Klasifikasi Citra Hiperspektral Pada Kasus Tutupan Lahan Menggunakan Metode Convolutional Neural Network (CNN)

Yesinta Florensia, Samsuryadi Samsuryadi, Saparudin Saparudin

Abstract


Informasi tutupan lahan dengan citra penginderaan jauh (inderaja) berbasis hiperspektral sangat efektif dalam pengelolaan peruntukan penggunaan lahan secara tepat. Selain dapat memberikan informasi keragaman spasial secara luas, cepat dan mudah, citra ini memiliki ratusan band spektral yang dapat memberikan struktur informasi permukaan bumi berdasarkan reflektansi gelombang elektromagnetik yang diterimanya. Metode One Dimensional Convolutional Neural Network (1D CNN) menunjukkan performa yang cukup baik pada klasifikasi tutupan lahan berbasis citra hiperspektral. Pada penelitian ini akan dilakukan analisis performa metode 1D CNN pada dataset Indian Pines 16 kelas, dimana sebelumnya metode 1D CNN diimplementasikan pada dataset Indian Pines 9 kelas. Hasil klasifikasi terbaik diperoleh pada percobaan 10000 epoch dari lima percobaan epoch yang berbeda dengan Overall Accuracy (OA) 88.97% dan Kappa 87.4%.

Keywords


Penginderaan Jauh; Klasifikasi Tutupan Lahan; Hiperspektral; Convolutional Neural Network; 1D CNN

Full Text:

PDF

Refbacks

  • There are currently no refbacks.