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.