PERBANDINGAN METODE MAXIMUM LIKELIHOOD CLASSIFICATION (MLC) DAN OBJECT ORIENTED CLASSIFICATION (OOC) UNTUK PEMETAAN TUTUPAN LAHAN DI KECAMATAN AMBARAWA DAN KECAMATAN PRINGSEWU
Abstract
Pemetaan tutupan lahan merupakan informasi penting dalam perencanaan wilayah dan pengelolaan sumber daya alam yang memerlukan metode klasifikasi citra dengan tingkat akurasi tinggi. Penelitian ini bertujuan membandingkan kinerja metode Maximum Likelihood Classification (MLC) dan Object Oriented Classification (OOC) dalam pemetaan tutupan lahan menggunakan citra Sentinel-2A di Kecamatan Ambarawa dan Kecamatan Pringsewu, Provinsi Lampung. Penelitian dilakukan dengan pendekatan kuantitatif melalui klasifikasi citra berbasis piksel menggunakan MLC dan berbasis objek
menggunakan OOC, kemudian dievaluasi menggunakan confusion matrix, Overall Accuracy (OA), dan Kappa Coefficient. Hasil penelitian menunjukkan bahwa metode OOC menghasilkan akurasi yang lebih tinggi dibandingkan MLC. Di Kecamatan Ambarawa, metode MLC memperoleh OA 89% dan Kappa 87%, sedangkan OOC mencapai OA 92% dan Kappa 90%. Di Kecamatan Pringsewu, MLC menghasilkan OA 88% dan Kappa 86%, sementara OOC memperoleh OA 90% dan Kappa 88%. Selain itu, hasil klasifikasi OOC menunjukkan pola tutupan lahan yang lebih terstruktur karena
mempertimbangkan karakteristik spektral, bentuk, tekstur, dan konteks spasial objek. Dengan demikian, metode OOC lebih optimal untuk pemetaan tutupan lahan berbasis citra Sentinel-2A dan dapat direkomendasikan sebagai pendekatan yang lebih akurat untuk mendukung pengelolaan wilayah dan pengambilan keputusan berbasis geospasial.
Kata Kunci: Sentinel 2A Imagery, Land Cover, Maximum Likelihood Classification (MLC), Object Oriented Classification (OOC), Accuracy Test, Pringsewu Regency.
References
. Anderson, J. R., Hardy, E. E., Roach, J. T., and Witmer, R. E. 1976. A land use land cover classification system for use with remote sensor data (Geological Survei Professional Paper 964). United States Government Printing Office. https://pubs.usgs.gov/pp/0964/report .pdf
. Badan Informasi Geospasial. 2014. Peraturan Kepala Badan Informasi Geospasial Nomor 3 Tahun 2014 tentang pedoman teknis pengumpulan dan pengolahan data geospasial dasar. Badan Informasi Geospasial.
. Badan Pemeriksa Keuangan Republik Indonesia. 2024. Profil Kabupaten Pringsewu.
. Blaschke, T. 2010. Object based image analysis for remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing, 65(1), 2–16.
. Congalton, R. G., and Green, K. 2019. Assessing the accuracy of remotely sensed data: Principles and practices (3rd ed.). CRC Press.
. Drusch, M., Del Bello, U., Carlier, S., Colin, O., Fernandez, V., Gascon, F., Hoersch, B., Isola, C., Laberinti, P., Martimort, P., Meygret, A., Spoto, F., Sy,O., Marchese, F., and Bargellini, P 2012. Sentinel-2: ESA’s optical high resolution mission for GMES operational services. Remote Sensing of Environment, 120, 25–36.
. European Space Agency. 2015. Sentinel-2 user handbook. ESA Publications.
. Food and Agriculture Organization. 2000. Land cover classification system(LCCS): Classification concepts and user manual. FAO.
. Hay, G. J., and Castilla, G. 2008. Geographic object-based image analysis (GEOBIA): A new name for a new discipline. In T. Blaschke et al. (Eds.), Object-based image analysis (pp. 75–89). Springer.
. Jensen, J. R. 2015. Introductory digital image processing: A remote sensing perspective (4th ed.). Pearson.
. Lillesand, T., Kiefer, R. W., and Chipman, J. 2015. Remote sensing and image interpretation (7th ed.). Wiley.
. Richards, J. A. 2013. Remote sensing digital image analysis: An introduction (5th ed.). Springer.
. Weng, Q. 2012. Remote sensing of impervious surfaces in urban areas: Requirements, methods,
and trends. Remote Sensing of Environment, 117, 34–49
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
