HASIL DAN PEMBAHASAN
5.4 Pengolahan Citra Digital Satelit (Image Procesing) 1 Area Contoh (Training area)
5.4.3 Evaluasi Akuras
Evaluasi akurasi pada citra LANDSAT ETM+ tahun 2001 dengan menggunakan kombinasi band 5-4-3 menghasilkan Overall accuracy sebesar 97,82% dan Kappa accuracy sebesar 97,63%, hal ini menunjukkan bahwa dari seluruh piksel yang digunakan, sebesar 97,63% dari piksel-piksel tersebut dapat terkelaskan dengan benar. Nilai user’s accuracy dan producer’s accuracy pada citra LANDSAT ETM+ tahun 2001 disajikan pada Tabel 13.
Tabel 13 User’s accuracy dan producer accuracy pada citra LANDSAT ETM+ tahun 2001 dengan kombinasi band 5-4-3
No Kelas tutupan dan penggunaan lahan
User’s
accuracy (%) Producer’s accuracy (%)
1 Hutan primer 100,00 100,00 2 Hutan sekunder 100,00 100,00 3 Hutan tanaman 70,00 100,00 4 Semak 100,00 89,47 5 Kebun 100,00 100,00 6 Pemukiman 100,00 100,00 7 Tanah terbuka 91,67 100,00 8 Air 100,00 100,00
9 Pertanian lahan kering 100,00 100,00
10 Pertanian lahan kering
campur 100,00 80,00
11 Sawah 100,00 100,00
12 Bandara 100,00 100,00
13 Awan 100,00 100,00
14 Bayangan awan 100,00 100,00
Kelas tutupan dan penggunaan lahan hutan primer, hutan sekunder, hutan tanaman, perkebunan, permukiman, tanah terbuka, badan air, pertanian lahan kering, sawah, bandara, awan, dan bayangan awan mempunyai nilai akurasi sebesar 100%. Angka 100% menunjukkan bahwa pada kelas kelas tutupan dan penggunaan lahan tersebut tidak terjadi kesalahan klasifikasi dengan tidak mengambil piksel dari kelas lain.
Kelas tutupan dan penggunaan lahan pertanian lahan kering campur merupakan kelas yang memiliki nilai producer’s accuracy yang paling kecil bila dibandingkan dengan kelas-kelas lainnya yaitu sebesar 80% karena pada kelas tersebut terdapat piksel dari kelas lain yang masuk ke dalam kelas ini, yaitu piksel dari kelas hutan tanaman sebanyak 6 piksel. Kelas tutupan dan penggunaan lahan semak atau belukar mempunyai nilai producer’s accuracy sebesar 89,47 %. Hal
ini disebabkan karena masuknya piksel-piksel dari kelas lain ke kelas semak atau belukar sebanyak 2 piksel dari kelas tanah kosong.
Pada user’s accuracy, kelas yang memiliki nilai akurasi sebesar 100 % adalah kelas tutupan dan penggunaan lahan hutan produksi, hutan sekunder, semak belukar, perkebunan, permukiman, badan air, pertanian lahan kering, pertanian lahan kering campur, sawah, bandara, awan dan bayangan awan, hal ini menandakan bahwa piksel dari kelas tutupan dan penggunaan lahan tersebut tidak ada yang masuk ke kelas lain. Kelas tutupan dan penggunaan lahan yang mempunyai nilai terkecil adalah hutan tanaman sebesar 70%, hal ini disebabkan karena sebanyak 6 piksel dari kelas ini masuk ke kelas pertanian lahan kering campur.
Nilai user’s accuracy terkecil selanjutnya adalah kelas tutupan dan penggunaan lahan tanah terbuka sebesar 91,67 % dikarenakan adanya piksel dari kelas ini yang masuk kedalam kelas lain, yaitu sebanyak 2 piksel ke kelas semak belukar. Rata-rata nilai user’s accuracy sebesar 97,26% dan producer’s accuracy
sebesar 97,87% maka piksel-piksel yang digunakan sudah cukup mewakili karakterisik masing-masing kelas tutupan dan penggunaan lahan. Matriks kesalahan klasifikasi citra LANDSAT ETM+ tahun 2001 disajikan pada Tabel 17.
Hasil evaluasi akurasi citra LANDSAT ETM+ tahun 2006 dengan kombinasi band 5-4-3 menghasilkan nilai Overall accuracy sebesar 91,90 % dan
Kappa accuracy sebesar 90,62 %, hal ini menunjukkan bahwa piksel-piksel dalam area contoh telah terkelaskan dengan baik, dimana tingkat akurasinya di atas 90 %. Nilai user’s accuracy dan producer’s accuracy pada citra LANDSAT ETM+ tahun 2006 disajikan pada Tabel 14.
Pada producer’s accuracy, kelas tutupan dan penggunaan lahan badan air, sawah, dan permukiman mempunyai nilai producer’saccuracy sebesar 100 %. Ini menunjukkan bahwa pada kelas-kelas tutupan dan penggunaan lahan tersebut tidak terjadi kesalahan klasifikasi dengan tidak mengambil piksel dari kelas lain.
46
Tabel 14 User’s accuracy dan producer accuracy pada citra LANDSAT ETM+ 2006 dengan kombinasi band 5-4-3
No Kelas tutupan dan penggunaan lahan
User’s
accuracy (%) Producer’s accuracy (%)
1 Hutan primer 91,67 64,70 2 Hutan sekunder 92,50 84,10 3 Hutan tanaman 65,78 75,75 4 Semak 90,47 76,00 5 Kebun 89,36 95,45 6 Pemukiman 94,60 100,00 7 Tanah terbuka 94,44 73,91 8 Air 100,00 100,00
9 Pertanian lahan kering 75,55 82,93
10 Pertanian lahan kering
campur 70,17 78,43
11 Sawah 100,00 100,00
12 Bandara 97,33 81,11
Kelas tutupan dan penggunaan lahan hutan primer merupakan kelas yang memiliki nilai producer’s accuracy yang paling kecil bila dibandingkan dengan kelas-kelas lainnya yaitu sebesar 64,70 % karena pada kelas tersebut terdapat piksel dari kelas lain yang masuk ke dalam kelas ini, yaitu piksel dari kelas pertanian lahan kering campur sebanyak 4 piksel dan dari kelas perkebunan sebanyak 2 piksel.
Kelas tutupan dan penggunaan lahan terkecil kedua adalah tanah kosong sebesar 73,91 %, dimana terdapat sebanyak 3 piksel dari kelas perkebunan, 2 piksel dari kelas bandara, dan 1 piksel dari kelas pertanian lahan kering yang masuk ke dalam kelas ini.
Pada user’s accuracy, kelas yang memiliki nilai akurasi sebesar 100 % adalah kelas tutupan dan penggunaan lahan badan air dan sawah, hal ini menandakan bahwa piksel dari kelas tutupan dan penggunaan lahan tersebut tidak ada yang masuk ke kelas lain. Kelas tutupan dan penggunaan lahan yang mempunyai nilai terkecil adalah hutan tanaman sebesar 65,78 %, hal ini disebabkan karena sebanyak 7 piksel dari kelas ini masuk ke kelas hutan sekunder, 4 piksel ke kelas semak belukar, dan 2 piksel ke kelas pertanian lahan kering campur.
Nilai user’s accuracy terkecil kedua ada di kelas tutupan dan penggunaan lahan pertanian lahan kering campur, hal ini disebabkan 5 piksel dari kelas hutan
tanaman, 3 piksel dari kelas perkebunan, 3 piksel dari kelas pertanian lahan kering, 2 piksel dari kelas hutan tanaman, dan 4 piksel dari kelas hutan primer masuk ke kelas ini. Rata-rata nilai user’s accuracy sebesar 88,50% dan
producer’s accuracy sebesar 84,36% maka piksel-piksel yang digunakan sudah cukup mewakili karakterisik masing-masing kelas tutupan dan penggunaan lahan. sedangkan matriks kesalahan klasifikasi citra LANDSAT ETM+ tahun 2006 dapat dilihat pada Lampiran 5.
Pada citra LANDSAT ETM+ tahun 2011 nilai Overall accuracy dan
Kappa accuracy yang dihasilkan dengan menggunakan kombinasi band 5-4-3 sebesar 96,15 % dan 95,51 %, hal ini menandakan bahwa peluang rata-rata suatu piksel terkelaskan dengan benar sebesar 95,51 %. Nilai user’s accuracy dan
producer’s accuracy pada citra LANDSAT ETM+ tahun 2011 tersaji pada Tabel 15.
Tabel 15 User’s Accuracy dan Producer Accuracy pada citra LANDSAT ETM+ tahun 2011 dengan kombinasi band 5-4-3
No Kelas tutupan dan penggunaan lahan
User’s
accuracy (%) Producer’s accuracy (%)
1 Hutan primer 90,47 76,00 2 Hutan sekunder 64,12 86,20 3 Hutan tanaman 100,00 100,00 4 Semak 93,10 77,14 5 Kebun 78,57 91,67 6 Pemukiman 100,00 100,00 7 Tanah terbuka 100,00 100,00 8 Air 100,00 100,00
9 Pertanian lahan kering 100,00 100,00
10 Pertanian lahan kering
campur 100,00 85,71
11 Sawah 98,82 100,00
12 Bandara 100,00 100,00
13 Awan 100,00 100,00
14 Bayangan awan 100,00 100,00
Pada producer’s accuracy, yang mempunyai nilai producer’s accuracy
sebesar 100 % adalah kelas tutupan dan penggunaan lahan hutan sekunder, permukiman, tanah terbuka, badan air, pertanian lahan kering, sawah, bandara, awan, dan bayangan awan. Ini menunjukkan bahwa pada kelas-kelas tutupan dan penggunaan lahan tersebut tidak terjadi kesalahan klasifikasi dengan tidak mengambil piksel dari kelas lain.
48
Kelas tutupan dan penggunaan lahan hutan primer merupakan kelas yang memiliki nilai producer’s accuracy yang paling kecil bila dibandingkan dengan kelas-kelas lainnya yaitu sebesar 76% karena pada kelas tersebut terdapat piksel dari kelas lain yang masuk ke dalam kelas ini, yaitu piksel dari kelas hutan sekunder sebanyak 6 piksel.
Pada user’s accuracy, kelas yang memiliki nilai akurasi sebesar 100 % adalah kelas tutupan dan penggunaan lahan hutan sekunder, permukiman, tanah terbuka, badan air, pertanian lahan kering, pertanian lahan kering campur, bandara, awan, dan bayangan awan, hal ini menandakan bahwa piksel dari kelas tutupan dan penggunaan lahan tersebut tidak ada yang masuk ke kelas lain. Kelas tutupan dan penggunaan lahan yang mempunyai nilai terkecil adalah hutan sekunder sebesar 64,12 %, hal ini disebabkan karena sebanyak 6 piksel dari kelas ini masuk ke kelas hutan primer.
Nilai user’s accuracy terkecil selanjutnya adalah kelas tutupan dan penggunaan lahan kebun/perkebunan sebesar 78,57 % dikarena adanya piksel dari kelas ini yang masuk ke dalam kelas lain, yaitu sebanyak 3 piksel ke kelas pertanian lahan kering campur. Rata-rata nilai user’s accuracy sebesar 94,64% dan producer’s accuracy sebesar 94,05 % maka piksel-piksel yang digunakan sudah cukup mewakili karakterisik masing-masing kelas tutupan dan penggunaan lahan. Matriks kesalahan klasifikasi citra LANDSAT ETM+ tahun 2011 dapat dilihat pada Lampiran 6.
Kesalahan klasifikasi untuk kelas-kelas tersebut dapat terjadi karena dalam pembuatan training area pada setiap kelas tutupan dan penggunaan lahan di setiap citra yang berbeda jumlah piksel dan luasannya sehingga walaupun hanya terdapat sedikit piksel yang masuk ke kelas penggunaan dan tutupan lahan yang lain namun menimbulkan perubahan akurasi yang tinggi. Kemudian kesalahan juga dapat terjadi karena kondisi citra yang digunakan, seperti adanya kesamaan reflektansi dari piksel-piksel seperti yang terjadi pada kelas sawah dengan tubuh air, pemukiman dengan rumput atau tanah kosong, hutan primer dengan hutan sekunder dan semak belukar. Faktor lain yang menyebabkan kesalahan klasifikasi adalah adanya perbedaan kondisi atmosfer, perubahan kadar air, perbedaan sudut matahari, dan pengaruh topografi yang berbeda, seperti yang terjadi pada kelas
hutan yang secara reflektansi mempunyai kesamaan dengan bayangan awan. Perbedaan kondisi ini terjadi karena perbedaan tanggal waktu perekaman ketiga citra berbeda. Menurut Wicaksono (2006), kesalahan-kesalahan klasifikasi dapat diperbaiki dengan melakukan editing, sehingga kita dapat memperoleh luas penutupan yang benar. Editing dapat dilakukan dengan membuat poligon pada daerah yang ingin diubah.
