Klasifikasi kerapatan hutan berdasarkan semua peubah di lapangan dilakukan dengan menggunakan peubah kerapatan kanopi sebagai dasar peubah
X. Analisis regresi linier dan non linier dilakukan untuk pendugaan semua peubah dari peubah X yaitu kerapatan kanopi. Hal ini dilakukan karena pada
klasifikasi citra yang digunakan sebagai training area adalah berdasarkan kerapatan kanopi pada citra Quickbird. Hubungan matematisnya adalah sebagai
berikut: Kt = f Kr secara linier dan non linier
Lbds = f Kr secara linier dan non linier V = f Kr secara linier dan non linier
LAI = f Kr secara linier dan non linier CSI = f Kr secara linier dan non linier
CDI = f Kr secara linier dan non linier VCR= f Kr secara linier dan non linier
2.7 Uji Akurasi
Evaluasi akurasi terhadap besarnya kesalahan klasifikasi adalah untuk menentukan besarnya persentase ketelitian klasifikasi. Uji akurasi dilakukan
dengan data lapangan dengan kriteria seperti pada Tabel 7. Evaluasi ketelitian pemetaan meliputi jumlah piksel sampel yang diklasifikasikan dengan benar atau
salah, pemberian nama kelas secara benar, persentase banyaknya piksel dalam masing-masing kelas serta persentase kesalahan total.
Akurasi ketelitian pemetaan diuji dengan membuat matrik contingency yang lebih sering disebut dengan matriks kesalahan confusion matrix. Akurasi
yang dapat dihitung berdasarkan tabel di atas antara lain adalah user’s accuracy,
producer’s accuracy dan overall accuracy Story dan Congalton diacu dalam Jensen 2005. Secara matematis jenis-jenis akurasi di atas dapat dinyatakan
dalam: a.
Users Accuracy = . Akurasi ini adalah untuk mengetahui
seberapa besar kebenaran piksel hasil klasifikasi pada tiap kelas dengan
keadaan tiap kelas di lapangan; b.
Producers accuracy = . Akurasi ini adalah untuk mengetahui
seberapa pasti analis dapat mengkelaskan areal pada tiap kategori kelas. c.
Overall accuracy = . Akurasi ini adalah untuk mengetahui
total piksel yang benar dari seluruh piksel. Produc
er’s accuracy atau akurasi pembuat adalah akurasi yang diperoleh dari jumlah piksel yang benar dibagi dengan jumlah total piksel pada sampel per
kelas. U ser’s accuracy atau akurasi pengguna adalah jumlah piksel yang benar
dibagi dengan total piksel dalam kolom. Nilai akurasi yang paling banyak digunakan adalah akurasi Kappa, karena
nilai ini memperhitungkan semua elemen kolom dari matrik. Secara matematis akurasi Kappa dinyatakan dalam:
K =
–
; dimana :
N : Jumlah semua piksel yang digunakan untuk pengamatan; r : jumlah baris atau kolom pada matrik kesalahan;
: jumlah baris; : jumlah piksel pada baris
–i kolom j; : Jumlah kolom;
K : ∑ X jumlah semua kolom pada baris ke-i i+ ij; dan K : ∑ X jumlah semua kolom pada lajur ke-j.
2.8 Batasan Operasional
