Evaluasi ketelitian hasil klasifikasi penggunaan lahan dari data landsat TM setelah koreksi geometris (Studi kasus di Kotamadya Semarang dan sekitarnya)

Bambang Sulistyo, Dr. Hartono, DESS.

1997 | Tesis | S2 Penginderaan Jauh

INTISARI Penelitian ini bertujuan untuk : (1) mengkaji ketelitian hasil klasifikasi penggunaan lahan sesudah koreksi geometris terhadap hasil klasifikasi yang dila-kukan sebelum koreksi geometris; dan (2) mengevaluasi kelayakan ketelitian hasil klasifikasi penggunaan lahan yang dilakukan sesudah koreksi geometris sebagai masukan kedalam SIG. Metode penelitian yang dilakukan yaitu dengan melakukan klasifikasi beracuan penggunaan lahan secara digital menggunakan algoritma Maximum Likelihood pada citra Landsat TM dengan dua cara. Cara pertama yaitu melakukan klasifikasi spektral terlebih dahulu kemudian melakukan koreksi geometris dan hasilnya disebut sebagai Acuan Pembanding; dan Cara kedua melakukan koreksi geometris terlebih dahulu kemudian melakukan klasifikasi dan hasilnya disebut sebagai Hasil Transformasi. Evaluasi yang dilakukan yaitu dengan cara melakukan analisis tumpangsusun antara Hasil Transformasi dengan Acuan Pembanding. Hasilnya merupakan suatu matriks kesalahan yang menyatakan ketelitian keseluruhan, ketelitian individu, kesalahan omisi dan kesalahan komisi. Hasil penelitian menunjukkan bahwa : (1) secara keseluruhan harga rata-rata sampel sesudah koreksi geometris tidak berubah dibandingkan dengan yang belum dikoreksi geometris sebesar 1,92%, mengecil sebesar 46,15%, dan membesar sebesar 51,93%, sedangkan harga standard deviasinya mengecil sebesar 68,59% dan membesar sebesar 31,41 %; (2) ketelitian keseluruhan hasil klasifikasi yang dilakukan setelah koreksi geometris masih memenuhi ketelitian sebesar 80%, sehingga hasilnya dapat digunakan sebagai masukan ke dalam SIG. Besarnya Ketelitian Keseluruhan sebagai akibat teknik interpolasi nearest neighbour adalah yang tertinggi sebesar 88,73%, diikuti cubic convolution (83,69%) dan terakhir bilinear interpolation (82,67%); (3) teknik interpolasi nearest neighbour menghasilkan rata-rata penambahan luas paling kecil (19,54 %), diikuti bilinear interpolation (24,80%), dan yang paling besar adalah cubic convolution (24,93%). Teknik interpolasi nearest neighbour menghasilkan rata-rata pengurangan luas yang paling kecil (17,17%), diikuti cubic convolution (24,60 %), dan yang paling besar adalah bilinear interpolation (27,87%).

ABSTRACT Objectives of the research are: (1) to study the accuracy of digital landuse classification of geometrically corrected digital Landsat TM data compared to the similar classification of non-geometrically corrected data; and (2) to evaluate the accuracy of geometrically corrected Landsat TM landuse classification in relation to the possibility of using it as an input into GIS. Method applied was by conducting digital land-use/landcover classification by using Maximum Likelihood algotrithm of the data in two approaches. The first approach was by applying classification prior to geometric correction (called as Reference); and the second was by doing classification after geometric correction (called as Transformed Result). Overlay analysis then was conducted between the first and the second results. The result was an Error Matrix depicting Overall Accuracy, Individual Accuracy, Ommision, and Commision of Error. Results show that : (1) as a whole the mean values of the training sample of geometrically corrected data comparing with non-geometrically corrected was not change 1.0. 1.92%, the decrease was 46.15%, and the increase was 51.93%, while its standard deviations decreased to 68.59% and increased to 31.41%; (2) the Overall Accuracy of the classification that was conducted after geometric correction is higher than 80 %. It means that its results can be used as an input into GIS. The Overall Accuracy as a result of nearest neighbour interpolation technique was the highest accuracy i.e. 88.73%, then followed by cubic convolution (83.69%) and the least was bilinear interpolation (82.67 %); (3) the choice of using nearest neighbour interpolation technique during geometric correction resulted the least increase in areas 1.e. 19.54% in average, then followed by bilinear interpolation (24,80 %), and the highest was cubic convolution (24,93%). While its area reduction resulted 17.17% in average using nearest neighbour, followed by cubic convolution (24.60%), and bilinear interpolation (27.87%).

Kata Kunci : klasifikasi penggunaan lahan, data landsat TM, koreksi geometris, Kotamadya Semarang