Hanif, Yahya Faikar (2020) Pemanfaatan Data Foto Udara dan LiDAR untuk Estimasi Jumlah Populasi Penduduk (Studi Kasus : Kelurahan Menanggal, Kecamatan Gayungan, Surabaya). Other thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
03311640000102-Undergraduate_Theses.pdf Download (5MB) | Preview |
Abstract
Data kependudukan memiliki peran penting dalam berbagai aspek, seperti dalam bidang penelitian, perencanaan tata kota dan mitigasi bencana. Contohnya dalam bidang mitigasi bencana, data penduduk digunakan untuk mengetahui banyaknya orang terdampak serta mengestimasi banyaknya orang yang bisa mencapai tempat tempat aman atau pengungsian. Di Indonesia, data kependudukan yang paling akurat dapat diperoleh 10 tahun sekali. Selain itu, lingkup terkecil yang dapat diperoleh terbatas dalam level administrasi desa atau kelurahan. Munculnya teknologi penginderaan jauh dan SIG dapat dimanfaatkan untuk melakukan estimasi penduduk. Ditambah lagi, dengan tersedianya data citra resolusi tinggi, foto udara, maupun LiDAR yang dapat meninjau tempat tinggal penduduk dengan lebih detail.
Dalam penelitian ini dilakukan estimasi populasi penduduk dengan memanfaatkan metode klasifikasi berbasis objek (OBIA) rule-based untuk mendapatkan luas area pemukiman. Klasifikasi OBIA menggunakan data foto udara dan DSM & DTM LiDAR. Klasifikasi dilakukan dengan 3 tahap yaitu tutupan lahan, penggunaan lahan bangunan, dan habitable surface area.
Estimasi populasi penduduk memanfaatkan data sampel penduduk dengan survei langsung dilapangan melalui wawancara kepada penduduk. Kemudian dilakukan estimasi populasi penduduk dengan metode perhitungan matematis demografi serta regresi linear. Hasil dari estimasi populasi penduduk divalidasi menggunakan data referensi penduduk yang berasal dari Kantor Kelurahan Menanggal.
Berdasarkan hasil OBIA, didapatkan ketelitian yang tinggi melalui uji akurasi dengan menggunakan matriks konfusi. Pada klasifikasi tutupan lahan didapatkan koefisien kappa sebesar 0,93 dan 95,24% pada overall accuracy. Sedangkan pada klasifikasi habitable surface area mendapatkan 0,86 koefisien kappa dan 92,86% overall accuracy. Kedua uji akurasi memanfaatkan total 175 titik ground truth. Sedangkan pada hasil estimasi populasi penduduk, metode regresi linear memiliki kesalahan yang lebih kecil dibandingkan metode matematis demogrfi yaitu MAE, MAPE, RMSE, dan RRMSE pada Wisma Menanggal 40, 21%, 45, dan 0,25 sedangkan Gayungsari Timur 23, 18%, 34, dan 0,278. Selain nilai error yang kecil, nilai MAE, MAPE, RMSE, dan RRMSE menunjukkan bahwa estimasi yang dihasilkan model regrsi linear lebih optimal.
==============================================================================
Population data has an important role in various aspects, such as urban planning, disaster mitigation, and research. For example in the area of disaster mitigation, population data are used to find out the number of people affected and to estimate the number of people who can reach a safe place or refuge. In Indonesia, the most accurate population data obtained every 10 years through population census. Other than that, the available data are limited to village administration boundary level. The appearance of remote sensing technology and GIS can be used to estimate the population. In addition, the availability of high-resolution imagery data, aerial photographs, and LiDAR can measure residents' houses in more detail.
In this study, an estimate of inhabitant population was carried out using rule-based of Object-Based Image Analysis (OBIA) classification method to assist in obtaining area of residential building. The OBIA classification utilizes aerial photograph data and DSM & DTM derived from LiDAR. Classification is conducted with 3 steps, land cover classification, building utility of land cover classification, and the habitable surface area classification.
Population estimation utilizes population sample data with direct surveys in the field through interviews with residents.Then the population is estimated using two methods, namely mathematical demographic method and linear regression. The results of population estimation are then validated using population data released from the Menanggal Village Office.
Based on the results, OBIA classification generates high accuracy of land use/land cover map obtained trough confusion matrix The kappa coefficient is 0.93 and overall accuracy is 95.24%. Whereas, the classification of habitable surface area obtained kappa coefficient of 0.86 and overall accuracy of 92.86%. Both accuracy tests utilize a total of 175 ground truth points. While the population estimation results reveal that the linear regression method has a smaller error than the mathematical demographic method. The MAE, MAPE, RMSE, and RRMSE in Wisma Menanggal values is 40, 21%, 45, dan 0,25, while in Gayungsari Timur 23, 18%, 34, dan 0,278. In addition to the small error value, the MAE, MAPE, RMSE, and RRMSE values indicate that the population estimation produced by the linear regression model is most optimal.
Keywords—DSM, DTM, Inhabitant Population, OBIA, Population Estimate
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | DSM, DTM, Estimasi Penduduk, Kependudukan, OBIA, DSM, DTM, Inhabitant Population, OBIA, Population Estimate |
| Subjects: | G Geography. Anthropology. Recreation > G Geography (General) > G70.212 ArcGIS. Geographic information systems. G Geography. Anthropology. Recreation > G Geography (General) > G70.217 Geospatial data |
| Divisions: | Faculty of Civil, Planning, and Geo Engineering (CIVPLAN) > Geomatics Engineering > 29202-(S1) Undergraduate Thesis |
| Depositing User: | Yahya Faikar Hanif |
| Date Deposited: | 13 Aug 2020 00:22 |
| Last Modified: | 28 May 2023 16:43 |
| URI: | http://repository.its.ac.id/id/eprint/77764 |
Actions (login required)
 |
View Item |