Perbandingan Algoritma Klasifikasi Multispektral Untuk Identifikasi Objek Mangrove Menggunakan Foto Udara Digital Format Kecil

Abstract

Hutan mangrove di Indonesia semakin hari semakin menyempit luasannya sehingga diperlukan inventarisasi dan monitoring keberadaan mangrove. Identifikasi objek mangrove dapat dilakukan dengan menggunakan bantuan Foto Udara Digital Format Kecil (FUDFK) yang merekam objek melalui wahana drone dengan kamera saku yang dimodifikasi. Penelitian ini bertujuan untuk (1) menerapkan algoritma klasifikasi terselia dan tidak terselia untuk pemetaan mangrove di Baros, Kabupaten Bantul, (2) dan menentukan algoritma klasifikasi multispektral dengan nilai uji akurasi tertinggi pada identifikasi mangrove. FUDFK yang digunakan adalah hasil pemotretan menggunakan kamera Canon powershoot yang memiliki band biru, hijau, dan NIR. Algoritma klasifikasi yang diperbandingkan adalah Maximum Likelihood, Parallelepiped, Mahalanobis Distance, dan Minimum Distance untuk klasifikasi terselia, serta IsoData dan K-Means untuk klasifikasi tak terselia. Hasil klasifikasi kemudian diuji akurasinya menggunakan confusion matrix berdasarkan pengambilan data di lapangan pada 40 sampel objek secara stratified random sampling. Hasil penelitian berupa visualisasi hasil identifikasi vegetasi mangrove menggunakan beberapa algoritma klasifikasi terpilih, algoritma klasifikasi terbaik, serta nilai uji akurasi (confusion matrix). Visualisasi hasil identifikasi vegetasi mangrove dilakukan pada beberapa algoritma terpilih menunjukkan bahwa pada algoritma terselia maximum likelihood memiliki nilai akurasi tertinggi yaitu 67,5 % dengan indeks kappa 0,5517 serta algoritma tidak terselia K-Means dengan nilai akurasi terendah yaitu 27,5% dengan indeks kappa 0,3898.