Analisis Tutupan Lahan dengan Citra SAR Sentinel-1 Menggunakan Metode Random Forest Classifier (Studi Kasus: Kabupaten Sidoarjo)

Larastika, Trisya Sayyidah (2024) Analisis Tutupan Lahan dengan Citra SAR Sentinel-1 Menggunakan Metode Random Forest Classifier (Studi Kasus: Kabupaten Sidoarjo). Diploma thesis, Institut Teknologi Sepuluh Nopember.

Text 5016201017-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2026. Download (6MB) | Request a copy

Abstract

Tutupan lahan memiliki peran penting dalam pemodelan untuk menganalisis secara spasial terkait fenomena alam yang terjadi di permukaan bumi. Identifikasi tutupan lahan ini juga dapat digunakan untuk mengetahui terkait ketersediaan RTH serta persentase lahan terbangun di suatu wilayah. Melalui informasi tersebut, dapat membantu pemerintah untuk menyusun kebijakan terkait perencanaan pembangunan di suatu wilayah. Identifikasi tutupan lahan di Kabupaten Sidoarjo menjadi hal yang diperlukan untuk memantau pengaruh sebaran lumpur Lapindo. Saat ini, identifikasi tutupan lahan dapat dilakukan dengan teknologi penginderaan jauh, umumnya menggunakan citra optis. Namun, terdapat kendala apabila menggunakan citra optis yaitu apabila tutupan awan di suatu wilayah cukup tebal akan berpengaruh terhadap akurasi hasil tutupan lahan. Untuk mengantisipasi hal tersebut, identifikasi tutupan lahan dapat dilakukan menggunakan citra aktif atau radar salah satunya citra Sentinel-1 GRD. Citra aktif tersebut dalam perekamannya tidak dipengaruhi oleh awan dan dapat merekam informasi tanpa terkendala cuaca baik pada siang hari maupun malam hari. Pada citra Sentinel-1 GRD terdapat data backscattering yang dapat diekstrak informasi tekstur dan PCA (Principal Component Analysis). Informasi-informasi tersebut dapat dimanfaatkan dalam melakukan identifikasi tutupan lahan. Untuk melakukan analisis tutupan lahan dari informasi tekstur dan PCA (Principal Component Analysis) tersebut, dapat digunakan metode Random Forest classifier. Metode ini memungkinkan untuk menggunakan berbagai input pada proses klasifikasi. Klasifikasi tutupan lahan dari beberapa masukan yaitu sigma, gamma, dan beta dari data backscattering menghasilkan overall accuracy sebesar 86.154%, 87.692%, dan 86.154%.
================================================================================================
Land cover has an important role in modeling to spatially analyze natural phenomena that occur on the earth's surface. The identification of land cover can also be used to determine the availability of green space and the percentage of built-up land in an area. Through this information, it can help the government to formulate policies related to development planning in an area. Identification of land cover in Sidoarjo Regency is necessary to monitor the effects of Lapindo mudflow. Currently, land cover identification can be done with remote sensing technology, generally using optical imagery. However, there are obstacles when using optical imagery, namely if the cloud cover in an area is thick enough, it will affect the accuracy of the land cover results. To anticipate this, land cover identification can be done using active or radar imagery, one of which is the Sentinel-1 GRD image. The active image is not influenced by clouds and can record information without being constrained by weather both during the day and night. The Sentinel-1 GRD image contains backscattering data that can be extracted from texture information and PCA (Principal Component Analysis). This information can be utilized in identifying land cover. To analyze land cover from the texture and PCA (Principal Component Analysis) information, the Random Forest classifier method can be used. This method allows to use various inputs in the classification process. Land cover classification from several inputs, namely sigma, gamma, and beta from backscattering data, resulted in overall accuracy of 86.154%, 87.692%, and 86.154%.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Random Forest Classifier, Sentinel-1 GRD, Tutupan Lahan, Random Forest Classifier, Sentinel-1 GRD, Land Cover
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) > G70.5.I4 Remote sensing
Divisions:	Faculty of Civil, Planning, and Geo Engineering (CIVPLAN) > Geomatics Engineering > 29202-(S1) Undergraduate Thesis
Depositing User:	Trisya Sayyidah Fithri Larastika
Date Deposited:	26 Jul 2024 07:41
Last Modified:	26 Jul 2024 07:41
URI:	http://repository.its.ac.id/id/eprint/109142

Actions (login required)

View Item