Integrasi Lidar dan Citra Satelit Quickbird untuk Ekstraksi Bangunan Menggunakan Metode Klasifikasi Berbasis Objek
Autor: | Tika Christy Novianti |
---|---|
Jazyk: | English<br />Indonesian |
Rok vydání: | 2021 |
Předmět: | |
Zdroj: | Geoid, Vol 16, Iss 2, Pp 189-203 (2021) |
Druh dokumentu: | article |
ISSN: | 24423998 1858-2281 2442-3998 |
DOI: | 10.12962/j24423998.v16i2.7375 |
Popis: | Pemanfaatan citra satelit resolusi tinggi dalam pemetaan kawasan perkotaan telah sangat banyak digunakan dalam berbagai aplikasi, salah satunya untuk ekstraksi bangunan. Terdapat dua pendekatan yang dapat digunakan untuk ekstraksi bangunan dengan menggunakan metode penginderaan jauh yaitu metode klasifikasi berbasis piksel dan metode klasifikasi berbasis objek. Akan tetapi metode klasifikasi berbasis piksel memiliki kelemahan yaitu mengabaikan aspek spasial sehingga dapat mengurangi akurasi dari hasil klasifikasi dan rentan terjadi gangguan salt and pepper yang berdampak pada hasil akurasi. Hal tersebut menyebabkan digunakan klasifikasi berbasis objek dengan metode segmentasi citra menggunakan algoritma multiresolusi pada penelitian ini. Metode segmentasi dengan algoritma multiresolusi memiliki keunggulan yaitu dapat menggabungkan informasi spektral dan spasial dimana objek geografis dipisahkan tidak hanya berdasarkan aspek spektral namun berdasarkan aspek spasial seperti ukuran, pola, dan tekstur. Variasi ketinggian bangunan dan kerapatan yang tinggi di wilayah perkotaan menjadi permasalahan yang ditemukan dalam melakukan ekstraksi bangunan. Untuk mengatasi permasalahan tersebut, dilakukan penambahan data ketinggian berupa data NDSM yang diturunkan dari data LiDAR. Lokasi penelitian terbagi menjadi 3 Area of Interest (AOI) dengan kriteria untuk setiap AOI ditentukan berdasarkan kerapatan bangunan. Hasil dari klasifikasi berbasis objek sebelum penambahan data NDSM memberikan hasil akurasi sebesar 58.16 % untuk AOI 1, 58.92 % untuk AOI 2, dan 71.43 % untuk AOI 3, sedangkan setelah penambahan data NDSM nilai akurasi yang diperoleh sebesar 69.35% untuk AOI 1, 81.90% untuk AOI 2, dan 97.37% untuk AOI 3. Hasil dari penelitian ini menunjukkan bahwa terdapat perbedaan hasil klasifikasi sebelum dan sesudah penambahan data NDSM. Penambahan data NDSM dalam proses klasifikasi berbasis objek untuk ekstraksi bangunan dapat membantu dalam memisahkan objek bangunan dan non-bangunan serta dapat meningkatkan akurasi dari hasil klasifikasi. |
Databáze: | Directory of Open Access Journals |
Externí odkaz: |