View/Open

Author
Muhammad Seyviolla, Al Fitron

Advisor
Mohammad Ashari, Dwiputra, S.Kel., M.Si.
Budhi Agung, Prasetyo, S.Pi, M.Si.

Koleksi
Student Dissertations and Theses

Publisher

Mangrove merupakan salah satu komponen utama dalam ekosistem lahan basah. Banyak penelitian tentang mangrove telah dilakukan, termasuk dengan memanfaatkan teknologi penginderaan jauh. Dalam penelitian ini, digunakan citra Unmaned Aeril Vechicle (UAV) dan data lapangan dikumpulkan melalui purposive sampling dengan total 70 titik di kawasan hutan mangrove Desa Gebang, Pesawaran. Penelitian ini bertujuan untuk mengevaluasi akurasi pendekatan Object Based Image Analysis (OBIA) dengan algoritma multiresolution segmentation (MRS). Skala segmentasi yang digunakan untuk citra Unmaned Aeril Vechicle (UAV) dengan dilakukan optimasi skala segmentasi sebesar 100, 160, 180, 200. Klasifikasi vegetasi mangrove dilakukan pada 5 kelas dengan menggunakan algoritma klasifikasi Support Vector Machine (SVM) dan Random Forest (RF) dalam mengklasifikasikan mangrove. Hasil analisis klasifikasi berbasis objek menunjukkan bahwa Support Vector Machine (SVM) memiliki akurasi keseluruhan sebesar 95% (kappa = 0,8), sedangkan klasifikasi Random Forest (RF) memiliki akurasi keseluruhan sebesar 93% (kappa = 0,84). Hal ini menunjukkan bahwa Random Forest (RF) lebih efektif dalam mengurangi kesalahan klasifikasi dibandingkan Support Vector Machine (SVM) pada kawasan vegetasi mangrove menggunakan citra UAV.

URI
https://repo.itera.ac.id/depan/submission/SB2409260034

Keyword
Mangrove Unmaned Aeril Vehicle Object Based Image