JGISE-Journal of Geospatial Information Science and Engineering
Vol 9, No 1 (2026): June

Perbandingan Metode Klasifikasi Berbasis Objek dan Piksel pada Google Earth Engine untuk Pemetaan Penggunaan Lahan di Zona Inti Gumuk Pasir Parangtritis

Jiddiya Ahnaf (Gadjah Mada University)
Erlyna Nour Arrofiqoh (Departemen Teknologi Kebumian, Sekolah Vokasi, Universitas Gadjah Mada)



Article Info

Publish Date
23 Jun 2026

Abstract

Gumuk Pasir Parangtritis di Yogyakarta adalah salah satu geoheritage tipe barkhan yang perlu dilestarikan. Gumuk pasir tipe barkhan memiliki bentuk bulan sabit dan biasanya terdapat di wilayah beriklim kering, menjadikan gumuk pasir Parangtritis unik karena memiliki iklim tropis basah. Kawasan ini mengalami penyusutan setiap tahun akibat perubahan penggunaan lahan. Penelitian ini membandingkan dua metode klasifikasi, berbasis objek dan piksel untuk pemetaan penggunaan lahan di zona inti gumuk pasir Parangtritis menggunakan Google Earth Engine (GEE). Data yang digunakan adalah foto udara tahun 2020 dengan resolusi 10 cm. Metodologi melibatkan algoritma Random Forest (RF), Classification and Regression Tree (CART), dan Support Vector Machine (SVM). Pada klasifikasi berbasis objek dilakukan segmentasi menggunakan algoritma Simple Non-Iterative Clustering (SNIC) sebelum proses klasifikasi. Data training dan validasi dibuat menggunakan random points berdasarkan peta referensi serta pengecekan manual pada foto udara untuk memastikan hasil klasifikasi dapat divalidasi secara akurat. Hasil menunjukkan metode berbasis objek dengan RF memiliki akurasi tertinggi (98,1%), diikuti oleh metode CART (97,5%) dan SVM (63,8%). Sedangkan pada metode berbasis piksel, metode CART memiliki akurasi tertinggi (96,9%) , diikuti oleh RF (93,1%) dan SVM (58,1%). Kesimpulan menunjukkan metode berbasis objek lebih efektif dalam pemetaan penggunaan lahan dibandingkan metode berbasis piksel.

Copyrights © 2026






Journal Info

Abbrev

jgise

Publisher

Subject

Engineering

Description

JGISE also accepts articles in any geospatial-related subjects using any research methodology that meet the standards established for publication in the journal. The primary, but not exclusive, audiences are academicians, graduate students, practitioners, and others interested in geospatial ...