<![CDATA[Klasifikasi penggunakan lahan merupakan suatu hal yang menarik untuk dipelajari dan diteliti. Ada beberapa metode klasifikasi yang banyak digunakan dalam peneliatian, salah satunya yaitu menggunakan metode machine learning, seperti SVM, Naiive, dan decision tree baik untuk foto udara dan citra satelit. Penelitian ini menggunkaan citra satelit Sentinel-2A MSI dalam melakukan klasifikasi lahan di Kota Langsa sebagai lokasi kajian. Adapun metode yang digunakan, langkah pertama dengan mengunduh citra Sentinel-2A dengan band yang memiliki resolusi 10 m dan 20 m. Citra ini memilki resolusi yang cukup baik dibandingkan dengan citra optical remote sensing lainnya. Langkah kedua, karena citra permukaan bumi yang tertutup awan maka perlu dilakukan proses cloud masking untuk mengurangi kesalahan klasfikasi piksel. Selanjutnya, proses pengumpulan training dataset yang diperoleh dari setiap kelasnya dan diwakilkan oleh nilai-nilai piksel. Kemudian, training dataset tersebut digunakan untuk melakukan klasifikasi terbimbing dengan menggunakan metode pohon keputusan. Metode ini akan mengatagorikan setiap pikselnya ke dalam delapan kelas. Terakhir, sebagai tahap valisadi, maka perlu dilakukan uji akurasi pada hasil klasifikasi lahan dengan menggunakan confusion matrix dan menghitung overall accuracy (OA). Dari hasil akurasi tersebut dapat disimpulkan bahwa pohon keputusan dapat memberikan hasil yang baik dalam klasifikasi penggunakan lahan di Kota Langsa dengan nilai OA sebesar 94%.]]>
Copyrights © 2021
