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
