Klasifikasi Spasial Biner Dari Citra Satelit Sentinel 2 Dengan Pendekatan Machine Learning (Studi Kasus : Bangunan Dan Non Bangunan Di Sekitar Universitas Islam Indonesia)
Abstract
Aktivitas pembangunan di sekitar kampus memiliki perkembangan yang sangat
signifikan, salah satunya di sekitar kampus Universitas Islam Indonesia (UII).
Penelitian ini bertujuan untuk mengetahui klasifikasi bangunan dan non-bangunan
menggunakan pendekatan Machine Learning. Batasan metode machine learning
untuk klasifikasi yang digunakan pada penelitian ini adalah menggunakan metode
Support Vector Machine (SVM), Logistic Regresion (LR), dan Decission Tree
(DT). Dari hasil ketiga metode tersebut dibandingkan agar dapat mengetahui
metode terbaik dalam proses klasifikasi. Selain itu, dilanjutkan perhitungan
proporsi antara bangunan dan non-bangunan yang berada di sekitar UII dari hasil
metode terbaik teresebut. Data yang digunakan pada penelitian ini merupakan data
citra satelit Sentinel-2 pada tanggal 7 Juli 2021 yang diambil dari website
Copernicus. Adapun hasil yang didapatkan berupa klasifikasi dengan 4 (empat)
indikator, yaitu tingkat akurasi, sensitivitas, spesifisitas, dan AUC. Metode terbaik
yang diperoleh pada penelitian ini yaitu Support Vector Machine berdasarkan nilai
selisih sebesar 0,0635 antara rata-rata dari nilai akurasi data training dan data
testing. Pada proporsi kepadatan, dapat disimpulkan bahwa semakin dekat dengan
UII maka semakin besar persentase bangunannya. Sedangkan untuk non-bangunan,
semakin jauh dengan titik pusat, maka semakin besar persentasenya nonbangunannya.
Collections
- Statistics [903]