PENDAHULUAN PERBANDINGAN PENGGUNAAN METODE THRESHOLD DAN METODE K-NEAREST NEIGHBOUR DALAM DETEKSI LUAS TUTUPAN VEGETASI GUNUNG AGUNG BALI INDONESIA.

BAB II TINJAUAN PUSTAKA

Bab II memaparkan mengenai teori dasar pendukung yang mendasari proses pembuatan Aplikasi Perbandingan Penggunaan Metode Threshold dan Metode K-Nearest Neighbour dalam Deteksi Luas Tutupan Vegetasi Gunung Agung Bali Indonesia.

2.1 State of the Art

Penelitian mengenai perbandingan metode dalam deteksi luas tutupan vegetasi menggunakan citra satelit Landsat telah dilakukan oleh beberapa peneliti dengan menggunakan segmentasi pengolahan citra digital Remote Sensing. Pendeteksian luas tutupan vegetasi pada lereng gunung berapi dapat dikenali melalui padat atau tidaknya populasi tumbuhan yang terdapat pada lereng gunung berapi. Penggunaan parameter seperti metode Threshold dan metode K-Nearest Neighbour untuk mendukung dalam mencari perbandingan antara kedua metode tersebut mengenai luas tutupan vegetasi. Peneliti melakukan penelitian dengan cara menggunakan aplikasi pengolahan citra yang sudah ada, sehingga masih sangat sedikit penelitian yang langsung membuat rancang bangun aplikasi perbandingan antara penggunaan metode Threshold dan metode K-Nearest Neighbour dalam menghitung luas tutupan vegetasi berbasis desktop. Penelitian dalam Tugas Akhir ini melakukan penelitian dan merancang aplikasi perbandingan luas tutupan vegetasi pada lereng Gunung Agung menggunakan metode Threshold dan metode K-Nearest Neighbour berbasis desktop. Penelitian I Putu Wawan Sanjaya Putra 2015 dengan judul “Aplikasi Deteksi Luas Tutupan Hutan Mangrove di Taman Hutan Raya Ngurah Rai”. Tujuan penelitian tersebut yaitu mendapatkan dan menampilkan perubahan luas tutupan hutan mangrove dari penggunaan citra satelit Landsat 8 dengan tahun yang berbeda. Hasil yang diperoleh yaitu dari luas hutan mangrove menggunakan citra satelit Landsat 8 Tahun 2003 menghasilkan luas area vegetasi mangrove sebesar 1.008.63 Hektar, dan Tahun 2015 menghasilkan luas area vegetasi mangrove sebesar 1.379,34 Hektar. Perubahan luas area vegetasi mangrove dari Tahun 2003 - 2015 yaitu mencapai 370.71 Hektar. Penelitian erristhya darmawan dengan judul “Perbandingan Metode Supervised Terbimbing Dan Unsupervised Tak Terbimbing Melalui Google Citra Satelit Dalam Analisis Pengguaan Lahan ”. Penelitian yang dilakukan yaitu membandingkan hasil klasifikasi citra google satelit dengan menggunakan dua metode seperti Supervised terbimbing dan Unsupervised tak terbimbing dengan melakukan perbandingan tersebut terlihat hasil citra yang akurat dan tidak akurat. Kesimpulan dari penelitian tersebut yaitu penggunaan metode Supervised terbimbing memiliki keakuratan yang lebih tinggi dibandingkan dengan metode Unsupervised tak terbimbing. Penelitian Suwarsono dan Rokhis Khomarudin 2015 dengan judul “Deteksi Wilayah Pemukiman pada Bentuk Lahan Vulkanik Menggunakan Citra Satelit Landsat-8 OLI Berdasarkan Parameter Normalized Difference Build-Up Index NDBI”. Penelitian yang dilakukan yaitu mengambil lokasi diwilayah bentuk lahan vulkanik gunung api Sinabung, Kabupaten Karo Provinsi Sumatera Utara. Data yang dipergunakan adalah Landsat-8 OLI. Koreksi radiometrik dilakukan untuk menghitung nilai reflektansi. Dilineasi bentuk lahan vulkanik dilakukan secara visual dengan teknik digitasi layar. Nilai NDBI dihitung dengan mengadopsi metode perhitungannya Zha et al., 2003. Nilai NDBI tersebut kemudian dipergunakan untuk memisahkan kelas-kelas permukiman dengan metode pengambangan Thresholding dan metode Supervised Maximum Likehood Classification. Penelitian Ketut Wikantika, Yorda Prita Utama dan Akhmad Riqqi 2005 dengan judul “Deteksi Perubahan Vegetasi dengan Metode Spectral Mixture Analysis SMA dari Citra Satelit Multitemporal Landsat TM dan ETM”. Penelitian yang dilakukan yaitu pemantauan perubahan tutupan vegetasi di Daerah Aliran Sungai DAS Citarum dengan menggunakan metode Spectral Mixture Analysis SMA dengan menggunakan pemisahan linier linier unmixing yang memungkinkan untuk melakukan identifikasi serta penentuan proporsi spasialnya.