<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="65432">
 <titleInfo>
  <title>KLASIFIKASI PENGGUNAAN LAHAN DENGAN OBJECT BASED IMAGE ANALYSIS (OBIA) PADA DRONE IMAGERY (STUDI KASUS KAMPUS UNIVERSITAS SYIAH KUALA)</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Reja Ardian</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Universitas Syiah Kuala</publisher>
   <dateIssued>2019</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Null</form>
  <extent></extent>
 </physicalDescription>
 <note>Terdapat berbagai macam teknik pengolahan data dalam pengindraan jauh untuk  memperoleh informasi penggunaan lahan. Teknik klasifikasi citra dalam pengindraan jauh dibagi menjadi tiga bagian teknik klasifikasi yaitu teknik berbasis piksel, teknik berbasis subpiksel dan teknik berbasis objek. Pesawat tanpa awak (drone) merupakan salah satu alternatif pengindraan jauh untuk pemetaan di samping teknologi pemetaan lainnya seperti pemetaan berbasis satelit. Keunggulan pengindraan jauh berbasis drone adalah penggunaan foto udara menghasilkan citra yang lebih detail, tidak terkendala awan, karena pengoperasiannya pada ketinggian di bawah awan. Penelitian ini bertujuan untuk memetakan penggunaan lahan menggunakan metode OBIA (Object Based Image Analysis) pada citra drone Kampus Unsyiah dan melalui tahap segmentasi dan klasifikasi. Pada tahap segmentasi menggunakan algoritma multiresolutional segmentation sedangkan untuk klasifikasi berdasarkan simple-based menggunakan algoritma nearest neighbor. Setelah dilakukan pengujian menggunakan multiresolutional segmentation didapatkan bahwa nilai parameter terbaik adalah  skala 50, bentuk 0,3 dan kekompakan 0,7. Proses ekstraksi dari citra drone kampus Unsyiah menghasil empat kelas penutupan lahan yaitu jalan, vegetasi, ruang terbuka hijau (RTH) dan bangunan. Jumlah objek paling banyak didapat dari kelas bangunan sebanyak 11.851dan objek paling sedikit didapatkan dari kelas RTH sebanyak 2.761. Sedangkan luas objek paling besar didapatkan pada kelas bangunan seluas 47,85 hektar dan luas paling kecil adalah kelas jalan seluas 16,42 hektar.</note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>65432</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2019-10-08 20:57:15</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2019-10-09 09:22:18</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>