Klasifikasi Hutan-Non Hutan Data ALOS PALSAR Menggunakan Metode Random Forest

Ekstraksi informasi hutan dan non hutan dari data penginderaan jauh dapat digunakan dalam memonitor stok karbon dan perubahannya. Data SAR (Synthetic Aperture Radar) dapat menjadi alternatif karena selalu bebas awan dimana keberadaan awan tersebut sering menjadi kendala pada pemantauan menggunakan data-data optis khususnya di wilayah Indonesia. Pada penelitian ini dilakukan eksperimen pengekstraksian informasi hutan dan non hutan dari data SAR dengan melalui dua tahap utama, yaitu : 1) Melakukan klasifikasi penutup lahan dengan mengelompokkan obyek pada citra menjadi 9 kelas, yaitu hutan, karet, mangrove& semak campur pohon, kelapa sawit dan kelapa, semak, pertanian, lahan terbuka, permukiman, dan air; 2) Menggabungkan 9 kelas tersebut menjadi 2 kelas yaitu kelas hutan (hutan, karet, mangrove& semak campur pohon) dan kelas non hutan (kelapa sawit & kelapa, semak, pertanian, lahan terbuka, permukiman, dan air). Tahap pertama perlu dilakukan karena posisi distribusi kelas hutan dalam ruang fitur HH-HV relatif dikelilingi oleh kelas-kelas lainnya dan cenderung saling overlap. Proses klasifikasi dilakukan dengan metode non parametrik Random Forest classifier, yakni kombinasi beberapa tree classifier dimana setiap tree bergantung pada random vektor yang diambil secara independen dan dengan distribusi yang sama pada setiap tree dalam forest. Data yang digunakan adalah data mosaik ALOS PALSAR tahun 2010 terkoreksi ortho dan slope, resolusi 25 meter dualpolarization (HH dan HV) di sekitar wilayah Provinsi Sumatera Selatan dan Provinsi Jambi. Dari hasil eksperimen diperoleh nilai akurasi adalah 95,46 %.