Rangkuman Jurnal

Tujuan Penelitian

Penelitian ini bertujuan untuk menganalisis dan membandingkan akurasi dua metode klasifikasi tutupan lahan menggunakan kombinasi data penginderaan jauh:

1. Data: Gabungan data LiDAR Point Cloud dan Foto Udara.
2. Metode Klasifikasi:
   • Klasifikasi Berbasis Objek (Segmentasi dalam konteks OBIA).
   • Klasifikasi Berbasis Piksel (Supervised).

Tujuannya adalah menemukan metode yang relatif cepat dan efektif untuk pemetaan tutupan lahan guna mendukung kebijakan one map policy di Indonesia.

---

Hasil Perbandingan Akurasi

Hasil penelitian menunjukkan bahwa metode klasifikasi berbasis objek (segmentasi) memberikan tingkat akurasi yang lebih tinggi dibandingkan metode supervised (berbasis piksel) pada kedua jenis data:

Metode Klasifikasi	Sumber Data	Jumlah Kelas	Overall Accuracy (Akurasi Keseluruhan)
Segmentasi (Berbasis Objek)	Foto Udara	–	93,907%
Segmentasi (Berbasis Objek)	LiDAR	–	92,810%
Supervised (Berbasis Piksel)	Foto Udara	12 kelas	83,530%
Supervised (Berbasis Piksel)	LiDAR	7 kelas	64,595%

Ekspor ke Spreadsheet

Kesimpulan Utama

1. Akurasi Klasifikasi Terbaik: Metode Segmentasi (OBIA) menghasilkan akurasi keseluruhan yang jauh lebih tinggi (di atas 92%) daripada metode Supervised pada kedua data.
2. Kinerja Data: Untuk data Foto Udara, klasifikasi menghasilkan akurasi yang sangat baik dengan metode segmentasi (93,907%) maupun supervised (83,530%).
3. Kelemahan LiDAR dalam Supervised: Metode supervised menunjukkan kinerja yang sangat rendah pada data LiDAR (overall accuracy hanya 64,595%), yang mengindikasikan bahwa data point cloud lebih efektif diolah menggunakan pendekatan berbasis objek (segmentasi).

Penelitian ini merekomendasikan penggunaan pendekatan berbasis objek (segmentasi) sebagai referensi bagi pemerintah dalam melakukan klasifikasi tutupan lahan dengan data point cloud dan foto udara karena efektivitas dan akurasinya yang lebih unggul.

source : https://ejournal3.undip.ac.id/index.php/geodesi/article/view/19297