SIR-C dengan polarisasi HV dapat meningkat seiring dengan peningkatan usia aliran lava. Dengan demikian, dapat diketahui bahwa jenis polarisasi selain dapat
digunakan untuk identifikasi aliran lava dapat juga digunakan untuk estimasi usia aliran lava.
5.5. Klasifikasi
Data hasil pengamatan yang diperoleh selanjutnya dianalisis untuk mengetahui apakah sensor dapat berperan baik dalam pengidentifikasian aliran
lava. Analisis yang dilakukan yaitu dengan pengujian melalui analisis klasifikasi numerik. Klasifikasi citra dilakukan dengan menggunakan klasifikasi terbimbing,
yaitu klasifikasi pohon keputusan decision tree. Adapun algoritma yang digunakan adalah algoritma QUEST Quick, Unbiased, Efficient Statistical
Trees . Gambar 31 dibawah ini merupakan hasil kontruksi pohon keputusan yang
diturunkan dari algoritma QUEST.
Gambar 31. Klasifikasi Pohon Keputusan Algoritma QUEST Citra PALSAR G. Guntur.
65
Gambar tersebut menunjukkan bahwa kontruksi algoritma QUEST menghasilkan struktur sebanyak 7 cabang. Secara teoritis, kesederhanaan struktur
ini menunjukkan bahwa implementasi algoritma QUEST dapat dilakukan dengan cepat. Hal ini juga dapat ditemukan pada penelitian sebelumnya pada pemantauan
daerah pesisir Panuju et al., 2010. Kesederhanaan struktur tersebut pada segi komputasi berdampak positif dengan tingginya kecepatan pemrosesan. Hal ini
tentu saja sangat penting bagi pengolahan data pada wilayah yang luas Tjahjono et al
., 2009a. Band 2 yang merupakan polarisasi HV berperan dalam pemisahan awal
dan pembeda berbagai bentuklahan aliran lava yang ditetapkan sebagai data training
. Polarisasi HV ini juga yang berperan untuk pemisahan bentuklahan ALA dan ALT dengan bentuklahan aliran lava lainnya sehingga hasilnya dapat
mengidentifikasi ALA dan ALT dengan baik. Hal ini sejalan dengan pendapat Dierking and Haack 2008 yang menyatakan bahwa HV cukup potensial dalam
proses pemisahan obyek. Sedangkan band 3 atau polarisasi VV dapat menjadi pemisah utama atau pembeda dari berbagai bentuklahan aliran lava yang ada.
Polarisasi VV berperan dalam pencirian bentuklahan K, AL2, ALT, AL1 serta AL3. Selain itu, polarisasi ini juga dapat berperan sebagai pembeda antara kelas
ALT dan AL3. Pada algoritma QUEST ini, polarisasi HH memberikan peranan yang cukup lemah dimana hanya berperan sebagai pemisah antara bentuklahan
AL1 dan ALA. Hal ini menunjukkan bahwa untuk pencirian aliran lava dengan menggunakan polarisasi HH dengan algoritma ini kurang berperan penting. Pada
algoritma ini, sebagian besar komponen cabang menggunakan polarisasi VV dan HV sebagai penciri, sehingga dapat diketahui bahwa hamburan balik backscatter
tersebut cukup sensitif terhadap bentuklahan aliran lava dan kawah serta cukup mampu berperan sebagai diskriminator untuk pengidentifikasian aliran lava dan
kawah. Pohon keputusan yang dibangun dengan menggunakan algoritma QUEST dapat diimplementasikan untuk citra PALSAR dengan menggunakan polarisasi
HV dan VV untuk pemetaan geomorfologi gunungapi. Citra PALSAR G. Guntur disajikan pada Gambar 32 a, sedangkan hasil klasifikasi menggunakan algoritma
ini disajikan pada Gambar 32 b.
66
Sumber : Citra ALOS PALSAR CEOS IA L1.1 Tahun 2009 a
b Gambar 32. Citra ALOS PALSAR G. Guntur a dan Hasil Klasifikasi
Pohon Keputusan Algoritma QUEST Citra PALSAR G. Guntur b : kawah merah, aliran lava 1 hijau, aliran lava 2
biru, aliran lava 3 kuning, aliran lava tua cyan. aliran lava teratas sienna, dan aliran lava muda chartreuse.
Gambar 33. Hasil Klasifikasi Maximum Likelihood Citra PALSAR G. Guntur : kawah merah, aliran lava 1 hijau, aliran lava 2
biru, aliran lava 3 kuning, aliran lava tua cyan. aliran lava termuda sienna, dan aliran lava muda chartreuse
Pada penelitian ini, selain dilakukan klasifikasi pohon keputusan dengan algoritma QUEST juga dilakukan klasifikasi Maximum Likelihood yang
digunakan sebagai data pembanding. Hal ini dilakukan agar dapat diketahui efektivitas klasifikasi pohon keputusan dalam pengidentifikasian aliran lava
67
dengan menggunakan citra PALSAR. Gambar 34 menyajikan hasil klasifikasi citra menggunakan klasifikasi Maximum Likelihood.
5.6. Akurasi
