Penentuan Luas Area Sawah Kabupaten Sleman Pada Citra Landsat 8 Operational Land Imager (OLI)

Abstract

INTISARI

Teknologi penginderaan jauh sangat baik dijadikan data pembuatan peta penggunaan lahan, karena kebutuhan pemetaan semakin tinggi terutama untuk mendeteksi perubahan penggunaan lahan terutama untuk penentuan luas area khususnya sawah di kabupaten Sleman. Untuk mendapatkan informasi luasan area sawah dari interpretasi citra landsat-8 OLI (Operational Land Imager) diperlukan metode khusus, terutama untuk pengolahan data citra penginderaan jauh secara digital. Salah satu metode pengolahan citra penginderaan jauh adalah metode Support Vector Machine (SVM). Metode SVM merupakan metode learning machine (Pembelajaran mesin) yang dapat mengklasifikasikan pola serta mengenali pola dari inputan atau contoh data yang diberikan dan juga termasuk ke dalam supervised learning. Hasil area sawah yang didapati dari citra Landsat 8 OLI dengan pengolahan metode SVM didapati berada di 18 kecamatan dala Kabupaten Sleman. Luasan tertinggi ada di kecamatan Ngaglik dengan 19,78 KM2 dan terendah di kecamatan Turi seluas 2,14 KM2. Nilai keseluruhan akurasi yang didapat untuk kelas lahan sawah dan area non sawah adalah adalah 53%.

Kata kunci— Landsat-8 OLI, SVM, Data Citra, Geospasial, Luas Area Sawah

ABSTRACT

Remote sensing technology is very well used as a data for making land use maps, because mapping needs are increasingly high especially for detecting land use changes, especially for determining the area, especially rice fields in Sleman district. To get information about the area of the rice fields from the interpretation of Landsat-8 OLI (Operational Land Imager), special methods are needed, especially for processing remote sensing image data digitally. One method of processing remote sensing images is the Support Vector Machine (SVM) method. The SVM method is a learning machine method that can classify patterns and recognize patterns from input or sample data provided and also includes supervised learning. The results of the rice field that were found from the Landsat 8 OLI image by processing the SVM method were found in 18 sub-districts in Sleman Regency. The highest area is in Ngaglik sub-district with 19.78 KM2 and the lowest in Turi sub-district is 2.14 KM2. The overall value of the accuracy obtained for the class of rice field and non-rice field is 53%.

Kata kunci—  Landsat-8 OLI, SVM, Image Data, Geospatial, Area of Rice Fields