5.3.2.4 Metode Klasifikasi Tidak Terbimbing Citra TerraSAR-X
Klasifikasi tidak terbimbing adalah klasifikasi yang proses pembentukan kelas-kelasnya sebagian besar dikerjakan oleh komputer. Kelas-kelas atau klaster
yang terbentuk dalam klasifikasi ini sangat bergantung kepada data itu sendiri. Metode klasifikasi tidak terbimbing yang dilakukan dalam penelitian ini adalah
metode k-means. Pada metode ini, menurut Henry 2011 klaster yang harus disediakan agar algoritma ini dapat mengelompokkan data adalah
k. Pengelompokan dilakukan berdasarkan centroid atau titik pusat massanya. Titik
pusat massa ini berupa rerata mean dari sekumpulan data yang telah dikelompokkan ke beberapa klaster. Sehingga nilai pusat titik massa ini akan
berubah-ubah hingga mencapai titik dimana pusat titik massa tidak lagi mengalami perubahan. Kelas awal yang dibentuk pada klasifikasi k-means dalam
penelitian ini sebanyak 4 kelas.
Gambar 18 Hasil klasifikasi k-means dengan 4 kelas tutupan lahan. Berdasarkan hasil klasifikasi k-means dengan menggunakan 4 kelas,
seperti yang tampak pada Gambar 18, nilai overall accuracy didapatkan sebesar
45,09
dan kappa coefficient sebesar 0,27. Nilai akurasi ini lebih kecil jika dibandingkan dengan proses klasifikasi terbimbing. Hal ini disebabkan dengan
banyaknya kesalahan yang terjadi baik pada kesalahan komisi maupun keslahan omisi. Besarnya nilai kesalahan-kesalahan tersebut dapat dilihat pada Tabel 14.
Tabel 14 Confusion matrix ground truth pada metode k-means
No Kelas
Tambak dan sungai
piksel Padang
rumput piksel
Tanah lapang
piksel Vegetasi
mangrove piksel
Total piksel
1 Tambak dan sungai
piksel 253464
1918 648
4467 260497
2 Padang rumput
piksel 319870
17098 7561
30522 375051
3 Tanah lapang
piksel 78531
23226 8528
84870 195155
4 Vegetasi mangrove
piksel 12409
25745 18475
220286 276915
Total piksel 664274
67987 35212
340145 1107618
Producer’s accuracy 38,16
25,15 24,22
64,76 User’s accuracy
97,30 4,56
4,37 79,55
Overall accuracy 45,09
Kappa accuracy 27,34
Dari Tabel 14 dapat dilihat bahwa pada tanah lapang memiliki nilai akurasi yang terkecil dengan akurasi pengguna hanya sebesar 4,37 . Sedangkan
untuk akurasi pembuatnya, tanah lapang memiliki akurasi hanya sebesar 24,22 . Besarnya nilai kedua akurasi ini rata-rata kecil. Hanya pada objek tambak dan
sungai yang mempunyai nilai akurasi yang besar, yaitu sebesar 97,30 pada akurasi penggunanya. Sedangkan untuk akurasi pembuatnya objek tambak dan
sungai masih memiliki akurasi yang kecil yaitu hanya 38,16 . Dengan besarnya nilai-nilai akurasi tersebut menghasilkan akurasi secara keseluruhan hanya sebesar
45,09 . Hasil ini jauh lebih kecil dibandingkan dengan menggunakan klasifikasi terbimbing.
Kecilnya akurasi klasifikasi tidak terbimbing ini disebabkan karena dalam proses klasifikasi tidak mempertimbangkan kehomogenan dari piksel-piksel yang
diklasifikasi. Pada area badan air seperti tambak dan sungai masih banyak terdapat piksel yang teridentifikasi rumput. Sedangkan dalam proses penafsiran
visual, adanya rumput atau gulma yang terdapat di tengah tambak diabaikan. Hal ini karena jumlah rumput atau gulmanya berbentuk kecil-kecil dan menyebar
merata, sehingga sangat menyulitkan dalam proses digitasi poligon.
5.4 Klasifikasi dan Identifikasi Spesies Hutan Mangrove