adanya kesamaan rona warna kedua kelas tersebut pada kelas hutan rakyat yang dikelola dengan sistem agroforestry antara tanaman sengon dengan tanaman
pertanian. Selain itu, kelas pertanian lahan kering dengan kelas hutan tanaman juga tidak dapat dipisahkan dengan nilai separabilitas 1593. Nilai ini didapatkan karena
kelas hutan tanaman di lokasi penelitian dikelola dengan melakukan budidaya tanaman Jati yang memiliki penampakan visual menyerupai kelas pertanian lahan
yaitu kombinasi hijau muda, kuning, dan merah muda pink. Tabel 12 Matrik keterpisahan tiap kelas pada citra Landsat tahun 2000
Kelas Klasifikasi
BA SW
HR AW
BA RS
HT PM
SB KC
LT PLK
Badan air 2000
2000 200
200 200
2000 2000
2000 200
2000 2000
Sawah 200
1985 200
200 200
2000 1956
1911 200
2000 1985
Hutan rakyat
200 1985
200 200
200 1617
2000 1999
200 1667
1438 Awan
200 2000
2000 200
200 2000
2000 2000
200 2000
2000 Bayangan
awan 200
2000 2000
200 185
3 2000
2000 2000
200 2000
2000 Rawa semak
200 2000
2000 200
185 3
2000 2000
2000 200
2000 2000
Hutan tanaman
200 2000
1617 200
200 200
2000 2000
198 8
1948 1593
Pemukiman 200
1956 2000
200 200
200 2000
1733 200
2000 1952
Semak belukar
200 1911
1999 200
200 200
2000 1733
199 9
2000 1929
Kebun campuran
200 2000
2000 200
200 200
1988 1997
1999 2000
1772 Lahan
terbuka 200
2000 1667
200 200
200 1948
2000 2000
200 1981
Pertanian lahan kering
200 1985
1438 200
200 200
1593 1952
1929 177
2 1981
Sumber : Data hasil analisis akurasi klasifikasi citra Landsat tahun 2000
5.4 Perhitungan Uji Akurasi Hasil Klasifikasi
Penghitugan uji akurasi dilakukan untuk melihat keakuratan atau ketelitian hasil dari klasifikasi objek pada citra. Dalam melakukan uji akurasi, dibutuhkan data atau
referensi untuk membandingkan hasil klasifikasi yang dihasilkan. Data yang digunakan adalah data keadaan sebenarnya di lapangan dalam bentuk peta atau titik-
titik ground check lapangan. Untuk menguji tingkat akurasi klasifikasi objek pada citra, idealnya data yang menjadi acuan adalah data keadaan sebenarnya di lapangan
pada tahun yang sama dengan tahun perekaman citra yang diklasifikasi. Data acuan yang digunakan untuk menguji akurasi citra pada tahun yang lampau dapat juga
menggunakan data tahun ini, namun nilai hasil klasifikasi yang dihasilkan akan cenderung kurang akurat karena adanya perbedaan tahun tersebut memiliki
kemungkinan terjadinya perubahan tutupan lahan sebenarnya di lapangan sehingga nilai penghitungan akurasi pembuat p
roducer’s accuracy, akurasi pengguna user’s accuracy, akurasi umum overall accuracy, dan akurasi kappa yang dihasilkan
menjadi kurang akurat. Dalam pengujian hasil akurasi pada citra tahun perekaman tahun 1994, 2000,
2005, 2010 dilakukan dengan menggunakan data acuan titik-titik ground check lapangan tahun 2012. Hasil uji akurasi selengkapnya disajikan pada Tabel 13.
Tabel 13 Matrik kesalahan hasil klasifikasi citra Landsat tahun 1994, 2000, 2005, dan 2010
Tahun Akurasi
Kappa Overall
User Producer
1994 89,03
90,32 90,93
84,45 2000
89,6 90,44
91,88 85,86
2005 93,03
95,45 92,62
97,39 2010
97,21 98,18
96,66 97,85
Sumber : Analisis akurasi citra Landsat tahun perekaman 1994, 2000, 2005, 2010
Berdasarkan Tabel 13, pada uji akurasi citra Landsat tahun 1994, nilai akurasi pembuat p
roducer’s accuracy terbesar terdapat pada 3 kelas yaitu kelas badan air, awan, dan bayangan awan. Pada kelas tersebut diperoleh nilai akurasi pembuat
p roducer’s accuracy sebesar 100 . Sedangkan untuk nilai yang terkecil terdapat
pada kelas lahan terbuka, yaitu sebesar 33,33 . Hal ini dikarenakan adanya piksel kelas lain yang masuk kelas lahan terbuka, yaitu 1 piksel kelas pertanian lahan kering
dan 11 piksel kelas hutan tanaman. Pada klasifikasi ini juga diperoleh nilai akurasi pengguna user
’s accuracy terbesar yang terdapat pada 3 kelas, yaitu kelas awan, bayangan awan, dan rawa
semak. Pada kelas tersebut diperoleh nilai akurasi pengguna user ’s accuracy
sebesar 100 . Sedangkan untuk nilai akurasi pengguna user ’s accuracy terkecil
terdapat pada kelas semak belukar, yaitu sebesar 78,57 . Hal ini dikarenakan dari total 42 piksel yang digunakan sebagai training area pada kelas semak belukar,
terdapat 2 piksel pada kelas pertanian lahan kering, 4 piksel pada kelas pemukiman, dan 3 piksel pada kelas sawah. Untuk keterangan yang lebih lengkap terdapat pada
lampiran 1, sedangkan untuk melihat keakuratan dari hasil klasifikasi, diperoleh nilai overall accuracy yang diperoleh sebesar 90,32 dengan tingkat kesalahan klasifikasi
9,68 dan diperoleh nilai akurasi kappa sebesar 89,03 dengan tingkat kesalahan akurasi sebesar 10,97 .
Berdasarkan Tabel 13, diperoleh nilai akurasi kappa sebesar 87,6 pada citra tahun 2000. Nilai ini dapat menunjukkkan bahwa tingginya nilai keakuratan
klasifikasi yang dilakukan karena tingkat kesalahan dari klasifikasi adalah sebesar 12,4 . Sedangkan nilai overall accuracy yang diperoleh sebesar 89,14 dengan
tingkat kesalahan klasifikasi 10,86 . Kelas lahan terbuka mempunyai nilai akurasi pembuat p
roducer’s accuracy terkecil yaitu sebesar 60 . hal ini disebabkan karena adanya sejumlah piksel dari kelas lain yang masuk ke dalam kelas lahan terbuka,
yaitu 1 piksel dari kelas hutan tanaman dan 3 piksel dari kelas pertanian lahan kering. Sedangkan kelas pemukiman mempunyai nilai akurasi pembuat p
roducer’s accuracy terbesar yaitu sebesar 95,52 . nilai ini menunjukkan bahwa terjadi
kesalahan klasifikasi sebesar 4,48 . Pada klasifikasi ini, nilai akurasi pengguna user
’s accuracy terbesar yang didapatkan terdapat pada kelas badan air yaitu sebesar 100 . Sedangkan untuk nilai
terkecil terdapat pada kelas pertanian lahan kering yaitu sebesar 70 . hal ini dikarenakan adanya piksel kelas pertanian lahan kering yang masuk ke kelas lain
seperti pada kelas lahan terbuka sebanyak 3 piksel, kelas semak belukar sebanyak 1 piksel, kelas hutan tanaman sebanyak 6 piksel, dan kelas hutan rakyat sebanyak 5
piksel. Untuk keterangan lebih lengkap terdapat pada lampiran 2. Pada analisis uji akurasi citra Landsat tahun 2005, nilai akurasi pembuat
p roducer’s accuracy kelas badan air, hutan tanaman, pemukiman, kebun campuran,
pertanian lahan kering, rawa semak, semak belukar adalah sebesar 100 . Sedangkan kelas lahan terbuka memiliki nilai akurasi pembuat p
roducer’s accuracy paling kecil, yaitu sebesar 80 . Dari lima titik pengamatan ground check lapangan, terdapat
satu titik pengamatan yang masuk ke dalam kelas pemukiman. Kesalahan klasifikasi
juga terjadi pada kelas hutan rakyat yang memiliki nilai akurasi pembuat p roducer’s
accuracy sebesar 93,85 . Dari total 65 titik pengamatan ground check lapangan, terdapat dua titik pengamatan yang masuk ke dalam kelas kebun campuran.
Dalam penghitungan nilai akurasi pengguna user ’s accuracy, kelas kebun
campuran dan kelas semak belukar memiliki nilai terkecil, yaitu sebesar 71,43 . Sedangkan kelas pemukiman memilki nilai akurasi pengguna user
’s accuracy sebesar 83,33 . Adanya kesalahan klasifikasi yang terlihat nilai yang dihasilkan dari
penghitungan diakibatkan oleh adanya kesamaan penampakan visual dari beberapa objek yang diamati seperti kelas pemukiman dengan kelas lahan terbuka. Sedangkan
untuk kelas-kelas yang lain seperti kelas badan air, hutan tanaman, lahan terbuka, hutan rakyat, pertanian lahan kering, rawa semak, dan sawah memiliki nilai akurasi
pengguna user ’s accuracy sebesar 100 . Untuk keterangan lebih lengkap terdapat
pada lampiran 3. Nilai overall accuracy yang didapatkan pada uji akurasi citra ini adalah sebesar 95,45 dengan nilai kesalahan klasifikasi sebesar 4,15 dan nilai
akurasi kappa sebesar 93,03 dengan nilai kesalahan klasifikasi sebesar 7,97 . Pada citra Landsat tahun perekaman 2010 diperoleh nilai akurasi kappa sebesar
97,21 . Nilai ini dapat menunjukkkan bahwa tingginya nilai keakuratan klasifikasi yang dilakukan karena tingkat kesalahan dari klasifikasi yang dilakukan hanya
sebesar 2,79 . Nilai overall accuracy diperoleh sebesar 98,18 dengan tingkat kesalahan klasifikasi 1,82 . Terjadinya kesalahan klasifikasi pada citra diakibatkan
oleh adanya commission error atau akurasi pengguna user ’s accuracy akibat adanya
area yang diklasifikasi pada kelas yang salah dan omission error atau akurasi pembuat p
roducer’s accuracy akibat adanya area yang tidak diklasifikasi pada kelas yang benar. Tingginya nilai akurasi didapatkan dikarenakan hasil analisis visual yang
dihasilkan dilakukan koreksi terlebih dahulu dengan bantuan software google earth pada citra GeoEye dengan tahun 2010.
Kelas pemukiman dan semak belukar memiliki nilai akurasi pengguna user ’s
accuracy paling kecil yaitu sebesar 83,33 . Hal ini diakibatkan karena adanya kemiripan penampakan visual antara kelas pemukiman dengan kelas lahan terbuka
dan kelas hutan rakyat dengan kelas semak belukar sehingga menimbulkan kesalahan
saat melakukan analisis visual citra. Sedangkan untuk kelas yang lain memiliki nilai akurasi pengguna user
’s accuracy sebesar 100 . Sedangkan untuk nilai akurasi pembuat p
roducer’s accuracy, Kelas lahan terbuka memiliki nilai akurasi pembuat producer
’s accuracy paling kecil yaitu sebesar 80 . Adanya kesalahan tersebut karena adanya kesamaan penampakan visual citra antara kelas lahan terbuka dan
kelas pemukiman sehingga menyulitkan dalam melakukan analisis visual. Dari total lima titik pengamatan ground check lapangan pada kelas lahan terbuka, terdapat satu
titik yang masuk kedalam kelas pemukiman. Adanya kesalahan akurasi juga terjadi pada kelas hutan rakyat. Kelas hutan
rakyat mempunyai nilai akurasi pembuat p roducer’s accuracy sebesar 98,46 .
Adanya kesamaan penampakan visual antara kelas hutan rakyat dan kelas semak belukar menyebabkan terjadinya kesalahan klasifikasi sebesar 1,54 . Dari total 65
titik pengamatan ground check lapangan, ada satu titik pengamatan yang masuk dalam kelas semak belukar. Untuk nilai kelas-kelas yang lain mempunyai nilai
akurasi pembuat p roducer’s accuracy sebesar 100 . Untuk keterangan lebih
lengkapnya terdapat pada lampiran 4.
5.5 Analisis Perubahan Luas Hutan Rakyat Tahun 1994-2010
