OPTIMASI PARAMETER SEGMENTASI MENGGUNAKAN ALGORITMA MULTIRESOLUSI UNTUK IDENTIFIKASI WILAYAH PERMUKIMAN BERBASIS ORTHOPHOTO

Muhamad Fikri Nur Arrafi, - (2023) OPTIMASI PARAMETER SEGMENTASI MENGGUNAKAN ALGORITMA MULTIRESOLUSI UNTUK IDENTIFIKASI WILAYAH PERMUKIMAN BERBASIS ORTHOPHOTO. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_SIG_1908461_Title.pdf Download (551kB)
	Text S_SIG_1908461_Chapter 1.pdf Download (302kB)
	Text S_SIG_1908461_Chapter 2.pdf Restricted to Staf Perpustakaan Download (403kB)
	Text S_SIG_1908461_Chapter 3.pdf Download (697kB)
	Text S_SIG_1908461_Chapter 4.pdf Restricted to Staf Perpustakaan Download (3MB)
	Text S_SIG_1908461_Chapter 5.pdf Download (174kB)
	Text S_SIG_1908461_Appendix.pdf Restricted to Staf Perpustakaan Download (6MB)

Abstract

ABSTRAK OPTIMASI PARAMETER SEGMENTASI MENGGUNAKAN ALGORITMA MULTIRESOLUSI UNTUK IDENTIFIKASI WILAYAH PERMUKIMAN BERBASIS ORTHOPHOTO Muhamad Fikri Nur Arrafi Konsep segmentasi dalam klasifikasi berbasis objek dengan menggunakan Algoritma multiresolusi segmentasi memiliki tiga parameter diantaranya parameter Skala, Bentuk dan Kekompakan. Penelitian ini bertujuan untuk menemukan kombinasi parameter yang ideal untuk klasifikasi wilayah . Manfaat dari penelitian ini dapat menjadi sebuah bahan pertimbangan dalam pengambilan keputusan untuk Pembangunan berkelanjutan pada suatu daerah. Teori parameter segmentasi digunakan sebagai bahan dalam penelitian ini. Metode penelitian analisis deskriptif kuantitatif dengan Teknik penentuan nilai parameter segmentasi menggunakan OBIA melalui proses segmentasi multiresolusi untuk mendapatkan nilai yang optimal pada sebuah klasifikasi permukiman. Selain itu, dapat dilakukan perhitungan Intersection over Union (IOU) menggunakan bantuan Google Earth Engine dan pengolahan Confusion Matrix untuk mengetahui nilai area yang beririsan dan nilai pada setiap kelas aktual dari data. pengolahan yang telah dilakukan menunjukkan bahwa nilai parameter segmentasi pada klasifikasi permukiman tidak tertata memiliki nilai skala 340, Bentuk 0.1, Kekompakan 0.5 permukiman setengah tertata memiliki nilai skala 420, bentuk 0.3, kekompakan 0.5 dan permukiman tidak tertata memiliki nilai skala 500, bentuk 0.4, kekompakan 0.4. setiap klasifikasi permukiman memiliki nilai IOU diatas 80%. Dari perhitungan Confusion Matrix juga dapat diketahui nilai aktual pada setiap klasifikasi permukiman memiliki nilai F1 Score dengan rata-rata 90%. Hasilnya, segmentasi OBIA pada klasifikasi wilayah permukiman memiliki nilai keakuratan yang tinggi. Kata Kunci : Segmentasi, Algoritma Multiresolusi, Google Earth Engine, Confusion Matrix. ABSTRACT OPTIMASI PARAMETER SEGMENTASI MENGGUNAKAN ALGORITMA MULTIRESOLUSI UNTUK IDENTIFIKASI WILAYAH PERMUKIMAN BERBASIS ORTHOPHOTO Muhamad Fikri Nur Arrafi The concept of segmentation in object-based classification using a multi-resolution segmentation algorithm has three parameters, including scale, shape, and Compactness. This study aims to find the ideal combination of parameters for the classification of residential areas. The benefits of this research can be a material consideration in making decisions for sustainable development in an area. The theory of segmentation parameters is used as material in this study. The research method is quantitative descriptive analysis with the technique of determining segmentation parameter values using OBIA through a segmentasi multiresolusi process to obtain optimal values in a settlement classification. In addition, Intersection over Union (IOU) calculations can be performed with the help of Google Earth Engine and Confusion Matrix processing to find out the intersecting area values and values in each actual class of data. The processing that has been carried out shows that the segmentation parameter value in the classification of unorganised settlements has a scale value of 340, Shape 0.1, and compactness 0.5. Semi-organised settlements have a scale value of 420, shape 0.3, and compactness 0.5, and unorganised settlements have a scale value of 500, shape 0.4, and compactness 0.4. Each settlement classification has an IOU value above 80%. From the calculation of the Confusion Matrix, it can also be seen that the actual value of each residential classification has an F1 score with an average of 90%. As a result, OBIA segmentation in the classification of residential areas has a high accuracy value. Keywords: Segmentation, Algoritma Multiresolusi, Google Earth Engine, Confusion Matrix.

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?view_op=new_profile&hl=en ID SINTA : Dosen Pembimbing: MUHAMMAD IHSAN : 0028059102 ASRI RIA AFFRIANI : 0011049201
Uncontrolled Keywords:	Segmentasi, Algoritma Multiresolusi, Google Earth Engine, Confusion Matrix.
Subjects:	L Education > L Education (General)
Divisions:	Fakultas Pendidikan Ilmu Pengetahuan Sosial > Sains Informasi Geografi
Depositing User:	Muhamad Fikri Nur Arrafi
Date Deposited:	22 Sep 2023 09:15
Last Modified:	22 Sep 2023 09:15
URI:	http://repository.upi.edu/id/eprint/104638

Actions (login required)

View Item