LAPORAN

PENGINDERAAN JAUH II

Tabel Uji Akurasi dari Tutupan Lahan di Kec. Sukarame

Disusun Oleh:

Tessa Khairani Ermanto (23115047)

TEKNIK GEOMATIKA

INSTITUT TEKNOLOGI SUMATERA

LAMPUNG

2018
 DAFTAR ISI

DAFTAR ISI............................................................................................................................................ i
BAB I PENDAHULUAN ....................................................................................................................... 1
1.1 Latar Belakang ........................................................................................................................ 1
1.2 Tujuan ..................................................................................................................................... 2
BAB II TINJAUAN PUSTAKA ............................................................................................................ 3
2.1 Pengecekkan Lapangan ........................................................................................................... 3
BAB III HASIL DAN PEMBAHASAN ................................................................................................ 6
3.2 Overall Accuracy .................................................................................................................... 6
3.3 Producer Accuracy .................................................................................................................. 7
3.4 Error Ommision ...................................................................................................................... 7
3.5 User Accuracy ......................................................................................................................... 7
3.5 Error Commision .................................................................................................................... 7
DAFTAR PUSTAKA ............................................................................................................................ ix

i
 BAB I PENDAHULUAN

1.1 Latar Belakang

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 (Pre-Processing) 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).

1
 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.

1.2 Tujuan
1. Melakukan cek lapangan untuk menyesuaikan informasi peta dan kenyataan
lapangan.
2. Mengetahui omisi dan komisi peta yang dibuat.
3. Menentukan akurasi peta yang dibuat dengan uji omisi dan komisi.

2
 BAB II TINJAUAN PUSTAKA

2.1 Pengecekkan Lapangan

Pengukuran akurasi merupakan suatu cara untuk mengevaluasi tingkat keakurasian
hasil klasifikasi yang telah dilakukan. Nilai akurasi dapat dibagi menjadi dua akurasi secara
keseluruhan (overall accuracy) yang diartikan sebagai total kelas yang diklasifikasikan dibagi
dengan total kelas referensi, sedangkan nilai akurasi kategori individu dibagi lagi menjadi
dua bagian yakni producer’s accuracy dan user accuracy.
Producer’s accuracy merupakan jumlah elemen kelas yang diklasifikasikan secara
benar dibagi dengan elemen referensi untuk kategori. Sedangkan, user’s accuracy adalah
elemen yang diklasifikasikan secara benar untuk setiap kategori tersebut. Penilaian tingkat
akurasi dilakukan dengan cara membandingkan data yang diperoleh dari hasil pengecekan
lapangan (ground truth) dengan klasifikasi yang diperoleh.
Dari hasil interpretasi dan pengujian lapangan dapat diperoleh besarnya kepercayaan
hasil penelitian. Semakin banyak jenis dan jumlah data penginderaan jauh yang dilakukan
pengujian, maka uji kesesuaian perlu dilakukan. Dalam uji kesesuaian yang dipakai dalam
penelitian adalah survey lapangan. Survei lapangan bertujuan untuk mencocokkan
kenampakan hasil interpretasi dengan kondisi nyata dilapangan.
Sebuah citra adalah sebuah alat untuk mengetahui kenampakan yang ada di
permukaan bumi.Gambaran permukaan bumi itu direkam dan ditampilkan lagi dalam bentuk
visual dua dimensi yang diperkecil. Karena merupakan sebuah cerminan dari apa yang ada di
permukaan bumi, maka gambaran yang ada haruslah sesuai dengan keadaan di lapangan.
Permasalahanya adalah keadaan permukaan bumi ini sangat dinamis, selalu ada pergantian
keadaan dari satu bentuk ke bentuk lain.
Perubahan itu juga berlaku pada penutupan lahan di permukaan
bumi. Untuk melihat perubahan itu dapat dilakukan dua hal, yaitu pengamatan lapangan dan
pengamatan dari citra. Pengamatan dari citra berhubungan dengan aspek waktu. Sebuah
perubahan dapat dilihat berdasarkan perbandingan keadaan pada satu rentang waktu tertentu,
misalnya kita dapat meilhat perubahan penutupan lahan dari vegetasi ke perumahan dengan
membandingkan dua citra yang diambil pada tahun pertama dan kedua. Cara selanjutnya adalah
dengan meninjau secara langsung apa yang tergambar pada citra di lapangan. Cara ini memberikan
gambaran yang nyata tentang keadaan yang sebenarnya ada. Sekali lagi aspek waktu masih
berpengaruh di sini.

3
 Perbedaan antara pembandingan Citra dengan observasi di lapangan adalah bahwa
observasi lapangan memberikan kerincian dan ketelitian yang lebih baik. Hal ini disebabkan
karena saat kita menggunakan perbandingan citra, kita hanya melihat secara visual dari jarak
jauh dan interpretasi kita sangat mungkin salah, tetapi dengan pengamatan di lapangan kita
mendapatkan ketelitian yang tinggi karena kita merasakan keadaan yang sebenarnya ada di
lapangan.
Berdasarkan pemikiran ini observasi lapangan digunakan sebagai alat uji ketelitian yang
selanjutnya disebut dengan uji ketelitian interpretasi. Uji ketelitian
interpretasi memilki perbedaan dengan ketelitian pemetaan dimana ketelitian interpretasi
memberikan perbandingan antar pengamatan keadaan lahan di citra dengan di lapangan yang
bersifat kualitatif sedangkan pemetaan lebih pada kedetailan luasan dan aspek yang bersifat
kuantitatif dan nominal yang dapat diukur (Farda, 2008).
Kegiatan uji ketelitian interpretasi meliputi beberapa tahap. Tahap-tahap itu antara lain
adalah tahap persiapan, pelaksanaan lapangan, dan pasca lapangan. Kegiatan pra lapangan
merupakan persiapan yang harus dilakukan pada tahap berikutnya. Kegiatan pada pra
lapangan adalah interpretasi citra dimana kita mencoba mengenali objek yang terlihat pada
citra menggunakan pemikiran logis yang dirumuskan dalam unsur-unsur interpretasi. Hasil
dari interpretasi itu kemudian dicatat dan dilambangkan kembali secara visual dalam tahapan
pra lapangan selanjutnya yaitu pembuatan peta tentative.
Pembuatan peta tentative memberikan gambaran global dari hasil interpretasi kita dari
citra secara spasial dengan menampilkan poligon-poligon yang menunjukan keberadaan dan
luasan persebaran objek tertentu. Peta tentative mempermudah kita dalam memhami sebaran
dan keberadaan kelompok objek hasil interpretasi. Kegiatan pra lapangan selanjutnya adalah
pembuatan rute dan persiapan sample. Persiapan sample dilakukan dengan memeberikan
batasan karakteristik objek dan mengambil contohya sebagai dasar untuk mengetahui
gambarnya. Pembuatan rute perjalanan bersifat lebih operasional sebagai cara untuk
mempermudah kerja kita dengan urutan-urutan tertentu.
Urutan itu dapat pula dibuat berdasarkan pembagian dareah yang akan dicek menjadi
beberapa sektor. Setelah semua selesai, kita siap untuk turun ke lapangan. Kegiatan lapangan
merupakan inti dari uji ketelitian interpretasi. Hasil dari apa yang kita dapatkan dari persiapan
dilihat di lapangan dan dicocokan dengan peta tentative. Disitu kita akan melihat perbedaan-
perbedaan yang ada. Setelah semuanya dikumpulkan dalam bentuk data-data kuantitatif, kita
dapat mengolahnya menjadi suatu hasil yang memperlihatkan seberapa jauh ketelitian
interpretasi kita pada citra yang kita lakukan di laboratorium.

4
 Kegiatan Pengolahan data yang sebelumnya merupakan data kualitatif menjadi
data kuantitatif dilakukan kembali di laboratorium dimana data yang telah didapatkan
dikalkulasi secara rinci pada setiap jenis objek hasil interpretasi citra yangdibandingkan
dengan hasil pengamatan di lapangan. Hasil pengamatan di lapangan ini diolah menjadi hasil
yang menggambarkan ketelitian dan kecocokan secara nominal. Ada beberapa parameter
yang digunakan dalam pencocokan hasil lapangan dengan hasil interpretasi di laboratorium
yaitu omisi, komisi dan ketelitian interpretasi tiap objek. Omisi adalah ketelitian objek di
laboratorium. Jadi, beberapa objek hasil interpretsi di laboratorium dibandingkan dengan
kenampakan yang ada di lapangan, kesalahan yang didapat di lapangan dibandingkan dengan
total hasil uji lapangan.
Komisi adalah ketelitian objek di lapangan. Komisi merupakan kebalikan dari
omisidimana kesalahan laboratorium dibandingkan dengan kenyataan di lapangan. Saat
semua objek telah terkumpul data lapangan maka dapat pula dilihat ketelitian setiap objek
dengan menbandingkan hasil interpretasi yang benar dibandingkan dengan jumlah seluruh
hasil penghitungan lapangan. Dari hasil yang didapat ini , kita dapat melihat kemampuan
interpretasi kita dan diharapkan dengan mencocokan dengan keadaan di lapangan
kemampuan ini makin terasah.

5
 BAB III HASIL DAN PEMBAHASAN

3.1 Keakuratan Klasifikasi Citra

Dari fakta di lapangan citra hasil klasifikasi penutupan lahan dilakukan untuk melihat
besarnya kesalahan klasifikasi sehingga dapat ditentukan besarnya persentase keakuratan
hasil identifikasi. Keakuratan tersebut meliputi jumlah titik verifikasi sebagai perwakilan
wilayah identifikasi yang dikelaskan secara benar atau salah, persentase banyaknya titik
verifikasi pada masing-masing kelas dan persentase kesalahan identifikasi total. Akurasi hasil
identifikasi diuji menggunakan matrik kesalahan (confusion matrix) seperti terlihat pada
tabel 3.1.

Tabel 3 1 Uji Akurasi dari Tutupan Lahan di Kec. Sukarame

Data Referensi Pixel

Row User Error
Data Klasifikasi Lahan Tubuh Lahan
Jalan Vegetasi Pemukiman Total Accuracy Comission
Terbangun Air Kosong
Lahan Terbangun 3 2 0 0 0 0 5 60% 40%
Jalan 1 4 0 0 0 0 5 80% 20%
Tubuh Air 0 0 5 0 0 0 5 100% 0%
Vegetasi 0 0 0 5 0 0 5 100% 0%
Lahan Kosong 0 0 0 1 4 0 5 80% 20%
Pemukiman 0 2 0 0 0 3 5 60% 40%
Column Total 4 8 5 6 4 3 30
Producer
75% 50% 100% 83,33333% 100% 100%
Accuracy Overall Accuracy 80%
Error Commision 25% 50% 0% 16,66667% 0% 0%

Berikut adalah rumus untuk mendapatkan tiap nilai akurasi yang muncul pada tabel
diatas.

3.2 Overall Accuracy

Nilai overall accuracy (akurasi keseluruhan) menunjukkan banyaknya jumlah piksel
yang terklasifikasi secara benar pada tiap kelas dibanding jumlah sampel yang digunakan
untuk uji akurasi pada semua kelas. Pada tabel diatas, akurasi keseluruhan menunjukkan nilai
80% yang berarti 80% piksel yang ada pada hasil klasifikasi terklasifikasi dengan benar. Nilai

6
dari uji akurasi ini yang paling banyak digunakan untuk menguji akurasi suatu hasil
interpretasi dan atau klasifikasi. Kelemahan metode ini adalah tidak mempertimbangkan
aspek kesalahan dari tiap kelas yang ada, untuk itu biasanya overall accuracy untuk tiap
kelas.

jumlah piksel yang terklasifikasi secara benar

Overall accuracy (%) = × 100
jumlah sampel uji akurasi

3.3 Producer Accuracy

jumlah sampel uji akurasi suatu kelas yang terklasifikasi benar
Producer accuracy (%) = jumlah sampel uji akurasi pada suatu kelas
× 100

Produser accuracy untuk mengetahui tingkat akurasi berdasarkan fakta yang diperoleh
di lapangan.

3.4 Error Ommision

Omisi merupakan kejadian ketika suatu objek tidak terdeliniasi kedalam kelompok
yang seharusnya. Contoh dari omisi yaitu suatu lahan sawah yang ada di wilayah kajian tidak
terdeliniasi sebagai sawah melainkan tegalan.

Error Omission (%) = 100% - Producer accuracy

3.5 User Accuracy

jumlah sampel uji akurasi suatu kelas yang terklasifikasi benar
User accuracy (%) =jumlah × 100
sampel uji akurasi yang terklasifikasi sebagai kelas tersebut

User accuracy untuk mengetahui tingkat akurasi berdasarkan hasil pembacaan citra.

3.5 Error Commision

Komisi merupakan kejadian suatu objek terdeliniasi kedalam yang tidak semestinya.
Contoh dari komisi yaitu ditempat yang sama informasi pada peta menyatakan bahwa lahan
tersebut tergolong kedalam tegalan tapi kenyataannya lahan tersebut adalah kebun campur.

Error comission (%) = 100% - User accuracy

Nilai dari user dan producer accuracy dihitung untuk tiap kelas yang ada dalam
klasifikasi. Begitu halnya juga dengan nilai error omisi dan komisi yang merupakan residual
dari producer dan user accuracy.
Pada tabel diatas, diambil kelas sebagai contoh. Nilai user accuracy pada kelas jalan
adalah sebesar 80% yang berarti 80% peluang bahwa piksel yang terklasifikasi pada citra
sebagai jalan adalah benar-benar jalan pada kenyataan di lapangan. Dengan kata lain hanya

7
ada 20% (error commision) kemungkinan bahwa piksel yang dicitra terklasifikasi sebagai
jalan adalah bukan jalan di lapangan. Nilai user accuracy ini lebih banyak digemari oleh para
pengambil keputusan karena hasil klasifikasi mampu memberikan estimasi dan gambaran
dari kondisi sebenarnya dilapangan.
Nilai producer accuracy pada kelas jalan adalah 50% yang berarti ada 50% jalan di
lapangan pada area riset diklasifikasikan secara benar. Artinya 50% (error ommision) jalan di
lapangan tidak terklasifikasi sebagai jalan. Nilai producer accuracy ini umumnya lebih
digemari oleh para thematician karena akurasi ini mampu menunjukkan banyaknya objek
dipermukaan bumi yang direpresentasikan dengan benar pada peta atau hasil klasifikasi.

8
 DAFTAR PUSTAKA

Lillesand, Thomas M dan Kiefer, Ralph W.1990. Penginderaan Jauh dan Interpretasi Citra.
Yogyakarta: Gadjah Mada University Press.
Sutanto, Dr. Prof. 1986. Penginderaan Jauh Jilid I. Yogyakarta: Gadjah Mada
UniversityPress.
Sutanto, Dr. Prof. 1986. Penginderaan Jauh Jilid II. Yogyakarta: Gadjah

ix