Analisa Kawasan Permukiman Kumuh di Kecamatan Kenjeran Surabaya Menggunakan Metode NDBI dan OBIA serta Data Citra Sentinel-2 Tahun 2022

Izzatud Diyanah, Filsa Bioresita
{"title":"Analisa Kawasan Permukiman Kumuh di Kecamatan Kenjeran Surabaya Menggunakan Metode NDBI dan OBIA serta Data Citra Sentinel-2 Tahun 2022","authors":"Izzatud Diyanah, Filsa Bioresita","doi":"10.12962/j24423998.v19i1.18092","DOIUrl":null,"url":null,"abstract":"Identifikasi kawasan permukiman kumuh merupakan proses awal untuk menentukan kawasan kumuh yang menjadi dasar penentuan kebijakan dan penanganan permasalahan kawasan pemukiman kumuh. Perkembangan teknologi penginderaan jauh dapat dimanfaatkan untuk mengidentifikasi kawasan permukiman kumuh melalui pemetaan pola sebaran spasial permukiman kumuh. Pengolahan data citra satelit untuk identifikasi kawasan permukiman kumuh dapat dilakukan dengan berbagai cara, contohnya dengan menggunakan algoritma Normalized Difference Built-Up Index (NDBI) dan Object-Based Image Analysis (OBIA). Penelitian ini bertujuan untuk menerapkan dua teknik tersebut dalam identifikasi kawasan permukiman kumuh menggunakan data penginderaan jauh citra Sentinel-2A di Kecamatan Kenjeran. Kawasan permukiman kumuh yang dapat diidentifikasi menggunakan metode NDBI seluas 198,474 hektar dan metode OBIA seluas 189,396 hektar dari total luas wilayah Kecamatan Kenjeran ±865,666 hektar. Sebesar 22% hingga 23% wilayah di Kecamatan Kenjeran dikategorikan ke dalam kawasan permukiman kumuh. Sebaran kawasan permukiman kumuh di Kecamatan Kenjeran didominasi oleh Kelurahan Tanah Kali Kedinding dan Kelurahan Sidotopo Wetan. Uji akurasi metode NDBI menghasilkan overall accuracy 86% dan kappa accuracy 79%, sementara metode OBIA menghasilkan overall accuracy 89% dan kappa accuracy 83%. Metode OBIA menghasilkan akurasi yang lebih baik dalam mengidentifikasi kawasan permukiman kumuh di Kecamatan Kenjeran.","PeriodicalId":30776,"journal":{"name":"Geoid","volume":"13 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-09-08","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Geoid","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.12962/j24423998.v19i1.18092","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Identifikasi kawasan permukiman kumuh merupakan proses awal untuk menentukan kawasan kumuh yang menjadi dasar penentuan kebijakan dan penanganan permasalahan kawasan pemukiman kumuh. Perkembangan teknologi penginderaan jauh dapat dimanfaatkan untuk mengidentifikasi kawasan permukiman kumuh melalui pemetaan pola sebaran spasial permukiman kumuh. Pengolahan data citra satelit untuk identifikasi kawasan permukiman kumuh dapat dilakukan dengan berbagai cara, contohnya dengan menggunakan algoritma Normalized Difference Built-Up Index (NDBI) dan Object-Based Image Analysis (OBIA). Penelitian ini bertujuan untuk menerapkan dua teknik tersebut dalam identifikasi kawasan permukiman kumuh menggunakan data penginderaan jauh citra Sentinel-2A di Kecamatan Kenjeran. Kawasan permukiman kumuh yang dapat diidentifikasi menggunakan metode NDBI seluas 198,474 hektar dan metode OBIA seluas 189,396 hektar dari total luas wilayah Kecamatan Kenjeran ±865,666 hektar. Sebesar 22% hingga 23% wilayah di Kecamatan Kenjeran dikategorikan ke dalam kawasan permukiman kumuh. Sebaran kawasan permukiman kumuh di Kecamatan Kenjeran didominasi oleh Kelurahan Tanah Kali Kedinding dan Kelurahan Sidotopo Wetan. Uji akurasi metode NDBI menghasilkan overall accuracy 86% dan kappa accuracy 79%, sementara metode OBIA menghasilkan overall accuracy 89% dan kappa accuracy 83%. Metode OBIA menghasilkan akurasi yang lebih baik dalam mengidentifikasi kawasan permukiman kumuh di Kecamatan Kenjeran.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
使用NDBI和OBIA方法以及2022年守卫营图像数据进行分析
确定贫民窟的贫民窟是确定贫民窟的政策和处理贫民窟问题的基础的早期过程。遥感技术的发展可以通过绘制贫民窟空间模式来识别贫民窟。通过使用标准差异指数(NDBI)和客观分析(OBIA)算法来处理贫民窟的图像图像。本研究的目的是将这两种技术应用于贫民窟识别地区,采用肯杰地区的遥感图像数据。可以识别的贫民窟地区采用NDBI 198.474英亩的土地上的方法和肯杰兰总数的OBIA 189.396英亩的土地面积街道±865.666公顷。Kenjeran街道上的22%至23%被归类为贫民窟。肯杰里安街道的贫民窟地区被东墙的溢洪道和西多托威坦的溢洪道所控制。NDBI方法的准确性测试产生了86%的准确性和卡帕精度为79%,而OBIA方法产生了89%的准确性和卡帕精度为83%。OBIA的方法在识别Kenjeran地区的贫民窟时效果更好。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
27
审稿时长
12 weeks
期刊最新文献
Penggunaan Deep Learning dan Post-Processing Algoritma Douglas-Peucker untuk Ekstraksi Jaringan Jalan pada Area Urban dari Orthophoto Evaluasi Prioritas Kesesuaian Ruang Terbuka Hijau (RTH) di Kecamatan Kanigaran Perbandingan Hasil Klasifikasi Tutupan Lahan Menggunakan Metode Artificial Neural Network (ANN), Support Vector Machine (SVM), dan Random Forest (RF) dengan Bahasa Pemrograman R Prototipe Augmented Reality Berbasis Mobile untuk Navigasi Pelayaran yang Aman di Wilayah Perairan Selat Madura Analisis Sebaran Spasial Genangan Banjir Terkait Tutupan Lahan di Kota Banjarmasin, Kalimantan Selatan Menggunakan Citra Sentinel 1 dan 2
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1