh yang memiliki sifat kontinu, dapat mencakup wilayah yang luas, serta effisien. Data penginderaan jauh yang digunakan meliputi citra optis dan radar. Data radar memiliki keunggulan dalam memetakan tutupan lahan dan perubahannya yang tidak terkendala waktu dan cuaca. Pada awal tahun 2018, data radar TerraSAR-X (TSX) telah dapat di akusisi di stasiun bumi LAPAN Parepare. Penelitian ini menggunakan citra TSX mode Stripmap dengan resolusi spasial 3 m dan waktu yang digunakan adalah tahun 2010 and 2013, yang digunakan untuk deteksi penutupan lahan dan perubahannya di kota Jakarta menggunakan metode texture analisis dan segmentasi. Akurasi assessmen akan dilakukan menggunakan citra Pleiades dan Google Earth. Hasil yang diperoleh adalah citra TSX dapat mengidentifikasi perubahan lahan di kota Jakarta, yaitu perkembangan permukiman, pembangunan jalan baru dan informasi tentang berkurangnya area lahan terbuka hijau.
LAND COVER CLASSIFICATION OF ALOS PALSAR DATA USING SUPPORT VECTOR MACHINE Katmoko Ari Sambodo; Novie Indriasari
International Journal of Remote Sensing and Earth Sciences (IJReSES) Vol 10, No 1 (2013)
Publisher : National Institute of Aeronautics and Space of Indonesia (LAPAN)

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (614.629 KB) | DOI: 10.30536/j.ijreses.2013.v10.a1836

Abstract

Land cover classification is  one  of  the  extensive  used  applications in  the  field  of remote sensing. Recently, Synthetic Aperture Radar (SAR) data has become an increasing popular data source because  its  capability  to  penetrate  through  clouds,  haze,  and  smoke.  This  study  showed  on  an alternative  method  for  land  cover  classification  of  ALOS-PALSAR  data  using  Support  Vector Machine (SVM) classifier. SVM discriminates two classes by fitting an optimal separating hyperplane to the training data in a multidimensional feature space, by using only the closest training samples. In order  to  minimize  the  presence  of  outliers  in  the  training  samples  and  to  increase  inter-class separabilities,  prior  to  classification,  a  training  sample  selection  and  evaluation  technique  by identifying its position in a horizontal vertical–vertical horizontal polarization (HV-HH) feature space was applied. The effectiveness of our method was demonstrated using ALOS PALSAR data (25 m mosaic, dual polarization) acquired in Jambi and South Sumatra, Indonesia. There were nine different classes  discriminated:  forest,  rubber  plantation,  mangrove  &  shrubs  with  trees,  oilpalm  &  coconut, shrubs,  cropland,  bare  soil,  settlement,  and  water.  Overall  accuracy  of  87.79%  was  obtained,  with producer’s accuracies for forest, rubber plantation, mangrove & shrubs with trees, cropland, and water class were greater than 92%.
Co-Authors Fadila Muchsin Haris Suka Dyatmika Inggit Lolita Sari Katmoko Ari Sambodo Marendra Eko Budiono