Model homogenitas SBP-AR4-50 pada citra Landsat 7 ETM + menggunakan 50 sampel pemeriksaan

lapangan yang dapat menghasilkan akurasi keseluruhan sebesar 87,17% dengan menggunakan
metode matriks kebingungan dan Kappa (0.8649), sedangkan citra SPOT 5 XS menghasilkan akurasi
keseluruhan. nilai dengan menggunakan matriks kebingungan sebesar 72,15% dan Kappa (0,7072).
hasil yang dicapai oleh data SBP-AR4-50 berbasis Landsat 7 ETM + menunjukkan bahwa piksel di area
sampel telah diklasifikasikan dengan baik karena tingkat keakuratannya (lebih dari 80%) adalah batas
yang didefinisikan dalam penelitian ini. Hasil akurasi ini relatif sama dengan studi Abellera (2005)
dengan menggunakan sistem berbasis pengetahuan / KBS) yang diambil dari citra Landsat 7 ETM +
dalam pemetaan permukaan tutupan lahan, yaitu 86,2% (hasil matriks kebingungan). Lebih lanjut dia
berpendapat bahwa keakuratan lebih dari 85% bisa dianggap memuaskan. Selanjutnya, hasil akurasi
yang diperoleh dengan menggunakan citra SPOT 5 XS lebih kecil dari batas yang ditetapkan dalam
penelitian ini. Hasil ini relevan dengan Richards dan Jia (2006) bahwa citra SPOT 5 XS (multispektral)
dengan resolusi spasial 10 meter sering dianggap kurang detail dalam memberikan informasi
penggunaan lahan dalam skala 1: 50.000

Martínez dan Mollicone (2012) menjelaskan bahwa ketika analisis didukung oleh data citra Landsat
(10-30 m Landsat) atau data penginderaan jarak jauh yang sangat tinggi (<10 m), hasil yang baik
diberikan dengan akurasi keseluruhan di atas 87% dalam identifikasi elemen kunci dimana tanah
ditandai dengan kelas penggunaan lahan. Selanjutnya dari hasil penelitian oleh Manandhar, dkk.
(2009), dijelaskan bahwa penerapan koreksi klasifikasi pasca klasifikasi (PCC) dengan data tambahan
dan aturan logika berbasis pengetahuan dapat meningkatkan akurasi klasifikasi secara keseluruhan
pada citra Landsat-TM pada peta tahun 2005 dari 79% menjadi 87% dari klasifikasi kemungkinan
maksimum (MLC) hasil pada penguraian penggunaan lahan / tutupan lahan (hutan, padang rumput /
scrubland, kebun anggur, built-up, badan air).

Terlepas dari Richards dan Jia (2006), hasil rendah yang diperoleh dari gambar SPOT 5 XS juga karena
objek tanah besar ditutupi oleh awan dan bayangan. Akibatnya, ada beberapa nilai piksel spektral
tanah yang tidak dapat dipisahkan dari awan dan bayangan, terutama pada penerapan model SBP-
AR4-50. Selain itu, dalam kasus pemilihan sampel lapangan, ada beberapa titik sampel yang tidak
digunakan karena sampel ditutupi oleh awan dan bayangan. Kondisi ini bisa jadi penyumbang
keakuratan rendah.

Namun, berdasarkan hasil akurasi produsen dan keakuratan pengguna terhadap penggunaan
pertanian dan kehutanan, nampaknya relatif efektif untuk digunakan untuk menghasilkan peta kelas
penggunaan lahan untuk pertanian lahan kering seperti perkebunan campuran dan perkebunan
kelapa. Ini karena nilai hasil uji akurasi akurasi produsen sekitar 100% dan akurasi pengguna sekitar
79,07% - 82,41%. Demikian pula, pertanian lahan sawah seperti sawah dan perikanan laut dalam
kategori ketepatan produsen berkisar antara 75% sampai 100%, dan ketepatan pengguna berkisar
antara 80,83% sampai 100%. Hasilnya relatif lebih tinggi dari penelitian Huang dan Jensen (1997)
yang menyelidiki keakuratan kelas tanah (air, tumbuhan mati, spikerush, vegetasi campuran, pohon
lebar dan daerah terbuka) dengan menerapkan tiga metode, yaitu sistem pakar, maksimum
Kemungkinan, dan Isodata menggunakan citra SPOT dengan akurasi pengguna masing-masing
74,16%, 65,07% dan 61,24%.

Sutanto (1994) memberikan kriteria untuk keakuratan kelas hasil tes di peringkat berikut:> 80%
(sangat baik); 60-79% (baik), 40-59% (sedang), 20-39% (miskin); <20% (sangat miskin). Mengacu
pada kriteria di atas, model tersebut menunjukkan bahwa hasil yang dicapai oleh SBP-AR4-50
dengan menggunakan data citra Landsat 7 ETM + dimasukkan dalam kriteria yang sangat baik,
sementara citra SPOT 5 XS berada pada kriteria yang baik.