22
3.4.2 Pemilihan Kanal Spektral
Pemilihan kanal spektral untuk klasifikasi dilakukan dengan menggunakan metode Optimum Index Factor OIF. Adapun rumus untuk menghitung OIF
adalah sebagai berikut:
OIF =
∑ ∑
= =
3 1
3 1
i i
i i
r S
Jaya, 2006
Dalam hal ini: S
= simpangan baku r
= koefisien korelasi Kombinasi tiga kanal spektral yang terpilih adalah kombinasi yang
memiliki nilai OIF tertinggi.
3.4.3 Penajaman Citra Image Enhancement
Tujuan dari penajaman citra adalah untuk memperbaiki kemampuan mendeteksi obyek pada citra sehingga obyek pada citra dapat lebih mudah
diinterpretasikan. Dalam penelitian ini digunakan algoritma penajaman citra linear
percentage linear contrast enhancement untuk penajaman spektral spektral enhancement
dan algoritma penajaman tepi sharp enhancement dengan filter high pass
untuk penajaman spasial spatial enhancement.
3.4.4 Transformasi Citra
Transformasi citra dilakukan dengan menggunakan formula indeks vegetasi, yaitu Indeks , Ratio Vegetation Index RVI, Transformed RVI TRVI,
Difference Vegetation Index DVI, Normalized DVI NDVI, Transformed NDVI
TNDVI, Middle Infrared I Index MIRI index. Tujuan dari transformasi citra adalah untuk mengurangi 6 kanal Landsat
menjadi 1 kanal tiap piksel yang dapat memperkirakan atau menaksir karakteristik tanamankanopi yaitu biomassa, produktivitas, leaf area atau persen penutupan
tanah oleh tanaman Jensen, 1986.
23
3.4.5 Evaluasi Ketelitian Klasifikasi
Penilaian ketelitian klasifikasi dilakukan dengan rumus Kappa Acuracy. Rumus ini digunakan karena memperhitungkan semua elemen dalam matrik
kesalahan Confussion matrix. Rumus kappa accuracy ini juga digunakan untuk menguji kesignifikasian dua matrik kesalahan yang berasal dari metode yang
berbeda atau kombinasi kanal yang berbeda Lillesand dan Kiefer, 1979; Jensen, 1986; Richards, 1993; Jaya dan Kobayashi, 1995; Howard, 1996; Jaya, 1997.
Rumusnya adalah:
Kappa Accuracy =
100 x
X X
- X
X -
X
r 1
i i
i 2
r 1
i i
i r
1 i
i
∑ ∑
∑
= +
+ =
+ +
=
N N
Dalam hal ini: N = jumlah semua piksel yang digunakan untuk pengamatan
r = jumlah barislajur pada matrik kesalahan jumlah kelas
X
i+
= ∑Xij jumlah semua kolom pada baris ke-i
X
+i
= ∑Xij jumlah semua kolom pada baris ke-j
Sedangkan tabel matrik kesalahan confusion matrix untuk menguji keakurasian klasifikasi yang sering disebut matrik kontingensi adalah sebagai
berikut:
Tabel 3. Tabel Matrik Kesalahan Confussion Matrix
Diklasifikasikan ke kelas data klasifikasi di peta
Data Acuan Training Area
A B
... D
Total Baris X
i+
Producer’s Accuracy
X
ii
X
i+
A X
ii
... ... ... ... ...
B ... ... ... ... ...
... ...
... ... ... ... ... ...
D ... ...
... X
ii
N Total Kolom
X
+i
User’s Accuracy
X
ii
X
+i
Ukuran akurasi lain yang bisa dihitung berdasarkan tabel matrik kesalahan ini adalah overall accuracy, producer’s accuracy dan user’s accuracy, yakni
sebagai berikut:
24
Overall Accuracy =
100 .
N
∑
r k
ii
X
Producer’s Accuracy =
100 .
+ i
ii
X X
User’s Accuracy =
100 .
i ii
X X
+
3.5 Pengumpulan Data Lapangan