Pengembangan Model Identifikasi Habitat Bentik Menggunakan Pendekatan Segmentasi Object-Based Image Analysis (OBIA) dan Algoritma Machine Learning (Studi Kasus: Pulau Pari, Kepulauan Seribu)

Identifikasi dan klasifikasi habitat bentik di perairan dangkal menggunakan citra satelit semakin berkembang. Pengembangan model dalam mengidentifikasi objek habitat bentik sangat penting untuk mengisi kebutuhan pemetaan habitat bentik dengan akurasi yang memadai. Penelitian ini bertujuan untuk mengembangkan model identifikasi habitat bentik dari data citra satelit penginderaan jauh menggunakan metode segmentasi berbasis objek dan algoritma klasifikasi machine learning. Tiga pendekatan klasifikasi digital yang digunakan adalah support vector machine (SVM), decision tree (DT) dan random forest (RF). Ketiga algoritma tersebut diterapkan pada hasil segmentasi citra berbasis objek untuk menguji akurasi dari hasil klasifikasi habitat bentik. Data yang digunakan adalah citra satelit resolusi tinggi SPOT 6 yang diakuisisi pada wilayah Gugus Pulau Pari pada tanggal 20 Mei 2020. Hasil penelitian menunjukkan pendekatan segmentasi berbasis objek membentuk pola segmen yang lebih rapat pada obyek heterogen dibandingkan dengan obyek yang relatif homogen (misalnya obyek daratan dan perairan). Algoritma machine learning yang diterapkan pada hasil segmentasi berbasis objek menghasilkan nilai akurasi keseluruhan (overall accuracy) lebih dari 70% untuk setiap algoritma, dengan rincian hasil adalah 75.83% untuk SVM, 74.17% untuk DT, dan 83.33% untuk RF. Dari ketiga algoritma machine learning yang diterapkan pada hasil segmentasi berbasis objek terlihat algoritma RF memiliki nilai akurasi yang paling baik dibandingkan dengan algoritma lainnya