Efektifitas perbaikan area contoh dan nilai ambang (Threshold) pada klasifikasi penutup lahan citra MSS Landsat daerah bandung Selatan

Abstract

Penelitian bertujuan mengevaluasi efektivitas penerapan nilai ambang pada citra yang area contohnya diperbaiki dan tidak diperbaiki, sehingga diharapkan dapat meningkatkan kualitas hasil klasifikasi penutup lahan pada citra MSS Landsat. Pemilihan lokasi penelitian di daerah Ciwidey dan sekitarnya, Kabupaten Bandung dilakukan dengan harapan dapat mewakili keadaan penutup/penggunaan lahan di Jawa yang cukup kompleks. Pemetaan penutup/penggunaan lahan melalui foto udara, Peta Topografi dan pengecekan lapang berhasil memetakan daerah penelitian menjadi 16 kelas penutup/penggunaan lahan, yaitu sawah, pemukiman, hutan bambu, ladang, hutan pinus, hutan kayu putih, hutan campuran, hutan, perkebunan teh, perkebunan kina, semak, belukar, kebun campuran, kebun sa- yuran, kompleks industri dan lahan campuran. Penutup lahan yang dapat diklasifikasikan dari citra MSS Landsat berjumlah lebih sedikit, yaitu 9 kelas. Kelas tersebut adalah sawah, pemukiman, hutan bambu, ladang, semak, hutan pinus, hutan campuran, hutan, dan kebun teh. Hasil klasifikasi area contoh secara terbimbing dengan metode maximum likelyhood classification (mlc) menunjukkan kesalahan klasifikasi keseluruhan sebesar 6,14 persen. Citra hasil ektrapolasi ternyata tidak berimpit dengan data lapang. Hal ini menunjukkan banyak pixel yang tidak terklasifikasi sesuai dengan kelasnya masing-masing. Upaya perbaikan hasil klasifikasi dilakukan dengan mem- perbaiki nilai pixel area contoh agar fungsi klasifikasi yang digunakan untuk ekstrapolasi lebih baik. Perbaikan area contoh dapat memperkecil kesalahan hasil klasifikasi area contoh dari 6,14 menjadi 1,79 persen, tetapi pola sebaran penutup lahan citra hasil klasifikasi tetap tidak dapat berimpit dengan data lapang. Namun secara umum nilai-nilai pixel area contoh kelas penutup lahan menjadi lebih seragam (homogen) dibanding pada kelas penutup lahan dengan area contoh tidak diperbaiki. Penerapan nilai ambang dilakukan pada citra dengan area contoh diperbaiki dan tidak diperbaiki. Pixel bernilai tanggung yang dikeluarkan dari setiap kelas pada citra de- ngan perbaikan area contoh, lebih banyak dibanding yang berasal dari kelas tanpa perbaikan area contoh. Ternyata kelas dengan sebaran nilai pixel yang seragam (homogen), pixel bernilai tanggung yang dikeluarkan lebih banyak dibanding kelas dengan sebaran nilai pixel yang lebih heterogen…dst