Klasifikasi maximum likelihood Klasifikasi neural network back propagation

56

4.9.1 Klasifikasi maximum likelihood

Maximum likelihood adalah metode standard untuk klasifikasi McLachlan 1991. Asumsi dari algoritma maximum likelihood ini adalah objek homogen akan menampilkan histogram yang terdistribusi normal bayesian. Pada algoritma ini pixel dikelaskan sebagai objek tertentu tidak karena jarak euklidiannya, melainkan oleh bentuk, ukuran dan orientasi sampel pada feature space. Berdasarkan hasil klasifikasi pada citra landsat-5 TM tahun 1991 diketahui bahwa pada lokasi studi yang meliputi: Pilanjau dan Pesayan Kecamatan Sambaliung Desa RadakBuyung-buyung, Desa Semurut, Desa Tuban, Tabalar Muara Kecamatan Talisayan mempunyai hutan mangrove primer seluas 13.012,11 ha dan mangrove sekunder seluas 1.698,57 ha. Pada citra tahun 2002 Landsat-7 ETM+, berdasarkan klasifikasi maximum likelihood diketahui luas hutan mangrove primer seluas 11.584,53 ha dan mangrove sekunder seluas 1.709,01 ha Tabel 16. Tabel 16 tersebut juga menampilkan total dari perubahan setiap penutup lahan, dan diketahui dari keempat metode klasifikasi yang digunakan luas lahan tambak mengalami peningkatan. Sedangkan peta hasil klasifikasi dengan metode maximum likelihood ditampilkan pada Lampiran 6. Peta hasil overlay antara citra hasil klasifikasi maximum likelihood tahun 1991 dan tahun 2002 ditampilkan pada Lampiran 7. Tabel 16 Luasan objek hasil klasifikasi maximum likelihood Kelas Th. 1991 ha Th. 2002 ha Perubahan ha Perairan 5.315,40 5.674,77 359,37 Mangrove primer 13.012,11 11.584,53 -1.427,58 Mangrove sekunder 1.698,57 1.709,01 10,44 Tambak 371,07 587,34 216,27 Lainnyaveg darat 4.317,48 4.792,59 475,11 Awan 0,00 366,39 366,39 57

4.9.2 Klasifikasi neural network back propagation

Back propagation merupakan algoritma pembelajaran yang terawasi dan biasanya digunakan oleh perceptron dengan banyak lapisan untuk mengubah bobot-bobot yang terhubung dengan neuron-neuron yang ada pada lapisan tersembunyinya. Algoritma ini menggunakan error output untuk mengubah nilai bobot-bobotnya dalam arah mundur backward, untuk mendapatkan error ini tahap perambatan maju forward propagation harus dikerjakan terlebih dahulu, pada saat perambatan maju, neuron-neuron diaktifkan dengan menggunakan fungsi aktivasi sigmoid Kusumadewi 2003; Kusumadewi 2004. Input layer yang digunakan sejumlah enam kanal 1, 2, 3, 4, 5 dan 7 dan enam output layer, yaitu meliputi: perairan, mangrove primer, mangrove sekunder, tambak, lainnya, awan. Kombinasi jumlah hidden layer yang digunakan adalah 6, 12, 18 dan 24. Neural network ditraining menggunakan algoritma back propagation dengan kombinasi nilai learning rate masing-masing 0,001, 0,01, 0,1, 0,2 dan 0,3. Sedangkan momentum yang digunakan adalah 0,5. Learning rate berpengaruh pada kecepatan training, sedangkan momentum sensitif terhadap error surface. RMS error 0,0001 sebagai convergency point, dimana training akan berhenti ketika convergency dicapai. Pada Tabel 17 menunjukkan bahwa hasil klasifikasi dengan akurasi terbaik dicapai apabila menggunakan 12 hidden layer dengan nilai learning rate 0,2, sehingga akan didapatkan nilai akurasi sebesar 86,67 dengan iterasi yang terendah yaitu ke-77. Tabel 17 Akurasi berdasarkan perbedaan learning rate dan jumlah hidden layer Hidden layer Learning Rate 0,001 0,01 0,1 0,2 0,3 Iterasi Acc Iterasi Acc Iterasi Acc Iterasi Acc Iterasi Acc 6 1.000 23,33 1.000 60,00 167 85,00 64 85,00 70 85,00 12 1.000 16,67 902 85,00 102 85,00 77 86,67 241 85,00 18 1.000 45,00 1.000 80,00 135 85,00 435 85,00 1.000 75,00 24 1.000 38,33 563 85,00 144 86,67 320 85,00 1.000 16,67 Luasan hasil klasifikasi dengan metode neural network back propagation ditampilkan pada Tabel 18. Pada tabel tersebut juga ditampilkan total dari 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