ACCURACY ASSESSMENT UNTUK KELAS KLASIFIKASI

TERBIMBING (Supervised classification) DAN KLASIFIKASI TAK

TERBIMBING (unsupervised classification) KOTA BOGOR
ACCURACY ASSESSMENT UNTUK KELAS KLASIFIKASI TERBIMBING (Supervised
classification) DAN KLASIFIKASI TAK TERBIMBING (unsupervised classification)
KOTA BOGOR
Febby W. Pramudita ¹⁾ ,
¹⁾ Jurusan Konservasi Sumberdaya Hutan dan Ekowisata, Fakultas Kehutanan IPB

Abstrak : Klasifikasi citra biasanya dilakukan menggunakan metode yaitu klasifikasi terbimbing
(Supervised classification) dan klasifikasi tidak terbimbing (unsupervised
classification).Klasifikasi ini menggunakan peta kota Bogor. Accuracy assessment sangat penting
digunakan untuk mengetahui sejauh mana data kita akurat. Hasil perhitungan akurasi dengan
menggunakan metode klasifikasi terbimbing (Supervised) menunjukkan bahwa overall accuracy
sebesar 60.00%, . Nilai kappa accuracy yang diperoleh sebesar 0.5345. Untuk akurasi dengan
menggunakan metode klaisifikasi takterbimbing (Unsupervised), memiliki nilai overall
accuracy 32.17 %, kappa accuracy sebesar 0.2221. Nilai akurasi dari kedua metode tersebut
selisihnya tidak terlalu berbeda dan digolongkan dalam kriteria sedang karena dibawah nilai 85%

Kata kunci : Accuracy assessment , Classification supervised, dan Classification unsupervised

PENDAHULUAN
Pengembangan Penggunaan Lahan saat ini masih berdasar pada pemahaman secara sempit
sehingga memberi dampak yang sangat besar pada pulau-pulau kecil. Karakteristik pulau-pulau
kecil sangat rentan terhadap gangguan atau mudah mengalami kerusakan, memiliki daya dukung
yang rendah, mudah terjadi kekeringan dan banjir, tingkat erosi tinggi, kekurangan air bersih,
mudah terjadi kehancuran ekosistem dan kepunahan keanekaragaman hayati, penurunan
produktivitas, timbul kemiskinan, dan ancaman iklim global.
Remote Sensing (penginderaaan jauh) telah digunakan secara luas untuk berbagai keperluan,
antara lain pertanian, biologi, pertambangan, kelautan, dan sebagainya. Penginderaan jauh
merupakan suatu metode untuk memperoleh informasi tentang suatu objek, areal atau fenomena
geografis melalui analisa data yang diperoleh dari sensor.
Ada beberapa proses yang dilakukan pada pengolahan citra satelit secara digital, diantaranya
adalah : Pra-pengolahan (PreProcessing) atau pemulihan citra (Image Restoration), penajaman
citra (Image Enhancement), dan klasifikasi citra (Image Classification). Citra awal (Raw Image)
yang belum diolah, merupakan citra yang terdiri atas informasi tentang objek atau fenomena di
permukaan bumi yang disertai dengan adanya derau (noise) yang ditimbulkan oleh sistem
pencitraan.
Klasifikasi secara kuantitatif dalam konteks pengolahan dijital dapat diartikan sebagai suatu
proses mengelompokan piksel kedalam kelas-kelas yang ditetapkan berdasarkan peubah-peubah
yang digunakan. Proses ini sering juga disebut dengan segmentasi (segmentation). Kelas yang
dibuat dapat berupa sesuatu yang terkait dengan fitur-fitur yang dikenali dilapangan atau
 berdasarkan kemiripan yang dikelompokan secara statistik oleh komputer. Klasifikasi diperlukan
pada citra komposit agar lebih mudah dievaluasi karena dalam klasifikasi objek atau fenomena
dipermukaan bumi dari jumlahnya yang sangat besar disederhanakan jumlahnya menjadi hanya
beberapa kelas yang mudah dianalisis.
Berdasarkan teknik pendekatannya klasifikasi dibedakan atas klasifikasi tidak terbimbing
(unsupervised classification) dan klasifikasi terbimbing (supervised classification). 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. Dalam prosesnya, klasifikasi ini mengelompokan pikselpiksel
berdasarkan kesamaan atau kemiripan spektralnya. Sedangkan klasifikasi terbimbing adalah
klasifikasi yang dilakukan dengan arahan analis (supervised). Kriteria pengelompokan kelas
ditetapkan berdasarkan penciri kelas (class signature) yang diperoleh analis melalui pembuatan
area contoh (training area).
Analisis akurasi dilakukan untuk mengetahui tingkat ketepatan klasifikasi yang dibuat.
Akurasi dianalisis menggunakan suatu matriks kontingensi yaitu suatu matriks bujur sangkar yang
memuat jumlah piksel yang diklasifikasi, yang disusun. Matriks ini sering disebut “error matrix”
atau “confusion matrix”. Dalam matrik kontingensi ini, analis dapat juga menghitung besanya
akurasi pembuat (producers accuracy) dan akurasi pengguna (users accuracy) dari setiap kelas.
TUJUAN
Tujuan dari praktikum ini yaitu :
1. Menentukan nilai akurasi dari hasil metode klasifikasi terbimbing ( supervised )
2. Menentukan nilai akurasi dari hasil metode klasifikasi terbimbing ( Unsupervised )
3. Membandingkan nilai akurasi dari kedua metode tersebut.

METODE
Kondisi Umum Kota Bogor
Kota Bogor yang merupakan salah satu dari tiga kota besar di Provinsi Jawa Barat terletak
± 50km di sebelah selatan Jakarta dan ± 120km sebelah barat kota Bandung dan bila dilihat secara
geografis terletak di antara 106o 43´ - 106o 51´ Bujur Timur dan 6 o 31’- 6 o 40’ Lintang Selatan
yang dibatasi oleh Kabupaten Bogor, dengan batas-batasnya sebagai berikut :
- Sebelah Utara : Kecamatan Sukaraja, Kecamatan Bojong Gede dan Kecamatan Kemang,
Kabupaten Bogor
- Sebelah Barat : Kecamatan Ciomas dan Kecamatan Dramaga, Kabupaten Bogor
- Sebelah Selatan : Kecamatan Cijeruk dan Kecamatan Caringin, Kabupaten Bogor
- Sebelah Timur : Kecamatan Sukaraja dan Kecamatan Ciawi, Kabupaten Bogor
Secara administratif Kota Bogor yang dikelilingi sepenuhnya oleh Kabupaten Bogor dan
menjadi pusat pertumbuhan Bogor Raya ini dikelilingi oleh bentangan alam pegunungan, mulai
dari Gunung Pancar, Gunung Gede Pangrango, Gunung Salak dan Gunung Halimun yang
menyerupai huruf U. Selain itu Kota Bogor berada pada bagian tengah dari Daerah Pengaliran
Sungai Ciliwung dan Cisadane yang bermuara di Jakarta dan Tanggerang. Dua sungai besar ini
memiliki 7 anak sungai yang membentuk pola aliran pararel-sub pararel yang mempercepat waktu
untuk mencapai debit puncak (time to peak) pada Sungai Ciliwung Cisadeane sebagai sungai
utamanya.
Alat dan Bahan
Alat yang digunakan dalam praktikum ini adalah : Laptop dengan aplikasi ERDAS
2014 dan alat tulis. Bahan yang digunakan dalam praktikum ini adalah berupa kumpulan jurnal ,
skripsi, satu set citra Landsat 8 (band 1, 2, 3, 4, 5, 6, 7, 9) path/row 122/065 pengambilan April
2014, shapefile Kota Bogor, dan titik ground check Kota Bogor.

HASIL
Hasil perhitungan akurasi dengan menggunakan metode klasifikasi terbimbing (Supervised)
menunjukkan bahwa overall accuracy sebesar 60.00%, . Nilai kappa accuracy yang diperoleh
sebesar 0.5345. Untuk akurasi dengan menggunakan metode klaisifikasi takterbimbing
(Unsupervised), memiliki nilai overall accuracy 32.17 %, kappa accuracy sebesar 0.2221.
PEMBAHASAN
Tutupan lahan adalah segala yang meliputi jenis kenampakan yang ada di permukaan bumi
pada lahan tertentu. Berbeda dengan penggunaan lahan yang meliputi segala jenis kenampakan
dan sudah dikaitkan dengan kegiatan manusia dalam memanfaatkan lahan.Tutupan lahan
merupakan istilah yang digunakan untuk meyebutkan suatu kenampakan lahan secara fisik, baik
kenampakan alami maupun kenampakan buatan manusia, misalnya sawah, hutan, pemukiman,
perkebunan, badan air, dan lahan kosong.
Perubahan penggunaan lahan tersebut sangat perlu dipelajari, untuk itu diperlukan data yang
dapat memberi informasi mengenai luasan perubahan lahan secara cepat dan up to date.
Penggunaan data satelit merupakan cara yang efektif untuk pemetaan penggunaan lahan, karena
data satelit memiliki rentang waktu yang dapat diatur untuk pengambilan data citra untuk lokasi
yang sama. Perkembangan teknologi penginderaan jauh saat ini mengarah pada peningkatan
resolusi spasial dan temporal untuk perolehan informasi dan keperluan monitoring. Mengingat
sangat terkaitnya permasalahan perubahan lahan ini dengan aspek keruangan, pendekatan
menggunakan Sistem Informasi Geografis (SIG) juga diperlukan untuk informasi yang akan
didapat, seperti sistem inputdata peta yang baik(Purwadhi 2001).
Klasifikasi data adalah suatu proses dimana semua pixel dari suatu citra yang mempunyai
penampakan spektral yang sama akan diidentifikasikan. Penafsiran citra visual dapat didefiniskan
sebagai aktivitas visual untuk mengkaji citra yang menunjukkan gambaran muka bumi yang
tergambar di dalam citra tersebut untuk tujuan identifikasi obyek dan menilai maknanya ( Howard,
1991 ). Penafsiran citra merupakan kegiatan yang didasarkan pada deteksi dan identifikasi obyek
dipermukaan bumi pada citra satelit Landsat 8. Dengan mengenali obyek-obyek tersebut melalui
unsur-unsur utama spektral dan spasial serta kondisi temporalnya. Untuk mengetahui seberapa
akurat hasil klasifikasi citra yang telah dilakukan, uji akurasi dilakukan melalui matriks kesalahan
(error matrix).
Citra satelit dapat mengandung berbagai kesalahan dalam geometri dan radiometri
(cosmetic appearance). Oleh karena itu penting untuk memperbaiki citra sebelum memulai
interpretasi.Untuk bisa melaksanakan itu diperlukan dua data yakni: image hasil klasifikasi yang
akan diuji akurasinya dan data lapangan (ground truth data) sebagai referensi.
GCP dapat diartikan suatu lokasi dipermukaan bumi yang teridentifikasikan pada citra dan
dikenali posisinya pada peta. Selain menggunakan data lapangan juga dapat dilakukan dengan
mengambil koordinat suatu tempat dengan menggunakan alat GPS. Dalam menentukan jumlah
GCP itu sendiri terdapat sebuah kriteria,semakin variatif topografi daerah yang akan dikoreksi
maka semakin banyak jumlah GCP yang akan digunakan. Jumlah GCP itu sendiri berdasarkan
orde yang akan digunakan.
Hasil perhitungan akurasi dengan menggunakan metode klasifikasi terbimbing (Supervised)
menunjukkan bahwa overall accuracy sebesar 60.00%, . Nilai kappa accuracy yang diperoleh
 sebesar 0.5345. Untuk akurasi dengan menggunakan metode klaisifikasi takterbimbing
(Unsupervised), memiliki nilai overall accuracy 32.17 %, kappa accuracy sebesar 0.2221.
Nilai akurasi dari metode klasifikasi terbimbing (Supervised) dan klasifikasi tak terbimbing
memiliki nilai selisih yang tidak tidak terlalu besar. Kedua nilai tersebut dapat digolongkan sedang
karena dibawah 85% ,dan telah terjadi penutupan lahan di Kota Bogor. Hal ini sesuai dengan
kesepakatan yang dikeluarkan oleh Badan Survei Geologi Amerika Serikat (USGS) yaitu telah
memberikan syarat untuk tingkat ketelitian/ akurasi sebagai kriteria utama bagi sistem klasifikasi
penutupan lahan yang disusun. Tingkat ketelitian klasifikasi minimum dengan menggunakan
penginderaan jauh harus tidak kurang dari 85%.

KESIMPULAN
Penginderaan jauh merupakan salah satu alternatif dalam menyelesaikan suatu permasalahan
keruangan. Dalam perkembangannya sendiri penginderaan jauh mengalami kemajuan yang pesat
seiring perkembangan teknologi informasi. Dalam penentuan kelas tutupan lahan di kota Bogor
terdapat tujuh macam kelas dan luasan masing-masingnya.Metode yang digunakan dalam
penentuan kelas tutupan lahan di kota Bogor adalah metode klasifikasi terbimbing dan metode
klasifikasi tak terbimbing.Akurasi digunakan untuk melihat seberapa nilai kesalahan dari data
yang dibuat.Nilai akurasi dari kedua metode tersebut selisihnya tidak terlalu berbeda dan
digolongkan dalam kriteria sedang karena dibawah nilai 85%.

DAFTAR PUSTAKA
Kusumawidagdo.1998 . Perkembangan IPTEK Penginderaan Jauh Dan Pemanfaatannya di Indonesia.
Purwadhi F.2001.Interpretasi Citra Digital.Jakarta (ID):Grasindo
Rusdi . 2005 . Pengolahan Citra Digital Teori dan Aplikasinya dalam Bidang Penginderaan Jauh.
Yogyakarta (ID) : Fakultas Geografi. UGM. Yogyakarta