Klasifikasi Tutupan Lahan dari Data Alos Palsar Menggunakan Informasi Tekstur GLCM (Gray Level Co-Occurence Matrix)

Ekstraksi informasi dari data Synthetic Aperture Radar (SAR) dapat dilakukan dari informasi spektral maupun spasialnya. Penelitian ini mengkaji kontribusi informasi spasial data SAR yang diekstraksi dari informasi tekstur citranya, untuk lebih
meningkatkan kemampuan pembedaan tutupan lahan. Dalam analisis tekstur dikenal beberapa prinsip pendekatan yang digunakan dalam pengolahan citra, salah satunya adalah
metode statistik. Gray Level Co-occurence Matrix (GLCM) merupakan metode statistik paling umum digunakan dalam analisa tekstur citra. Dalam studi ini delapan fitur tekstur
GLCM digunakan untuk proses klasifikasi dari data ALOS PALSAR tahun 2010 di perbatasan Provisi Sumatera Selatan dan Jambi. Klasifikasi supervised dilakukan dengan menggunakan metode maximum likelihood. Hasil survey lapangan tahun 2013 digunakan sebagai sampel kelas untuk klasifikasi (60%) dan untuk uji akurasi (40%) dengan kelas tutupan lahan sebanyak 6 kelas. Untuk meningkatkan separabilitas antar kelas dalam proses pemilihan sampel kelas, dilakukan teknik evaluasi dengan menggunakan metode Jeffries�Matusita distance. Akurasi hasil klasifikasi yang dihitung dengan menggunakan confusion matrix sebelum ditambahkan fitur tekstur sebesar 90.77%. dan setelah ditambahkan fitur tekstur akurasinya bertambah sebesar 2.11%.