Pengaruh Jumlah Kelas dan Skema Klasifikasi terhadap Akurasi Informasi Penggunaan Lahan Hasil Klasifikasi Berbasis Objek dengan Teknik Support Vector Machine di Sebagian Kabupaten Kebumen Provinsi Jawa Tengah

Produksi peta penggunaan lahan dari data geospasial satelit harus memperhatikan resolusi spasial yang digunakan, dengan menggunakan ilmu penginderaan jauh secara digital akurasi informasi geospasial tematik yang diperoleh dari data geospasial satelit dapat diukur secara kuantitatif. Jumlah kelas penggunaan lahan, skema klasifikasi, dan teknik ekstraksi informasi akan berpengaruh dalam overall accuracy.Penelitian ini menggunakan tiga variasi jumlah kelas dan skema klasifikasi yaitu 4, 7, dan 10 kelas penggunaan lahan. Tiga variasi tersebut diekstraksi dari citra ALOS AVNIR – 2 dengan resolusi 10 meter menggunakan metode klasifikasi berbasis objek dengan pendekatan support vector machine. Sesuatu yang lain dari klasifikasi berbasis objek adalah proses segmentasi yang mengelompokkan objek tutupan lahan dalam satu bagian, dan algoritma SVM mengklasifikasikan citra segmentasi dengan memanfaatkan empat tipe kernel yaitu linier, radial basis function, sigmoid, dan polynomial. Hasil ekstraksi informasi penggunaan lahan untuk jumlah kelas empat menggunakan klasifikasi berbasis objek dengan pendekatan support vector machine memiliki akurasi sebesar 87.2666% serta nilai koefesien kappa 0.8048 dan tipe kernel yang dipakai adalah kernel Linier. Hasil ekstraksi informasi penggunaan lahan untuk jumlah kelas tujuh menggunakan klasifikasi berbasis objek dengan pendekatan support vector machine memiliki akurasi sebesar 79.8021% serta nilai koefesien kappa 0.7293 dan tipe kernel yang dipakai adalah kernel Linier. Hasil ekstraksi informasi penggunaan lahan untuk jumlah kelas sepuluh menggunakan klasifikasi berbasis objek dengan pendekatan support vector machine memiliki akurasi sebesar 73.3377% serta nilai koefesien kappa 0.6466 dan tipe kernel yang dipakai adalah kernel Linier. Hasil ekstraksi informasi penggunaan lahan untuk jumlah kelas sepuluh menggunakan klasifikasi berbasis objek dengan pendekatan support vector machine dan ditambah dengan data bantu berupa informasi lereng dan informasi pola ruang memiliki akurasi sebesar 77.5705% serta nilai koefesien kappa 0.6982 dan tipe kernel yang dipakai adalah kernel Radial Basis Function. Kernel linier dengan satu parameter menunjukkan akurasi tertinggi pada setiap jumlah kelas yang berbeda. Kernel linier menunjukkkan akurasi terendah ketika dipakai data bantu dalam proses klasifikasi. Berdasarkan hasil penelitian didapat bahwa dengan semakin banyaknya parameter yang dipakai dalam proses klasifikasi tidak berarti semakin akurat hasil klasifikasinya. Setiap kernel memiliki pengaruh spesifik terhadap objek penggunaan lahan, dan untuk meningkatkan akurasi per objek penggunaan lahan dapat menggunakan data bant