Analisis Identifikasi Lahan Gambut Menggunakan Sentinel-1 Dengan Metode Sar Polarimetri Klasifikasi Terbimbing Dan Tidak Terbimbing (Studi Kasus: Kalimantan Selatan)

Ramadhani, Fariidah (2024) Analisis Identifikasi Lahan Gambut Menggunakan Sentinel-1 Dengan Metode Sar Polarimetri Klasifikasi Terbimbing Dan Tidak Terbimbing (Studi Kasus: Kalimantan Selatan). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6016231025-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (6MB) | Request a copy

Abstract

Lahan gambut merupakan salah satu parameter penting untuk menentukan kualitas lingkungan. Hal tersebut dikarenakan lahan gambut dapat menyimpan cadangan karbon di biomassa mereka. Lahan gambut tropis tercatat salah satu penyimpan karbon terestrial di Bumi, dan memiliki kontribusi terhadap perubahan iklim. Selain menyimpan karbon, lahan gambut memberikan banyak manfaat ekologis untuk populasi yang tinggal di dalam dan sekitar lanskap lahan gambut. Namun, hutan rawa gambut di Indonesia mengalami deforestasi, pengeringan, dan perubahan dengan kecepatan yang belum pernah terjadi sebelumnya. Oleh karena itu, lahan gambut harus dikelola secara berkelanjutan melalui tindakan pengawasan. Synthetic Aperture Radar (SAR) adalah salah satu teknologi penginderaan jauh aktif yang lebih efisien daripada penginderaan jauh optik. Penggunaan metode SAR Polarimetri dipercaya dapat digunakan untuk identifikasi lahan gambut secara lebih efektif dan efisien. Berdasarkan laman resmi pantaugambut.id, Pulau Kalimantan merupakan wilayah terluas kedua yang memiliki lahan gambut. Berdasarkan hal-hal yang telah diuraikan di atas, tujuan utama dari penelitian ini adalah untuk identifikasi lahan gambut di Kalimantan Selatan, Indonesia menggunakan citra Sentinel-1 SAR. Penggunaan Teknik SAR Polarimetri dengan Sentinel-1 dual polarisasi akan diuji potensinya dalam identifikasi lahan gambut. Hasil analisis menunjukkan bahwa klasifikasi supervised mengidentifikasi 21.822 ha sebagai non-gambut dan 34.291 ha sebagai gambut, dengan validasi menunjukkan akurasi 16 dari 17 titik gambut dan 14 dari 18 titik non-gambut. Klasifikasi unsupervised mengidentifikasi 29.737 ha sebagai non-gambut dan 26.376 ha sebagai gambut, dengan validasi yang sama. Kedua metode menunjukkan akurasi keseluruhan 85,7%. Pada metode supervised, presisi mencapai 80% dan recall 94,12%, dengan nilai kappa 0.7156. Pada metode unsupervised, presisi mencapai 87,5% dan recall 82,4%, dengan nilai kappa 0.7135. Kedua metode menunjukkan hasil prediksi yang cukup akurat untuk identifikasi lahan gambut di Kalimantan Selatan.
==================================================================
Peatland is one of the important parameters to determine environmental quality. This is because peatlands can store carbon in their biomass. Tropical peatlands are recorded as one of the most important terrestrial carbon stores on Earth, and contribute to climate change. In addition to storing carbon, peatlands provide many ecological benefits to populations living in and around peatland landscapes. However, Indonesia's peat swamp forests are being deforested, drained and altered at an unprecedented rate. Therefore, peatlands must be managed sustainably through monitoring measures. Synthetic Aperture Radar (SAR) is one of the active remote sensing technologies that is more efficient than optical remote sensing. The use of the Polarimetric SAR method is believed to be used to identify peatlands more effectively and efficiently. Based on the official website pantaugambut.id, Kalimantan Island is the second largest area with peatlands. Based on what has been described above, the main objective of this research is to identify peatlands in South Kalimantan, Indonesia using Sentinel-1 SAR imagery. The use of Polarimetric SAR Technique with Sentinel-1 dual polarization will be tested for its potential in peatland identification. The analysis shows that supervised classification identified 21,822 ha as non-peat and 34,291 ha as peat, with validation showing an accuracy of 16 out of 17 peat points and 14 out of 18 non-peat points. Unsupervised classification identified 29,737 ha as non-peat and 26,376 ha as peat, with similar validation. Both methods showed an overall accuracy of 85.7%. In the supervised method, precision reached 80% and recall 94.12%, with a kappa value of 0.7156. In the unsupervised method, precision reached 87.5% and recall 82.4%, with a kappa value of 0.7135. Both methods show fairly accurate prediction results for peatland identification in South Kalimantan.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Lahan Gambut, SAR Polarimetri, Sentinel-1, Peatlands, SAR Polarimetry, Sentinel-1
Subjects:	G Geography. Anthropology. Recreation > G Geography (General) > G70.217 Geospatial data G Geography. Anthropology. Recreation > G Geography (General) > G70.5.I4 Remote sensing S Agriculture > SD Forestry
Divisions:	Faculty of Civil Engineering and Planning > Geomatics Engineering > 29101-(S2) Master Thesis
Depositing User:	Fariidah Ramadhani
Date Deposited:	31 Jul 2024 06:02
Last Modified:	31 Jul 2024 06:02
URI:	http://repository.its.ac.id/id/eprint/110081

Actions (login required)

View Item