Pendugaan Tutupan Tajuk di Cidanau Menggunakan Support Vector Machine Berbasis WebGIS

  • Muhamad Luthfi Program Studi Teknik Informatika, Fakultas Teknik, Universitas Ibn Khaldun Bogor
  • Budi Susetyo Program Studi Teknik Informatika, Fakultas Teknik, Universitas Ibn Khaldun Bogor
  • Sahid Hudjimartsu Program Studi Teknik Informatika, Fakultas Teknik, Universitas Ibn Khaldun Bogor
Keywords: Tutupan Tajuk, LiDAR, Support Vector Machine, WebGIS

Abstract

Cidanau adalah salah satu wilayah agroforestri yang terdapat di Provinsi Jawa Barat. Dengan keanekaragaman hayati baik satwa maupun vegetasi. Maka berdasarkan latar belakang ini diharapkan analisis tersebut dapat berjalan dengan baik sehingga mampu untuk memetakan tutupan tajuk dengan akurasi yang mendekati, tutupan tajuk merupakan salah satu variabel yang penting dalam ekologi, hidrologi dan manajemen hutan atau bukan hutan. Landsat 8 dengan menggunakan penginderaan jauh, penginderaan jauh Lidar dapat membantu pengukuran dan estimasi langsung dari beberapa karakteristik hutan yang penting. Pengukuran langsung, jejak yang di ambil adalah ketinggian kanopi, topografi sub kanopi, dan vertikal distribusi permukaan yang dicegat antara bagian atas kanopi dan tanah. Karakteristik struktural hutan lainnya, seperti biomassa di atas tanah, dimodelkan atau disimpulkan langsung dengan pengukuran LiDAR merupakan penginderaan jauh dengan sensor aktif yang memiliki informasi mengenai ketinggian suatu objek. LiDAR dapat menjadi alat yang berguna dalam pengukuran tutupan tajuk dikarenakan LiDAR dapat melakukan penetrasi ke dalam kanopi. Support vector machine (SVM) adalah suatu teknik untuk melakukan prediksi, baik dalam kasus klasifikasi maupun regresi. SVM berada dalam satu kelas dengan Artificial Neural Network (ANN) dalam hal fungsi dan kondisi permasalahan yang bisa diselesaikan. Keduanya masuk dalam kelasĀ supervised learning. Dalam penelitian ini, teknik SVM digunakan untuk menemukanĀ fungsi pemisah (klasifier) yang optimal yang bisa memisahkan dua set data dari dua kelas yang berbeda. Penggunaan teknik machine learning tersebut, karena performansinya yang meyakinkan dalam memprediksi kelas suatu data baru.

Published
2019-10-01
Section
Articles