57
4.3 Penilaian Akurasi Data 4.3.1 Koreksi Posisi
Koreksi posisi E dilakukan pada 122 titik pengamatan yang tersebar di gosong Karang Congkak dan Karang Lebar bertujuan untuk menambah
keakuratan posisi. Penelitian ini diperoleh nilai ∆E dari perhitungan dalam satu hari, tidak semua posisi terkoreksi dikarenakan adanya gangguan teknis seperti
GPS mati. Hasil koreksi posisi diperoleh nilai ∆E berkisar antara 0.4 – 6.7m, berarti bahwa keakurasian pengukuran posisi meningkat walaupun belum
maksimum seperti memakai Differential GPS. Hal ini tentunya mendekati resolusi spasial citra satelit Quickbird 2.44m x 2.44m.
Kesalahan posisi untuk banyak penggunaan GPS umumnya merupakan hal yang tidak dapat diterima, apalagi jika nilainya mencapai 30-100m seperti
dinyatakan Green et al. 2000. Berdasarkan pendekatan beda fase 5 detik yang diset untuk mengukur kesalahan yang sering terjadi dan pada waktu yang sama
dari informasi spasial yang dikumpulkan adalah sangat memungkinkan untuk mengkoreksi banyak ketidakakuratan. Teknik ini masih cukup baik jika
dibandingkan dengan Green et al. 2000 yang mengatur GPS referensi sedetik untuk mengkoreksi GPS stationer hingga memiliki akurasi yang sangat tinggi jika
akurasi posisi 2-3m dihasilkan, maka memerlukan akurasi 0.5m. GPS receiver mengumpulkan data lapang dalam penelitian ini, akurasinya
menjadi sangat penting khususnya pengumpulan data menggunakan citra resolusi tinggi seperti Quickbird. Hal ini menjadi penting artinya tidak hanya
dalam penelitian ini, tetapi ditegaskan pula oleh Serr et el. 2006 bahwa GPS receiver dengan akurasi 2-5m seperti Trimble GeoExplorer II tidak dapat
mengumpulkan data yang meregistrasi 2-4m pixel yang benar dari citra Quickbird. Perhitungan GPS receiver 5 detik ini sudah memadai sebagaimana
Kechine et al. 2003 menguji secara kinematik 7-8 detik dan lebih dari 99 pada koreksi global dengan interval 1 detik.
4.3.2 Uji Akurasi Hasil Klasifikasi Habitat Perairan Dangkal
Uji akurasi tematik klasifikasi perairan dangkal area gusung Karang lebar dan Karang Congkak menunjukkan perbedaan yang tidak berarti dari masing-
masing klasifikasi algoritma ANN-BP Gambar 4-16 dan ANN-AdaBoost Gambar 4-17 setelah ditumpangsusunkan dengan menggunakan data GPS
hasil koreksi. Akurasi keseluruhan dari hasil uji akurasi tematik tersebut disajikan
58
secara lengkap disajikan untuk klasifikasi algoritma ANN-BP Tabel 4-4 dan ANN-AdaBoost Tabel 4-5 berikut:
Gambar 4-16 Lokasi kajian uji akurasi tematik klasifikasi algoritma ANN-BP Tabel 4-4 Uji akurasi klasifikasi habitat perairan dangkal algoritma ANN-BP
1 2
3 4
5 6
Karang Hidup
karang mati
Pasir Lamun pasir mix
karang pasir mix
lamun total
baris 1 Karang Hidup
17 17
2 karang mati 5
30 1
1 37
3 Pasir 19
3 1
23
4 Lamun 2
1 9
12
5 pasir campur karang 5
16 21
6 pasir campur lamun 2
10 12
total kolom 24
32 20
18 17
11 122
Keterangan : Total benar = 101, Total sampel= 122,
Total akurasi = 101122100 = 82.79
producer accuracy user accuracy
Lapangan akurasi
Citra akurasi
1 1724 = 70.83
1 1717= 100.00
2 3032= 93.75
2 3037=
81.08 3
1920= 95.00 3
1923= 82.61
4 918 = 50.00
4 912=
75.00 5
1617 = 94.12 5
1621= 76.19
6 1011 = 90.91
6 1012=
83.33
Citra training Lapangan
[Type a quote from the document or the summary of an interesting point. You can position the text box anywhere in the document. Use the Text Box Tools tab to
change the formatting of the pull quote text box.]
59
Gambar 4-17 Lokasi kajian uji akurasi tematik klasifikasi algoritma ANN-
AdaBoost
Tabel 4-5 Uji akurasi klasifikasi habitat perairan dangkal Algoritma ANN-
AdaBoost
1 2
3 4
5 6
Karang Hidup
karang mati
Pasir Lamun pasir mix
karang pasir mix
lamun Total
baris 1 Karang Hidup
17 17
2 karang mati 5
30 1
1 37
3 Pasir 19
3 1
23
4 Lamun 2
1 9
12
5 pasir campur karang 4
17 21
6 pasir campur lamun 2
10 12
total kolom 24
32 20
17 18
11 122
Keterangan : Total benar = 102, Total sampel= 122,
Total akurasi = 102122100 = 83.61
producer accuracy user accuracy
Lapangan akurasi
Citra akurasi
1 1724 = 70.83
1 1717= 100.00
2 3032= 93.75
2 3037=
81.08 3
1920= 95.00 3
1923= 82.61
4 917 = 52.94
4 912=
75.00 5
1718 = 94.44 5
1721= 80.95
6 1011 = 90.91
6 1012=
83.33
Citra training Lapangan
[Type a quote from the document or the summary of an interesting point. You can position the text box anywhere in the document. Use the Text Box Tools tab to
change the formatting of the pull quote text box.]
60
Pengembangan uji hasil klasifikasi algoritma ANN-BP menunjukkan 82.79 relatif lebih besar dari klasifikasi algoritma lyzenga Amri, dkk 2010 sebesar
79.01 maupun Siregar, dkk 2010 sebesar 79. Hal ini semakin meningkat dengan diterapkannya algoritma ANN-AdaBoost menghasilkan 83,61. Dengan
demikian dapat dikatakan bahwa penerapan klasifikasi ini dapat digunakan untuk memetakan habitat dasar perairan gusung karang lebar dan karang congkak
Kepulauan Seribu. Hasil perhitungan akurasi untuk producer dan user memperlihatkan bahwa
semua jenis penutupan dasar perairan terwakili dengan baik. Fakta ini menunjukkan bahwa skenario uji akurasi telah memadai untuk mencakup
keseluruhan skema kelas penutupan lahan yang dihasilkan dari hasil transformasi citra transformasi. Faktor lain yang turut mempengaruhi tingkat
akurasi adalah terjadinya selisih posisi antara citra dan GPS. Terkait dengan proses transformasi sistem koordinat citra ke sistem koordinat GPS diperoleh
root mean square error untuk posisi adalah 0,57m. Hal ini sudah cukup memadai bagi resolusi spasial citra Quickbird.
Keseluruhan hasil uji akurasi habitat terumbu karang diatas menunjukkan bahwa metode klasifikasi ANN supervised masih memiliki tingkat akurasi relatif
baik, jika diperbandingkan dengan hasil penilaian akurasi penelitian De Mazieres 2008, hasil yang sama diperoleh dari hasil penelitian Green et al. 2000
menggunakan data satelit Landsat bahwa klasifikasi unsupervised menghasilkan peta habitat karang dengan overall accuracy rendah 50 dibandingkan 70
menggunakan klasifikasi supervised. Demikian pula halnya klasifikasi unsupervised yang mengembangkan algoritma ISODATA untuk memetakan
habitat bentik perairan tropik diperoleh overall accuracy 81 Mishra et al. 2006. Hasil klasifikasi habitat perairan dangkal dari pengembangan metode
klasifikasi ANN di atas menunjukkan tingkat akurasi masih relatif lebih tinggi dibandingkan dengan hasil penelitian Siregar dkk 2010 dari hasil uji akurasi
kondisi ekosistem dasar perairan difokuskan kajian di tubir dan area luar dilakukan deliniasi, terhadap 5 kategori yaitu sangat baik, baik, sedang, buruk,
dan sangat buruk. Uji akurasi kondisi terumbu sangat baik dan baik dijadikan satu kelas, sedangkan kondisi buruk dan sangat buruk dijadikan satu kelas. Hal
ini dilakukan, karena menginterpretasikan data cukup sulit. Uji akurasi dilakukan di Karang Lebar diperoleh total akurasi 41.67 .
61
Gambar 4-18 Kajian akurasi kondisi ekosistem terumbu karang Karang Lebar
Siregar dkk. 2010
Tabel 4-8 Uji akurasi klasifikasi ekosistem terumbu karang Siregar dkk. 2010
1 2
3 4
5
Total baris
Sangat baik
Baik Sedang
Buruk Sangat
buruk 1
Sangat baik 1
2 3
2 Baik
12 4
10 10
7 43
3 Sedang
3 1
4 4
Buruk 1
2 4
3 10
5 Sangat buruk
Total kolom 13
5 15
16 11
60 Keterangan: Total benar = 25, Total sampel = 60, Total akurasi = 2560100 = 41.67
Uji akurasi klasifikasi kondisi ekosistem terumbu karang meliputi skema kategori kelas terumbu karang buruk, sedang dan baik hasil penelitian ini relatif
lebih rendah, jika dibanding dengan perolehan akurasi penelitian Benfield et al. 2007, khususnya penggunaan Quickbird di kepulauan Las Perlas dari
perbandingan berbagai metode klasifikasi citra.
Citra training Lapangan
[Type a quote from the document or the summary of an interesting point. You can position the text box anywhere in the document. Use the Text Box Tools tab to
change the formatting of the pull quote text box.]
5 KESIMPULAN DAN SARAN
5.1 Kesimpulan