EVALUASI AKURASI ALGORITMA SUPPORT VECTOR MACHINE, RANDOM FOREST, DAN MAXIMUM LIKELIHOOD CLASSIFICATION DALAM KLASIFIKASI PENUTUP LAHAN MENGGUNAKAN CITRA SENTINEL-2 (Studi Kasus: Kota Malang, Jawa Timur)

Hurek, Bernadus (2026) EVALUASI AKURASI ALGORITMA SUPPORT VECTOR MACHINE, RANDOM FOREST, DAN MAXIMUM LIKELIHOOD CLASSIFICATION DALAM KLASIFIKASI PENUTUP LAHAN MENGGUNAKAN CITRA SENTINEL-2 (Studi Kasus: Kota Malang, Jawa Timur). Skripsi thesis, ITN MALANG.

	Text 2225045_BAGIAN AWAL.pdf Download (628kB)
	Text 2225045_BAB I.pdf Download (175kB)
	Text 2225045_BAB II.pdf Restricted to Registered users only Download (581kB) | Request a copy
	Text 2225045_BAB III.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text 2225045_BAB IV.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text 2225045_BAB V.pdf Restricted to Registered users only Download (140kB) | Request a copy
	Text 2225045_DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (133kB) | Request a copy
	Text 2225045_LAMPIRAN.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Klasifikasi tutupan lahan menggunakan citra penginderaan jauh merupakan salah satu metode untuk memperoleh informasi spasial permukaan bumi. Penelitian ini bertujuan untuk membandingkan hasil klasifikasi dan tingkat akurasi algoritma Support Vector Machine (SVM), Random Forest (RF), dan Maximum Likelihood Classification (MLC) dalam mengklasifikasikan tutupan lahan menggunakan citra Sentinel-2 di Kota Malang. Klasifikasi dilakukan menggunakan enam kelas tutupan lahan yaitu badan air, hutan, kebun, lahan terbangun, lahan terbuka dan sawah, dengan jumlah training sampel yang sama pada setiap akuisisi, yaitu sebanyak 778 piksel perakuisisi. Pengujian dilakukan pada tiga akuisisi citra, yaitu 18 Juni 2025, 14 Agustus 2025, dan 24 April 2026. Evaluasi akurasi dilakukan menggunakan Overall Accuracy (OA), Kappa Accuracy (KA), Producer's Accuracy (PA), dan User's Accuracy (UA). Hasil penelitian menunjukkan bahwa ketiga algoritma menghasilkan pola klasifikasi distribusi spasial, dan luas setiap kelas tutupan lahan yang berbeda, dengan SVM menghasilkan batas kelas yang lebih jelas dan konsisten. SVM memiliki rata-rata OA dan KA tertinggi, masing-masing sebesar 90,85% dan 89,24%, sedangkan RF memperoleh akurasi tertinggi pada akuisisi 18 Juni 2025 dengan OA 94,12% dan KA 93,08%. Kelas badan air dan lahan terbangun paling konsisten dikenali, sedangkan kelas sawah memiliki akurasi relatif terendah.

Item Type:	Thesis (Skripsi)
Additional Information:	Bernadus Luciano Sesa Hurek (2225045)
Uncontrolled Keywords:	Citra Sentinel-2, Klasifikasi Tutupan Lahan, Support Vector Machine, Random Forest, Maximum Likelihood Classification
Subjects:	Engineering > Geodesy Engineering
Divisions:	Fakultas teknik Sipil dan Perencanaan > Teknik Geodesi S1 > Teknik Geodesi S1(Skripsi)
Depositing User:	Bernadus Luciano Sesa Hurek Bernadus Luciano Sesa Hurek
Date Deposited:	28 Sep 2026 03:53
Last Modified:	29 Sep 2026 03:25
URI:	http://eprints.itn.ac.id/id/eprint/16693

Actions (login required)

View Item