Klasifikasi Penutup/Penggunaan Lahan dengan Data Satelit Penginderaan Jauh Hiperspektral (Hyperion) Menggunakan Metode Neural Network Tiruan

Data penginderaan jauh hiperspektral memiliki informasi spektral yang sangat banyak untuk klasifikasi penutup/penggunaan lahan (LULC), akan tetapi banyaknya jumlah band data hiperspektral menjadi masalah dalam klasifikasi LULC. Penelitian ini mengusulkan penggunaan back propagation neural network untuk klasifikasi LULC dengan data penginderaan jauh hiperspektral. Neural network yang dipergunakan 3 lapis, dimana untuk uji coba lapis masukan memiliki jumlah neuron sebanyak 242 untuk mengolah seluruh band, 163 neuron, dan 50 neuron untuk mengolah data band yang memiliki nilai digital rataan yang tinggi, dan data band pada panjang gelombang cahaya tampak hingga infra merah dekat. Hasil penelitian menunjukkan penggunaan seluruh band data hiperspektral pada klasifikasi dengan neural network memiliki akurasi hasil klasifikasi tertinggi hingga 98% untuk 18 kelas LULC, akan tetapi waktu yang diperlukan sangat lama. Pemilihan sejumlah band data yang tepat untuk klasifikasi dengan neural network, selain mempercepat waktu pengolahan data, juga bisa memberikan akurasi hasil klasifikasi yang mencukupi.