OPTIMASI PARAMETER DALAM KLASIFIKASI SPASIAL PENUTUP PENGGUNAAN LAHAN MENGGUNAKAN DATA SENTINEL SAR

Pada penelitian ini, penerapan data Sentinel-1 Synthetic Aperture Radar (SAR) untuk klasifikasi penutup penggunaan lahan diselidiki. Klasifikasi dilakukan dengan classifier Neural Network terbimbing untuk data Sentinel-1 polarisasi ganda (VH dan VV) menggunakan informasi tekstur dari matriks kejadian bersama tingkat keabuan (GLCM). Tujuan dari penelitian ini adalah untuk memperoleh parameter optimum dalam ekstraksi informasi tekstur berupa ukuran jendela piksel, orientasi hubungan tetangga pada ekstraksi fitur tekstur, dan jenis fitur informasi tekstur yang digunakan untuk klasifikasi. Hasil klasifikasi menunjukkan bahwa di daerah penelitian, akurasi terbaik diperoleh dengan ukuran jendela piksel 5 × 5, sudut orientasi 0°, dan penggunaan informasi tekstur entropi sebagai masukan klasifikasi. Ditemukan juga bahwa semakin banyak fitur informasi tekstur yang digunakan sebagai masukan klasifikasi dapat meningkatkan akurasi, dan dengan pemilihan yang cermat terhadap informasi tekstur yang tepat sebagai masukan klasifikasi akan memberikan akurasi terbaik.