KLASIFIKASI HABITAT BENTIK BERBASIS OBJEK DENGAN ALGORITMA SUPPORT VECTOR MACHINES DAN DECISION TREE MENGGUNAKAN CITRA MULTISPEKTRAL SPOT-7 DI PULAU HARAPAN DAN PULAU KELAPA

Nico Wantona Prabowo (Program Studi Teknologi Kelautan, Institut Pertanian Bogor, Bogor)
Vincentius P. Siregar (Departemen Ilmu dan Teknologi Kelautan, FPIK-IPB, Bogor)
Syamsul Bahri Agus (Departemen Ilmu dan Teknologi Kelautan, FPIK-IPB, Bogor)

Jurnal Ilmu dan Teknologi Kelautan Tropis
Vol. 10 No. 1 (2018): Jurnal Ilmu dan Teknologi Kelautan Tropis

Teknik klasifikasi berbasis objek dengan algoritma machine learning SVM untuk citra resolusi tinggi di Indonesia sampai saat ini masih terbatas khususnya untuk pemetaan terumbu karang, oleh karena itu diperlukan kajian lebih lanjut mengenai perbandingan metode maupun penerapan algoritma sebagai alternatif dari proses klasifikasi. Penelitian ini bertujuan memetakan habitat bentik berdasarkan klasifikasi menggunakan metode OBIA dengan algoritma support vector machine dan decision tree di Pulau Harapan dan Kelapa. Segmentasi dilakukan menggunakan algoritma multiresolution segmentation dengan faktor skala 15. Metode OBIA diterapkan pada citra terkoreksi atmosfer dengan skema klasifikasi habitat bentik yang telah ditentukan sebelumnya. Akurasi keseluruhan dari penerapan algoritma SVM dan DT masing-masing sebesar 75,11% dan 60,34%. Analisis nilai Z statistik yang diperoleh dari penerapan dua algoritma yang digunakan yakni sebesar 2,23, dimana nilai ini menunjukkan bahwa klasifikasi dengan algoritma SVM berbeda nyata dengan hasil dari penggunaan algoritma DT.