Rulian, Nadya
Unknown Affiliation

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

Found 1 Documents
Search

ANALISA HAMBURAN BALIK CITRA SENTINEL-1 UNTUK PEMANTAUAN KELAS UMUR TANAMAN KELAPA SAWIT (Studi Kasus: PT. Perkebunan Nusantara VII Unit Rejosari, Natar, Kabupaten Lampung Selatan) Rulian, Nadya; Armijon, Armijon; Murdapa, Fauzan
Datum: Journal of Geodesy and Geomatics Vol. 1 No. 02 (2021): Jurnal Datum Geodesi dan Geomatika
Publisher : Department of Geodesy and Geomatics, University of Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/datum.v1i02.2093

Abstract

Identifikasi umur kelapa sawit dapat dilakukan dengan memanfaatkan teknologi penginderaan jauh menggunakan citra sensor aktif yang memiliki keunggulan dapat beroperasi siang atau malam dan tidak terpengaruh masalah tutupan awan atau kabut.  Adanya perbedaan umur kelapa sawit memengaruhi adanya perbedaan luas kanopi yang menyebabkan terjadinya variasi kekasaran permukaan kanopi  sehingga tingkat hamburan balik yang dipancarkan sensor berbeda-beda. Penelitian ini menganalisa keeratan hubungan (korelasi) antara nilai hamburan balik Citra Sentinel-1 dan umur kelapa sawit serta mengkelaskan kelapa sawit berdasarkan umurnya menggunakan data Citra SAR Sentinel-1 dengan dual polarisasi (VV dan VH) mode Interferometric Wide Swath (IW) dan basemap umur kelapa sawit di lokasi kajian.  Metodologi penelitian mencakup kegiatan  pre-processing (kalibrasi radiometrik,  terrain flattened gamma,  filtering dan  koreksi geometrik),  klasifikasi menggunakan algoritma SVM (Support Vector Machines),  uji akurasi menggunakan matrik konfusi serta analisa statistik dengan menghitung koefisien korelasi. Hasil penelitian membuktikan bahwa umur kelapa sawit dan nilai hamburan balik citra Sentinel-1 memiliki hubungan yang kurang erat, karena pada polarisasi VV koefisien korelasinya hanya sebesar 0,531% (sedang) dan untuk polarisasi VH sebesar  0,599% (sedang).  Selain itu,  hasil uji akurasi klasifikasi menggunakan matriks konfusi memperlihatkan bahwa skenario dengan lebih dari satu variabel menghasilkan tingkat akurasi yang lebih baik.Kata Kunci: Algoritma SVM (Support Vector Machines),  Hamburan Balik ,  Penginderaan Jauh Sensor Aktif,  Sentinel-1,  Umur Kelapa Sawit