58
perubahan setiap penutup lahan hasil klasifikasi Neural Network Back Propagation
, mangrove primer mengalami pengurangan luas sebesar 599,76 ha, sedangkan mangrove sekunder mengalami pengurangan sebesar 848,70 ha. Citra
hasil klasifikasi dengan metode neural network back propagation ditampilkan
pada Lampiran 8, perubahan antara tahun 1991 dan tahun 2001 dengan metode
ini ditampilkan pada Lampiran 9. Tabel 18 Luasan objek hasil klasifikasi
neural network back propagation
Kelas Th. 1991 ha
Th. 2002 ha Perubahan ha
Perairan 4.369,14 4.467,33
98,19 Mangrove primer
15.268,77 14.669,01
-599,76 Mangrove sekunder
2.514,69 1.665,99
-848,70 Tambak 166,50
474,75 308,25
Lainnyaveg darat 2.395,53
3.115,26 719,73
Awan 0,00 322,29
322,29
4.10 Overlay Citra Hasil Klasifikasi dengan Referensi
Akurasi ketelitian hasil klasifikasi maximum likelihood dan neural network back propagation
diperoleh dengan cara membandingkan masing-masing hasil klasifikasi dengan peta referensi. Peta referensi yang digunakan disini merupakan
hasil digitasi manual menggunakan software Arc View yang dilakukan oleh TNC. Kombinasi kanal yang digunakan dalam digitasi adalah RGB 542. Pada
Tabel 19 ditampilkan hasil matrik kontingensi antara hasil metode masing-masing klasifikasi dengan peta referensi.
Tabel 19 Matrik kontingensi metode
maximum likelihood
dan
neural network back propagation
dengan peta referensi
Metode Klasifikasi
Maximum likelihood Neural network back
propagation Non mangrove Mangrove
Non mangrove Mangrove Non
mangrove 0,7779 0,0437 0,7623 0,0186 Mangrove
0,0141 0,1642 0,0298 0,1893 Overall accuracy
94,21 95,17 Overall kappa
0,8145 0,8561
Dari kedua metode klasifikasi yang digunakan pada penelitian diperoleh hasil bahwa metode yang lebih baik dalam memetakan mangrove kasus
59
Kabupaten Berau adalah metode
neural network back propagation
dengan nilai overall accuracy
sebesar 95,17 dan overall kappa sebesar 0,8561. Pada Gambar 16 ditampilkan hubungan antara hasil klasifikasi maximum
likelihood dan neural network back propagation. Dari hasil analisis regresi antara
kedua metode klasifikasi tersebut diperoleh hasil koefisien korelasi yang cukup tinggi r = 0,936.
Gambar 16 Hasil regresi antara metode klasifikasi maximum likelihood dengan neural network back propagation.
Pada Tabel 20 menampilkan luas tiap objek hasil overlay antara hasil klasifikasi maximum likelihood dan neural network back propagation. Dari Tabel
tersebut diketahui bahwa objek mangrove primer pada klasifikasi maximum likelihood
yang juga dimasukkan kelas mangrove primer pada klasifikasi neural network back propagation
seluas 11.582,91 ha. Mangrove primer pada hasil klasifikasi maximum likelihood dimasukkan mangrove sekunder pada klasifikasi
neural network back propagation seluas 1,62 ha. Mangrove sekunder pada
klasifikasi maximum likelihood yang juga dimasukkan kelas mangrove sekunder pada klasifikasi neural network back propagation seluas 929,7 ha, sedangkan
564,84 ha masuk kelas mangrove primer, 0,18 ha masuk kelas tambak, 214,29 ha masuk kelas lainnyavegetasi darat.
Tabel 20 Matrik metode klasifikasi maximum likelihood dengan metode neural
network back propagation
maximum likelihood neural
ne tw
ork
60
Metode Klasifikasi
Kelas Maximum Likelihood
ha
Perairan Mangrove primer
Mangrov e
sekunder Tambak Lainnya
veg darat Awan
Neural Network
Back Propagation
ha
Perairan
4.284,99 0,00
0,00 160,38 11,97
9,99
Mangrove primer
1.346,58 11.582,91
564,84 16,74 1.105,02
52,92
Mangrove sekunder
0,00 1,62
929,70 0,00 734,67
0,00
Tambak
12,15 0,00
0,18 325,71 84,42
52,29
Lainnyaveg darat
30,60 0,00
214,29 12,24 2.814,03
44,10
Awan
0,45 0,00
0,00 72,27 42,48
207,09
4.11 Indeks Vegetasi
