Ulasan Jurnal Ilmiah:

Pengkajian Akurasi Klasifikasi Data Satelit

Berdasarkan Kesatuan Data Referensi

Kuliah#4 Eksplorasi Sumberdaya Hayati Laut

Eksplorasi Ekosistem Mangrove dengan Metode
Penginderaan Jauh satelit
 Abstrak
Dalam rangka mengembangkan strategi pengelolaan hutan tropis di Malaysia, survey
sumberdaya hutan dan pemantauan area hutan dari efek aktifitas penebangan merupakan hal
yang penting. Ada upaya besar yang telah dilakukan dalam klasifikasi tutupan lahan berkaitan
dengan pengelolaan sumber daya hutan di negara ini sebagai suatu prioritas dalam keseluruhan
aspek pemetaan hutan menggunakan penginderaan jauh dan teknologi yang berkaitan seperti
GIS. Pada kenyataannya proses klasifikasi merupakan langkah wajib dalam penelitian mengenai
penginderaan jauh. Oleh karena itu, tujuan utama dari tulisan ini adalah untuk menilai akurasi
klasifikasi dari pemetaan hutan yang diklasifikasi dengan data Landsat TM dari jumlah
perbedaan dari data referensi (200 and 388 data referensi). Pebandingan dibuat dengan
observasi (200 data referensi), dan pendekatan interpretasi dan observasi (388 data referensi).
Lima kelas tutupan lahan yang disebut dengan hutan primer, hutan berbatang tinggi, badan air,
Lahan gundul dan daerah pertanian/campuran hortikultur dapat diidentifikasi dalam perbedaan
panjang gelombang spektral. Hasil menunjukkan bahwa overall akurasi dari 200 data referensi
sebesar 83.5 %, nilai Kappa 0.7502459; varians kappa 0.002871), dimana dipertimbangkan dapat
diterima atau baik untuk data optik. Akan tetapi, ketika 200 data referensi ditingkatkan menjadi
388 dalam confusion matrix, akurasi meningkat dari 83.5% menjadi 89.17%, dengan nilai
statistik Kappa meningkat dari 0.7502459 menjadi 0.8026135, secara berturut-turut. Akurasi
dalam klasifikasi ini disarankan bahwa strategi ini untuk pemilihan daerah kajian, pendekatan
interpretasi dan jumlah data referensi sangat penting untuk memperbaiki hasil klasifikasi.
 Pendahuluan
• Pengkelasan vegetasi hutan secara umum telah
dapat diidentifikasi dalam kebanyakan citra satelit
optik
• Klasifkasi ini menjadi acuan dalam perencanaan
dan manajemen hutan
• Penilaian akurasi klasifikasi harus
mempertimbangkan pengaruh variabilitas seperti
komposisi spesies, ukuran batang, area dasar,
tutupan kanopi, jumlah lapisan antar area dan
tipe hutan dalam sifat yang sama
 Pendahuluan
• Tipe klas hutan tropis dapat dengan mudah
diklasifikasi dari data satelit Landsat TM dan
secara luas untuk perencanaan tutupan lahan,
cakupan lahan dan klasifikasi hutan (Foody and
Hill, 1996)
• Tujuan utama penelitian ini adalah untuk menilai
akurasi klasifikasi peta hutan dari jumlah
perbedaan dan data referensi. Perbandingan ini
dilakukan dengan observasi dan interpretasi data
citra satelit
 Metodologi
Akuisisi data, koreksi geometrik and radiometrik
• Citra Landsat TM untuk path 126 row 57 tanggal 8
Mei 2001
• Teknik pengolahan citra menggunakan PCI
ImageWorks version 7.0 dan dihasilkan dalam
software ArcView version 3.4.
• Data tambahan digunakan untuk mendukung data
satelit dari Jerantut Forestry Department and
Department of Survey and Mapping Malaysia
 Metodologi
• Peta topografi dan peta operasi hutan digunakan
untuk pengolahan citra dan klasifikasi
• Peta juga digunakan dalam observasi lapangan
untuk verifikasi hasil klasifikasi dari citra satelit
• Koreksi geometrik terhadap daerah lokal Malaysia
dengan 30 m pixel menggunakan metode cubic
convolution resampling
• Ground control points (GCP’s) pada citra dan peta
topografik dengan menggunakan fungsi koreksi
geometrik linear. RMS 0.645 pixel atau 16 m.
 Metodologi
Pengembangan skema klasifikasi
Dikembangkan berdasarkan sistem klasifikasi tutupan
lahan
Gbr. 1 Lokasi studi di Sungai
Tekai Forest Reserve di
Semenanjung Malaysia
 Metodologi
Skema klasifikasi dan deskripsinya :
a. Hutan primer-menengah sampai mahkota besar.
Tutupan kanopi-kerapatan tinggi >50%
b. Hutan berbatang tinggi- jarang/mahkota sedang.
Kerapatan kanopi rendah (<10-50%)
c. Daerah pertanian/campuran hortikultur- bagian yang
jarang (fraksi hutan 10-70%)
d. Badan air- kelas ini menutupi area oleh sungai utama
yang melintasi wilayah studi dan juga waduk
e. Lahan gundul-lahan yang sangat kecil atau tanpa
tutupan vegetasi
 Metodologi
Pengolahan dan analisis citra satelit
• Penajaman menggunakan penajaman linear dan
penyesuaian kecerahan dan kontras citra
• Pengolahan median filter nilai derajat keabuan ke
dalam filter empat persegi di sekitar jendela pada
setiap pixel
 Methodology
Klasifikasi citra digital
• Citra satelit diinterpretasi dengan metode digital dan
visual
• Citra komposit diuji dalam memilih kombinasi band
terbaik yakni 5-4-3
• 30 titik per kelas ditandai sebagai data olahan, yang
idealnya sebanyak 150 dalam kasus ini
 Metodologi
• Untuk identifikasi sifat sampel yang baik yang
berhubungan dengan tutupan hutan primer dan
hutan berbatang tinggi menggunakan Parametric
Maximum Likelihood Classifier (MLC)
• Fungsi pembedaan ciri digunakan untuk menguji
kualitas dari area kajian dan ciri kelas
• Kesatuan kajian disusun secara manual untuk
mengidentifikasi sifat-sifat tertentu yang termasuk
dalam kelas spesifik
 Metodologi
• Identifikasi tekstur untuk tipe tutupan lahan
dinilai secara visual dan statistik
• Observasi penciri digunakan untuk membedakan
tampilan permukaan pada setiap pixel untuk
menetapkan ukuran probabilitas dari penutup
lahan yang berbeda jenis
• Citra klasifikasi difilter menggunakan low pass
median filter untuk mendapatkan hasil yang lebih
baik
 Metodologi
Pengkajian akurasi
• Tipe tutupan lahan hutan diturunkan dari interpretasi
dan analisis citra digital yang telah divalidasi dengan data
yang diperoleh dari verifikasi lapangan
• Confusion matrix, diturunkan dari peta citra dan data
lapangan, yang dihasilkan untuk pengkajian akurasi
• Akurasi peta tematik ditentukan oleh matriks yang
dibangun dengan statistik Kappa untuk menguji apakah
terdapat perbedaan dalam interpretasi yang dilakukan
 Metodologi
• Nilai Kappa antara 0 and 1, dimana 0
menggambarkan kesesuaian hanya karena
kebetulan. Sedangkan nilai 1 menggambarkan
kesesuaian menyeluruh antara dua kesatuan
data
• Statistik Kappa telah menjadi ukuran yang
handal dalam pembedaan interkelas yang
lebih baik untuk overall akurasi
 Metodologi
Ground verification
• Titik-titik utama di lapangan direkam dalam
koordinat GPS
• Verifikasi lapangan dilakukan dengan menggunakan
area frame sampling-unaligned systematic random
sampling
• Total 97 segmen sampel diadopsi dari 100, karena
tiga sampel mengalami gangguan awan
 Metodologi
• Observasi dibuat dalam area 60m x 60 m pada
empat sudut segmen sampel
• Cek lapangan tidak dilakukan secara
keseluruhan yang disebabkan oleh kesulitan
akses lapangan menuju unit sampel karena
luasnya area kajian
• Hanya terdapat 47 segmen sampel yang
digunakan dalam interpretasi data
Gbr 2. Lokasi segmen sampel dari citra satelit yang menunjukkan
lokasi observasi dan lokasi interpretasi
 Hasil dan pembahasan
• Lima kelas dapat diidentifikasi melalui
perbedaan panjang gelombang spektral
• Respon spektral dalam skala kecil
berkontribusi dalam mis-klasifikasi objek
• Batas antara hutan pimer dan hutan
berbatang tinggi tidak mudah dapat
diidentifikasi dari citra satelit
 Hasil dan pembahasan
Hasil statistik dari klasifikasi tutupan lahan citra Landsat TM
ditunjukkan pada Tabel 1, dimana terdiri dari jumlah pixel per
kelas dan proporsi relatifnya
 Hasil dan pembahasan
• Hasil riset ini menghitung area dan persentase
dari setiap kelas lahan yang tercakup dalam suatu
maximum likelihood classification
• Data verifikasi lapangan yang digunakan dalam
laporan maximum likelihood sebagai kesatuan
data independen akurasi klasifikasi yang
dibandingkan
• Pengkajian akurasi dibangun dari 200 data
referensi (observasi) dan 388 data referensi
(termasuk data observasi dan interpretasi)
Tabel 2. Matrix Error untuk klasifikasi tutupan lahan
dari 200 Data Referensi

• 83.5 % overall akurasi

diperoleh dari 200 data
referensi, dimana akurasi
user dan producer,
masing-masing hampir
sama 93.75 %
Tabel 3. Matrix Error untuk klasifikasi tutupan lahan
dari 388 Data Referensi (observasi dan interpretasi)

• Matrix error dihasilkan

dari 388 data referensi
menunjukkan
peningkatan dalam
overall akurasi
dibanding 200 data
referensi, yakni
meningkat dari 83.5 %
ke 89.71 %
• Kalkulasi Kappa
menunjukkan perbaikan
nilai dengan kesesuaian
pengukuran yang baik
dengan nilai Kappa
0.8026135 and varians-
nya 0.0026036
 Hasil dan pembahasan
a. User’s akurasi meningkat untuk kelas hutan primer dari 90% ke
94.19%, tapi menurun pada producer’s akurasi dari 88.88% ke
72.73%
b. User’s akurasi and producer’s akurasi menuingkat dengan
persentase yang sama untuk kelas hutan berbatang tinggi dari
66.66% ke 78.72%
c. User’s akurasi and producer’s akurasi untuk kelas badan air dari
80% ke 72.73%, and 88.88% ke 72.73%,
d. User’s akurasi and producer’s akurasi sama untuk kelas daerah
pertanian dan gabungan hortikultur dengan 84.61% dan 91.66%
e. User’s akurasi menurun untuk kelas badan air dari 80.00% ke
72.73%, dan juga menurun producer’s akurasi dari 88.88% ke
72.73%.
 Hasil dan pembahasan
• Ini menunjukkan bahwa nilai Kappa 0.7502459
(dengan varians 0.002871) menggambarkan
peluang akurasi 75 % lebih baik dibanding jika
klasifikasi dihasilkan dari random unsupervised
classification, sebagai ganti dilakukannya
maximum likelihood classification
• Nilai Kappa <40 % adalah buruk, 40-55 %
sedang, 55-70 % baik, 70-85 % sangat baik dan
>85 % unggul
 Hasil dan pembahasan
• Overall akurasi dalam studi ini dapat diterima
untuk diaplikasikan
• Tipe-tipe informasi yang diperoleh dari hasil ini
dapat dijadikan tipe umum pembedaan tutupan
lahan dan kemampuan sumberdaya hutan
• Kondisi struktur hutan menunjukkan bahwa
tutupan kanopi pada hutan berbatang tinggi
kurang dari 50 % dan untuk hutan primer berkisar
antara 55 % - 85%
Gbr. 3 Batas dari bagian hutan yang di-overlay dengan
lima klas tipe tutupan lahan
 Kesimpulan
• Overall akurasi dalam kemampuan untuk
membedakan ciri untuk 200 and 388 data
referensi memiliki skala kesesuaian yang
sangat baik
• Data referensi dalam confusion matrix yang
mencakup pendekatan observasi dan
interpretasi, dapat memperbaiki dari 83.5%
menjadi 89.17%, dengan nilai statistik Kappa
meningkat dari 0.7502459 menjadi 0.8026135
 Kesimpulan
• Penelitian mendatang dalam aplikasi metode
ini dengan resolusi yang berbeda, kualitas
data citra dengan berbagai band spektral dan
teknik handal dalam pengolahan dan analisis
citra dapat meningkatkan akurasi satelit
berdasarkan prediksi dan estimasi
sumberdaya hutan hujan tropis