Electronic Theses and Dissertation

Tanaman kelapa sawit (Elaeis Guineensis Jacq) tanaman yang berasal dari wilayah Afrika Barat lebih tepatnya di wilayah Angola sampai Senegal. Indonesia memulai penanaman kelapa sawit secara komersial pada tahun 1911 di pantai timur Pulau Sumatra. Kelapa sawit merupakan salah satu sektor perkebunan unggul di Indonesia. Kelapa sawit menghasilkan minyak sawit dan minyak inti sawit. Indonesia menjadi salah satu penghasil minyak sawit terbesar di dunia dengan luas lahan lebih dari 34% dari luas kebun sawit dunia. Melihat potensi besar tersebut, identifikasi lahan-lahan sawit dan non-sawit serta objek pohon kelapa sawit tersebut dapat dilihat dengan menggunakan klasifikasi dengan metode maximum likelihood clasification dan object based image analysis. Penelitian ini menggunakan klasifikasi segmen-segmen objek berupa poligon dan mengelompokkan piksel yang tidak diketahui kedalam salah satu kelas informasi terutama ketika piksel berada di luar area spesifik atau diantara area yang bertumpang tindih, yang dipaksakan untuk diklasifikasi.
Analisis dalam pengolahan data ini dilakukan dengan menggunakan software eCognition Developer 64 untuk metode object based image analysis dan menggunakan software Envi 5.3 untuk metode maximum likelihood clasification. Tahapan setelah pra pengolahan citra yaitu segmentasi dan klasifikasi. Setelah mendapatkan hasil klasifikasi dilanjutkan dengan uji akurasi untuk melihat tingkat ketelitian dari berbagai citra hasil klasifikasi yang telah dilakukan dengan data training area sehingga dapat mengetahui persentase ketelitian pemetaan tutupan lahan yang telah dilakukan. Uji akurasi yang digunakan dalam penelitian ini adalah uji akurasi metode koefisien Kappa, yaitu metode dengan membandingkan hasil klasifikasi multispektral pada citra dengan kenyataan yang ada di lapangan. Penentuan titik uji akurasi menggunakan starified random sampling dengan memakai 5 titik pada setiap kelas dan menggunakan titik koordinat yang sama.
Setelah melakukan pengamatan, uji akurasi dan uji validasi hasil penelitian ini menunjukkan bahwa metode maximum likelihood clasification lebih baik digunakan untuk resolusi menengah (Citra Planet Scoope) dan object based image analysis lebih akurat dipakai menggunakan citra resolusi tinggi (Citra Google Earth Imagery). Hasil uji akurasi pada kedua metode menghasilkan metode object based image analysis menggunakan citra resolusi tinggi memiliki keakuratan yang lebih tinggi yaitu overall accuracy 92% dan kappa accuracy 90%. Metode hasil klasifikasi maximum likelihood clasification dengan citra resolusi menengah memiliki overall accuracy 84% dan kappa accuracy 80%.

The oil palm plant (Elaeis Guineensis Jacq) is a plant that originates from West Africa, more precisely from Angola to Senegal. Indonesia began commercial cultivation of oil palm in 1911 on the east coast of Sumatra Island. Palm oil is one of the leading plantation sectors in Indonesia. Palm oil produces palm oil and palm kernel oil. Indonesia is one of the largest palm oil producers in the world with a land area of ​​more than 34% of the world's palm oil plantations. Seeing this great potential, identification of oil palm and non-oil palm lands as well as oil palm tree objects can be seen using classification using the maximum likelihood classification and object based image analysis methods. This research uses classification of object segments in the form of polygons and groups unknown pixels into one information class, especially when the pixels are outside a specific area or between overlapping areas, which are forced to be classified. Analysis in processing this data was carried out using eCognition Developer 64 software for the object based image analysis method and using Envi 5.3 software for the maximum likelihood classification method. The stages after image pre-processing are segmentation and classification. After getting the classification results, we continue with an accuracy test to see the level of accuracy of the various classification results images that have been carried out using training area data so that we can find out the percentage of accuracy of the land cover mapping that has been carried out. The accuracy test used in this research is the Kappa coefficient method accuracy test, namely a method that compares the results of multispectral classification on images with the reality in the field. Determining accuracy test points uses starified random sampling using 5 points in each class and using the same coordinate points. After conducting observations, accuracy tests and validation tests, the results of this research show that the maximum likelihood classification method is better used for medium resolution (Planet Scoope Imagery) and object based image analysis is more accurate used using high resolution imagery (Google Earth Imagery Imagery). The accuracy test results for both methods produce an object based image analysis method using high resolution images that has higher accuracy, namely overall accuracy of 92% and kappa accuracy of 90%. The classification method resulting from maximum likelihood classification with medium resolution images has an overall accuracy of 84% and a kappa accuracy of 80%.