HASIL DAN PEMBAHASAN
5.2 Nilai Digital ( Digital Number ) dan Analisis Diskriminan Citra ALOS PALSAR Resolusi 50 m dan Citra LADSAT Resolusi 30 m
Berdasarkan evaluasi grafis terhadap nilai kecerahan (brightness value) data citra ALOS PALSAR dari 27 jenis tutupan lahan yang ditemukan di lapangan. Hasil evaluasi menunjukkan bahwa nilai kecerahan atau nilai digital band HH lebih tinggi daripada band HV di setiap kelas tutupan lahan pada citra ALOS PALSAR resolusi 50 m. Sedangkan pada citra LANDSAT TM digunakan band 5, band 4, dan band 3 karena memiliki tingkat kecerahan yang tinggi dan umumnya kombinasi band ini digunakan dalam bidang kehutanan. Nilai digital rata-rata band yang paling tinggi adalah band 4, kemudian band 5, dan yang paling kecil adalah band 3. Gambar 5 menunjukkan perbandingan nilai digital HH dan HV pada citra ALOS PALSAR, sedangkan Gambar 6 menunjukkan perbandingan nilai digital pada band 5, band 4, dan band 3 pada citra LANDSAT. Secara visual, variasi nilai kecerahan pada citra ALOS PALSAR cukup besar. Hal ini disebabkan karena resolusi radiometrik pada citra ALOS PALSAR adalah sebesar 16 bit (rentang DN dari 0 sampai 65536). Artinya variasi informasi yang diberikan citra ALOS PALSAR lebih tinggi dibandingkan citra LANDSAT yang hanya mempunyai resolusi radiometrik 8 bit (rentang DN 0 sampai 255).
Kisaran nilai digital (digital number) atau nilai kecerahan (brightness value) tersebut menunjukkan keterpisahan antar kelas. Pengklasifikasian atau pengelompokkan berdasarkan nilai digital band HH dan HV pada citra ALOS PALSAR dan band 5, band 4, dan band 3 pada citra LANDSAT ini dilakukan dengan metode analisis diskriminan dengan syarat terdapat minimal dua kali pengulangan disetiap obyek tutupan lahan yang akan dianalisis.
Analisis diskriminan adalah analisis multi variat yang diterapkan untuk membuat model hubungan antara satu variabel respon yang bersifat kategori dengan satu atau lebih variabel prediktor yang bersifat kuantitatif. Analisis diskriminan bertujuan untuk mengklasifikasikan suatu individu atau objek ke dalam kelompok yang saling bebas (mutually exclusive/disjoint) dan menyeluruh (exhaustive) berdasarkan sejumlah variabel penjelas (Rosy 2009). Dari hasil pengamatan lapang yang dapat dilihat pada Tabel 4, tutupan lahan yang tidak mengalami pengulangan, yaitu : waduk, sungai, danau, landasan udara, hutan tanaman agathis, hutan tanaman rasamala, lahan terbuka, perkebunan cokelat, kebun kelapa-pisang, kebun jagung, tanaman pisang, dan kebun kacang panjang-singkong. Waduk, danau, dan sungai dapat dikelompokkan menjadi badan air sedangkan hutan tanaman agathis dan hutan tanaman rasamala dikelompokkan menjadi hutan tanaman. Perkebunan cokelat, tanaman pisang, kebun kelapa-pisang, kebun jagung, dan kebun kacang panjang-singkong dikelompokkan ke dalam kelas pertanian lahan kering. Dua objek yang tersisa adalah landasan udara dan lahan terbuka yang tidak dapat dikelompokkan berdasarkan penggunaan lahannya sehingga kedua objek tersebut dapat diabaikan.
Untuk analisis diskriminan jumlah kelas yang diperoleh sebanyak 17 kelas dari 27 objek tutupan lahan yang ditemui di lapangan. Pada proses analisis diskriminan yang pertama setelah dikurangi dengan landasan udara dan lahan terbuka, maka nilai proportion correct yang dihasilkan citra ALOS PALSAR sebesar 14, 2% dengan N correct sebanyak 25 objek. Sedangkan nilai proportion correct yang dihasilkan citra LANDSAT sebesar 30,1% dengan N correct
sebanyak 53 objek. Hal ini menjelaskan bahwa pada citra ALOS PALSAR hanya 25 objek saja dari 176 titik pengamatan yang diklasifikasi dengan benar, sedangkan pada citra LANDSAT sebanyak 53 objek. Hasil yang didapat pada citra ALOS resolusi 50 m dan juga citra LANDSAT resolusi 30 m masih termasuk rendah, sehingga diperlukan pengelompokan kembali.
Pada proses analisis diskriminan yang kedua, dilakukan proses pengelompokan ulang pada citra ALOS PALSAR dan citra LANDSAT, yaitu: me-regroup hutan pinus menjadi hutan tanaman, perkebunan sawit muda dan perkebunan sawit tua menjadi perkebunan sawit, sehingga diperoleh 15 kelas dari
hasil pengelompokan ulang. Nilai proportion correct yang dihasilkan citra ALOS PALSAR sebesar 15,9% dengan N correct sebanyak 28 objek, sedangkan nilai
proportion correct yang dihasilkan citra LANDSAT sebesar 26,7% dengan N
correct sebanyak 47 objek. Terjadi peningkatan proportion correct pada citra ALOS PALSAR, namun pada citra LANDSAT mengalami penurunan nilai
proportion correct. Nilai analisis diskriminan yang kedua juga masih tergolong rendah sehingga harus dilakukan pengelompokan kembali.
Pada proses analisis diskriminan yang ketiga, dari 15 kelas kemudian
di-regroup menjadi 12 kelas dengan menggabungkan perkebunan teh, kebun singkong dan kebun kacang panjang menjadi kelas pertanian lahan kering. Citra ALOS PALSAR diperoleh nilai proportion correct sebesar 22,2%, sedangkan pada citra LANDSAT nilai proportion correct yang dihasilkan sebesar 33,5%. Meskipun proportion correct yang dihasilkan dari kedua citra meningkat, namun masih termasuk rendah untuk analisis diskriminan, sehingga pengelompokan kembali masih harus dilakukan.
Pada proses analisis diskriminan yang keempat diperoleh 9 kelas dari 15 kelas sebelumnya dengan menggabungkan sawah diolah/baru tanam, sawah vegetatif, sawah siap panen dan sawah bera menjadi kelas sawah. Citra ALOS PALSAR diperoleh nilai proportion correct sebesar 28,4%, sedangkan pada citra LANDSAT nilai proportion correct yang dihasilkan sebesar 39,8%. Artinya pada citra ALOS PALSAR terdapat 50 objek yang diklasifikasikan dengan benar, sedangkan pada citra LANDSAT sebanyak 70 objek. Nilai proportion correct
yang dihasilkan cukup meningkat, meskipun demikian perlu dilakukan pengkelasan kembali karena masih ada kelas yang memiliki kemiripan nilai digital dengan kelas lainnya.
Pada proses analisis diskriminan yang kelima, dari 9 kelas kemudian
di-regroup menjadi 7 kelas dengan menggabungkan hutan tanaman, kebun campuran, dan perkebunan karet menjadi kelas vegetasi pohon. Citra ALOS PALSAR diperoleh nilai proportion correct sebesar 38,1% sedangkan pada citra LANDSAT nilai proportion correct yang dihasilkan sebesar 55,1%.
Dilihat dari nilai proportion correct yang dihasilkan dari kedua citra, analisis diskriminan yang kelima ini masih tergolong rendah, maka dilakukan pengelompokan keenam.
Pada proses analisis diskriminan yang keenam, proses regroup dilakukan pada lapangan golf/padang rumput dikelompokkan menjadi pertanian lahan kering sehingga dengan dilakukannya proses penggabungan terakhir ini diperoleh 6 kelas pentupan lahan. Pada citra ALOS PALSAR diperoleh nilai proportion correct
diperoleh sebesar 38,6% dengan pengklasifikasian objek yang benar sebanyak 68 objek dari 176 titik. Sedangkan pada citra LANDSAT nilai proportion correct
yang dihasilkan sebesar 54,5% menurun dari hasil analisis sebelumnya dengan pengklasifikasian objek yang benar sebanyak 96 objek dari 176 titik. Dapat dilihat berdasarkan hasil pengelompokan 6 objek yang didapatkan, keenam objek tersebut sudah tidak dapat digabungkan lagi menjadi kelas yang sama karena jenis tutupan lahannya yang sangat berbeda dan nilai tersebut belum cukup tinggi tetapi cukup menyatakan keterwakilan tiap kelas.
Dari hasil analisis diskriminan di atas, dapat dilihat bahwa dengan jumlah titik 176 yang dimasukkan pada analisis diskriminan dengan 2 titik yang diabaikan, yaitu: landasan udara dan lahan terbuka yang tidak mengalami pengulangan serta tidak dapat digabungkan dengan obyek lainnya dan citra LANDSAT resolusi 30 m memiliki nilai proportion correct lebih tinggi daripada citra ALOS PALSAR resolusi 50 m. Hal ini menunjukkan citra LANDSAT resolusi 30 m memiliki tingkat kecocokan lebih tinggi dibandingkan dengan citra ALOS PALSAR dalam pengelompokan tutupan lahan ke dalam 6 kelas, yaitu: badan air, vegetasi pohon, perkebunan sawit, pemukiman, pertanian lahan kering, dan sawah.
Pertanian lahan kering Tabel 5 Proses/alur regroup pada analisis diskriminan
Tutupan lahan Regroup-1 Regroup-2 Regroup-3
Landasan udara
Sungai
Waduk Badan air Badan air Badan air
Danau
Hutan Pinus Hutan Pinus Hutan tanaman Hutan tanaman
Hutan Rasamala Hutan tanaman
Hutan Agathis
Kebun campuran Kebun campuran Kebun campuran Kebun campuran
Lahan terbuka
Pemukiman Pemukiman Pemukiman Pemukiman
Perkebunan karet Perkebunan karet Perkebunan karet Perkebunan karet
Perkebunan sawit muda Perkebunan sawit muda Perkebunan sawit Perkebunan sawit
Perkebunan sawit tua Perkebunan sawit tua
Lapangan golf Lapangan golf Lapangan golf Lapangan golf
Perkebunan teh Perkebunan teh Perkebunan teh
Perkebunan cokelat Pertanian lahan kering
Tanaman kelapa-pisang
Tanaman jagung
Tanaman kacang panjang-singkong Pertanian lahan kering Pertanian lahan kering
Tanaman pisang
Tanaman singkong-jagung
Tanaman kacang panjang-singkong
Tanaman singkong Tanaman singkong Tanaman singkong
Tanaman kacang panjang Tanaman kacang panjang Tanaman kacang panjang
Sawah diolah/baru tanam Sawah diolah/baru tanam Sawah diolah/baru tanam Sawah diolah/baru tanam
Sawah vegetatif Sawah vegetatif Sawah vegetatif Sawah vegetatif
Sawah siap panen Sawah siap panen Sawah siap panen Sawah siap panen
Sawah pasca panen/sawah bera Sawah pasca panen/sawah bera Sawah pasca panen/sawah bera Sawah pasca panen/sawah bera
Pertanian lahan kering Perkebunan sawit
Sawah Sawah
Vegetasi pohon Vegetasi pohon
Perkebunan sawit
Pertanian lahan kering
Sawah Tabel 5 Lanjutan
Regroup-3 Regroup-4 Regroup-5 Regroup-6
Badan air Badan air Badan air Badan air
Hutan tanaman Hutan tanaman
Kebun campuran Kebun campuran
Perkebunan karet Perkebunan karet
Perkebunan sawit Perkebunan sawit
Pemukiman Pemukiman Pemukiman Pemukiman
Lapangan golf Lapangan golf Lapangan golf
Pertanian lahan kering Pertanian lahan kering
Sawah diolah/baru tanam Sawah vegetatif
Sawah siap panen
Sawah pasca panen/sawah bera
Tabel 6 Nilai diskriminan
Regroup ke- ALOS PALSAR LANDSAT
1 Jumlah kelas N Correct Proportion Correct 17 17 25 53 0,142 0,301 2 Jumlah kelas N Correct Proportion Correct 15 15 28 47 0,159 0,267 3 Jumlah kelas N Correct Proportion Correct 12 12 39 59 0,222 0,335 4 Jumlah kelas N Correct Proportion Correct 9 9 50 70 0,284 0,398 5 Jumlah kelas N Correct Proportion Correct 7 7 67 97 0,381 0,551 6 Jumlah kelas N Correct Proportion Correct 6 6 68 96 0,386 0,545
5.3 Analisis Perbandingan Penafsiran Visual Citra ALOS PALSAR Resolusi