PERBANDINGAN PEMANFAATAN CITRA SATELIT HASIL
PEREKAMAN SENSOR AKTIF DAN PASIF UNTUK KLASIFIKASI
HUTAN-NON HUTAN
(Studi Kasus: Kabupaten Malang)
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Nasional Malang
Author
Yudha, Gede Ryan Pratama
Subject
Geodesy Engineering
Datestamp
2019-03-11 03:24:09
Abstract :
Klasifikasi hutan dan non-hutan secara efisien dapat dilakukan dari data penginderaan jauh baik data optis maupun data SAR. Data penginderaan jauh optis memiliki beberapa kanal multispektral dengan kemampuan dan karakteristik yang berbeda beda sedangkan data SAR memiliki kelebihan dari segi kemampuannya dalam menembus awan dan hujan, dan sensornya yang merupakan sensor aktif (menyediakan sumber energi sendiri dan tidak tergantung oleh cahaya matahari) sehingga memungkinkan untuk dioperasikan baik pada siang maupun malam hari. Penelitian ini membandingkan hasil klasifikasi hutan dan non hutan wilayah Kabupaten Malang menggunakan data Landsat 8 OLI/TIRS dan data ALOS PALSAR. Klasifikasi data Landsat dilakukan dengan metode perhitungan indeks vegetasi NDVI (Normalized Different Vegetation Index) dan ARVI (Atmospherically Resistant Vegetation Index), sedangkan klasifikasi data ALOS PALSAR dilakukan dengan metode Random Forest Classifier. Hasil dari klasifikasi kedua data citra tersebut dibandingkan dengan peta kehutanan yang diperoleh dari Dinas Kehutanan Provinsi Jatim UPT PHW V Malang. Hasil dari pengolahan citra Landsat 8 OLI/TIRS dengan menggunakan metode NDVI diperoleh luasan sebesar 233.952.269 ha pada kelas hutan dan 73.688.394 ha pada kelas non hutan, metode ARVI diperoleh luasan sebesar 235.184,967 ha pada kelas hutan dan 72.455,556 ha pada kelas non hutan, hasil pengolahan citra ALOS PALSAR diperoleh luasan sebesar 243.949 ha pada kelas hutan dan kelas non hutan mempunyai luas sebesar 105.434 ha, sedangkan luasan dari peta kehutanan diperoleh hasil sebesar 237.997,444 ha pada kelas hutan dan 111.385,556 ha kelas non hutan. Hasil dari penelitian ini menunjukkan citra ALOS PALSAR memiliki selisih lebih mendekati dibandingkan dengan citra Landsat 8 OLI/TIRS. Kata kunci : hutan-non hutan, Landsat 8 OLI/TIRS, ALOS PALSAR, klasifikasi, perbandingan
Klasifikasi hutan dan non-hutan secara efisien dapat dilakukan dari data penginderaan jauh baik data optis maupun data SAR. Data penginderaan jauh optis memiliki beberapa kanal multispektral dengan kemampuan dan karakteristik yang berbeda beda sedangkan data SAR memiliki kelebihan dari segi kemampuannya dalam menembus awan dan hujan, dan sensornya yang merupakan sensor aktif (menyediakan sumber energi sendiri dan tidak tergantung oleh cahaya matahari) sehingga memungkinkan untuk dioperasikan baik pada siang maupun malam hari. Penelitian ini membandingkan hasil klasifikasi hutan dan non hutan wilayah Kabupaten Malang menggunakan data Landsat 8 OLI/TIRS dan data ALOS PALSAR. Klasifikasi data Landsat dilakukan dengan metode perhitungan indeks vegetasi NDVI (Normalized Different Vegetation Index) dan ARVI (Atmospherically Resistant Vegetation Index), sedangkan klasifikasi data ALOS PALSAR dilakukan dengan metode Random Forest Classifier. Hasil dari klasifikasi kedua data citra tersebut dibandingkan dengan peta kehutanan yang diperoleh dari Dinas Kehutanan Provinsi Jatim UPT PHW V Malang. Hasil dari pengolahan citra Landsat 8 OLI/TIRS dengan menggunakan metode NDVI diperoleh luasan sebesar 233.952.269 ha pada kelas hutan dan 73.688.394 ha pada kelas non hutan, metode ARVI diperoleh luasan sebesar 235.184,967 ha pada kelas hutan dan 72.455,556 ha pada kelas non hutan, hasil pengolahan citra ALOS PALSAR diperoleh luasan sebesar 243.949 ha pada kelas hutan dan kelas non hutan mempunyai luas sebesar 105.434 ha, sedangkan luasan dari peta kehutanan diperoleh hasil sebesar 237.997,444 ha pada kelas hutan dan 111.385,556 ha kelas non hutan. Hasil dari penelitian ini menunjukkan citra ALOS PALSAR memiliki selisih lebih mendekati dibandingkan dengan citra Landsat 8 OLI/TIRS. Kata kunci : hutan-non hutan, Landsat 8 OLI/TIRS, ALOS PALSAR, klasifikasi, perbandingan
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
