Klasifikasi Penggunaan Lahan Kelas Sawah berbasis Data Citra Sentinel-2 dengan Algoritma MLC: Studi Kasus Kabupaten Jember Tahun 2019
Authors
Rufiani Nadzirah , Indarto Indarto , Degita Fahmi BrillyansyahDOI:
10.29303/jrpb.v10i1.319Published:
2022-03-24Issue:
Vol. 10 No. 1 (2022): Jurnal Ilmiah Rekayasa Pertanian dan BiosistemKeywords:
Maximum Likelihood Classification, sawah, Sentinel-2Articles
Downloads
How to Cite
Downloads
Abstract
Sentinel-2 merupakan satelit Eropa yang dapat digunakan dalam beragam bidang. Pada bidang pertanian citra Sentinel-2 dapat dimanfaaatkan untuk memetakan luas sawah di Kabupaten Jember. Penelitian ini bertujuan untuk mengolah data citra Sentinel-2 menjadi peta luasan sawah Kabupaten Jember dengan metode Maximum Likelihood Classification (MLC), dan membandingkan luasan pada musim kemarau dan hujan. Tahapan penelitian ini adalah unduh data satellite Sentinel-2 pada bulan Juni dan Oktober 2019 dan survei lapang Ground Control Point (GCP), digunakan sebagai training area; pra pengolahan data; pengolahan data; uji akurasi; analisa hasil. klasifikasi yang digunakan pada penelitian ini adalah hutan, badan air, pemukiman, tegalan, lahan kering/lahan kosong, sawah, Pada hasil klasifikasi terdapat perbedaan luas sawah pada bulan Juni dan Oktober sebesar 134,332 km2. Hasil dari confussion matrix menunjukkan bahwa terdapat kesalahan pada kedua klasifikasi, yaitu pada kelas sawah dengan hutan dan kelas tegalan dengan lahan kering. Nilai akurasi hasil klasifikasi bulan Juni untuk uji Overall: 93,3% dan Kappa accuracy: 0,90. Untuk hasil klasifikasi bulan Oktober untuk uji Overall: 94,27% dan Kappa accuracy: 90,55%. Terdapat perbedaan luas sawah pada daerah irigasi (DI) Salmon2 antara hasil klasifikasi dengan digitasi lapang. Hal ini menandakan bahwa klasifikasi citra Sentinel-2 dengan metode maximum likelihood belum dapat menginterpretasikan luas sawah dengan baik.
References
Arnanto, A. (2013). Pemanfaatan Transformasi Normalized Difference Vegetation Index (NDVI) Citra Landsat TM Untuk Zonasi Vegetasi Di Lereng Merapi Bagian Selatan. Geomedia: Majalah Ilmiah Dan Informasi Kegeografian, 11(2), 155–170. https://doi.org/10.21831/gm.v11i2.3448.
Badan Pusat Statistik Kabupaten Jember. (2020). Kabupaten Jember dalam Angka. BPS Kabupaten Jember.
Badan Pusat Statistik Provinsi Jawa Timur. (2020). Provinsi Jawa Timur dalam Angka. BPS Provinsi Jawa Timur.
Crisóstomo de Castro Filho, H., Abílio de Carvalho Júnior, O., Ferreira de Carvalho, O. L., Pozzobon de Bem, P., dos Santos de Moura, R., Olino de Albuquerque, A., Rosa Silva, C., Guimarães Ferreira, P. H., Fontes Guimarães, R., & Trancoso Gomes, R. A. (2020). Rice Crop Detection Using LSTM, Bi-LSTM, and Machine Learning Models from Sentinel-1 Time Series. Remote Sensing, 12(16), 2655.
Cui, L., Li, G., Ren, H., He, L., Liao, H., Ouyang, N., & Zhang, Y. (2014). Assessment of atmospheric correction methods for historical Landsat TM images in the coastal zone: A case study in Jiangsu, China. European Journal of Remote Sensing, 47(1), 701–716. https://doi.org/10.5721/EuJRS20144740.
European Space Agency. (2012). ESA’s Optical High-Resolution Mission for GMES Operational Services.
European Space Agency. (2015). Sentinel-2 User Handbook, Issue 1 Revision 2. 1, 1–64.
Fang, H. (1998). Rice crop area estimation of an administrative division in China using remote sensing data. International Journal of Remote Sensing, 19(17), 3411–3419.
Filgueiras, R., Mantovani, E. C., Althoff, D., Fernandes Filho, E. I., & Cunha, F. F. da. (2019). Crop NDVI monitoring based on sentinel 1. Remote Sensing, 11(12), 1441.
Firmansyah, S., Gaol, J., & Susilo, S. B. (2019). Perbandingan Klasifikasi SVM dan Decision Tree untuk Pemetaan Mangrove Berbasis Objek Menggunakan Citra Satelit Sentinel-2B di Gili Sulat , Lombok Timur. 9(3), 746–757.
Hamdir, A. N. R. W., & Herumurti, S. (2018). Studi Perbandingan Klasifikasi Multispektral Maximum Likelihood dan Support Vector Machine untuk Pemetaan Penutup Lahan. Jurnal Bumi Indonesia, 3(4), 1–7. file:///D:/Skripsi/bahan proposal/hamdir.pdf.
Huang, S., Ming, B., Huang, Q., Leng, G., & Hou, B. (2017). A case study on a combination NDVI forecasting model based on the entropy weight method. Water Resources Management, 31(11), 3667–3681.
Indarto. (2017a). Penginderaan Jauh Metode Analisis dan Interpretasi Citra Satelit. Andi Offset.
Indarto. (2017b). Pengindraan Jauh Metode Analisis dan Interpretasi Citra satelit. ANDI.
Kurosu, T., Fujita, M., & Chiba, K. (1997). The identification of rice fields using multi-temporal ERS-1 C band SAR data. International Journal of Remote Sensing, 18(14), 2953–2965.
Kushardono, D. (2017). Klasifikasi Digital Pada Penginderaan Jauh. IPB Press.
Laborte, A. G., Gutierrez, M. A., Balanza, J. G., Saito, K., Zwart, S. J., Boschetti, M., Murty, M. V. R., Villano, L., Aunario, J. K., & Reinke, R. (2017). RiceAtlas, a spatial database of global rice calendars and production. Scientific Data, 4, 170074.
LAPAN. (2015). Pedoman pengolahan Data Satelit Multispektral Secara Digital Supervised untuk Klasifikasi. Pusat Pemanfaatan Penginderaan Jauh Lembaga Penerbangan dan Antariksa Nasional.
Lembaga Penerbangan dan Antariksa Nasional. (2014). Penyusunan pedoman pengolahan digital klasikasi penutup lahan menggunakan penginderaan jauh. Pusat Pemanfaatan Penginderaan Jauh Lembaga Penerbangan dan Antariksa Nasional.
Liew, S. C., Kam, S.-P., Tuong, T.-P., Chen, P., Minh, V. Q., & Lim, H. (1998). Application of multitemporal ERS-2 synthetic aperture radar in delineating rice cropping systems in the Mekong River Delta, Vietnam. IEEE Transactions on Geoscience and Remote Sensing, 36(5), 1412–1420.
McCloy, K. R., Smith, F. R., & Robinson, M. R. (1987). Monitoring rice areas using Landsat MSS data. International Journal of Remote Sensing, 8(5), 741–749.
Muhammad, A. M., Rombang, J. A., & Saroinsong, F. B. (2016). Tutupan lahan di KPHP Poigar terus menerus mengalami perubahan . Pemetaan dan identifikasi jenis tutupan lahan dengan metode Maximum Likelihood lebih akurat dari metode. Jurnal Ilmu Kehutanan, 7(2).
Navin, M. S., & Agilandeeswari, L. (2019). Land use land cover change detection using k-means clustering and maximum likelihood classification method in the javadi hills, Tamil Nadu, India. International Journal of Engineering and Advanced Technology (IJEAT).
Okamoto, K. (1999). Estimation of rice-planted area in the tropical zone using a combination of optical and microwave satellite sensor data. International Journal of Remote Sensing, 20(5), 1045–1048.
Panigrahy, S., Chakraborty, M., Sharma, S. A., Kundu, N., Ghose, S. C., & Pal, M. (1997). Early estimation of rice area using temporal ERS-1 synthetic aperture radar data a case study for the Howrah and Hughly districts of West Bengal, India. International Journal of Remote Sensing, 18(8), 1827–1833.
Preidl, S., Lange, M., & Doktor, D. (2020). Introducing APiC for regionalised land cover mapping on the national scale using Sentinel-2A imagery. Remote Sensing of Environment, 240, 111673.
Rimal, B., Rijal, S., & Kunwar, R. (2020). Comparing support vector machines and maximum likelihood classifiers for mapping of urbanization. Journal of the Indian Society of Remote Sensing, 48(1), 71–79.
Saini, R., & Ghosh, S. K. (2019). Crop classification in a heterogeneous agricultural environment using ensemble classifiers and single-date Sentinel-2A imagery. Geocarto International, 1–19.
Sampurno, R. M., & Thoriq, A. (2016). Klasifikasi tutupan lahan menggunakan citra landsat 8 operational land imager (oli) di kabupaten sumedang. Jurnal Teknotan, 10(2), 61–70.
Singha, M., Dong, J., Sarmah, S., You, N., Zhou, Y., Zhang, G., Doughty, R., & Xiao, X. (2020). Identifying floods and flood-affected paddy rice fields in Bangladesh based on Sentinel-1 imagery and Google Earth Engine. ISPRS Journal of Photogrammetry and Remote Sensing, 166, 278–293.
Singha, M., Dong, J., Zhang, G., & Xiao, X. (2019). High resolution paddy rice maps in cloud-prone Bangladesh and Northeast India using Sentinel-1 data. Scientific Data, 6(1), 1–10.
Turner, M. D., & Congalton, R. G. (1998). Classification of multi-temporal SPOT-XS satellite data for mapping rice fields on a West African floodplain. International Journal of Remote Sensing, 19(1), 21–41.
Wulansari, H. (2017). Uji Akurasi Klasifikasi Penggunaan Lahan dengan Menggunakan Metode Defuzzifikasi Maximum Likelihood Berbasis Citra Alos Avnir-2. BHUMI: Jurnal Agraria Dan Pertanahan, 3(1), 98–110.
Yang, Y., Luo, J., Huang, Q., Wu, W., & Sun, Y. (2019). Weighted double-logistic function fitting method for reconstructing the high-quality sentinel-2 NDVI time series data set. Remote Sensing, 11(20), 2342.
Zhang, H. K., Roy, D. P., Yan, L., Li, Z., Huang, H., Vermote, E., Skakun, S., & Roger, J.-C. (2018). Characterization of Sentinel-2A and Landsat-8 top of atmosphere, surface, and nadir BRDF adjusted reflectance and NDVI differences. Remote Sensing of Environment, 215, 482–494.
Zhang, T.-X., Su, J.-Y., Liu, C.-J., & Chen, W.-H. (2019). Potential bands of sentinel-2A satellite for classification problems in precision agriculture. International Journal of Automation and Computing, 16(1), 16–26.
License
Copyright (c) 2022 Rufiani Nadzirah, Indarto Indarto, Degita Fahmi Brillyansyah
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License 4.0 International License (CC-BY-SA License). This license allows authors to use all articles, data sets, graphics, and appendices in data mining applications, search engines, web sites, blogs, and other platforms by providing an appropriate reference. The journal allows the author(s) to hold the copyright without restrictions and will retain publishing rights without restrictions.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in Jurnal Ilmiah Rekayasa Pertanian dan Biosistem (JRPB).
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).