Perbandingan Klasifikasi Berbasis Obyek dan Klasifikasi Berbasis Piksel pada Data Citra Satelit Synthetic Aperture Radar untuk Pemetaan Lahan

Pemanfaatan data penginderaan jauh untuk pemetaan lahan sudah lama berkembang. Di Indonesia yang beriklim tropis, awan menjadi masalah klasik dalam pemindaian permukaan bumi dengan menggunakan satelit penginderaan jauh sensor optik. Satelit dengan sensor Synthetic Aperture Radar (SAR) mempunyai kemampuan untuk menembus awan sehingga menjadi solusi permasalahan tutupan awan. Pada penelitian ini digunakan data ALOS PALSAR untuk mengkaji teknik klasifikasi berbasis obyek dan berbasis piksel. Data ALOS PALSAR dipilih karena mempunyai kemampuan pengenalan suatu obyek berdasarkan karakteristik hamburan baliknya (backscatter). Klasifikasi berbasis obyek menggunakan metode Statistical Region Merging (SRM) untuk proses segmentasi obyek, dan metode Support Vector Machine (SVM) untuk proses klasifikasi, sedangkan klasifikasi berbasis piksel menggunakan metode SVM. Pada tahap klasifikasi telah diujicobakan beberapa fitur Dekomposisi Target dan Dekomposisi Citra dari data ALOS PALSAR. Pengujian akurasi klasifikasi dilakukan dengan metode confusion matrix menggunakan data Region of Interest (ROI) dari data QuickBird. Implementasi klasifikasi berbasis obyek memberikan hasil lebih baik dari klasifikasi berbasis piksel dengan jumlah fitur optimal yakni 7 fitur, terdiri dari 3 fitur dekomposisi Freeman (Red, Green, Blue), Entropy, Alpha Angle, Anisotrophy dan Normalized Difference Polarization Index (NDPI). Akurasi keseluruhan mencapai 73,64% untuk hasil klasifikasi berbasis obyek dan 62,6% untuk klasifikasi berbasis piksel.