Klasifikasi dan Penilaian Hasil klasifikasi

50

4.1.4 Klasifikasi dan Penilaian Hasil klasifikasi

Setelah memperoleh daerah contoh training area dilakukan klasifikasi terbimbing Supervised Classification. Dalam klasifikasi terbimbing, identitas dan lokasi beberapa tipe penutupanpenggunaan lahan diketahui secara apriori melalui kombinasi orientasi wilayah, analisis visual peta dan pengalaman pribadi. Metode klasifikasi terbimbing yang digunakan adalah algoritma kemiripan maksimum Maximum Likelihood ClassificationMLC. Hasil klasifikasi dengan MLC pada Citra Landsat tahun 1997 menghasilkan 7 kelas penutupanpenggunaan lahan yaitu, permukiman, kebun campuran, danausungai, sawah, lahan kosong, semak belukar dan awan. Pembagian kelas awan dilakukan karena hasil foto yang dilakukan oleh Citra Landsat-5-TM terdapat awan yang menghalangi kelas penutupanpenggunaan lahan. Sedangkan pada Citra Landsat tahun 2006 menghasilkan 6 kelas penutupanpenggunaan lahan yaitu, permukiman, kebun campuran, danausungai, sawah, lahan kosong, dan semak belukar. Pembagian kelas striping dilakukan karena hasil foto yang dilakukan oleh Citra Landsat-7-ETM, mengalami kerusakan sehingga citra yang dihasilkan terdapat striping. Hasil klasifikasi dengan MLC menghasilkan efek salt dan pepper Gambar 4.3 dan Gambar 4.4 yaitu poligon kecil yang tersebar tidak beraturan dari kelas tutupan lahan yang di identifikasi. Hal ini terjadi terutama ketika piksel berada diantara area yang penggunaan lahannya tidak terlihat atau bervariasi dan dipaksakan untuk di klasifikasi. Pendekatan dengan Maximum Likelihood classification sebenarnya memiliki 51 kelemahan yaitu banyaknya kesalahan klasifikasi yang muncul, walaupun hasil klasifikasi menunjukan nilai akurasi keseluruhan dan nilai kappa yang cukup tinggi. Untuk mengurangi hasil klasifikasi dilakukan pengecekan lapangan serta melihat peta rupabumi sebagai rujukan. Sedangkan untuk menghilangkan efek salt and papper dilakukan proses Focal Majority. Focal Majority dilakukan untuk mengeneralisasikan poligon-poligon kecil yang tidak beraturan agar terkelaskan kedalam tipe penggunaan lahan tetangganya agar homogen. Ketelitian klasifikasi dari kedua citra dinilai berdasarkan nilai akurasi keseluruhan dan nilai Kappa. Tabel 6 Matrik Konfusi dan Nilai Kappa Citra Landsat-7-ETM+ Tahun 2006 Kelas di Lapang Hasil Klasifikasi Pmk Kbn Dn Swh LK SB Jml Error Permukiman 157 1 0 1 0 0 159 0,03 Kebun Campuran 0 97 1 3 0 0 101 0,04 SungaiDanau 0 0 87 0 1 0 89 0,06 Sawah 0 2 0 75 0 1 78 0,04 Lahan Kosong 0 0 0 1 82 0 83 0,02 Semak Belukar 0 1 0 2 0 93 94 0,09 Jumlah 157 101 88 82 89 94 604 - Error 0,02 0,04 0,07 0,06 0,01 0 584 - 52 Tabel 7 Matrik Konfusi dan Nilai Kappa Citra Landsat-5-TM Tahun 1997 Kelas di Lapang Hasil Klasifikasi Pmk Kbn Dn Swh LK SB Jml Error Permukiman 107 1 0 1 0 0 109 0,01 Kebun Campuran 0 98 0 3 0 0 101 0,04 SungaiDanau 0 0 88 0 1 0 89 0,04 Sawah 0 2 0 79 0 1 82 0,06 Lahan Kosong 2 0 0 1 80 0 83 0,02 Semak Belukar 0 1 0 0 0 94 95 0,07 Jumlah 109 102 88 84 81 95 604 - Error 0,03 0,05 0,01 0,06 0,01 0 - - Citra Landsat-7-ETM+ tahun 2006 memiliki nilai akurasi sebesar 95,3 dan nilai Kappa sebesar 94,2 sedangkan Citra Landsat-5-TM tahun 1997 memiliki nilai akurasi keseluruhan sebesar 90,1 dan nilai Kappa sebesar 88,9. Ketelitian klasifikasi kedua citra cukup tinggi 85. 48 Gambar 4.3 Klasifikasi Citra Landsat-5- TM Tahun 1997 Kotamadya Depok Kombinasi Band 542 RGB 48 Gambar 4.4 Klasifikasi Citra Landsat-7- ETM Tahun 2006 Kotamadya Depok Kombinasi Band 542 RGB 48

4.2 Analisis PenutupanPenggunaan Lahan Tahun 1997 dan 2006