Transformasi data raster menjadi data vektor
Hasil analisis digital pada citra tahun 1997 merupakan data dalam bentuk raster. Data raster adalah basis data yang disimpan atau dikodekan dengan
menggunakan sel atau rangkaian sel. Setiap sel menyimpan nilai tertentu yang mencerminkan suatu objek. Pada umumnya, lokasi di dalam model raster secara
langsung dapat diidentifikasikan dengan menggunakan pasangan koordinat lokalnya; kolom dan baris x,y. meskipun demikian, posisi-posisi koordinat
geografis yang sebenarnya dari beberapa piksel yang terletak di sudut-sudut citra raster juga diketahui melalui proses pengikatan; memerlukan beberapa titik
control GCP – Ground Control Point Eddy 2009. Salah satu kelemahan data
raster yang menjadikan data ini harus diubah dalam bentuk vektor adalah objek pada data raster digambarkan dalam bentuk implisit Damyanti dalam Zulfikar
1999.
Reklasifikasi dan Eliminasi
Proses ini dilakukan agar hasil klasifikasi digital memiliki kesamaan dengan klasifikasi visual, pada proses ini dilakukan peng-kelasan ulang pada tiap
kelas tutupan lahan yang terlihat janggal. Pengetahuan untuk reklasifikasi diperoleh berdasarkan observasi lapangan. Sedangkan eliminasi bertujuan untuk
menghilangkan poligon kecil yang mengakibatkan noise pada hasil klasifikasi secara digital. Ukuran polygon yang dihilangkan sama dengan banyaknya pixel
pada polygon terkecil hasil digitasi secara visual dikalikan dengan resolusi citra. Pada penelitian ini ukuran polygon tersebut adalah 1 ha.
b. Klasifikasi secara visual
Citra 2005 dan 2012 ditafsirkan secara visual dengan bantuan software ArcGis version 9.1. Pembuatan batas setiap kelas tutupan lahan dilakukan dengan
cara deliniasi dilayar komputer on-screen digitizing. Tahap ini dilakukan dengan menggunakan bantuan unsur interpretasi citra seperti rona atau warna, tekstur,
pola, bentuk, bayangan, ukuran, asosiasi dan situs serta hasil observasi lapangan pada tahap pendahuluan. Hasil klasifikasi kelas tutupan lahan pada areal
IUPHHK-HA PT. Austral Byna diperoleh kelas tutupan lahan sebanyak enam kelas yang disajikan pada Tabel 8.
Tabel 8 Kelas tutupan lahan di IUPHHK-HA PT. Austral Byna
No Kelas
Keterangan 1
Hutan Seluruh kenampakan hutan, baik primer, sekunder dan rawa di dalam areal
PT. Austral Byna 2
Semak belukar
Kawasan bekas hutan yang telah tumbuh kembali mengalami suksesi namun didominasi oleh semak belukar dengan jumlah pohon jarang
Baplan, 2008 serta berasosiasi dengan jalan dan dekat ladang
3 Ladang
Merupakan salah satu jenis dalam pertanian lahan kering Baplan, 2008 yang ditanami padi tadah hujan, namun pada kasus ini lokasi ladang
memiliki ciri khusus yaitu berasosiasi dengan jalan utama perusahaan dan sungai. Dilapangan ladang terlihat hijau muda hingga menguning karena
padi sudah baru ditanam dan siap panen. Selain padi yang baru ditanan ladang juga dicirikan dengan hamparan yang didominasi oleh batang padi
yang sudah dipanen dan disekitarnya ditumbuhi ilalang dan semak belukar.
4 Perkebunan
Dijumpai disekitar permukiman, sungai dan jalan utama. Perkebunan yang ditemukan terdiri dari perkebunan karet, jati, dan kacang.
5 Tanah
terbuka Dilapangan tanah terbuka merupakan hasil kegiatan pemanenan maupun
kegiatan lainnya seperti pertanian, pelebaran jalan, dan pertambangan
Uji ketelitian klasifikasi
Uji ketelitian dimaksudkan untuk mempengaruhi besarnya kepercayaan pengguna terhadap setiap jenis data maupun metode analisisnya Purwadhi 2006.
Akurasi sering dianalisi menggunakan matrik kontingensi, yaitu suatu matrik bujur sangkar yang memuat jumlah piksel yang diklasifikasi. Matrik ini sering
juga disebut dengan “error matrix” atau “confusion matrix”. Akurasi ini biasanya diukur berdasarkan pembagian piksel yang
dikelaskan secara benar dengan total piksel yang digunakan jumlah piksel yang terdapat di dalam diagonal matrik dengan jumlah seluruh piksel yang digunakan.
Akurasi ini disebut overall accuracy akurasi umum yang biasanya over estimate. Overall akurasi dihitung dengan rumus sebagai berikut:
� = ���
� �=1
100
Karena hasil overall accuracy terlalu over estimate saat ini dianjurkan untuk menggunakan pengujian akurasi Kappa. Akurasi kappa menggunakan
semua elemen dalam matrik. Secara matematik, akurasi Kappa dihitung dengan rumus sebagai berikut: X
i+
K = = 1 ��1
� �
= 1 Xi₊X₊i
� �
2
− ��₊�₊� x 100
Keterangan: X
ii
= nilai diagonal dari matrik kontingensi baris ke-i dan kolom ke-i X
+i
= jumlah piksel dalam kolom ke-i X
i+
= jumlah piksel dalam baris ke-i N
= banyaknya piksel contoh
Perhitungan akurasi dengan menggunakan matrik kontingensi ini juga dapat menghitung besarnya akurasi pembuat
producer’s accuracy dan akurasi pengguna u
ser’s accuracy. Secara sistematis skema perhitungan akurasi pengguna, pembuat dan umum adalah sajikan pada Tabel 9.
Tabel 9 Matrik kesalahan matrik konfusierror matrix
Kelas referensi Dikelaskan ke kelas
Jumlah piksel Akurasi pembuat
A B
C Total piksel
A X
11
X
12
X
13
X
1+
X
11
X
1+
B X
21
X
22
X
23
X
2+
X
22
X
2+
C X
31
X
32
X
33
X
3+
X
33
X
3+
Total piksel X
+1
X
+2
X
+3
N Akurasi pengguna
X
11
X
+1
X
22
X
+2
X
33
X
+3
Sumber : Jaya 2010
Hasil klasifikasi secara on-screen diuji ketelitiannya menggunakan matrik konjugasi. Klasifikasi visual diuji dengan meng-overlay dan membandingkan titik
hasil groundcheck dan hasil klasifikasi digitasi tiap kelas tutupan lahan.
3.3.4. Penggabungan citra 1997, 2005 dan 2012.
Proses ini dilakukan dengan menggunakan menu intersect. Tabel pada tiap citra digabungkan menjadi satu, dan dihitung ulang luas areal pada tabel yang
sudah disatukan. Proses ini hanya bisa dilakukan jika batas areal yang digunakan sama dan kelas tutupan lahan yang digunakan juga sama.
Proses selanjutnya adalah mereduksi kelas awan, agar tidak terjadi perhitungan yang over estimate karena perbedaan posisi awan pada tiap tahunnya.
Proses ini dilakukan di software Arcgis 9.1 dengan cara terlebih dahulu pilih data berupa
awan pada
tahun 1997,
2005 dan 2012
dengan formula
“tuplah1997”=”awan” or “tuplah2005”=”awan” or “tuplah 2012”=”awan”. Selanjutnya data ini tidak digunakan pada analisis berikutnya.
3.4. Analisis Perubahan Tutupan Lahan
