Praktikum Pengindraan Jauh

Dasar

INTERPRETASI VISUAL

Devika Ayu Setyaningrum | 416841 | 17 November 2018

I. Judul

Interpretasi Visual Citra Satelit Resolusi Tinggi Wilayah Gowongan, Kecamatan Jetis, Provinsi
D.I Yogyakarta untuk Pembuatan Peta Penutup Lahan

II. Tujuan

Praktikum ini bertujuan untuk :

1. Mahasiswa mampu melakukan interpretasi citra berdasarkan sembilan unsur interpretasi

2. Mahasiswa dapat membuat peta penutup lahan berdasarkan hasil interpretasi yang diperoleh
dan sesuai dengan SNI yang diberikan
3. Mahasiswa dapat membuktikan kebenaran hasil interpretasi dengan melakukan survei lapangan
4. Mahasiswa mampu mengetahui tingkat keakurasian hasil interpretasi visual citra melalui tabel
konfusi

III. Metodologi
III.1 Waktu dan Pelaksanaan

Praktikum ini dilaksanakan pada :

Hari, tanggal : Rabu, 24 Oktober 2018

Pukul : 13.00 s.d 16.50 WIB

Tempat : Lab. Komputer, Kampus Sekolah Vokasi, Universitas Gadjah Mada

III.2 Alat dan Bahan

a. Alat
- Komputer
- Perangkat Lunak ENVI
- Perangkat Lunak ArcGIS
b. Bahan
- Citra Landsat -8 Wilayah Gowongan, Jetis

PAGE 1
III.3 Prosedur Kerja

Berikut ini adalah diagram alir keseluruhan proses interpretasi citra serta pembuatan
peta penutup lahan :

Mulai

Citra Worldview Resolusi

0.5 meter wilayah
Gowongan, Jetis, Yogyakarta

Pre- Processing

Penajaman Citra

Image Transformation

Interpretasi visual dengan 9 unsur

interpretasi

Klasifikasi Objek berdasarkan SNI Penutup

lahan

Uji Akurasi dengan melakukan survei

Digitasi Citra dengan perangkat
Lapangan
lunak ArcGIS berdasarkan hasil
interpretasi

Melakukan perhitungan menggunakan Conffusion

Matrix

Analisis hasil interpretasi berdasarkan

hasil perhitungan matriks konfusi

Selesai

PAGE 2
IV. Hasil dan Pembahasan

Pada dasarnya, citra satelit mengandung banyak informasi yang sangat bermanfaat diberbagai
bidang. Citra satelit dapat memberikan banyak informasi, seperti perubahan tutupan lahan,
kerapatan vegetasi, titik hot spot, kebencanaan, tubuh air, dan lain- lain. Untuk memperoleh
informasi tersebut maka diperlukan proses identifikasi objek- objek yang ada pada citra tersebut.
Proses identifikasi ini sering disebut sebagai proses interpretasi visual citra.

Interpretasi visual citra satelit merupakan suatu proses deteksi, identifikasi, serta deskripsi
mengenai objek- objek yang ada pada citra satelit. Untuk membantu proses interpretasi visual
terdapat sembilan elemen atau unsur interpretasi. Kesembilan unsur- unsur tersebut merupakan
elemen yang sering digunakan oleh manusia dalam mengidentifikasi objek- objek disekitar. Unsur-
unsur tersebut, diantaranya rona/warna, tekstur, bentuk, ukuran, pola, ketinggian, bayangan, situs
dan asosiasi.

1. Rona/ Warna
Unsur rona atau warna dapat digunakan untuk mengidentifikasi objek berdasarkan tingkat
kegelapan atau tingkat terang warna objek. Tingkat gelap- terang atau hitam- putihnya suatu
citra dapat dilihat dari besar Brightness value yang pada dasarnya sesuai dengan bit codding
citra. Setiap objek pada citra akan memancarkan/ memantulkan gelombang elektromagnetik
dengan jumlah yang berbeda. Semakin banyak gelombang yang dipancarkan maka objek akan
terlihat lebih terang, contohnya adalah bangunan. Sedangkan objekyang banyak menyerap
gelombang elektromagnetik akan terlihat lebih gelap, contoh : Air.
2. Tekstur
Unsur tekstur dalam interpretasi visual citra dapat digunakan untuk mengidentifikasi objke
berdasarkan tingkat kehalusan (Smooth) dari suatu objek.
3. Bentuk
Unsur bentuk merupakan unsur sekunder dalam interpretasi citra. Objek- objek pada citra
dapat dengan mudah dibedakan berdasarkan bentuknya, seperti bentuk garis dapat
menyatakan bahwa objek tersebut bisa berupa jalan atau sungai, bentuk area dapat
menyatakan objek tersebut sawah atau perkebunan. Selain itu, dapat diketahui bahwa bentuk
suatu objek sangat bergantung pada kondisi spasial citra.
4. Ukuran
Ukuran merupakan salah satu unsur interpretasi sekunder. Pengguna dapat membedakan
objek- objek pada citra menggunakan ukuran, seperti untuk membedakan antara rumah

PAGE 3
 dengan gedung. Ukuran rumah pada umumnya adalah sekitar ratusan meter persegi,
sedangkan objek gedung akan memiliki ukuran/ luas sekitar ribuan meter persegi.
5. Pola
Unsur pola dapat digunakan untuk menginterpretasi objek yang berupa luasan ataupun garis.
Pola merupakan pengulangan bentuk dan ukuran objek pada citra. Pola suatu objek biasanya
dinyatakan sebagai pola teratur atau pola tidak teratur, pola menjari, pola sentrifugal, pola
radial.
6. Ketinggian
Merupakan unsur interpretasi tersier setelah unsur pola yang digunakan untuk
menginterpretasi suatu objek berdasarkan ketinggian yang tampak pada citra. Pada umumnya,
unsur ini sulit untuk digunakan karena sulitnya menyatakan ketinggian suatu objek apabila
perekaman citra dilakukan secara tegak lurus.
7. Bayangan
Bayangan suatu objek pada citra dapat digunakan untuk mengetahui waktu matahari (posisi
matahari ketika melakukan perekaman) serta untuk mengetahui arah orientasi citra. Bayangan
suatu objek dapat menyatakan bahwa objek yang memiliki ketinggian yang besar dibandingkan
dengan objek lain yang tertutup dengan bayangan objek tinggi tersebut.
8. Asosiasi
Asosiasi merupakan unsur interpretasi yang memiliki tingkat kerumitan yang tinggi.
Interpretasi dengan unsur asosiasi dapat dilakukan dengan melihat objek yang berada paling
dekat dengan objek yang diinterpretasi.
9. Situs
Sama dengan Asosiasi, unsur situs merupakan unsur interpretasi yang memiliki tingkat
kerumitan yang tinggi. Pada unsur ini, objek dinyatakan berada pada darat atau laut.

Kesembilan unsur di atas menyatakan urutan unsur interpretasi berdasarkan tingkat kerumitannya
dalam mengidentifikasi objek. Unsur warna/ rona merupakan unsur identifikasi objek dengan
tingkat kerumitan terkecil, sedangkan unsur asosiasi dan situs merupakan unsur interpretasi yang
memiliki tingkat kerumitan terbesar dalam mengidentifikasi objek.

Pada praktikum kali ini, akan dilakukan interpretasi visual terhadap citra satelit Worldview
dengan resolusi spasial sebesar 0.5 meter yang mempresentasikan wilayah Gowongan, Jetis,
Yogyakarta. Interpretasi visual tersebut dilakukan dengan menggunakan 9 unsur interpretasi dan
disajikan dalam bentuk tabel interpretasi visual.

PAGE 4
 Fitur/ objek yang ada pada citra hasil interpretasi visual akan diklasifikasikan berdasarkan SNI
Klasifikasi penutup lahan. Objek- objek tertentu yang tidak sesuai dengan semua kategori pada SNI
akan dinyatakan sesuai dengan hasil interpretasi, seperti lapangan, fasilitas pendidikan, fasilitas
peribadatan, lapangan, dan lain- lain.. Pada praktikum ini, terdapat 8 klasifikasi fitur/ objek yang ada
pada Wilayah Gowongan, yakni fitur jalan arteri, jalan lokal, jalan setapak, permukiman, kawasan
industry, lahan tidak terbangun, lahan terbuka, fasilitas pendidikan (sekolah), dan rel kereta api.
Kemudian berdasarkan hasil interpretasi visual serta pengklasifikasian objek- objek pada citra akan
dibuat sebuah peta penutup lahan.

Berikut ini adalah hasil peta penutup lahan wilayah Gowongan Kecamatan Jetis Provinsi
Yogyakarta berdasarkan hasil interpretasi :

Untuk membuktikan tingkat kebenaran dan tingkat keakuratan hasil interpretasi, maka harus
dilakukan survei di lapangan. Survei dilakukan dengan cara memilih beberapa sampel dari setiap
fitur, kemudian mengunjungi lokasi dari setiap sampel objek berdasarkan koordinat pada citra. Pada
praktikum kali ini, dapat diketahui bahwa jumlah sampel keseluruhan yang diambil adalah 26
sampel. Sampel- sampel yang dipilih menggunakan teknik sampling berupa stratified random

PAGE 5
sampling, yakni teknik sampling yang dilakukan dengan membentuk sub popilasi, kemudian dipilih
secara acak yang ada pada sub populasi. Berikut ini adalah tabel interpretasi visual citra wilayah
Gowongan, Kecamatan Jetis, Provinsi DI. Yogyakarta :

No. Nama Cuplikan Citra Interpretasi Visual Koordinat Hasil Survei

Objek Objek
Unsur Hasil Jenis Foto
Objek

1. Jalan Warna Hitam, X: Jalan

Arteri Keabu-abuan 429903.219 Arteri
mT
Bentuk Garis
Y:
Jumlah Ukuran Lebar : ± 13 m
9139660.845
sampel : 4
Pola Memanjang mU

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek berada

di darat

Asosiasi Berada
diantara
permukiman
atau
pertokoan
(industri),
terdapat
objek kecil
yang berupa
mobil

Warna Hitam, X: Jalan

Keabu-abuan 430152.006 Arteri

Bentuk Garis Y:
9139141.242
Ukuran Lebar : ± 13 m

Pola Memanjang

Tekstur Kasar

Bayangan -

Ketinggian -

PAGE 6
 Situs Objek berada
di darat

Asosiasi Berada
diantara
permukiman,
terdapat
objek kecil
yang berupa
mobil

Warna Hitam, X: Jalan

Keabu-abuan 430193.801 Arteri

Bentuk Garis Y:
9139665.084
Ukuran Lebar : ± 13 m

Pola Memanjang

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek berada

di darat

Asosiasi Berada
diantara
permukiman,
terdapat
objek kecil
yang berupa
mobil

Warna Hitam, Jalan

Keabu-abuan Arteri

Bentuk Garis

Ukuran Lebar : ± 13.2

m

Pola Memanjang

Tekstur Kasar
X=
Bayangan - 430186.275

Ketinggian - Y=

Situs Objek berada 9139371.905

di darat

PAGE 7
 Asosiasi Berada
diantara
permukiman,
terdapat
objek kecil
yang berupa
mobil

2. Jalan Warna Hitam, X: Jalan

Lokal Keabu-abuan 429799.986 Lokal

Bentuk Garis Y:
9139421.194
Ukuran Lebar : ± 5.08
m
Jumlah
sampel : 5 Pola Memanjang

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek berada

di darat

Asosiasi Berada
diantara
permukiman,
terdapat
objek kecil
yang berupa
mobil

Warna Hitam, X: Jalan

Keabu-abuan 430273.637 Setapak

Bentuk Garis Y:
9138918.506
Ukuran Lebar : ± 4.5
m

Pola Memanjang

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek berada

di darat

Asosiasi Berada
diantara

PAGE 8
 permukiman,
terdapat
objek kecil
yang berupa
mobil

Warna Hitam, X: Jalan

Keabu-abuan 429971.985 lokal

Bentuk Garis Y:
9139396.382
Ukuran Lebar : ± 4.5
m

Pola Memanjang

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek berada

di darat

Asosiasi Berada
diantara
permukiman,
terdapat
objek kecil
yang berupa
mobil

Warna Hitam, X: Jalan

Keabu-abuan 430113.065 Lokal

Bentuk Garis Y:
9139136.009
Ukuran Lebar : ± 6.63
m

Pola Memanjang

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek berada

di darat

Asosiasi Berada
diantara
permukiman,
terdapat

PAGE 9
 objek kecil
yang berupa
mobil

Warna Hitam, X: 429761.191 Jalan

Keabu-abuan Lokal
Y:
Bentuk Garis 9139180.656

Ukuran Lebar : ± 5.6

m

Pola Memanjang

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek berada

di darat

Asosiasi Berada
diantara
permukiman,
terdapat
objek kecil
yang berupa
mobil

3. Jalan Warna Hitam, X: Jalan

Setapak Keabu- 429846.479 Setapak
abuan
Y:
Bentuk Garis 9139449.428
Jumlah
sampel : 2 Ukuran Lebar : ± 2.4
m

Pola Memanjang
dan tidak
teratur

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek berada

di darat

Asosiasi Berada
diantara
permukiman

PAGE 10
 Warna Hitam, X: Jalan
Keabu- 429846.479 Setapak
abuan
Y:
Bentuk Garis 9139449.428

Ukuran Lebar : ± 6.7

m

Pola Memanjang

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek berada

di darat

Asosiasi Berada
diantara
permukiman

4. Sekolah Warna Kecokelatan, X: Sekolah

orange 429968.936
SMK
Bentuk Persegi Y: Negeri 7
panjang 9139249.985 Yogyakart
Jumlah bentuk a
sampel : 1 geometrik
simetris

Ukuran Luas : ± 7942

m2

Pola Pola teratur

Tekstur Ketinggian

Bayangan -

Ketinggian -

Situs Objek berada

di darat

Asosiasi Terdapat
lapangan
yang
merupakan
bagian dari
bangunan
sekolah

PAGE 11
5. Kawasan Warna Kecokelatan, X: Pasar
Industri orange, 430067.114
(lhn putih, dan
Y:
trbgn) hitam
9139696.962
Bentuk Persegi,
Persegi
Jumlah
panjang,
sampel : 5
Bentuk L

Ukuran Luas : ±
6247.177 m2

Pola Tidak teratur

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek berada

di darat

Asosiasi -

Warna Kecokelatan, X: Hotel

orange, 430233.219
putih, dan
Y:
hitam
9139599.584
Bentuk Persegi,
Persegi
panjang,
Bentuk L

Ukuran Lebar : ± 113.2

m2

Pola Tidak teratur

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek berada

di darat

Asosiasi -

Warna Kecokelatan, X: Bank

orange, 430494.866 Mandiri
putih, dan
hitam

PAGE 12
 Bentuk Persegi, Y:
Persegi 9139623.741
panjang

Ukuran Lebar : ±
477.5 m2

Pola Tidak teratur

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek berada

di darat

Asosiasi -

Warna Kecokelatan, X: Hotel

orange, 430174.905
putih, dan
Y:
hitam
9139166.028
Bentuk Persegi,
Persegi
panjang,
Bentuk L

Ukuran Lebar : ±
520.6 m2

Pola Tidak teratur

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek berada

di darat

Asosiasi -

Kawasan Warna Kecokelatan, X: Fasilitas

Industri hitam 430275.023 Peribadat
mT an
Bentuk Persegi,
Y: (Masjid)
Ukuran Lebar : ± 141.6
m2 9139348.277

Pola Tidak teratur mU

Tekstur Kasar

PAGE 13
 Bayangan -

Ketinggian -

Situs Objek berada

di darat

Asosiasi -

6. Lahan Warna Kecokelatan X: Lahan

Tidak 430216.982 tidak
Bentuk Segi Empat
Terbangun
terbangu
sembarang Y:
n
9139055.19
Ukuran Luas : ±
Jumlah
1978.398 m2
sampel : 2

Pola -

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek
berada di
darat

Asosiasi -

Warna Kecokelatan X:
429819.91
Bentuk Segi Empat
sembarang Y:
9139566.833
Ukuran Luas : ±
2067.062 m2

Pola -

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek
berada di
darat

PAGE 14
 Asosiasi -

7. Lahan Warna Hijau , X: Lahan

Terbuka Kecokelatan 430070.909 TIdak
terbangu
Bentuk Pesegi Y: n
Jumlah panjang 9139588.777
sampel : 2
Ukuran Luas : ±
4953.4 m2

Pola Tidak
teratur

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek
berada di
darat

Asosiasi -

Warna Hijau , X: Lahan

Kecokelatan 429933.868 tidak

terbangu
Bentuk Pesegi Y: n
panjang/ 9139373.591
trapesium

Ukuran Luas : ±
1466.9 m2

Pola Tidak
teratur

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek
berada di
darat

Asosiasi -

PAGE 15
8. Permukim Warna Kecokelatan Ppermuki
an , orange, man

dan hitam

Jumlah Bentuk Persegi,

sampel : 3 Persegi
panjang
dan
beberapa
terlihat
seperti atap

Ukuran Lebar : ±
161.6 m2

Pola Tidak
teratur

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek
berada di
darat

Asosiasi -

Warna Kecokelatan X: Permuki

, orange, 430087.93 man

dan hitam
Y:
Bentuk Persegi, 9139268.44
Persegi 3
panjang
dan
beberapa
terlihat
seperti atap

Ukuran Lebar : ±
72.5 m2

Pola Tidak
teratur

PAGE 16
 Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek
berada di
darat

Asosiasi -

Warna Kecokelatan X: Permuki

, orange, 430264.026 man

mT
dan hitam
Y:
Bentuk Persegi,
Persegi 9139140.168
mU
panjang
dan
beberapa
terlihat
seperti atap

Ukuran Lebar : ±
109.4 m2

Pola Tidak
teratur

Tekstur Kasar

Bayangan -

Ketinggian -

Situs Objek
berada di
darat

Asosiasi -

9. Rel Kereta Warna Kecokelatan X: Rel

Api 430311.186 Kereta
Bentuk Garis
Api
memanjang Y:
Jumlah 9138894.70
Ukuran Lebar : ±
sampel : 1 2
10.72 m

Pola Pola teratur

PAGE 17
 Tekstur Halus

Bayangan -

Ketinggian -

Situs Objek
berada di
darat

Asosiasi Objek
berada
dekat Jalan
raya

Berdasarkan tabel di atas, maka dapat diketahui bahwa terdapat beberapa objek yang masuk
ke dalam klasifikasi yang tidak tepat atau tidak sesuai dengan lapangan. Kesalahan dalam
interpretasi terdapat pada beberapa sampel dari objek- objek di atas, yakni :

 Lahan terbuka
Kesalahan interpretasi terbesar terdapat pada objek lahan terbuka karena survei di
lapangan terhadap sampel menunjukkan hasil yang berbeda dengan hasil interpretasi.
Kedua sampel objek lahan terbuka seharusnya masuk ke dalam klasifikasi lahan tidak
terbangun. Hal tersebut dikarenakan kedua lahan tersebut pada saat ini mengalami
kondisi dimana lahan tersebut telah mengalami intervensi manusia sehingga penutup
lahan alami (semi alami) tidak dapat dijumpai lagi, akan tetapi lahan ini tidak mengalami
pembangunan sebagaimana terjadi pada lahan terbangun.
 Jalan lokal
Kesalahan interpretasi juga terjadi pada objek jalan lokal. Hasil survei di lapangan
menunjukkan hasil yang berebeda dengan hasil interpretasi. Berdasarkan survei, dapat
diketahui bahwa salah satu sampel jalan lokal di atas seharusnya masuk ke dalam
klasifikasi jalan setapak kerana objek memiliki lebar sebesar jalan setapak pada
umumnya.
 Kawasan Industri
Objek- objek yang diklasifikasikan sebagai kawasan industri merupakan objek bangunan
yang memiliki luas sekitar seribu meter persegi. Akan tetapi, kesalahan interpretasi
terhadap salah satu sampel fitur kawasan industri. Survei di lapangan menunjukkan
bahwa objek tersebut sebenarnya merupakan fasilitas peribadatan (Masjid)

PAGE 18
 Kesalahan terbesar dalam interpretasi beberapa objek di atas adalah kesalahan dalam
mengklasifikasikan objek. Selain itu kesalahan interpretasi dapat terjadi karena warna objek yang
berbeda dengan keadaan yang sebenarnya, pengetahuan tentang lokasi kuang/ tidak familiar, serta
waktu perekaman citra yang cukup berbeda dengan waktu survei di lapangan sehingga objek sudah
mengalami perubahan akibat waktu yang cukup lama.
Untuk mengetahui besar ketelitian hasil interpretasi, surveyor dapat menggunakan Confussion
matrix (Matriks konfusi) yang dinyatakan dalam bentuk persentase. Semakin banyak objek yang
sama dengan hasil survei di lapangan atau peta tematik yang lebih detil maka prosentase dalam
matriks konfusi akan semakin besar.

Berikut ini adalah hasil perhitungan ketelitian interpretasi menggunakan matiks kofusi :

Kawasa Fasilita Lahan Fasilita

Jalan Lahan Rel
Jalan Jalan n Permu s Tidak s Jumlah
Setapa terbuk Kereta UA (%) CE (%)
Arteri Lokal Industr kiman Pendid terban periba (JB)
k a Api
i ikan gun datan

Jalan
4 0 0 0 0 0 0 0 0 0 4 100 0
Arteri

Jalan
0 4 1 0 0 0 0 0 0 0 5 80 20
lokal

Jalan
Setapa 0 0 2 0 0 0 0 0 0 0 2 100 0
k
Kawasa
n
Industr
0 0 0 4 0 0 0 0 0 1 5 80 20
i
Permu
kiman
0 0 0 0 3 0 0 0 0 0 3 100 0
Fasilita
s
Pendid
0 0 0 0 0 1 0 0 0 0 1 100 0
ikan
Lahan
Terbuk 0 0 0 0 0 0 0 2 0 0 2 0 100
a
Lahan
tidak
terban
0 0 0 0 0 0 0 2 0 0 2 100 0
gun

PAGE 19
 Rel
Kereta 0 0 0 0 0 0 0 0 1 1 2 50 50
Api
Fasilita
s
Periba
0 0 0 0 0 0 0 0 0 0 1 0 0
datan
Jumlah
(JK)
4 4 3 4 3 1 0 4 1 3 26

PA (%) 100 100 66.67 100 100 100 0 50 100 33.33

OE(%) 0 0 33.33 0 0 0 100 50 0 66.67

Keterangan Tabel :

: Jumlah benar

: Jumlah Sampel keseluruhan

: Jumlah Sampel per Kolom / Per Baris

Dari tabel di atas dapat diketahui bahwa fitur/ objek yang memiliki ketelitian interpretasi yang
baik adalah jalan arteri. Hal ini mungkin terjadi karena objek jalan arteri merupakan objek yang
paling mudah untuk diinterpretasi. Warna, bentuk dan ukuran dari jalan arteri pada umumnya
sudah diketahui banyak orang. Pada tabel, terdapat nilai PO (Producer Accuracy) dan OE
(Ommision Error) kedua nilai tersebut dihitung untuk mengetahui seberapa besar prosentase hasil
klasifikasi seoran produser yang benar. Persamaan untuk mengetahui nilai PO adalah

𝑅𝑖
𝑃𝑂 = 𝐽𝐾
× 100%  OE =100% − 𝑃𝑂

Dimana :

Ri = Jumlah klasifikasi per kelas

JK = Penjumlahan kolom per kelas

Nilai PO terbesar terdapat pada fitur jalan arteri, jalan lokal, kawasan industry, permukiman,
fasilitas pendidikan dan rel kereta api. Keenam fitur tersebut memiliki nilai PO sebesar 100 persen,
yang menandakan bahwa hasil klasifikasi produser cukup baik pada fitur- fitur tersebut karena
sampel yang diambil memiliki hasil interpretasi yang sama dengan keadaan di lapangan. Sedangkan
fitur yang memiliki nilai PO terkecil adalah fitur lahan terbuka yakni sebesar 0 persen. Hal ini terjadi
karena kedua sampel pada objek lahan terbuka pada survei di lapangan merupakan objek lahan
tidak terbangun.

PAGE 20
 Pada tabel juga terdapat nilai UA (User Accuracy) dan CE (Commision Error). Kedua nilai
tersebut berfungsi agar seorang user dapat mengetahui seberapa sesuai hasil klasifikasi dengan
kondisi di lapangan per kelas. Persamaan untuk memperoleh nilai UA dan CE adalah sebagai
berikut :

𝑅𝑖
𝑈𝐴 = 𝐽𝐵
× 100%  CE =100% − 𝑈𝐴

Dimana :

Ri = Jumlah klasifikasi per kelas

JB = Penjumlahan baris per kelas

Nilai UA terbesar terdapat pada objek jalan arteri, jalan lokal, permukiman, fasilitas pendidikan,
lahan tidak terbangun dan nilai UA untuk objek- objek tersebut adalah sebesar 100 persen. Hal
tersebut menandakan bahwa seluruh sampel interpretasi pada objek- objek tersebut menunjukkan
hasil yang sama dengan keadaan di lapangan.

Dari keseluruhan perhitungan matriks konfusi di atas, dapat dihitung pula besar Overall
Accuracy dan Kappa Coefficient. Nilai Overall Accuracy dihitung untuk mengetahui tingkat
keakuratan hasil keseluruhan interpretasi. Nilai Overall Accuracy dapat dicari dengan persamaan :

∑𝑅
𝑂𝐴 = × 100% ,
∑ 𝐴𝑙𝑙

Dimana :

Σ𝑅 = Hasil klasifikasi yang benar (diagonal)

Σ𝐴𝑙𝑙 =jumlah total

Sehingga, nilai Overall Accuracy dari matriks di atas adalah

4+4+2+4+3+1+0+2+1+0
𝑂𝐴 = × 100% = 80,769 %
27

Nilai tersebut menandakan bahwa tingkat keakurasian hasil interpretasi yang dilakukan adalah
sebesar 80, 769 persen.

Selain nilai OA, seorang surveyor juga perlu memperhatikan besar nilai Kappa Coefficient. Nilai
Kappa Coefficient berguna untuk mengetahui, apakah peta hasil interpretasi dapat digunakan atau

PAGE 21
tidak. Nilai Kappa Coefficient memiliki rentang 0 s.d 1, semakin mendekati nilai 1 maka menandakan
ketelitian hasil interpretasi yang tinggi sehingga peta yang dibuat berdasarkan hasil interpretasi
dapat digunakan. Nilai Kappa Coefficient dapat dicari dengan persamaan sebagai berikut :

(∑ 𝑅×∑ 𝐴𝑙𝑙)−∑(𝐽𝐾×𝐽𝐵)
𝐾𝑎𝑝𝑝𝑎 = ∑ 𝐴𝑙𝑙 2 − ∑(𝐽𝐾×𝐽𝐵)
,

sehingga nilai Kappa Coefficient untuk peta penutup lahan wilayah Gowongan kecamatan Jetis
Yogyakarta adalah :

(∑ 𝑅×∑ 𝐴𝑙𝑙)−∑(𝐽𝐾×𝐽𝐵)
𝐾𝑎𝑝𝑝𝑎 = ∑ 𝐴𝑙𝑙 2 − ∑(𝐽𝐾×𝐽𝐵)
= 0,7811

Nilai tersebut menunjukkan bahwa peta penutup lahan yang dibuat dengan hasil interpretasi masih
belum dapat digunakan karena memiliki tingkat keakuratan yang belum cukup tinggi. Oleh karena
itu perlu dilakukan revisi sehingga peta penutup lahan yang dihasilkan dapat sesuai dengan keadaan
di lapangan.

V. Kesimpulan
Berdasarkan praktikum “Interpretasi Visual” dapat disimpulkan sebegai berikut :

1. Interpretasi visual suatu citra dapat dilakukan dengan memperhatikan sembilan unsur
interpretasi, yakni rona/ warna, ukuran, bentuk, pola, tekstur, pola, ketinggian,
bayangan, situs dan asosiasi
2. Pada praktikum ini, terdapat 8 klasifikasi fitur/ objek yang ada pada Wilayah
Gowongan, yakni fitur jalan arteri, jalan lokal, jalan setapak, permukiman, kawasan
industry, lahan tidak terbangun, lahan terbuka, fasilitas pendidikan (sekolah), dan rel
kereta api.
3. Jumlah sampel keseluruhan yang diambil adalah 26 sampel. Sampel- sampel yang
dipilih menggunakan teknik sampling berupa stratified random sampling, yakni teknik
sampling yang dilakukan dengan membentuk sub popilasi
4. Kesalahan interpretasi terbesar terdapat pada fitur lahan terbuka karena kesalahan
dalam mengklasifikasikan objek tersebut. Hasil survei pada fitur lahan terbuka
menunjukkan bahwa objek tersebut sebenarnya adalah lahan tidak terbangun

PAGE 22
5. Hasil Interpretasi dari 26 jumlah sampel menghasilkan tingkat keakuratan sebesar 80,
769 % dan nilai Kappa Coefficient sebesar 0,7811 yang menandakan bahwa peta masih
dapat digunakan akan tetapi masih belum akurat

PAGE 23
DAFTAR PUSTAKA
SNI 7645-2010 Klasifikasi Penutup Lahan

Praja Ni Putu. PJ-Dasar M-11 Interpretasi Visual. Modul Pengindraan Jauh

Praja Ni Putu. PJ-Dasar M-10 Interpretasi Visual. Modul Pengindraan Jauh

Praja Ni Putu. PJ-Dasar M-12 Matriks konfusi. Modul Pengindraan Jauh

PAGE 24
LAMPIRAN
Pesebaran Titik- Titik Sampel Objek pada Interpretasi Visual Citra Worldview
Wilayah Gowongan, Jetis, DI Yogyakarta

Gambar 1 Pesebaran titik pada Fitur Jalan Arteri

Gambar 2 Pesebaran titik fitur Lahan tidak terbangun

PAGE 25
 Gambar 3 Pesebaran titik fitur Jalan lokal

Gambar 4 Pesebaran titik sample objek Kawasan Industri

PAGE 26
Gambar 5 Pesebaran titik sample objek Permukiman

Gambar 6 Pesebaran Titik Fitur Jalan Setapak

PAGE 27