Hasil Uji Akurasi Kerapatan Hutan Menggunakan 4 Kelas Kerapatan

Klasifikasi belief kurang baik digunakan untuk klasifikasi kerapatan hutan. Akurasi klasifikasi ini menunjukkan bahwa akurasinya dibawah 60 untuk semua indikator lapangan kecuali indikator kerapatan kanopi. Akurasi tertinggi hanya didapatkan pada indikator kerapatan kanopi 65. Penggunaan kerapatan hutan lainnya diantaranya LAI, CSI, CDI, VCR dan Lbds mempunyai akurasi yang rendah. Pada indikator lapangan menggunakan indikator tajuk crown indikator yaitu CSI, CDI dan VCR, klasifikasi FCD mempunyai akurasi yang rendah. Crown indicator merupakan indikator tegakan yang tidak hanya mencerminkan dimensi horizontal tajuk tetapi juga vertikal dan kualitas tajuk. Berdasarkan indikator ini maka FCD tidak dapat digunakan untuk mendeteksi kualitas tajuk. Sedangkan untuk dimensi horizontal tajuk yaitu menggunakan kerapatan kanopi mempunyai akurasi yang tinggi yaitu 86. Hal ini berarti bahwa apabila kerapatan tajuk digunakan sebagai indikator degradasi hutan sehingga klasifikasi FCD dapat diterapkan dengan baik. Indikator lain yang sering digunakan dalam klasifikasi kerapatan hutan adalah dengan LAI. Indek luas daun LAI merupakan total luas daun yang pada tegakan. LAI biasanya digunakan dalam pendugaan biomasa dan untuk identifikasi degradasi hutan. Klasifikasi FCD mempunyai akurasi yang rendah 53 untuk klasifikasi LAI sehingga tidak dapat diterapkan untuk mendeteksi LAI. Indikator kerapatan hutan dapat pula didekati dengan luas bidang dasar. Klasifikasi FCD untuk mendeteksi luas bidang dasar ini menunjukkan akurasi yang rendah yaitu 58. Hal ini dapat dikatakan bahwa FCD tidak dapat digunakan untuk mendeteksi degradasi hutan dengan menggunakan klasifikasi kerapatan berdasarkan luas bidang dasar. Tingkat akurasi pada masing-masing kelas kerapatan hutan dapat dilihat pada Tabel 18. Berdasarkan Tabel 18 maka dapat disimpulkan bahwa perbedaan kelas kerapatan hutan pada klasifikasi FCD berpengaruh terhadap tingkat akurasinya. Hal ini dapat dilihat pada user accuracy pada kelas hutan kerapatan rendah H1, kerapatan sedang H2 dan kerapatan sangat tinggi H4 mempunyai akurasi dibawah 85, sedangkan pada kelas hutan tinggi mempunyai akurasi lebih besar dari 85. Tabel 18 Hasil uji akurasi klasifikasi FCD, Maximum Likelihood, Fuzzy dan Belief Demspter Shafer per 4 kelas kerapatan hutan. No Kerapatan hutan Hasil Uji Akurasi FCD Maximum Likelihood Fuzzy Belief User ’s Accuracy Produser Accuracy User ’s Accuracy Produser Accuracy User ’s Accuracy Produser Accuracy User ’s Accuracy Produser Accuracy 1 NH 100 86 100 85 85 85 85 85 2 H1 83 71 86 86 40 40 54 75 3 H2 62 83 62 71 28 28 4 H3 92 92 88 84 80 91 83 77 5 H4 80 80 75 30 100 25 100 20 Keterangan: NH = Non Hutan, H1 = Kerapatan Rendah, H2 = Kerapatan Sedang, H3= Kerapatan Tinggi, H4 = Kerapatan Sangat Tinggi Akurasi klasifikasi menggunakan user ’s acuracy yang mempunyai akurasi rendah hanya pada kelas kerapatan hutan sedang yaitu 62. Hal ini berarti bahwa klasifikasi menggunakan FCD kurang baik digunakan pada kelas kerapatan sedang atau rendah. Oleh sebab itu maka klasifikasi FCD pada kelas kerapatan hutan tinggi dapat digunakan secara baik. Akan tetapi apabila menggunakan dua indikator akurasi yaitu producer’s acuracy dan user’s acuracy maka hanya pada klas kerapatan tinggi yang mempunyai akurasi lebih besar dari 85. Hal ini dapat diartikan bahwa algoritma yang dibangun oleh FCD kurang dapat meminimalkan efek latar belakang tanah dalam mempengaruhi nilai spektral pada kelas kerapatan hutan sedang dan rendah. Akan tetapi pada kelas kerapatan tinggi algortima yang dibangun oleh metode FCD terbukti dapat mengurangi efek latar belakang tanah. Berdasarkan Tabel 18 maka dapat disimpulkan bahwa dengan menggunakan producer ’s accuracy dan user’s accuracy maka hanya pada kelas hutan kerapatan rendah yang dapat diklasifikasi dengan baik oleh klasifikasi maximum likelihood. Pada kerapatan hutan, sedang dan sangat tinggi mempunyai tingkat akurasinya yang rendah. Hal ini disebabkan pada kelas kerapatan hutan sedang terdapat kesalahan yang tinggi akibat dari heterogenitas dari tutupan hutan yang bercampur antara tanah dan vegetasi hutan. Pada hutan yang mempunyai kerapatan tinggi mempunyai akurasi yang rendah dikarenakan pengaruh tutupan kanopi hutan yang tegakan yang berdiameter lebih besar dari 20 cm. Pada kerapatan hutan yang tinggi dimungkinkan tegakan dibawah 20 cm tidak dapat direkam oleh sensor satelit. Pada kerapatan hutan sedang terdapat beberapa kelas yang masuk pada kelas pertanian lahan kering sehingga berakibat tingkat akurasinya menjadi rendah Pada klasifikasi fuzzy hanya dapat digunakan pada kerapatan hutan yang sangat tinggi karena mempunyai user ’s accuracy lebih besar dari 85. Sedangkan pada kelas hutan yang kerapatannya lebih rendah maka akurasinya lebih rendah dari 85. Hal ini disebabkan karena pada saat penentuan piksel training area merupakan training area yang bercampur sehingga pada hasil klasifikasinya terdapat beberapa kelas yang masuk ke kelas lainnya. Penentuan fungsi keanggotaan juga menentukan kualitas dari hasil klasifikasi ini. Pada klasifikasi belief, kerapatan hutan yang sangat rendah dan rendah mempunyai tingkat akurasi yang rendah. Pada kerapatan hutan sedang dan tinggi mempunyai akurasi yang lebih baik. Hal ini dapat dilihat pada user’s accuracy yang kelas H1, H2 dan H3 yang mempunyai akurasi dibawah 85.

4.4 Hasil Uji Akurasi Tingkat Degradasi Menggunakan 3 Kelas Degradasi Hutan

Uji akurasi tingkat degradasi hutan menggunakan analisis temporal. Peta klasifikasi dari tahun 2003-2008 dianalisis menggunakan post classification analysis untuk menghasilkan peta degradasi hutan tentative. Kelas perubahan degradasi hutan dapat diklasifikasikan menjadi 3 seperti terlihat pada Tabel 19. Kelas deforestasi adalah pengurangan kerapatan dari hutan kerapatan sangat tinggi ke tutupan bukan hutan. Kelas degradasi berat adalah pengurangan kerapatan hutan dari kerapatan sangat tinggi ke kerapatan rendah. Kelas degradasi sedang adalah pengurangan kerapatan hutan dari kerapatan sangat tinggi ke kerapatan sedang dan hutan kerapatan tinggi ke kerapatan rendah. Kelas degradasi ringan adalah pengurangan kerapatan hutan sangat tinggi ke kerapatan hutan tinggi, kerapatan tinggi ke kerapatan sedang dan kerapatan sedang ke kerapatan rendah. Tabel 19 Klasifikasi degradasi hutan menggunakan 3 kelas degradasi hutan No Kelas Kriteria Penurunan Degradasi Kelas Kerapatan tegakan diameter 5cm NHa 1 Ringan Turun 1 Tingkat - Hutan Kerapatan Sangat Tinggi Ke Kerapatan Tinggi - Hutan Kerapatan Tinggi Ke Kerapatan Sedang - Hutan Kerapatan Sedang Ke Kerapatan Rendah 2-201 2 Sedang Turun 2 Tingkat - Hutan Kerapatan Sangat Tinggi Ke Kerapatan Sedang - Hutan Kerapatan Tinggi Ke Hutan Kerapatan Rendah 202-568 3 Berat Turun 3 Tingkat - Hutan Kerapatan Sangat Tinggi Ke Hutan Kerapatan Rendah 569-1053 4 Sangat Berat Deforestasi Turun 4 Tingkat - Hutan Kerapatan Sangat Tinggi Ke Non Hutan 1054 Berdasarkan uji akurasi klasifikasi citra sebelumnya maka akurasi metode klasifikasi yang lebih besar dari 60 adalah klasifikasi FCD dengan indikator kerapatan tegakan. Uji akurasi tingkat degradasi hutan akan dilakukan dengan metode tersebut. Berdasarkan uji akurasi antara klasifikasi FCD dengan penurunan kerapatan tegakan diameter 5cm maka dihasilkan akurasi 68 Tabel 20. Uji akurasi deteksi degradasi hutan secara temporal menggunakan peubah kerapatan kanopi dan VCR tidak dapat dilakukan di lapangan karena tidak dapat diidentifikasi langsung. Tabel 20. Hasil uji akurasi 3 tingkat degradasi hutan klasifikasi FCD. No Kelas degradasi Accuracy Klasifikasi User’s Producer’s 1 Ringan 66 73 2 Sedang 50 33 3 Berat 100 40 Overall Accuracy 68 Akurasi Kappa 54