CLASSIFICATION OF BENTHIC HABITAT BASED ON OBJECT IN SHALLOW WATERS OF KARANG LEBAR AND LANCANG ISLAND

Teknik klasifikasi berbasis objek (OBIA) merupakan salah satu teknik pemetaan habitat bentik selain metode konvensional (berbasis piksel). Pemetaan metode OBIA dengan memanfaatkan algoritma machine learning terbatas pada perairan Karang Lebar dan Pulau Lancang. Penelitian ini bertujuan untuk mengetahui performa algoritma machine learning (support vector machine (SVM), decision tree (DT), random forest (RF), dan k-nearest neighbour (KNN) dalam mengklasifikasikan habitat bentik perairan dangkal berdasarkan objek menggunakan data satelit Sentinel-2. Metode klasifikasi yang digunakan adalah metode OBIA dengan dua tingkatan analisis. Hasil analisis Agglomerative Hierarchial Clustering diperoleh sebanyak 6 kelas habitat bentik yaitu karang, patahan karang (rubble), lamun, pasir rubble, dan pasir. Tingkat pertama adalah memisahkan darat, laut dangkal dan laut lebih dalam. Tingkat kedua adalah klasifikasi menggunakan algoritma machine learning, hasil klasifikasi menunjukkan alogritma SVM mendapatkan nilai akurasi yang lebih tinggi dibandingkan algoritma lainnya dengan akurasi sebesar 84% di perairan Karang Lebar, kemudian pada perairan Pulau Lancang mendapatkan akurasi sebesar 80% dengan algoritma SVM. Habitat dasar perairan dangkal Karang Lebar dan Pulau Lancang mampu dipetakan dengan baik menggunakan metode OBIA. Perbedaan tingkat akurasi antara perairan Karang Lebar dan Pulau Lancang disebabkan oleh tingkat kekeruhan perairan.The object-based classification technique (OBIA) is one of the benthic habitat mapping techniques besides the conventional (pixel-based) method. The mapping of the OBIA method using machine learning algorithms is limited to the waters of Karang Lebar and Lancang Island. This study aims to determine the performance of machine learning algorithms (support vector machine (SVM), decision tree (DT), random forest (RF), and k-nearest neighbor (KNN)) in classifying shallow water benthic habitats based on objects using Sentinel satellite data. -2. The classification method used is the OBIA method with two levels of analysis. A total of 6 benthic habitat classes were obtained from field observations and Agglomerative Hierarchial Clustering analysis, namely coral, rubble, seagrass, rubble sand, and sand. The results obtained include the first level separating land, shallow sea and deeper sea. The second level is classification using a machine learning algorithm, the results of the classification show that the SVM algorithm gets a higher accuracy value than other algorithms with an accuracy of 84% in Karang Lebar waters, then in Lancang Island waters it gets an accuracy of 80% with the SVM algorithm. The bottom habitat of the shallow waters of Karang Lebar and Lancang Island can be well mapped using the OBIA method. The difference in the level of accuracy between the waters of Karang Lebar and Pulau Lancang is caused by the level of turbidity of the waters