OPTIMALISASI BENTUK OBJEK TERDEGRADASI DAN PERHITUNGAN LUAS BANGUNAN MENGGUNAKAN CITRA SATELIT RESOLUSI TINGGI DENGAN PENDEKATAN GEOMETRI
DOI:
https://doi.org/10.46880/mtk.v2i2.30Keywords:
K-Means Clustering, Morfologi, Skeleton, GeometryAbstract
Paper ini menyajikan studi yang dapat digunakan untuk mengoptimalkan bentuk bangunan karena terdegradasi oleh objek
lain yang menutupi objek tersebut seperti pohon dan bangunan tinggi. Studi ini merupakan tahap pengolahan awal untuk
berbagai kajian lanjutan yang berhubungan dengan bentuk bangunan seperti pengenalan bentuk bangunan, monitoring
pertumbuhan dan perubahan bangunan pada suatu wilayah, kalkulasi luas bangunan dan lain-lain. Kajian ini penting untuk
pengujian menggunakan citra satelit resolusi tinggi (IKONOS dan QuickBird), dimana citra resolusi tinggi ini sangat sensitif
terhada noise. Pada proses optimalisasi bentuk objek, proses diawali dengan pemisahan antara objek bangunan ke objek lain.
Kehadiran objek lain di sekitar bangunan berdampak pada segmen garis tepi bangunan tidak beraturan. Secara metodologi,
penelitian ini dibagi menjadi dua tahap yaitu : pertama, meliputi pemisahan objek bangunan terhadap objek lainnya dengan
menggunakan algoritma k-means clustering (k=2), morfologi erosi, dan menambal lubang (filing hole) pada tampilan atap
akibat ketidakseragaman intensitas warna; kedua, meliputi morfologi kerangka (skeletonization), penambahan endpoint,
penyaringan endpoint, dan menghubungkan antara dua endpoint dengan segmen garis secara berurutan. Perhitungan luas
bangunan ditentukan berdasarkan kalkulasi berdasarkan titik-titik koordinat dari titik-titik sudut objek bangunan. Pengujian
dilakukan pada 20 sampel dari citra satelit. Hasil penelitian menunjukkan bahwa optimalisasi bentuk bangunan dapat dicapai
relatif baik. Pengamatan visual menunjukkan bahwa metodologi yang digunakan dapat mempertahankan bentuk bangunan
sesuai dengan fakta lapangan dan menghitung luas dari setiap objek bangunan dengan baik.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2016 Methodika
This work is licensed under a Creative Commons Attribution 4.0 International License.