Analisis Klasifikasi Tutupan Dan Penggunaan Lahan Kota Samarinda Menggunakan Algoritma Maximum Likelihood
Perkembangan teknologi informasi seperti pada saat ini selalu mengalami perubahan kemajuan. Hal ini menjadikan tantangan bagi media informasi untuk menyampaikan informasi secara cepat dan mudah dalam pengaksesan maupun detail informasi yang diharapkan menjadi semakin lengkap. Salah satu bidang yang perlu diinformasikan secara umum ialah informasi peta geografis suatu kawasan, atau disebut dengan Geographic Information System (GIS). Penelitian ini bertujuan untuk mengklasifikasi penggunaan lahan di Kota Samarinda pada tahun 2022. Metode klasifikasi yang digunakan yaitu, Maximum Likelihood Clasification (MLC). Metode MLC menghitung nilai rata-rata dari berbagai macam kelas dan band yang ada. Metode MLC didasari dengan nilai piksel yang sama dalam pengenalan citra. Karakteristik dalam sebaran normal dapat menggambarkan setiap piksel dalam kelasnya. Ketelitian dari metode MLC memiliki nilai yang sangat tinggi dan memiliki kemampuan yang dimana dari semakin banyaknya jumlah band yang digunakan dalam pembagian kelas maupun kategori maka akan menghasilkan nilai maximum sehingga hasilnya yang di capai jauh lebih baik. Pada penelitian ini mendapatkan luas wilayah 71.838 Ha, dimana luas badan air seluas 4086 Ha , luas pemukiman seluas 14.172 Ha, luas vegetasi alami seluas 34.077 Ha, dan luas vegetasi sekunder seluas 19.503 Ha Penelitian ini memiliki Nilai akurasi keseluruhan klasifikasi tahun 2022 sebesar 99,00 % dan nilai akurasi Kappa klasifikasi tahun 2022 sebesar 98,67%.
Ketersediaan
Detail Information
Judul | Analisis Klasifikasi Tutupan Dan Penggunaan Lahan Kota Samarinda Menggunakan Algoritma Maximum Likelihood |
---|---|
Pengarang | Reky Jatiwibowo - Personal Name |
No. Panggil | SKRIPSI REK a 2023 |
Subyek | Maximum Likelihood,Land Cover,Classification |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2023 |
Penerbit | Fakultas Teknik |
Jurusan | Informatika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY