HASIL PENELITIAN DAN PEMBAHASAN
5.3 Pemetaan Kerapatan Vegetasi dengan Interpretasi Hibrida
5.3.2 Formula Kerapatan Vegetasi untuk Interpretasi Hibrida
Indeks terpilih yang digunakan untuk penyusunan formula kerapatan vegetasi adalah indeks yang memiliki koefisien korelasi tertinggi, dan indeks tersebut adalah NDVI. Dari nilai NDVI inilah kemudian dibagi menjadi 5 kelas kerapatan vegetasi yakni hutan sangat rapat, agak lebat/lebat, terbuka, jarang, dan sedikit/tidak ada pohon. Tabel 5.8 merupakan formula kerapatan vegetasi untuk interpretasi hibrida hasil tumpangsusun antara sampel kerapatan dengan nilai rata-rata NDVI.
Nilai 0,276; 0,116 hingga -0,037 merupakan rentang nilai transformasi NDVI yang dihasilkan dari persamaan regresi Y=0,004x – 0,045, dengan x adalah nilai kerapatan vegetasi 2%, 10%, 40%, dan 80%. Setiap perbedaan kerapatan vegetasi menunjukkan perbedaan kelas kerapatannya.
89 Tabel 5.8 Formula kerapatan vegetasi
No Kelas Formula kerapatan vegetasi Kerapatan vegetasi
1 I NDVI≥0,276 Hutan sangat rapat
2 II NDVI≥0,116 AND NDVI≤0,275 Hutan agak lebat/lebat 3 III NDVI≥(-0,004) AND NDVI≤0,115 Terbuka
4 IV NDVI≥(-0,038) AND NDVI≤(-0,004) Jarang
5 V NDVI≤(-0,037) Sedikit/tidak ada
pohon Sumber : Pengolahan citra, 2013
Kelas I mewakili hutan sangat rapat dengan nilai indeks lebih besar sama dengan dari 0,276. Kelas II hutan agak rapat/lebat berada pada rentang nilai 0,116 sampai 0,275. Kelas III, IV, dan V berdasarkan formula kerapatan vegetasi mulai terdapat indeks yang bernilai negatif dengan kerapatan berturut-turut yakni terbuka, jarang, dan sedikit/tidak ada pohon. Nilai negatif tersebut sebagai akibat dari adanya objek non vegetasi yang berada di area hutan pada wilayah kajian, seperti pemukiman, lahan kosong, maupun tubuh air.
5.3.3 Interpretasi Hibrida
Proses interpretasi hibrida dilakukan setelah setiap poligon satuan pemetaan kerapatan vegetasi memiliki rata-rata nilai pada citra NDVI. Nilai rata-rata tersebut akan digunakan untuk identifikasi tingkat kerapatan vegetasi tiap poligon satuan pemetaan. Perolehan nilai rata-rata tiap satuan pemetaan kerapatan vegetasi yakni dengan cara menumpangsusunkan poligon hasil interpretasi visual dengan citra NDVI. Proses perhitungan nilai rata-rata tersebut diperoleh dengan bantuan software pengolah data citra ENVI 4.5.
Setiap poligon yang telah ditumpangsusunkan dengan citra NDVI dilakukan analisis statistik untuk memperoleh rata-rata nilai indeksnya. Setelah setiap poligon memperoleh nilai rata-rata pada citra NVDI, maka formula kerapatan vegetasi sudah bisa diterapkan.
90
Formula hibrida untuk kerapatan vegetasi yang telah diterapkan pada masing-masing poligon satuan pemetaan otomatis menghasilkan poligon-poligon dengan kelas kerapatan vegetasi tertentu. Hasil dari perhitungan tersebut dapat dilihat pada lampiran 1.
Kerapatan vegetasi hasil interpretasi hibrida dikelompokkan ke dalam 5 kelas, antara lain hutan sangat lebat, agak lebat, terbuka, jarang, dan sedikit atau tidak ada sama sekali. Tabel 5.9 berikut merupakan hasil interpretasi hibrida untuk kerapatan vegetasi disertai luasannya.
Tabel 5.9 Luas kerapatan vegetasi hasil interpretasi hibrida No. Kelas kerapatan Persentase
Kerapatan Luas (ha) 1. Hutan sangat rapat > 80 % 1082,92 2. Agak lebat/lebat 40 – 80 % 2541,76
3. Terbuka 10 – 40 % 2062,32
4. Hutan jarang 2 – 10 % 201,04
5. Sedikit/tidak ada pohon < 2 % -
Dari 5 kelas tersebut, ternyata pada kelas sedikit/tidak ada sama sekali jumlah luasan hutan adalah 0, ini artinya pada daerah kajian jumlah minimal tegakan hutan diatas 2%. Peta di bawah ini adalah peta hasil interpretasi hibrida.
91
92 5.4 Akurasi Interpretasi Hibrida
Uji akurasi interpretasi hibrida dilakukan dengan menumpangsusunkan peta acuan hasil interpretasi visual resolusi tinggi dengan hasil peta dari interpretasi hibrida. Peta hasil interpretasi visual citra resolusi tinggi dianggap mewakili kondisi sebenarnya di lapangan sehingga peta ini dijadikan sebagai sumber data referensi dalam uji akurasi interpretasi hibrida. Tehnik tumpangsusun antara kedua peta ini dilakukan secara manual dengan sistem grid, dan pembanding dilakukan grid demi grid. Ukuran grid yang digunakan dalam uji akurasi ini 0,5 x 0,5 cm.
Hasil uji akurasi tersebut disajikan dalam tabel confusion matrix antar grid pada tabel 5.10. Tabel 5.10 tersebut kelas kerapatan diwakilkan dengan kelas 1, 2, 3, 4, dan 5. Kelas 1 dimulai dengan tingkat kerapatan paling tinggi, dan seterusnya hingga kelas 5 tingkat kerapatan paling rendah. Kelas 1 (sangat rapat/rapat), 2 (agak rapar/rapat), 3 (jarang), 4 (terbuka), dan 5 (sedikit/tidak ada pohon).
Tabel 5.10 Uji akurasi interpretasi hibrida
HASIL INTERPRETASI HIBRIDA
Perhitungan di atas memperlihatkan akurasi, baik akurasi pengguna (user accuracy), akurasi penghasil (producer accuracy), maupun akurasi secara keseluruhan (overall accuracy). Akurasi pengguna (user accuracy) pada kelas
93
kerapatan 1 sebesar 88,48 % yang berarti 88,48 % peluang grid yang terklasifikasi secara tepat sebagai kelas 1 di lapangan. Sedangkan error comission dari klasifikasi kelas 1 yakni 11,52 % yang artinya grid yang terklasifikasi sebagai kelas 1 adalah bukan kelas 1 di lapangan. Nilai producer accuracy pada kelas yang sama (kelas 1) adalah 84,44 %. Nilai ini berarti 84,44
% kelas 1 pada seluruh area riset diklasifikasikan secara benar sebagai kelas 1.
Sisanya merupakan error omission sebesar 15,56 % kelas 1 di lapangan yang terklasifikasi bukan sebagai kelas tersebut.
Akurasi keseluruhan peta hasil interpretasi hibrida dihitung berdasarkan jumlah grid yang terklasifikasi secara benar dibagi dengan jumlah seluruh grid peta referensi. Hasilnya adalah 3117/3351 = 93,02 %. Adapun untuk penelitian yang sama , seperti yang dilakukan oleh Gunawan tahun 2011 yang mengkaji kerapatan kanopi hutan di Kabupaten Kulonprogo dengan interpretasi hibrida, tingkat akurasi yang dihasilkan adalah 90,32 %. Selisih akurasi interpretasi antara penelitian sebelumnya dengan penelitian ini menunjukkan bahwa hasil interpretasi hibrida untuk objek yang sama pada daerah yang berbeda masih lebih baik pada penelitian ini. Berdasarkan ketelitian yang dihasilkan oleh interpretasi hibrida untuk pemetaan kerapatan tegakan vegetasi tersebut, nilai akurasi 93,02 % termasuk ke dalam ketelitian tinggi menurut Campbell (2002) dalam Suharyadi (2010). Artinya, interpretasi hibrida yang merupakan kombinasi antara interpretasi visual dan digital untuk pemetaan kerapatan vegetasi daerah kajian hasilnya dapat dimanfaatkan untuk kajian lebih lanjut, misalnya untuk analisis di bidang kehutanan.
Peta kerapatan vegetasi daerah kajian dengan metode interpretasi hibrida di beberapa Kecamatan Kabupaten Gunungkidul setelah dilakukan cek ketelitian interpretasi dapat dilihat pada Gambar 4.12 di bawah ini.
94