ABSTRAK Ahmad Faishal Akbar
Terbatas Irwan Sofiyan
» ITB
Terbatas Irwan Sofiyan
» ITB
COVER Ahmad Faishal Akbar
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
BAB 1 Ahmad Faishal Akbar
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
BAB 2 Ahmad Faishal Akbar
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
BAB 3 Ahmad Faishal Akbar
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
BAB 4 Ahmad Faishal Akbar
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
PUSTAKA Ahmad Faishal Akbar
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Terbatas  Irwan Sofiyan
» Gedung UPT Perpustakaan
Light Detection and Ranging (LiDAR) merupakan teknologi penginderaan jauh yang
memancarkan laser ke permukaan bumi dan mengukur waktu pantulannya sampai
terdeteksi oleh sensor. Pulsa laser yang dipantulkan pada LiDAR merupakan sistem
multiple return. Hal tersebut menandakan bahwa sistem LiDAR dapat melakukan
penetrasi pada area bervegetasi padat tidak seperti sistem satelit penginderaan jauh
maupun fotogrametri. Data LiDAR dapat digunakan untuk membuat antara lain
Digital Terrain Model (DTM) dan 3D city model. Dalam membuat produk tersebut
data point cloud LiDAR dilakukan proses klasifikasi terlebih dahulu. Klasifikasi data
LiDAR perlu mempertimbangkan beberapa parameter. Karakteristik permukaan
bumi yang beragam tentunya memiliki nilai parameter yang berbeda-beda antar
setiap karakternya. Maka dari itu, penelitian ini dilakukan untuk mengetahui
pengaruh variasi karakteristik permukaan bumi terhadap proses klasifikasi data
airborne LiDAR khususnya dalam penentuan parameter klasifikasi. Parameter
klasifikasi data LiDAR yang ditentukan dalam penelitian ini dilakukan uji akurasi.
Proses klasifikasi data LiDAR dalam penelitian ini menggunakan perangkat lunak
Bentley Microstation V8i yang diintegrasikan dengan TerraSolid (TerraScan,
TerraPhoto, dan TerraModeler). Kelas objek yang ditentukan dalam penelitian ini
adalah kelas tanah, vegetasi, dan bangunan. Klasifikasi kelas tanah menggunakan
algoritma TIN-based filter yang diperkenalkan oleh Axelsson. Pada klasifikasi kelas
vegetasi, titik-titik vegetasi ditentukan berdasarkan rentang ketinggian tertentu
terhadap permukaan tanah. Sedangkan pada klasifikasi bangunan, proses klasifikasi
berdasarkan ukuran minimum bangunan dan beda tinggi antar titik di bidang yang
dianggap planar yang berada di atas tanah (atap bangunan). Proses klasifikasi
dilakukan di area pegunungan, berbukit, dan perkotaan. Berdasarkan parameter yang
ditentukan dalam penelitian ini, didapatkan akurasi klasifikasi kelas tanah
berdasarkan perhitungan akurasi F-score di area pegunungan, berbukit, dan
perkotaan sebesar 0,988-0,994, 0,999, dan 0,986-0,994. Nilai akurasi klasifikasi
vegetasi di area pegunungan, berbukit, dan perkotaan sebesar 1, 0,999, dan 0,999.
Dan di area berbukit, perkotaan dengan bangunan besar, dan perkotaan dengan
bangunan kecil dan padat nilai akurasi klasifikasi bangunannya adalah sebesar 0,912-
0,961, 0,913-0,976, dan 0,926-0,972.
Perpustakaan Digital ITB