Data dan Sumber Data
b. Raktifikasi data
Koreksi geometri dimana row dan path data citra landsat mempunyai sistem koordinat UTM Universal Transverse Mercator yang belum tentu sama
dengan basemap atau sistem proyeksi yang digunakan. Sehingga sebelum dilakukan pendugaan maka terlebih dahulu dilakukan koreksi secara geometris
berdasarkan Ground Control Point GCP sebagai titik kontrolreferensi. Setelah dilakukan koreksi secara geometrik, maka dilakukan juga koreksi secara
atmosferikradiometrik, untuk melihat sejauhmana citra tersbeut layak untuk digunakan dalam analisis. Citra dianggap layak jika kondisi tutupan awan 20
sebagai acuan untuk penentuan histogram.
Hal penting untuk mempertajam luas cakupan penutupan lahan yang dapat diidentifkasi termasuk waktu, jam dan tanggal pengambilan citra tersebut untuk
mengetahui pola-pola penutupan lahan saat melakukan klasifikasi dimana panduannya dapat diestimasi dari rekaman kejadian yang terjadi pada saat citra
diprogram. Gambar 5 menunjukkan kondisi sebelum dikoreksi dan setelah dikoreksi.
c. Subset image
Subset image adalah memotong cropping citra untuk menentukan daerah penelitian, Citra landsat tahun 1990, 2000, 2010 dan 2014 akan di-subset dengan
boundary DAS Ciliwung Hilir. d.
Komposit band Citra satelit Landsat 7+ETM mempunyai 8 band gelombang cakupan
per scene 185 x 185 km dengan resolusi 30 m multispectral. Untuk keperluan penafsiran citra ini diperlukan beberapa band yang dikombinasikan komposit
sehingga memudahkan dalam proses penafsiran. Citra ditampilkan pada layar monitor dengan model warna RGB Red Green Blue atau kombinasi band 5-4-3
karena merupakan tampilan terbaik untuk identifikasi secara visual. Tampilan RGB ini merupakan tampilan yang sangat baik karena merupakan warna primer
true color.
Gambar 5 Proses raktifikasi untuk koreksi geometri citra sumber: Hadi, Suwarto, Rusdiana, 2006
e. Klasifikasi terbimbing supervised classification
Klasifikasi terbimbing dilakukan dengan terlebih dahulu menentukan sampel untuk setiap kelas atau membuat training site area contoh berupa
poligon tertutup dalam bentuk vektor yang di-overlay-kan ke dalam citra yang ada. Penentuan daerah contoh dalam citra dilakukan berdasarkan nilai warna pada
raster contoh tertentu. Pemilihan dan penentuan daerah contoh diusahakan mencakup seluruh tipe penutupan lahan yang ada pada citra, agar tidak terjadi
pemaksaan pengklasifikasian. Pemilihan dan penentuan lokasi daerah contoh juga memperhatikan pengaruh posisi lereng dan naungan citra. Setelah training sample
AOI dibuat, maka proses klasifikasi terbimbing dapat dilakukan.
Secara umum tahapan analisis penutupan lahan pada penelitian ini dapat dilihat pada Gambar 6.
Hasil pengecekan lapang kemudian dibandingkan dengan nilai interpretasi yang sudah dilakukan, kemudian dihitung akurasinya menggunakan Overall
Accuracy dan Kappa Accuracy. Akurasi penutupan dan penggunaan lahan menggunakan akurasi Kappa Congalton dan Mead dalam Jaya 2014 yang
dihitung dengan rumus sebagai berikut :
dimana: X
ii
= nilai diagonal dari matriks kontingensi baris ke-i dan kolom ke-i X
+i
= jumlah piksel dalam kolom ke-i X
i+
= jumlah piksel dalam baris ke-i N
= banyaknya piksel dalam contoh Nilai Kappa Accuracy menghitung titik-titik uji dengan nilai
commissionuser’s accuracy nilai yang benar dalam baris dibagi nilai total dalam baris error matrix serta nilai omissionproducer accuracy nilai yang benar dalam
kolom dibagi nilai total dalam kolom error matrix. Nilai overall accuracy umumnya memiliki nilai lebih tinggi dibandingkan Kappa accuracy. Pengujian
hasil klasifikasi diharapkan mendapatkan nilai overall accuracy di atas 85 Jensen 1996.