PERBANDINGAN HASIL UJI AKURASI KLASIFIKASI SUPERVISED DAN

UNSUPERVISED PADA TUTUPAN LAHAN DI KABUPATEN LUWU

TAFFYANA IZZA ALIFA

E3401211102

DEPARTEMEN KONSERVASI SUMBERDAYA HUTAN DAN EKOWISATA

FAKULTAS KEHUTANAN DAN LINGKUNGAN INSTITUT PERTANIAN BOGOR
BOGOR
2023
 METODE
Data sekunder Landsat 8 OLI/TIRS yag digunakan didapat melalui situs resmi USGS
yang lalu dilakukan pengolahan data menjadi data yang telah diklasifikasikan tutupan
lahannya. Pengklasifikasian dan pengujian akurasi data dilakukan menggunakan software
ArcGis (ArcMap 10.8) serta data referensi dari Google Earth Pro. Adapun hasil klasifikasi citra
dapat dilihat tingkat ketelitiannya menggunakan confusion matrix. Confusion matrix
merupakan suatu metode penilaian akurasi dengan menggunakan tabel yang menyatakan
klasifikasi jumlah data uji yang benar dan salah (Normawati dan Prayogi 2021). Beberapa
parameter yang di ukur menggunakan metode tersebut, yaitu U-Accuracy (Unweighted
Accuracy), P-Accuracy (Producer Accuracy), dan Kappa (Cohen’s Cappa).

PEMBAHASAN

Tabel 1. Hasil perhitungan akurasi Supervised

Tabel 2. Hasil perhitungan akurasi Unupervised

Uji akurasi hasil klasifikasi dilakukan untuk melihat tingkat ketelitian yang dihasilkan
dari klasifikasi tutupan lahan. Hasil klasifikasi citra dapat dilihat tingkat ketelitiannya
menggunakan confusion matrix atau error matrix (matrik kesalahan). Matrik kesalahan
dihitung dengan membandingkan antar basis kategori, hubungan antara data referensi yang
diketahui (ground truth) dan hasil klasifikasi otomatis.
Tingkat akurasi klasifikasi ditentukan berdasarkan producer’s accuracy, user accuracy,
overall accuracy, dan nilai Kappa. Producer’s accuracy menunjukkan persentase hasil
klasiikasi yang sesuai dengan data referensi, sedangkan user’s accuracy menunjukkan
persentase hasil klasifikasi yang benar sesuai pengklasifikasian software. Producer’s dan user’s
accuracy merupakan variable yang menghasilkan perhitungan akhir yakni overall accuracy
yaitu nilai akurasi total hasil klasifikasi, sedangkan nilai Kappa selain ditentukan oleh objek
yang diklasifikasikan dengan benar juga memperhitungkan kesalahan klasifikasi. Akurasi
klasifikasi supervised pada tabel 1 menghasilkan klasifikasi dengan nilai akurasi total 60,4%
dengan nilai Kappa 0.42 (42%). Akurasi klasifikasi unsupervised pada tabel 2 menghasilkan
klasifikasi tutupan lahan dengan nilai akurasi total 58% dengan nilai Kappa 0.39 (39%). Dapat
disimpulkan bahwa klasifikasi supervised memiliki akurasi yang lebih tinggi dibandingkan
dengan klasifikasi unsupervised. Hal ini membuktikan bahwa keunggulan supervised
classification adalah memiliki kontrol terhadap informational classes berdasarkan training
sampel, dan adanya kontrol terhadap keakuratan klasifikasi.