Klasifikasi Tutupan Lahan Melalui Citra Satelit SPOT-6 dengan Metode Convolutional Neural Network (CNN)

Rita Magdalena, Sofia Saidah, Nor Kumalasari Caecar Pratiwi, Akbar Trisnamulya Putra

Abstract


Lahan merupakan suatu wilayah dimana seluruh bagian biosfer dianggap tetap atau siklis yang terdapat di atas maupun di bawah permukaan bumi. Klasifikasi lahan dilakukan dengan tujuan untuk memudahkan pemantauan penggunaan serta pengaturan tata letak lahan pada suatu wilayah. Pada penelitian ini dilakukan klasifikasi terhadap citra lahan yang diperoleh dari satelit SPOT-6 dengan menggunakan Metode Convolutional Neural Network (CNN). Jenis lahan yang dilakukan klasifikasi berupa sawah, hutan, pemukiman, sungai dan bukit gundul dengan jumlah data yang digunakan adalah 350 data citra lahan. Dari total data, sebanyak 75% data digunakan sebagai data latih dan 25% digunakan sebagai data uji. Model CNN yang digunakan pada penelitian ini yaitu basic CNN dengan arsitektur yang terdiri dari 3 hidden convolutional layer, 1 fully connected layer dan 2 stride. Hasil performansi sistem yang diperoleh pada penelitian ini diantaranya adalah akurasi 95,45%, loss 0,2457, serta rata-rata dari masing-masing nilai precision, recall dan f1-score sebesar 0,92. Dapat disimpulkan bahwa metode CNN dapat digunakan secara optimal dalam mengklasifikasikan 5 jenis tutupan lahan.


Keywords


Akurasi; Citra; CNN; Klasifikasi; Lahan; Satelite SPOT 6

Full Text:

PDF

References


Juhadi, “Pola-Pola Pemanfaatan Lahan Dan Degradasi Lingkungan Pada Kawasan Perbukitan,” J. Geogr., vol. 4, no. 1, pp. 11–24, 2007.

Sa’idah, S., Pratiwi, N. K. C., Aprilia, B. S., Magdalena, R., & Fu’adah, Y. N. “Land cover classification using Grey Level Co-occurrence Matrix and Naive Bayes”. Journal of Physics: Conference Series. 2019.

C, Y., F, R., & C, H.. “Classification of Land Cover and Land Use Based on Convolutonal Neural Networks”. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 1V(3), 251.2018.

Sampurno, R. M., & Thoriq, A. “Klasifikasi Tutupan Lahan Menggunakan Citra Landsat 8 Operational Land Imager (OLI) di Kabupaten Sumedang” (Land Cover Classification using Landsat 8 Operational Land Imager (OLI) Data in Sumedang Regency). Jurnal Teknotan, 10(2), 62–70.2016.

Cahyono, B. E., Febriawan, E. B., & Nugroho, A. T. “Analisis Tutupan Lahan Menggunakan Metode Klasifikasi Tidak Terbimbing Citra Landsat di Sawahlunto, Sumatera Barat”. TEKNOTAN, 13(1), 8–14. 2019.

ACHSAN, A. C. “Pemanfaatan Citra Landsat Untuk Klasifikasi Tutupan Lahan Lanskap Perkotaan Kota Palu”. E-JURNAL ARSITEKTUR LANSEKAP, 3(1), 59–65.2017

Arisondang, V., Sudarsono, B., & Prasetyo, Y. “Klasifikasi Tutupan Lahan Menggunakan Metode Segmentasi Berbasis Algoritma Multiresolusi”. Jurnal Geodesi Undip, 4(1), 9–19.2015.

Derajat, R. M., Sopariah, Y., Aprilianti, S., Taruna, A. C., Tisna, H. A. R., Ridwana, R., & Sugandi, D. “Klasifikasi Tutupan Lahan Menggunakan Citra Landsat 8 Operational Land Imager (OLI) di Kecamatan Pangandaran”. Jurnal Kajian Ilmu Dan Pendidikan Geografi, 3(1), 1–10.2020.

Suwargana, N. “Pengembangan Model Total Suspended Matter (TSM) Menggunakan Data Satelit SPOT 6 (Studi Kasus: di Muara Sungai Citanduy, Segara Anakan)”. Akuatika Indonesia, 2(1), 23.2017.

Setiaji, D., & Harintaka. “Ekstraksi Fitur Bangunan Secara Cepat pada Foto UAV Menggunakan Metode Deep Residual Neural Network Berbasis FCN”. Elipsoida, 02(01), 42–49.2019.

K. Veriana, I. B. Hidayat, and S. Saidah, “Identifikasi dan Klasifikasi Tutupan Lahan Melalui Olahan Citra Google Earth Dengan Metode Singular Value Decomposition dan Klasifikasi K-Nearest Neighbor,” e-Proceeding Eng., vol. 5, no. 3, pp. 4797–4804, 2018.

Yamashita, R., Nishio, M., Kinh, R., Do, G., & Togashi, K. “Convolutional neural network : an overview and application in radiology”. 611–629.2018.

Eka Putra, W. S. ‘Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101”. Jurnal Teknik ITS, 5(1). 2016.

Arrofiqoh, E. N., & Harintaka, H. “Implementasi Metode Convolutional Neural Network Untuk Klasifikasi Tanaman Pada Citra Resolusi Tinggi”. Geomatika, 24(2), 61.2018.

Albawi, S., Mohammed, T. A., & Al-Zawi, S. “Understanding of a convolutional neural network”. Proceedings of 2017 International Conference on Engineering and Technology, ICET pp 1–6. 2018.

S. Ilahiyah and A. Nilogiri, “Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network,”Jurnal UnMuh Jember. vol. 3, no. 2, pp. 49–56, 2018.




DOI: http://dx.doi.org/10.26418/jp.v7i3.48195

Refbacks

  • There are currently no refbacks.