Perbandingan Klasifikasi Berbasis Objek dan Klasifikasi Berbasis Piksel pada Data Citra Satelit Synthetic Aperture Radar untuk Pemetaan Lahan

Pemanfaatan data penginderaan jauh untuk pemetaan lahan telah lama dikembangkan. Di Indonesia, sebagai daerah tropis, awan menjadi masalah klasik dalam mengamati permukaan bumi menggunakan satelit pengindera jarak jauh optik. Satelit sensor Synthetic Aperture Radar (SAR) memiliki kemampuan menembus awan sehingga dapat mengatasi masalah tutupan awan. Dalam penelitian ini, data ALOS PALSAR digunakan untuk menilai teknik klasifikasi berbasis objek dan berbasis piksel. Data ini dipilih karena kemampuannya untuk pengenalan objek berdasarkan karakteristik hamburan balik (backscatter). Klasifikasi berbasis objek menggunakan metode Statistical Region Merging (SRM) untuk proses segmentasi objek dan Support Vector Machine (SVM) untuk proses klasifikasi, sedangkan klasifikasi berbasis piksel menggunakan metode SVM. Pada tahap klasifikasi, beberapa fitur Target Decomposition dan Image Decomposition dari data ALOS PALSAR telah diuji. Penilaian akurasi klasifikasi dilakukan menggunakan confusion matrix dari data Region of Interest (ROI) menggunakan data QuickBird. Implementasi klasifikasi berbasis objek menghasilkan hasil yang lebih baik dibandingkan dengan klasifikasi berbasis piksel. Jumlah fitur optimal adalah tujuh yang terdiri dari tiga fitur Freeman Decomposition (Red, Green, Blue), Entropy, Alpha Angle, Anisotropy, dan Normalized Difference Polarization Index (NDPI). Akurasi keseluruhan mencapai 73,64% untuk hasil klasifikasi berbasis objek dan 62,6% untuk klasifikasi berbasis piksel.