Pemanfaatan Object-Based Image Analysis (OBIA) pada Citra SPOT-6 untuk Identifikasi Jenis Penutup Lahan Vegetasi di Kota Bogor
DOI:
https://doi.org/10.21067/jpig.v7i1.6546Keywords:
OBIA, penutup lahan, vegetasi, RTH, SPOT-6Abstract
Abstrak:Konversi lahan yang terjadi di wilayah perkotaan menajdikan keberadaan ruang terbuka hijau terancam. Ruang terbuka hijau terdiri dari vegetasi yang dapat dianalisis menggunakan penginderaan jauh. Selain menggunakan penginderaan jauh, penerapan sistem informasi geografis (SIG) juga mengambil peran penting dalam mengelola dan menghasilkan suatu informasi spasial. Dengan integrasi penginderaan jauh dan SIG, setiap jenis penutup lahan dapat diketahui persebarannya secara spasial dan dapat dilakukan analisis hingga dipetakan. Citra satelit SPOT-6 digunakan sebagai data untuk mengekstrak informasi penutup lahan vegetasi dengan memanfaatkan metode klasifikasi berbasis objek atau Object-Based Image Analysis (OBIA). Penelitian ini mengkaji pemanfaatan metode OBIA pada citra satelit SPOT-6 yang merupakan citra resolusi tinggi untuk mengidentifikasi penutup lahan berupa jenis vegetasi dengan karakteristik wilayah Kota Bogor. Akurasi penggunaan metode OBIA pada citra SPOT 6 mampu menghasilkan akurasi sebesar 94% dan nilai Kappa sebesar 91%. Dengan resolusi spasial citra SPOT-6 yang digunakan mencapai 1,5 meter, penggunaan metode OBIA di wilayah Kota Bogor mampu dengan baik menghasilkan klasifikasi penutup lahan vegetasi dengan jenis dan karakteristiknya. OBIA mampu membedakan kelas-kelas penutup lahan dengan karakteristik vegetasi yang berbeda seperti, pohon, semak dan belukar, serta herba dan rumput.
Kata kunci: OBIA, penutup lahan, vegetasi, RTH, SPOT-6
Abstract: Land conversion that occurs in urban areas makes the existence of green open spaces threatened. Green open space consists of vegetation that can be analyzed using remote sensing. In addition to using remote sensing, the application of geographic information systems (GIS) also plays an important role in managing and producing spatial information. With the integration of remote sensing and GIS, each type of land cover can be identified spatially and can be analyzed and mapped. SPOT-6 satellite imagery is used as data to extract vegetation land cover information by utilizing the Object-Based Image Analysis (OBIA) classification method. This study examines the use of the OBIA method on SPOT-6 satellite imagery which is a high-resolution image to identify land cover in the form of vegetation types with the characteristics of the Bogor City area. The accuracy of using the OBIA method on SPOT-6 images is able to produce an accuracy of 94% and a Kappa of 91%. With the spatial resolution of the SPOT-6 imagery used reaching 1.5 meters, the use of the OBIA method in the Bogor City area is able to produce a classification of vegetation land cover with its types and characteristics. OBIA is able to distinguish land cover classes with different vegetation characteristics such as trees, shrubs, as well as herbs and grasses.
Keywords: OBIA, land cover, vegetation, green open space, SPOT-6
References
Aprianto, M. C., Sudibyakto, & Chafid, F. (2010). Kajian Luas Hutan Kota Berdasarkan Kebutuhan. Majalah Geografi Indonesia, 21(2), 12–29.
Astuti, W., At, M., Setiawan, I., Fakultas Kehutanan, & Universitas Nusa Bangsa. (2016). Identifikasi ruang terbuka hijau di kota bogor dengan aplikasi sistem informasi geografis. 16(1), 24–31.
Danoedoro, P. (2012). Pengantar Penginderaan Jauh Digital. ANDI Press.
Febrianti, N., Pasaribu, J. M., & Sulma, S. (2015). Analisis Ruang Terbuka Hijau di DKI Jakarta Menggunakan Data SPOT 6. Pertemuan Ilmiah Tahunan MAPIN XX 2015, 644–649. https://doi.org/10.24895/mig.2019.21-1.869
Hapsari, E., & Murti, S. H. (2015). Klasifikasi Berbasis Objek pada Citra Pleiades untuk Pemetaan Ketersediaan Ruang Terbuka Hijau di Perkotaan Purwokerto 2013. Pertemuan Ilmiah Tahunan MAPIN XX 2015, July, 244–254.
Hossain, M. D., & Chen, D. (2019). Segmentation for Object-Based Image Analysis (OBIA): A review of algorithms and challenges from remote sensing perspective. ISPRS Journal of Photogrammetry and Remote Sensing, 150(February), 115–134. https://doi.org/10.1016/j.isprsjprs.2019.02.009
Indriasari, V. (2018). Sistem Informasi Geografis. Mobius.
LAPAN. (2015). Pedoman Pengolahan Data Satelit Multispektral Secara Digital Supervised Untuk Klasifikasi. 1–8. http://pusfatja.lapan.go.id/files_uploads_ebook/pedoman/000_Buku_Pedoman_Klasifikasi_final.pdf
Lestari. (2009). Faktor-Faktor Terjadinya Alih Fungsi Lahan.
Mayagita, A., Yanuarsyah, I., & ... (2019). Kombinasi Object Based Image Analysis Untuk Identifikasi RTH Non Pohon di Kelurahan Babakan Kota Bogor. Seminar Nasional …. http://prosiding.uika-bogor.ac.id/index.php/semnati/article/view/298
Prastiwi, P. A. D., harto, agung budi, Wikantika, K., & Irawan, D. E. (2017). Identifikasi Kerusakan Pasca Gempa Menggunakan Metode Object Based Image Analysist (OBIA) (Studi Kasus: Pidie Jaya, Aceh). https://doi.org/10.31227/osf.io/bsejq
Putrajaya, I. K. (2019). Analisis Indeks Vegetasi Menggunakan Citra ALOS AVNIR-2 untuk Estimasi Kebutuhan Ruang Terbuka Hijau Berdasarkan Kebutuhan Oksigen di Kota Denpasar, Provinsi Bali. Jurnal IKA, 17(2), 171. https://doi.org/10.23887/ika.v17i2.19853
Rini, M. S., & Susatya, J. (2019). Pemanfaatan Penginderaan Jauh Dan Sistem Informasi Geografis untuk Identifikasi Ruang Terbuka Hijau di Kabupaten Klaten. 280–300.
Rustianto, F. D. (2020). Analisis Kualitas Lingkungan Permukiman Menggunakan Citra Pleiades dan Sistem Informasi Geografis di Kecamatan Godean Kabupaten Sleman. Universitas Muhammadiyah Surakarta.
Suryantoro, A. (2017). Penginderaan Jauh untuk Geografi (R. P. Wulandari (ed.)). Penerbit Ombak.
Wibowo, T. S., & Suharyadi, R. (2009). Aplikasi Object-Based Image Analysis (OBIA) untuk Deteksi Perubahan Penggunaan Lahan Menggunakan Citra ALOS AVNIR-2. International Safeguards and Satellite Imagery: Key Features of the Nuclear Fuel Cycle and Computer-Based Analysis, 107–111. https://doi.org/10.1007/978-3-540-79132-4_8
Xiaoxia, S., Jixian, Z., & Zhengjun, L. (2005). A Comparison of Object-Oriented and Pixel-Based Classification Approachs Using Quickbird Imagery. 1–3. http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.184.3501
