s2-2014-321835-abstract

2
xiv ANALISIS CAMPURAN SPEKTRAL SECARA LINIER UNTUK KAJIAN PERUBAHAN PENUTUP LAHAN PADA TINGKAT SUBPIKSEL Kasus: Kota Tasikmalaya dan Sekitarnya Berdasarkan Citra Landsat Multitemporal Tahun 1994 dan 2003 Oleh: Riki Ridwana INTISARI Penutup lahan di daerah perkotaan dapat dideteksi melalui survey terestrial atau menggunakan citra resolusi tinggi. Walaupun tingkat ketelitiannya lebih baik akan tetapi terbatas pada luas cakupan dan skala yang dihasilkan. Oleh karena itu, citra dengan resolusi spasial menengah masih dibutuhkan. Akan tetapi pemanfaatan citra resolusi menengah semisal Landsat terkendala oleh hadirnya piksel campuran yang bersebab penutup lahan di daerah perkotaan cenderung beragam. Piksel campuran akan menjadi sumber kesalahan dalam proses klasifikasi multispektral, sehingga dibutuhkan analisis sampai dengan aras subpiksel yang dapat diperoleh melalui Analisis Campuran Spektral secara Linier. Satu piksel dalam citra Landsat dalam penelitian ini dipisahkan menjadi empat endmember, yakni vegetasi, permukaan kedap air, tanah terbuka, dan air. Keempat endmember tersebut diasumsikan mewakili kombinasi linier dari penutup lahan yang terdapat di daerah perkotaan dalam bentuk proporsi di setiap pikselnya. Penelitian ini bertujuan untuk mengkaji tingkat akurasi metode Analisis Campuran Spektral secara Linier dalam mendeteksi penutup lahan di daerah perkotaan dan mendeteksi perubahan penutup lahan di Kota Tasikmalaya dan sekitarnya dari citra Landsat Multitemporal. Uji akurasi yang dilakukan dalam penelitian ini terbagi menjadi dua tahap yaitu menggunakan data pengukuran lapangan dan wawancara untuk hasil analisis citra tahun 1994, sedangkan uji akurasi untuk hasil analisis tahun 2003 menggunakan citra DigitalGlobe. Analisis Campuran Spektral secara Linier menghasilkan persentase penutup lahan pada setiap piksel yang ditunjukkan oleh citra fraksi setiap endmember dan citra RMS error. Hasil yang diperoleh memperlihatkan bahwa endmember dapat terpisahkan dengan baik, dimana RMS error tahun 1994 yaitu 0,013 dengan tingkat akurasi 94, 44% dan RMS error tahun 2003 yaitu 0,021 dengan tingkat akurasi 97,81%. Deteksi perubahan penutup lahan dari hasil Analisis Campuran Spektral Campuran secara Linier mampu menunjukkan perubahan yang terjadi pada setiap piksel citra seluas 30 x 30 meter melalui penambahan atau penguranagan proporsi pada setiap fraksi endmember. Penutup lahan vegetasi berkurang luasnya 0,81% dari luas keseluruhan, penutup lahan permkaan kedap air bertambah luasnya 0,63%, penutup lahan tanah terbuka bertambah luas 33,23%, penutup lahan air berkurang luasnya 18,25%. Kata kunci: Landsat 5 TM, Landsat 7 ETM+, MNF, PPI, Endmember, Analisis Campuran Spektral secara Linier, Deteksi Perubahan

Upload: hermawan-kuswantoko

Post on 08-Dec-2015

217 views

Category:

Documents


2 download

DESCRIPTION

S2-2014-321835-abstract

TRANSCRIPT

Page 1: S2-2014-321835-abstract

xiv

ANALISIS CAMPURAN SPEKTRAL SECARA LINIER UNTUK KAJIAN PERUBAHAN PENUTUP LAHAN

PADA TINGKAT SUBPIKSEL Kasus: Kota Tasikmalaya dan Sekitarnya

Berdasarkan Citra Landsat Multitemporal Tahun 1994 dan 2003

Oleh: Riki Ridwana

INTISARI Penutup lahan di daerah perkotaan dapat dideteksi melalui survey terestrial

atau menggunakan citra resolusi tinggi. Walaupun tingkat ketelitiannya lebih baik akan tetapi terbatas pada luas cakupan dan skala yang dihasilkan. Oleh karena itu, citra dengan resolusi spasial menengah masih dibutuhkan. Akan tetapi pemanfaatan citra resolusi menengah semisal Landsat terkendala oleh hadirnya piksel campuran yang bersebab penutup lahan di daerah perkotaan cenderung beragam. Piksel campuran akan menjadi sumber kesalahan dalam proses klasifikasi multispektral, sehingga dibutuhkan analisis sampai dengan aras subpiksel yang dapat diperoleh melalui Analisis Campuran Spektral secara Linier. Satu piksel dalam citra Landsat dalam penelitian ini dipisahkan menjadi empat endmember, yakni vegetasi, permukaan kedap air, tanah terbuka, dan air. Keempat endmember tersebut diasumsikan mewakili kombinasi linier dari penutup lahan yang terdapat di daerah perkotaan dalam bentuk proporsi di setiap pikselnya.

Penelitian ini bertujuan untuk mengkaji tingkat akurasi metode Analisis Campuran Spektral secara Linier dalam mendeteksi penutup lahan di daerah perkotaan dan mendeteksi perubahan penutup lahan di Kota Tasikmalaya dan sekitarnya dari citra Landsat Multitemporal. Uji akurasi yang dilakukan dalam penelitian ini terbagi menjadi dua tahap yaitu menggunakan data pengukuran lapangan dan wawancara untuk hasil analisis citra tahun 1994, sedangkan uji akurasi untuk hasil analisis tahun 2003 menggunakan citra DigitalGlobe.

Analisis Campuran Spektral secara Linier menghasilkan persentase penutup lahan pada setiap piksel yang ditunjukkan oleh citra fraksi setiap endmember dan citra RMS error. Hasil yang diperoleh memperlihatkan bahwa endmember dapat terpisahkan dengan baik, dimana RMS error tahun 1994 yaitu 0,013 dengan tingkat akurasi 94, 44% dan RMS error tahun 2003 yaitu 0,021 dengan tingkat akurasi 97,81%. Deteksi perubahan penutup lahan dari hasil Analisis Campuran Spektral Campuran secara Linier mampu menunjukkan perubahan yang terjadi pada setiap piksel citra seluas 30 x 30 meter melalui penambahan atau penguranagan proporsi pada setiap fraksi endmember. Penutup lahan vegetasi berkurang luasnya 0,81% dari luas keseluruhan, penutup lahan permkaan kedap air bertambah luasnya 0,63%, penutup lahan tanah terbuka bertambah luas 33,23%, penutup lahan air berkurang luasnya 18,25%.

Kata kunci: Landsat 5 TM, Landsat 7 ETM+, MNF, PPI, Endmember, Analisis Campuran Spektral secara Linier, Deteksi Perubahan

Page 2: S2-2014-321835-abstract

xv

LINEAR SPECTRAL MIXTURE ANALYSIS LAND COVER CHANGES FOR ASSESSMENT

LEVEL SUBPIXEL Case: Tasikmalaya City Area

Based on Multitemporal Landsat Imagery of 1994 and 2003

By : Riki Ridwana

11/321835/PGE/00878

ABSTRACT

Land cover in urban areas can be detected through terrestrial surveys or using high-resolution imagery. Although the precision was better but limited to the broad scope and scale generated. Therefore, the image of the medium spatial resolution is needed. However, the use of medium resolution imagery such as Landsat constrained by the presence of mixed pixels uncaused land cover in urban areas tend to be diverse. Pixel mixture will be a source of error in the multispectral classification process, so it takes the analysis to the cedar subpixels that can be obtained through both Linear Spectral Mixture Analysis. One pixel in the Landsat image in this study were separated into four endmember, ie vegetation, impervious surface, open land, and water. The fourth endmember is assumed to represent a linear combination of land cover found in urban areas in the form of proportions in each pixel.

This study aims to assess the accuracy of methods are Linear Spectral Mixture Analysis in detecting urban land cover and land cover change detection in Tasikmalaya and surrounding areas from multitemporal Landsat imagery. Accuracy test conducted in this study is divided into two stages, using field measurement data and interviews for image analysis results in 1994, while the accuracy of the test results of the analysis for the year 2003 using DigitalGlobe imagery.

Linear Spectral Mixture Analysis in a greater percentage of land cover in each pixel is indicated by the fraction of each endmember image and the image of the RMS error. The results obtained show that the endmember can be separated well, where the RMS error is 0.013 1994 with 94 accuracy rate, 44%, and the RMS error is 0.021 2003 with 97.81% accuracy rate. Of land cover change detection results Spectral Mixture Analysis in Linear Mixed able to demonstrate the changes that occur at each image pixel measuring 30 x 30 meters through the addition or penguranagan endmember proportions in each fraction. Land vegetation cover reduced the extent of 0.81% of the total area, land cover and broader permkaan watertight 0.63%, closing the open land expanded 33.23%, reduced the extent of land cover 18.25% water.

Keywords : Landsat 5 TM , Landsat 7 ETM +, MNF, PPI, Endmember, Linear Spectral Mixture Analysis, Change Detection