V. HASIL DAN PEMBAHASAN
5.1 Penutupan Lahan Tahun 2009
Peta penutupan lahan dihasilkan melalui metode Maximum Likelihood dari klasifikasi terbimbing yang dilakukan dengan arahan supervised Gambar 14.
Kriteria pengelompokkan kelas ditetapkan berdasarkan penciri kelas yang diperoleh dari analisis melalui pembuatan training area yang telah dibuat pada
proses sebelumnya. Seperti penelitian yang telah dilakukan sebelumnya Syartinilia, 2004, kelas
penutupan lahan terdiri dari tujuh kelas kategori penutupan lahan, yaitu hutan, perkebunan, semak belukar, sawah, ladang, pemukiman, dan badan air. Namun
pada penelitian ini ditambahkan satu kelas yang tidak terklasifikasi sebagai penutupan lahan yaitu awan. Kelas ini tidak mengandung informasi mengenai
penutupan lahan, namun pada proses pengolahannya kelas ini tetap dilibatkan karena akan berpengaruh pada proses serta hasil klasifikasi. Kelas hasil klasifikasi
diberi label nama kelas sesuai dengan penutupan lahan dimana piksel-piksel dalam kelas tersebut tersebar.
Tujuh kelas penutupan lahan tersebut memiliki nilai rata-rata keterpisahan sebesar 1.999,82 serta keterpisahan terendah sebesar 1.996,25. Nilai keterpisahan
terendah tersebut terdapat di antara kelas penutupan lahan yang memiliki kemiripan yaitu sawah dan ladang. Hal ini dapat disebabkan oleh penggunaan
sawah dan ladang dalam satu lahan dalam satu periode tertentu. Pada citra LANDSAT ETM+ yang direkam pada tanggal 22 Desember 2002 musim hujan
lahan sedang digunakan sebagai sawah, sedangkan pada citra AVNIR-2 yang direkam pada tanggal 19 Juli 2009 penggunaan lahan tersebut berupa ladang Juli-
Oktober. Kemudian pada saat dilakukan ground check pada tanggal 24 Maret dan 9 April 2011, lahan tersebut sedang dimanfaatkan sebagai sawah. Walaupun
terdapat nilai keterpisahan terendah antara sawah dan ladang, namun dengan nilai rata-rata keterpisahan sebesar 1.999,82 memiliki makna bahwa kelas-kelas
tersebut dapat dipisahkan dengan sangat baik. Matrik nilai keterpisahan antar kelas hasil klasifikasi terbimbing disajikan dalam
Tabel 16.
Tabel 16. Matrik nilai keterpisahan antar kelas penutupan lahan hasil klasifikasi terbimbing
Penutupan Lahan
1 2 3 4 5 6 7
1. Hutan 0 2000 2000 2000 2000 2000 2000
2. Perkebunan 2000 0 2000 2000 2000 2000 2000
3. Semak belukar 2000 2000 0 1999.98
2000 2000 2000 4. Sawah
2000 2000 1999.98 1996.25 2000 2000
5. Ladang 2000 2000
2000 2000
2000 1999.98
6. Pemukiman 2000
2000 2000 2000 2000 0 2000 7. Badan air
2000 2000
2000 2000
1999.98 2000
Xmin = 1996,25 Xmaks = 2000
Xrata-rata = 1999,82
Berdasarkan Peta Penutupan Lahan Kawasan Puncak tahun 2009 Gambar 14, dapat diketahui bahwa penutupan lahan yang terluas di lokasi ini adalah
hutan yaitu sebesar
5.041,29
Ha atau sekitar 27,29 dari total luas lokasi penelitian.
Selain badan air
353,97
Ha, perkebunan memiliki luas yang paling kecil jika dibandingkan dengan kelas penutupan lahan lain yaitu sebesar 1.380,07
Ha atau hanya 7,47
dari luas total. Gambaran lebih jelas mengenai luas masing- masing kelas pada peta penutupan lahan disajikan pada Tabel 17.
Tabel 17. Luas Hasil Klasifikasi Penutupan Lahan 2009
No. Penutupan Lahan
Luas ha Luas
1 Hutan
5.041,29 27,29
2 Perkebunan
1.380,07 7,47
3 Semak belukar
1.536,98 8,32
4 Sawah
2.743,81 14,86
5 Ladang
3.931,23 21,29
6 Pemukiman
3.366,77 18,23
7 Air
353,97 1,92
8 Awan No data
114,68 0,62
Total 18.468,80
100,00
Gambar 14. Peta Penutupan Lahan Tahun 2009 AVNIR-2 19 Juli 2009 Resolusi 10x10 m
Kec. Megamendung
Kec. Ciawi Kec. Cisarua
Di antara kelas-kelas penutupan lahan yang terdapat pada peta penutupan lahan, terdapat kelas yang mewakili penutupan awan dan bayangan awan yaitu
sebesar 114,68 ha 0,62. Penutupan awan menyebabkan informasi mengenai tipe penutupan lahan hilang sebesar 0,62. Penutupan tipe ini tidak dimasukkan
ke dalam kelas klasifikasi penutupan lahan tahun 2009 karena tidak mengandung informasi mengenai penutupan lahan, tetapi dalam proses pengklasifikasiannya
tetap dilibatkan karena akan berpengaruh pada hasil klasifikasi. Hasil klasifikasi dievaluasi menggunakan matrik kesalahan confusion
matrix atau matrik kontingensi yang dibuat melalui proses klasifikasi piksel yang diwakili oleh titik pada training area. Matriks akurasi dapat dilihat pada Tabel 18.
Tabel 18. Pendugaan Akurasi dari Penggunaan dan Penutupan Lahan Tahun 2009
Kelas Data Acuan
Total Baris
UA 1
2 3
4 5
6 7
1 70
3 73
95,89
2 116
116 100,00
3 0 0
98 98
100,00
4 0 0
71 1
7 0 79 89,87
5
1
116
2 24 143 81,12
6 0 0
19 93
0 112 83,04
7 62
62 100,00
Total Kolom
70 119 99
90 117
102 86 683
PA 100 97,48
98,99 78,89 99,15
91,18 72,09
Overall Accuracy 91,67 Kappa Accuracy 90,22
Ket : 1 = Hutan; 2 = Perkebunan ; 3 = Semak belukar; 4 = Sawah; 5 = Ladang; 6 = Pemukiman; 7 = Badan air UA = User’s Accuracy; PA = Producer’s Accuracy
Matrik kesalahan tersebut memberikan informasi mengenai penyimpangan klasifikasi yang berupa kelebihan jumlah piksel dari kelas yang lain atau emisi
omission dan kekurangan jumlah piksel pada masing-masing kelas atau komisi comission. Kesalahan emisi omission error dikenal juga dengan istilah akurasi
pembuat producer’s accuracy yaitu akurasi yang diperoleh dengan membagi piksel yang benar dengan jumlah total piksel dari data acuan per kelas.
Dari Tabel 18 dapat dilihat bahwa nilai akurasi pembuat terendah terdapat
pada kelas penutupan lahan badan air sebesar 72,09,
sedangkan nilai akurasi tertinggi sebesar 100 terdapat pada kelas penutupan lahan hutan.
Akurasi lainnya adalah akurasi pengguna user’s accuracy, yaitu akurasi yang diperoleh
dengan membagi jumlah piksel yang benar dengan total piksel yang dikelaskan ke dalam kelas tersebut, akurasi ini dikenal juga dengan istilah kesalahan komisi
comission error. Nilai akurasi pengguna terendah terdapat pada kelas penutupan lahan
ladang yaitu sebesar 81,12, sedangkan nilai akurasi pengguna tertinggi terdapat pada kelas penutupan lahan
perkebunan dan semak belukar belukar yaitu sebesar 100.
Besarnya akurasi hasil klasifikasi keseluruhan dapat diukur menggunakan akurasi umum overall accuracy dan akurasi kappa. Akurasi umum adalah
akurasi yang dihitung berdasarkan jumlah piksel yang dikelaskan dengan benar pada seluruh kelas, dibagi dengan jumlah total piksel yang digunakan. Akurasi ini
akan menghasilkan pengukuran yang cenderung over estimate karena dalam proses perhitungannya, akurasi umum hanya melibatkan piksel-piksel yang
dikelaskan dengan benar saja. Untuk saat ini selain akurasi umum, evaluasi hasil klasifikasi sangat disarankan menggunakan akurasi kappa. Piksel-piksel yang
terlibat dalam perhitungan akurasi kappa adalah seluruh piksel yang digunakan sebagai acuan untuk pengukuran akurasi hasil klasifikasi, sehingga jika
dibandingkan dengan akurasi umum, perhitungan akurasi kappa akan lebih akurat dalam mengevaluasi hasil klasifikasi.
Nilai akurasi umum hasil klasifikasi terbimbing dalam penelitian ini adalah sebesar 91,67, sedangkan akurasi kappa
yang diperoleh sebesar 90,22.
5.2 Perbandingan Luas Penutupan Lahan Tahun 2002 dan Tahun 2009