PEMANFAATAN KANAL POLARISASI DAN KANAL TEKSTUR DATA PISAR-L2 UNTUK KLASIFIKASI PENUTUP LAHAN KAWASAN HUTAN DENGAN METODE KLASIFIKASI TERBIMBING (UTILIZATION OF POLARIZATION AND TEXTURE BANDS OF PISAR-L2 DATA FOR LAND COVER CLASSIFICATION IN FOREST AREA USING SUPERVISED CLASSIFICATION METHOD)

Abstract

Polarimetric and Interferometric Airborne SAR in L band (PiSAR-L2), yang merupakan kelanjutan dari program PiSAR, bertujuan untuk melakukan eksperimen sensor PALSAR-2 yang akan dibawa oleh ALOS-2. Selanjutnya pada tahun 2012, Japan Aerospace Exploration Agency (JAXA) dan Kementerian Ristek dan Teknologi Indonesia telah melakukan kerjasama riset untuk mengkaji pemanfaatan data PiSAR-L2 di wilayah Indonesia. Penelitian ini bertujuan untuk memanfaatkan kanal-kanal polarisasi data PiSAR-L2 untuk klasifikasi penutup lahan kawasan hutan di Provinsi Riau. Hasil survei lapangan tim JAXA setelah perekaman data PiSAR-L2 dijadikan sebagai data referensi untuk pembuatan training data dan training pengujian hasil klasifikasi. Pengolahan data dilakukan dengan merubah nilai dijital menjadi backscatter (Sigma naught) dan melakukan Lee filter, kemudian melakukan klasifikasi terbimbing dengan metode Maximum Likelihood Enhanced Neighbour dengan 3 perlakuan, yaitu menggunakan input 3 kanal polarisasi SAR (HH, VV dan HV), menggunakan input 3 kanal polarisasi dan 3 kanal tekstur (deviasi HH, deviasi VV dan deviasi HV), serta menggunakan input 6 kanal (3 kanal polarisasi dan 3 kanal tekstur) dan perbaikan training sampel berdasarkan hasil confusion matrix. Selanjutnya dilakukan pengujian akurasi dengan menggunakan metode confusion matrix. Hasil menunjukkan bahwa kanal tekstur dapat menaikkan tingkat pemisahan antara kelas obyek vegetasi, khususnya hutan dan akasia. Hasil klasifikasi dengan menggunakan 6 kanal dan perbaikan training sampel berhasil meningkatkan akurasi klasifikasi penutup lahan sehingga diperoleh nilai overall accuracy sebesar 80% dan nilai kappa sebesar 0.612. Kata kunci: PiSAR-L2, klasifikasi maximum likelihood, Kanal polarisasi, Kanal tekstur, Confusion matrix