PERBANDINGAN METODE KLASIFIKASI PENUTUP LAHAN BERBASIS PIKSEL DAN BERBASIS OBYEK MENGGUNAKAN DATA PiSAR-L2

Program PiSAR-L2 adalah program eksperimental untuk sensor PALSAR-2 yang dipasang pada ALOS-2. Kolaborasi penelitian telah dilakukan antara Japan Aerospace Exploration Agency (JAXA) dan Kementerian Riset dan Teknologi Indonesia pada tahun 2012 untuk menilai kemampuan data PiSAR-L2 untuk beberapa aplikasi. Makalah ini mengeksplorasi pemanfaatan data PiSAR-L2 untuk klasifikasi penutup lahan di kawasan hutan menggunakan metode berbasis piksel dan berbasis objek, kemudian dilakukan perbandingan antara kedua metode tersebut. Data PiSAR-L2 polarisasi penuh dengan level 2.1 untuk provinsi Riau digunakan. Data lapangan yang dilakukan oleh tim JAXA dan peta penutup lahan dari WWF digunakan sebagai referensi untuk mengumpulkan sampel masukan dan evaluasi. Pra-pemrosesan dilakukan dengan melakukan konversi hamburan balik dan penyaringan, kemudian klasifikasi dilakukan dan akurasinya diuji. Dua metode digunakan, 1) Maximum Likelihood Enhance Neighbor classifier untuk berbasis piksel dan 2) Support Vector Machine untuk klasifikasi berbasis objek. Pengaruh resolusi spasial terhadap hasil klasifikasi juga dianalisis. Hasil penelitian menunjukkan bahwa berbasis piksel menghasilkan piksel campuran "salt and pepper", akurasi klasifikasi masing-masing 62% untuk resolusi spasial 2,5 m dan 83% untuk 10 m. Sedangkan berbasis objek memiliki beberapa keunggulan: homogenitas tinggi (tidak adanya piksel campuran), batas antar kelas yang jelas dan tajam, dan akurasi tinggi (97% untuk resolusi spasial 10 m), meskipun masih ditemukan kesalahan pada beberapa kelas.