Uploaded by Rumpoko Galih

LAPORAN 6 AKHIR PRAKTIKUM KINERJA PENGINDERAAN JAUH

advertisement
LAPORAN PRAKTIKUM KINERJA PENGINDERAAN JAUH
UJI AKURASI CITRA MAXIMUM LIKELIHOOD MODE GOOGLE EARTH PRO
(Studi Area Universitas Negeri Malang, Merjosari, dan Bedengan)
Oleh :
Nama Mahasiswa
: Dian Nofita Sari (180721639134)
: Galih Rumpoko (180721639147)
Mata Kuliah
: Penginderaan Jauh
Dosen Pengampu
: Ike Sari Astuti, S.P, M. Nat. Res.St., Ph.D
Tanggal Praktikum
: 10 Desember 2019
Asisten Praktikum
: Dimas Ari Wibowo
UNIVERSITAS NEGERI MALANG
FAKULTAS ILMU SOSIAL
JURUSAN GEOGRAFI
PROGRAM STUDI PENDIDIKAN GEOGRAFI
2019
I.
BAB 1 PENDAHULUAN
a. Latar Belakang
Uji akurasi yang dilakukan pada praktikum ini bertujuan untuk menguji tingkat
keakuratan peta dengan di lapangan yang dihasilkan dari proses klasifikasi digital
dengan sampel uji dari hasil kegiatan lapangan. Sampel yang digunakan sebagai
training area dengan sampel yang digunakan untuk uji akurasi bukan sampel yang
sama tetapi sampel uji akurasi yang diambil di tempat yang berbeda. Dalam
melakukan pengamatan untuk memastikan kesesuaian objek atau tata guna antara di
peta dengan di lapangan dapat dilakukan dengan cara ground checking ke lapangan
atau menggunakan mode google earth pro. Alasan memilih menggunakan citra
google earth pro adalah citra ini memiliki kualitas resolusi spasial tinggi dengan
cakupan perekaman luas, meminimalisir waktu dan biaya yang digunakan, serta
dapat diunduh secara gratis melalui website.
Berdasarkan beberapa alasan di atas dalam memilih penggunaan citra juga
pengenalan obyek dapat diamati dengan mudah dari tampilan citra google earth pro
tersebut dan beberapa obyek yang tampak seperti adanya permukiman yang
memiliki rona cerah, sawah yang memiliki tekstur halus dan berwarna hijau, PLK
(Permukiman Lahan Kering) yang memiliki tekstur halus dan rona cerah, dan hutan
yang memiliki tekstur kasar serta berwarna hijau. Pengenalan objek yang dilakukan
tersebut bertujuan untuk mengetahui keakuratan yang dimiliki oleh peta yang
dibuktikan dengan melihat objek di lapangan melalui google earth pro, Berdasarkan
pada uji akurasi ini tidak selamanya objek tersebut sesuai dengan di peta dan di
lapangan, misalnya interpretasi citra pada objek sawah yang ditangkap oleh
komputer tidak sama dengan interpretasi yang user lakukan. Hal ini disebabkan
komputer mengeneralisasikan objek hanya menggunakan beberapa unsur saja
berbeda dengan user yang menginterpretasikan objek melalui semua unsur secara
langsung dengan melalui google earth pro. Oleh karena itu uji akurasi citra bisa
dilakukan dengan menggunakan google earth pro yang telah dibuat beberapa plotplot titik lokasi dalam bentuk matrik. Penjelasan mengenai uji akurasi atau
keakuratan di peta dengan di lapangana bisa diketahui dan diamati dari praktikum
ini.
b. Tujuan praktikum
1. Mahasiswa mampu menentukan nilai akurasi dari salah satu metode klasifikasi
terbimbing (supervised classification).
2. Mahasiswa mampu membandingkan nilai akurasi untuk masing-masing objek
tata guna lahan di dalam peta.
3. Mahasiswa mampu menentukan kesesuaian informasi tata guna lahan di citra
dengan kenyataan di lapangan menggunakan mode google earth pro.
4. Mahasiswa mampu menganalisis tabel confussion matrix, producer’s accuracy,
user’s accuracy, dan overall accuracy.
c. Manfaat praktikum
Manfaat dari dilaksanakan Pratikum Uji Akurasi Citra Maximum Likelihood
dengan menggunakan Google Earth Pro, yaitu mahasiswa mampu menentukan,
menafsirkan, dan membaca nilai-nilai yang terdapat pada metode klasifikasi
terbimbing yang dibuat oleh mahasiswa tersebut dengan memperkirakan objek yang
akan di klasifikasikan. Mahasiswa juga dapat mengetahui perubahan penggunaan
lahan pada suatu wilayah yang diteliti, sehingga dapat mengetahui kesesuaian atau
keakuratan antara hasil di citra dengan kenyataan yang ada di lapangan. Dengan
menggunakan Mode Google Earth Pro, maka pada citra yang dihasilkan oleh
mahasiswa dapat di uji kelayakannya tanpa harus datang langsung ke lapangan
sehingga mempersingkat waktu pelaksanaannya, serta mahasiswa mampu
menganalisis hasil dari tabel Confussion Matrix, Producer’s Accuarcy, User’s
Accuracy, dan Overall Accuarcy yang dibuat dari Peta klasifikasi tersebut.
II.
BAB II KAJIAN PUSTAKA
a. Maximum likelihood
Klasifikasi terbimbing terbagi menjadi beraneka ragam. Salah satu pendekatan
yang paling sering digunakan adalah klasifikasi maximum likelihood (Rusdi, 2005).
Maximum Likelihood, metode ini mengklasifikasikan statistik untuk setiap kelas
dalam setiap band biasanya didistribusikan dan menghitung probabilitas, serta suatu
piksel mewakiliki kelas tertentu. Metode ini memiliki keuntungan dari metode
lainnya, namun dalam penggunaannya juga harus diperhatikan beberapa hal sebagai
berikut:
1. Data lapangan yang cukup untuk digunakan sebagai sampel untuk dapat
mengestimasi nilai rata-rata dan variance-covariance matrix population.
2. Matrix invers dari variance-covariance menjadi tidak stabil dalam kasus ini
dimana adanya hubungan yang tinggi antara dua band atau data lapangan sangat
homogen. Pada kasus ini, jumlah band harus dikurangi dengan menggunakan
principal component analysis.
3. Ketika distribusi populasi sampel tidak normal maka klasifikasi maximum
likelihood tidak dapat diterapkan.
Keuntungan dari menggunakan klasifikasi maximum likelihood adalah metode
ini memperhitungkan varians-kovarians dalam distribusi kelas dan untuk data
terdistribusi normal, maximum likelihood melakukan klasifikasi lebih baik daripada
metode klasifikasi yang lainnya. Akan tetapi, untuk data dengan distribusi nonnormal, hasilnya kurang tepat (Erdas, 1999). Jadi, Maximum Likehood adalah
metode klasifikasi yang mendasarkan peluang kejadian suatu kelas dengan asumsi
statistik untuk setiap kelas di masingmasing band yang terdistribusi secara normal.
Menggunakan training data peluang kejadian setiap piksel milik kelas tertentu
dihitung, dan ambang peluang kejadian jika ditetapkan akan memungkinkan suatu
piksel tidak terklasifikasi jika peluang kejadiannya lebih kecil dari ambang batas
yang ditentukan.
b. Uji akurasi
Penggunaan yang dihasilkan dari proses klasifikasi digital dengan sampel uji
dari hasil kegiatan lapangan. Antara sampel yang digunakan sebagai training area
dengan sampel yang digunakan untuk uji akurasi bukan sampel yang sama tetapi
sampel uji akurasi diambil di tempat yang berbeda, hal ini agar lebih diterima
keakuratannya. Dalam melakukan pengamatan untuk memastikan kesesuaian objek
atau tata guna antara peta dengan kenyataan di lapangan dapat dilakukan dengan
cara ground checking ke lapangan atau menggunakan mode google earth pro. Alasan
pemilihan citra google earth pro adalah citra ini memiliki kualitas resolusi spasial
tinggi, dengan cakupan perekaman luas, dan dapat diunduh secara free. Pengenalan
obyek secara mudah dapat diamati dari tampilan citra google earth, beberapa obyek
yang tampak seperti adanya lahan terbuka/lahan kosong ditunjukkan dengan warna
coklat, dan untuk tubuh air yaitu sungai juga sangat mudah dikenali dengan
bentuknya yang memanjang dan berkelok-kelok.
Metode yang digunakan untuk menghitung akurasi klasifikasi dengan
menggunakan matriks kesalahan atau confusion matrix/error matrix, kemudian
dilakukan perhitungan producer’s accuracy, user’s accuracy, dan overall accuracy
Jensen (2005). Producer’s accuracy merupakan akurasi yang dilihat dari sisi
penghasil peta, sedangkan user’s accuracy merupakan akurasi yang dilihat dari sisi
pengguna petanya.
Secara matematis rumus dari akurasi di atas dapat dinyatakan sebagai
berikut :
Akurasi pembuat = 𝑋𝑖𝑖 x 100%
𝑋𝑖+
Akurasi keseluruhan =
∑𝑖 𝑟 = 1𝑋𝑖𝑖
𝑁
x 100%
Keterangan:
Xii = nilai diagonal dari matrik kontingensi baris ke-i dan kolom ke-i
X+I = jumlah piksel dalam kolom ke-i
X i+ = jumlah piksel dalam baris ke-i
N
= banyaknya piksel dalam contoh
Tabel 1. Contoh Perhitungan Akurasi
Data
Producer’s
Di klasifikasi ke
kelas
Jumlah
Referensi
Accuracy
A
B
C
D
A
X11
X12
X13
X14
X1+
X11/X1+
B
X21
X22
X23
X24
X2+
X22/X2+
C
X31
X32
X33
X34
X3+
X33/X3+
D
X41
X42
X43
X44
X4+
X44/X4+
Jumlah
X+1
X+2
X+3
X+4
N
User’s
X11/X+
1
X22/X+2 X33/X+3 X44/X+4
Accuracy
III.
BAB III METODE
a. Area lokasi ground checking laporan praktikum kinerja penginderaan jauh
tepatnya di Universitas negeri Malang (UM), Merjosari, dan Bedengan atau yang
lebih dikenal dengan sebutan Bumi Perkemahan Bedengan ini terletak di kaki
Gunung Panderman. Praktikum penginderaan jauh ini dilaksanakan pada tanggal
04 Desember 2019.
b. Alat
1. Aplikasi Google Earth Pro
2. Software ENVI 5.
3. Software Arcmap 10.
4. Ms. Excel
c. Bahan
1.
File landsat 8 OLI/TIRS yang sudah terkoreksi atmosferikrik.
2.
File titik pengamatan dalam format KML atau KMZ.
3.
File ROI (format.xml) area UM, Merjosari, dan Bedengan
d. Tehnik pengumpulan data (Ground Checking Google Earth dst)
Menurut Sutanto (2008), Google Earth merupakan program memetakan bumi
dari superimposisi gambar yang dikumpulkan dari pemetaan satelit, fotografi udara
dan globe GIS 3D. Resolusi yang tersedia tergantung pada tempat yang dituju,
tetapi kebanyakan daerah (kecuali beberapa pulau) dicakup dalam resolusi 15
meter. Google Earth merupakan sebuah program globe virtual yang sebenarnya
disebut Earth Viewer dan dibuat oleh Keyhole, Inc.
Google juga menambah pemetaan dari basis datanya ke perangkat lunak
pemetaan berbasis web. Peluncuran Google Earth menyebabkan sebuah
peningkatan lebih pada cakupan media mengenai globe virtual antara tahun 2005
dan 2006, menarik perhatian publik mengenai teknologi dan aplikasi geospasial.
Global virtual ini memperlihatkan rumah, warna mobil, dan bahkan bayangan
orang dan rambu jalan. Resolusi yang tersedia tergantung pada tempat yang dituju,
tetapi kebanyakan daerah (kecuali beberapa pulau) dicakup dalam resolusi 15
meter. Las Vegas, Nevada dan Cambridge, Massachusetts memiliki resolusi
tertinggi, pada ketinggian 15 cm (6 inci). Google Earth mampu menunjukkan
semua gambar permukaan bumi, dan juga merupakan sebuah klien Web Map
Service. Google Earth mendukung pengelolaan data Geospasial tiga dimensi
melalui Keyhole Markup Language (KML).
e. Tehnik analisis data (Users accuracy, Producer’s Accuracy, dst)
Teknik analisis data yang digunakan dalam praktikum kali ini menggunakan
metode yang digunakan untuk menghitung akurasi klasifikasi dengan menggunakan
matriks kesalahan atau confusion matrix/error matrix, kemudian dilakukan
perhitungan producer’s accuracy, user’s accuracy, dan overall accuracy. Producer’s
accuracy merupakan akurasi yang dilihat dari sisi penghasil peta, sedangkan user’s
accuracy merupakan akurasi yang dilihat dari sisi pengguna petanya.
IV.
BAB IV HASIL
a. Screen shoot citra klasifikasi
b. Save image buffer and GCP google erath pro
c. Tabulasi data
Titik_GCP
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
LU_PETA
Pemukiman
Pemukiman
Pemukiman
Pemukiman
Pemukiman
Pemukiman
Pemukiman
Pemukiman
Pemukiman
Pemukiman
PLK
Sawah
Pemukiman
Pemukiman
Pemukiman
Sawah
PLK
PLK
Sawah
Sawah
Sawah
Sawah
Sawah
Sawah
Sawah
Sawah
Sawah
Sawah
PLK
LU_LAPANGAN
Permukiman
Permukiman
Permukiman
Permukiman
Permukiman
Permukiman
Permukiman
Permukiman
Permukiman
Permukiman
Permukiman
Permukiman
Permukiman
Permukiman
Permukiman
Permukiman
PLK
Sawah
Sawah
Sawah
Sawah
Sawah
Sawah
Permukiman
Sawah
Permukiman
Sawah
Sawah
PLK
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
PLK
Sawah
Sawah
PLK
PLK
PLK
PLK
PLK
PLK
PLK
PLK
PLK
PLK
PLK
PLK
PLK
PLK
PLK
PLK
Hutan
Hutan
Hutan
Hutan
Hutan
PLK
Hutan
PLK
PLK
Hutan
Hutan
PLK
Hutan
PLK
Hutan
PLK
PLK
Sawah
PLK
PLK
PLK
PLK
PLK
PLK
Hutan
PLK
PLK
PLK
PLK
PLK
PLK
PLK
PLK
PLK
PLK
Hutan
Hutan
Hutan
Hutan
Hutan
PLK
Hutan
Hutan
Hutan
Hutan
Hutan
Hutan
Hutan
Hutan
Hutan
Hutan
d. Tabel matrix confusion
count of
lapangan
peta
Hutan
pemukiman
PLK
Sawah
lapangan
Hutan
Grand Total
User A
ccuracy
Pemukiman
PLK
Grand
Total
Sawah
10
Producer
Accuracy
6
13
1
4
19
1
1
9
10
13
27
14
16
18
20
10
64
63
72,22
95
90
100
100
70
64
Overall
Accuracy
79,6875
e. Perhitungan user, produser dan overall accuracy
User Accuracy Hutan
User Accuracy Pemukiman
User Accuracy PLK
95%
User Accuracy Sawah
90%
Producer Accuracy Hutan
100%
Producer Accuracy Pemukiman
100%
Producer Accuracy PLK
70%
Producer Accuracy Sawah
64%
Overall Accuracy
Interpretasi untuk Overall Accuracy
V.
63%
72,22%
79,69%
Akurat
0 - 30 %
Tidak Akurat
31 % - 50 %
Kurang Akurat
51 % - 70%
Akurat
71 % - 100 %
Sangat Akurat
BAB V PEMBAHASAN
A. Deskripsi sebaran titik GCP
Titik kontrol pada citra merupakan titik acuan dimana titik tersebut menyatakan
kedudukan atau posisinya dalam bentuk koordinat yang mengelompok dan
menyebar. Titik kontrol tersebut dapat dinyatakan dalam bentuk koordinat dua
dimensi (x,y) atau koordinat tiga dimensi (x,y,z). Ground Control Point (GCP)
merupakan titik bantu untuk proses pemberian koordinat pada citra (foto udara) atau
biasa disebut proses georeferencing yang bertujuan untuk koreksi geometrik. Proses
georeferencing merupakan proses pemberian sistem koordinat pada suatu objek
gambar dengan cara menempatkan suatu titik kontrol terhadap suatu persimpangan
antar garis lintang dan bujur pada gambar berupa objek tersebut
B. Deskripsi matrix confusion
Berdasarkan tabel matrix confusion terdapat 4 obyek yaitu hutan, permukiman,
permukiman lahan kering (PLK), dan sawah. Beberapa obyek tersebut dapat
dideskripsikan bahwa obyek hutan di peta dan dilapangan memiliki jumlah yang
sama atau dikatakan sesuai tidak memiliki kesalahan yaitu sebanyak 10 obyek,
kemudian pada obyek permukiman di peta dan dilapangan juga memiliki jumlah
obyek yang sama atau sesuai kenyataan yaitu sebanyak 13 obyek, selanjutnya pada
pertanian lahan kering (PLK) pada peta memiliki jumlah 27 sedangkan dilapangan
hanya memiliki 19 objek yang terklasifikasi sebagai PLK dan 6 lainnya sebagai
hutan, 1 sebagai permukiman dan 1 sebagai sawah. Selanjutnya pada obyek sawah
di peta memiliki jumlah sebanyak 14 yang pada kenyataanya di lapangan memiliki
jumlah sebanyak 9 yang terklasifikasi, dan distorsi sebagai pemukiman sebanyak 4,
dan sebagai PLK 1 obyek.
C. Deskripsi user, producer and overall accuracy
Berdasarkan user accuracy pada obyek hutan didapat hasil sebesar 63%. Hal ini
menunjukkan bahwa tingkat akurasi yang dimiliki oleh obyek hutan yang artinya
akurat, hal ini dikarenakan oleh unsur interpretasi yang dimiliki obyek terbilang
mudah dipahami oleh komputer, untuk Producer accuracy pada obyek hutan
memiliki producer accuracy sebesar 100% yang artinya tingkat akurasi pada obyek
ini sangat akurat hal ini dikarenakan obyek mudah dipahami oleh karena itu obyek
dilapangan sesuai dengan obyek yang ada di peta. Selanjutnya user accuracy pada
obyek permukiman memiliki hasil sebesar 72,22% hal ini menunjukkan bahwa
tingkat akurasi yang dimiliki obyek sangat akurat, dikarenakan unsur interpretasi
yang dimiliki mudah dipahami oleh komputer, untuk producer accuracy pada objek
permukiman memiliki produccer accuracy sebesar 100%, yang artinya tingkat
akurasi yang dimiliki oleh objek sangat akurat, hal ini dikarenakan objek di
lapangan sesuai dengan objek yang ada di peta. Selanjutnya user accuracy pada
objek PLK memiliki akurasi sebesar 95%, hal ini menunjukkan bahwa tingkat
akurasi yang dimiliki obyek sangat akurat karena unsur interpretasi yang dimiliki
mudah dipahami oleh komputer, untuk producer accuracy pada objek PLK
memiliki producer accuracy sebanyak 70% yang artinya tingkat akurasi yang
dimiliki oleh obyek akurat, hal ini dikarenakan objek dilapangan sesuai dengan
objek yang ada di peta dan mudah dipahami.
Kemudian, pada user accuracy objek sawah memiliki akurasi sebesar 90%, hal
ini menunjukkan bahwa tingkat akurasi yang dimiliki obyek sangat akurat, hal ini
dikarenakan interpretasi yang dimiliki mudah dipahami oleh komputer, untuk
producer accuracy pada objek sawah memiliki producer accuracy sebanyak 64%
yang tingkat akurasi yang dimiliki oleh objek sangat akurat, dikarenakan objek
dilapangan sesuai dengan obyek di peta. Jadi, berdasarkan pada hasil user accuracy
dan produser accuracy dari obyek hutan, permukiman, PLK, dan sawah dapat
dikatakan bahwa tingkat overall accuracy yang dimiliki oleh semua objek sebesar
79,68%, hal ini menandakan bahwa tingkat akurasi yang dimiliki pada objek
termasuk dalam kategori sangat akurat.
D. Deskripsi keakuratan citra
Berdasarkan pada hasil overall accuracy yang berasal dari tingkat keakuratan
yang dimiliki masing-masing objek yaitu hutan, permukiman, PLK, dan sawah,
menunjukkan nilai sebesar 79,68%, hal ini menunjukkan bahwa tingkat akurasi
yang dimiliki oleh semua objek termasuk kedalam kategori sangat akurat
dikarenakan nilai yang dimiliki masuk kedalam rentan 71-100% yang menandakan
bahwa objek yang berada pada citra dan yang berada di lapangan sangat akurat.
VI.
BAB VI KESIMPULAN
Berdasarkan hasil uji akurasi citra maximum likelihood diatas yang
dilaksanakan pada tanggal 04 Desember 2019 di area Universitas Negeri Malang
(UM), Bedengan, dan Merjosari. Hasil perhitungan tersebut dapat dilihat kesimpulan
di peta dan di lapangan bahwa tingkat akurasi yang didapat pada masing-masing
objek melalui metode yang digunakan untuk menghitung akurasi klasifikasi dengan
menggunakan matriks kesalahan atau confusion matrix/error matrix, kemudian
dilakukan perhitungan producer’s accuracy, user’s accuracy, dan overall accuracy.
Producer’s accuracy merupakan akurasi yang dilihat dari sisi penghasil peta,
sedangkan user’s accuracy merupakan akurasi yang dilihat dari sisi pengguna
petanya. Kemudian dari metode tersebut di dapatkan hasil bahwa tingkat akurasi
yang dimiliki oleh semua objek tersebut masuk ke dalam kategori sangat akurat. Dari
hasil analisis data yang telah dilakukan melalui perbandingan antara hasil
interpretasi di peta dengan di lapangan didapatkan hasil overall accuracy sebesar
79,68% , dari hasil tersebut menunjukkan bahwa tingkat akurasi yang dimiliki oleh
semua obyek sangat akurat.
DAFTAR RUJUKAN
ERDAS, 1999. Field Guide: Fifth Edition, Revised and Expanded. Download dari
(www.gis.usu.edu/manuals/labbook/erdas/manuals/FieldGuide.pdf). Diakses tanggal 05
Desember 2019.
Jensen, J.R., 2005, Introductory Digital Image Processing : A Remote Sensing Perspective,
Third Edition, Pearson Education, Inc., United States of America.
Purwadhi, S. H. dan Sanjoto, T. B.. 2008. Pengantar Interpretasi Citra Penginderaan Jauh.
Semarang: Pusat Data Penginderaan Jauh Lembaga Penerbangan dan Antariksa Nasional
dan Jurusan Geografi Universitas Negeri Semarang.
Rusdi 2005, Uji Akurasi Klasifikasi Penggunaan Lahan Dengan Menggunakan Metode
Defuzzifikasi
Maximum
Likelihood
Berbasis
Citra
Alos
(https://jurnalbhumi.stpn.ac.id/index.php/JB/article/view/233).
Desember 2019.
Avnir-2.
Diakses
Online
tanggal
05
LAMPIRAN
Download
Random flashcards
hardi

0 Cards oauth2_google_0810629b-edb6-401f-b28c-674c45d34d87

Secuplik Kuliner Sepanjang Danau Babakan

2 Cards oauth2_google_2e219703-8a29-4353-9cf2-b8dae956302e

English Training Melbourne

2 Cards Einstein College of Australia

Create flashcards