Jurnal Kehutanan Papuasia 10 .
: 96 - 106 .
Purnama dkk.
ANALISIS TUTUPAN LAHAN MENGGUNAKAN PENGINDERAAN JAUH DI
KECAMATAN KUPANG TENGAH.
KABUPATEN KUPANG.
PROVINSI NUSA
TENGGARA TIMUR
(Land Cover Analysis Using Remote Sensing in District of Kupang Tengah.
East Nusa Tenggara Povinc.
MARIA M.
PURNAMA1A.
FADLAN PRAMATANA1.
YUSRATUL AINI1.
MUHAMMAD SOIMIN1
Program Studi Kehutanan.
Universitas Nusa Cendana.
Jl.
Adisucipto Penfui.
Kupang Penulis Korespondensi: Email mariapurnama76@gmail.
Diterima: 12 Feb 2.
Disetujui: 30 Mei 2024 Abstrak.
Tutupan lahan merupakan informasi yang sangat penting dalam berbagai bidang misalnya pertanian, pertambangan, kehutanan dan bidang lainnya.
Perubahan tutupan lahan terjadi karena pertumbuhan penduduk yang semakin besar dan perkembangan teknologi yang semakin pesat sehingga menyebabkan suatu wilayah dapat dikonversi menjadi bentuk lain untuk memenuhi kebutuhan manusia baik kebutuhan sandang, pangan terutama lahan untuk pemukiman.
Penelitian ini bertujuan untuk mengetahui tutupan lahan Desa Mata Air.
Pengambilan data menggunakan metode interprestasi citra yaitu pengunduhan citra, pengambilan data lapangan.
Preprocessing, dan Klasifikasi Citra.
Hasil penelitian menunjukkan bahwa terdapat 7 klasifikasi tutupan lahan yaitu bangunan, sawah, vegetasi, semak belukar, tegalan, tubuh air dan lahan terbuka.
Berdasarkan hasil klasifikasi citra dengan menggunakan metode MLC maka diperoleh tutupan lahan semak belukar sebesar 30% tegalan sebesar Uji akurasi antara analisis citra dan kondisi di lapangan memberikan hasil klasifikasi sebesar 96,6%.
Kata kunci: Tutupan lahan, klasifikasi citra, metode MLC Abstract.
Land cover is very important instrumental information in various fields such as agriculture, mining, forestry and other fields.
Land cover changes due to some factors such as greater population growth and rapid technological development, that engendered areas to be converted into other forms to meet human needs for clothing, food, especially land for settlement.
This research aims to determine the land cover of Mata Air VillageData collection used the image interpretation method, namely image download, field data collection, preprocessing, and image classification.
The results showed that there are 7 classifications of land covers, namely buildings, rice fields, vegetation, shrubs, moor, water bodies and opened land.
Based on the results of image classification using the MLC method, the largest land cover is obtained in non-agricultural land cover, namely shrubs by 30% and the smallest land cover is moor by 3%.
The accuracy test shows that there are right and wrong points between the image results and the conditions in the field.
The overall accuracy of the classification results in the study was 96.
Keywords: Land cover, image classification.
MLC method @ Asosiasi Peneliti Biodiversitas Papuasia - Fakultas Kehutanan UNIPA Jurnal Kehutanan Papuasia 10 .
: 96 - 106 .
Purnama dkk.
PENDAHULUAN
menjadi citra satelit resolusi rendah (SPOT.
Landsat.
Aste.
dan citra satelit dengan resolusi tinggi (Ikonos.
Worldview, dan Quickbir.
(Mushoni, 2.
Aplikasi penggunaan citra satelit juga memmiliki beberapa keunggulan utama yang penting dalam implementasinya antara lain memiliki spektrum panjang gelombang untuk mengatasi hambatan atmosfer, dan cakupan tangkapan rekapan yang luas dan mampu menjangkau wilaha dan daerah terpencil serta juga memberikan output data digital yang dapat digunakan untuk berbagai proses analisis.
Penginderaan jauh juga dapat memberikan informasi tentang objek atau gejala suatu wilayah yang diperoleh melalui analisis data, dimana data tersebut diambil menggunakan alat bantu, tanpa menyentuh objek wilayah atau suatu fenomena yang dikaji (Utami dkk.
, 2015.
Niagara dkk.
, 2.
Tutupan lahan merupakan informasi yang sangat penting dalam berbagai bidang misalnya pertanian, pertambangan, kehutanan dan bidang Tutupan lahan pada suatu wilayah dapat berubah seiring berjalannya waktu (Putiksari dkk.
, 2014.
Gifari dkk.
, 2.
Perubahan tutupan lahan terjadi karena pertumbuhan penduduk yang semakin besar dan perkembangan teknologi yang semakin pesat sehingga menyebabkan suatu wilayah dapat dikonversi menjadi bentuk lain untuk memenuhi kebutuhan manusia baik kebutuhan sandang, pangan terutama lahan untuk pemukiman.
Menurut Darmawan et al.
dalam Rante .
, perubahan tutupan lahan suatu wilayah dapat diketahui melalui penginderaan jauh berupa citra satelit.
Penginderaan jauh dapat digunakan untuk mengidentifikasi suatu wilayah yang mengalami perubahan tutupan lahan (Dimara & Auri, 2.
Perkembangan tutupan lahan sangat penting untuk diketahui karena dapat membantu untuk memprediksi kondisi tutupan lahan suatu wilayah di masa yang akan datang (Nugroho, 2020.
Kapitaruaw, dkk.
, sekaligus membantu mencegah atau mengurangi aktivitas negatif yang dapat menimbulkan perubahan tutupan lahan yang dapat membawa dampak buruk bagi alam dan makhluk hidup (Riskanita & Widowaty, 2.
Penginderaan jauh merupakan suatu ilmu dan teknologi yang bertujuan untuk membuat dan menginterpretasi citra yang dapat dimanfaatkan dalam berbagai aplikasi tertentu.
Citra satelit adalah salah satu media yang dapat digunakan untuk memperoleh data tutupan lahan (Sampurno & Thoriq, 2.
Secara umum citra satelit dapat dibagi menjadi dua jenis yaitu citra satelit alam dan citra satelit cuaca.
Citra satelit alam sendiri selanjutnya dapat digolongkan METODE PENELITIAN Penentuan Lokasi Penelitian ini dilaksanakan di Kawasan Hutan di Desa Mata Air.
Kecamatan Kupang Tengah.
Kabupaten Kupang.
Provinsi Nusa Tenggara Timur.
Penelitian dilaksanakan selama 3 bulan yaitu pada bulan Juli-September Prosedur Penelitian Alat dan bahan yang dibutuhkan dalam proses penelitian tutupan lahan antara lain alat:
Laptop.
Perangkat lunak berupa software Microsoft Office 2010 dan Microsoft excel, yang digunakan untuk membuat laporan penelitian.
Perangkat lunak beberapa software SAGA (System for Automated Geoscientific Analyse.
0 dan Quantum GIS 3.
untuk melakukan pengolahan hasil.
Avenza Maps .
atau GPS.
Drone dan Kamera.
Bahan: Data digital citra landsat path 111 row @ Asosiasi Peneliti Biodiversitas Papuasia - Fakultas Kehutanan UNIPA Jurnal Kehutanan Papuasia 10 .
: 96 - 106 .
Purnama dkk.
067 dan parth 124 row 63 kawasan Hutan Desa Mata Air.
Kecamatan Kupang Tengah.
Kabupaten Kupang hasil citra tahun 2012 hingga 2023 yang diperoleh dari United States Geological Survey (USGS) earth explorer.
Tahap analisis terhadap perubahan tutupan lahan dilakukan dengan metode interpretasi citra yang dianalsis dalam Sistem Informasi Geografis (SIG).
Transverse Mercator (UTM) dengan proyeksi 51S dari area UTM, dan datum yang digunakan adalah World Geographic System 1984 (WGS Koreksi radiometrik Koreksi radiometrik dilakukan untuk mendapatkan citra temporal dengan kontras yang sama.
Langkah ini memperbaiki kesalahan elektromagnetik pada atmosfer, kesalahan pada sistem optik, dan kesalahan karena elevasi matahari (Bobsaid, 2017.
Irsan dkk.
, 2.
Koreksi radiometrik juga menggunakan metode Top of Atmosphere (ToA) Citra Landsat dengan pemrosesan secara otomatis dan manual.
Koreksi radiometrik tersebut dilakukan untuk menghilangkan kesalahan nilai digital number akibat adanya perbedaan sudut elevasi matahari ketika melakukan perekaman.
Komposit citra Untuk keperluan analisis dipilih 3 buah band karakteristik spectral masing-masing band dan sesuaikan dengan tujuan penelitian.
Klasifikasi citra Object base image segmentation (OBIS) Tahapan OBIS dilakukan proses segmentasi citra .
ixel leve.
menjadi segmen/obyek .
bject OBIS merupakan pendekatan yang proses klasifikasinya tidak hanya mempertimbangkan aspek spektral namun aspek spasial objek secara sekaligus.
Objek dibentuk melalui proses segmentasi yang merupakan proses pengelompokan piksel yang berdekatan dengan kualitas yang sama atau homogen .
esamaan parameternya (Farizkhar dkk.
, 2.
Pengumpulan Data Pengunduhan citra Pengunduhan data citra dalam penelitian dilakukan dengan mengunduh data citra landsat 7 tahun 2012-08-13 dan kemudian citra landsat OLI 8 pada tahun 2022-10-05 dari website usgs earth explorer.
gov yang dipakai dengan tujuan agar dapat di analisis.
Pengambilan data di lapangan .
round Survei mendapatkan data verifikasi lapangan (Ground chec.
atau data tutupan lahan di lokasi dan digunakan untuk melihat kebenaran klasifikasi penggunaan lahan di Desa Mata Air yang telah diklasifikasi tutupan lahannya.
Preprocessing (Pra-pemrosesa.
Koreksi geometrik Geometrik merupakan posisi geografis yang berhubungan dengan distribusi keruangan .
patial distributio.
Geometrik memuat informasi data yang mengacu bumi .
eoreferenced dat.
, baik posisi .
istem koordinat lintang dan buju.
maupun informasi yang terkandung didalamnya (Lukiawan dk.
, 2.
Koreksi membuktikan bahwa koordinat sesuai dengan koordinat geografis (Priyanto dkk.
, 2021.
Arkham dkk.
, 2.
Tahap koreksi geometrik dimulai dengan penentuan sistem koordinat, proyeksi dan datum.
Sistem koordinat yang dipilih untuk koreksi adalah Universal @ Asosiasi Peneliti Biodiversitas Papuasia - Fakultas Kehutanan UNIPA Jurnal Kehutanan Papuasia 10 .
: 96 - 106 .
Purnama dkk.
Analisis Data Uji akurasi klasifikasi citra Untuk mendapatkan matriks varianskovarians yang akurat dalam klasifikasi, maka digunakan penjumlahan sebagai berikut:
Oc ground truth = Oc band yang digunakan x 10 Kelas membutuhkan lebih banyak lokasi pengambilan Sampel yang diperoleh di lapangan kemudian digunakan untuk pengujian akurasi.
Keakuratan hasil klasifikasi diuji dengan membuat matriks kontingensi, yang biasa disebut matrik konfusi atau matrik kesalahan.
Confusion matrix adalah menghitung setiap tutupan/penggunaan lahan dari hasil proses klasifikasi citra.
Kesalahan omisi .
mission erro.
yaitu kesalahan klasifikasi berupa kekurangan jumlah piksel suatu kelas akibat masuknya piksel-piksel kelas tersebut ke kelas yang lain.
Sedangkan, kesalahan komisi .
ommission erro.
yaitu kesalahan klasifikasi berupa kelebihan jumlah piksel pada suatu kelas yang diakibatkan masuknya piksel dari kelas yang lain.
Ada dua syarat ketelitian/akurasi sebagai kriteria utama bagi sistem klasifikasi penutupan/penggunaan lahan (Badan Survei Geologi Amerika Serikat/USGS), yaitu tingkat ketelitian klasifikasi atau interpretasi minimum dengan menggunakan penginderaan jauh harus tidak kurang dari 85% (Derajat dkk.
, 2.
Confusion Matrix memberi penilaian kinerja klasifikasi berdasarkan objek dengan benar atau salah dan berisi informasi aktual dan prediksi pada sistem klasifikasi.
Berikut tabel dalam menganalisis uji akurasi confusion matrix.
Tabel 1.
Cross-tab confusion matrix Total (O.
Data survey lapangan Data hasil Total (O.
Perhitungan User accuracy Merupakan peluang rata-rata (%) suatu pixel yang secara aktual mewakili kelas-kelas hasil klasifikasi citra, dengan rumus yang dipakai sebagai berikut :
User Accuracy (%) = Producer accuracy Producer accuracy merupakan peluang ratarata (%) suatu piksel akan diklasifikasikan dengan benar dan secara rata-rata menunjukkan seberapa baik setiap kelas di lapangan telah diklasifikasi (Wulansari, 2.
Apabila pada keseluruhan kelas mempunyai nilai ProducerAos accuracy sebesar 100%, ini menandakan bahwa piksel dari kelas tersebut tidak ada yang masuk ke kelas lain, dengan rumus sebagai berikut:
PA =
@ Asosiasi Peneliti Biodiversitas Papuasia - Fakultas Kehutanan UNIPA Jurnal Kehutanan Papuasia 10 .
: 96 - 106 .
Purnama dkk.
Overall accuracy Overall accuracy adalah jumlah nilai keseluruhan dari klasifikasi.
Dimana merupakan perbandingan jumlah total area .
yang diklasifikasikan dengan benar terhadap total area .
observasi (Marwati dkk.
, 2.
, ini menunjukkan tingkat kebenaran citra hasil klasifikasi, dengan rumus sebagai berikut:
HASIL DAN PEMBAHASAN
Desa Mata Air merupakan salah satu desa yang ada di Kabupaten Kupang, yang memiliki luas kawasan kurang lebih 5 km2, dengan tutupan lahan berupa kawasan hutan, pemukiman, sawah, dan beberapa jenis tutupan lahan yang belum teridentifikasi.
Sampai saat ini belum ada data mengenai jenis tutupan lahan di Desa Mata Air.
Oleh karena itu, perlu dilakukan penelitian analisis tutupan lahan.
Error omission Error omission merupakan kesalahan klasifikasi berupa kekurangan jumlah piksel suatu kelas akibat masuknya piksel-piksel kelas tersebut ke kelas yang lain, dengan rumus sebagai berikut:
Error Omission = 100% - Producer accuracy Error comission Eror comission adalah kesalahan klasifikasi berupa kelebihan jumlah piksel pada suatu kelas yang diakibatkan masuknya piksel dari kelas yang lain, dengan rumus yang dipakai sebagai Error Comission= 100% Ae User accuracy Kappa accuracy Kappa accuracy adalah presentase akurasi yang menggunakan semua elemen dalam matrik (Arisondang dkk.
, 2.
Klasifikasi Tutupan Lahan Penelitian ini mengimplementasi pendekatan Maximum Liklihood Clasification (MLC) dalam menentukan kelas Pertimbangan algoritma statistik dengan asumsi data yang telah dikumpulkan terdistibusi secara normal dan berasal dari jumlah data/variabel yang bervariasi .
untivariate dat.
(Liu et al.
, 2.
Selain itu metode ini dipili guna memberikan perbedaan kelas tutupan berdasarkan nilai probabilitas tinggi terhadap pixes klasifikasi ke dalam kelas yang memeiliki kesamaan terbesar pada areal contoh (Kohl et al.
, 2.
Standar penentuan kelas tutpan lahan menggunakan Standar Nasional Indonesia (SNI) tahun 2010.
Hasil klasifikasi citra yang dilakukan berdasarkan 7 kelas penutupan lahan menggunakan citra sentinel 2 disajikan pada Tabel 2.
Persentase luas tutupan lahan terbesar dari hasil klasifikasi citra dengan metode MLC di daerah penelitian terdapat pada kategori daerah bukan pertanian yaitu jenis tutupan lahan semak belukar sebesar 164,01 ha atau mencapai Selanjutnya dibawah kategori daerah bukaan pertanian.
Luas tutupan lahan terbesar kedua berada pada kategori jenis tutupan lahan pertanian yaitu pada jenis sawah seluas 157,15 ha atau mencapai sekitar 28%.
Kategori lain Keterangan :
: Jumlah total pixel yang digunakan dalam pengamatan : Jumlah kelas xii : Nilai diagonal dari matriks kolom i dan x i : Total jumlah pixel dalam kolom-i xi : Total jumlah pixel dalam baris -i @ Asosiasi Peneliti Biodiversitas Papuasia - Fakultas Kehutanan UNIPA Jurnal Kehutanan Papuasia 10 .
: 96 - 106 .
Purnama dkk.
Tabel 2.
Klasifikasi tutupan lahan dan luas lahan Desa Mata Air Jenis Tutupan Lahan Luas .
Persen luas (%) Bangunan Sawah
Vegetasi
Semak Belukar
Tegalan Tubuh Air
Lahan Terbuka Total
Sumber : Hasil analisis tahun 2023
57,69
157,15
42,57
164,01
19,27
27,03
87,39
555,11
yang menyusul kategori sebelumnya ialah kategori bangunan yaitu sebesar 10% atau dengan luas mencapai 57,69 ha.
Salah satu pendorong semakin tingginya peruntukan lahan untuk pembangunan tentu tidak terlepas dari aktivitas pembangunan daerah Kabupaten Kupang yang terus berkembang dan kondisi ini terindikasi dari pertumbuhan penduduk yang secara linear terus terjadi tiap tahunnya yang mendorong pembangunan perumahan dan tempat tinggi (Badan Pusat Statisik, 2.
Jenis tutupan lahan selanjutnya yang tergolong cukup besar yaitu tutupan vegetasi dengan luasan tutupan sebesar 42,57 ha atau sekitar 8%.
Terdapat kategori tutupan tubuhn air yang mengalir di sekitar lokasi penelitian dengan luasan mencapai 27,03 ha atau sekitar 5%.
Sementara luasan tutupan terendah dari hasil analisis adalah pada jenis tutupan tegalan yaitu dengan luas 19,27 ha atau hanya sekitar 3%.
Tingginya luasan tutupan lahan berupa semak belukar .
mengindikasikan bahwa sebagain besar lahan tersebut masih dalam kondisi tertutup vegetasi jenis perenial yang mana pada areal tersebut belum terjadi perubahan pemanfataan lahan untuk kebutuhan lainnya .
lih fungsi laha.
Semak belukar menjadi indikasi adanya pertumbuhan kembali .
e-vegetas.
pada kawasan tersebut dan berpotensi untuk membentuk ekosistem hutan baru dengan hadirnya komponen mendukung ekosistem hutan .
iotik dan abioti.
Sementara di sisi lain, perubahan tutupan lahan berupa sawah dan bangunan juga cukup tinggi secara persentase, dimana alih fungsi lahan untuk kebutuhan sawah mencapai 28% dan alih fungsi lahan untuk kebutuhan pembangunan mencapai Kondisi ini menggambarkan perubahan dan alih fungsi lahan antropogenis yang dilakukan oleh manusia dengan tujuan pemenuhan kebutuhan dasar antara lain unutk pangan dan perumahan.
Tidak dapat dipungkiri bahwa perkembangan wilayah akan berdampak langsung terhadap kebutuhan lahan dan kawasan akibat dari adanya pembangunan dan penghidupan yang lebih baik.
Lahan terbuka juga memperliatkan persentasi yang cukup tinggi .
%), yang mengindikasikan bahwa terdapat aktivitas manusia yang dilakukan pada perencanaan pembanguna.
Dalam kebiasaan dan tradisi masyarakat, bahwa lahan yang berhutan biasanya dibersihkan teelebih dahulu sebelum pembangunan perumahan, pembuatan kebun, dan penis penggunaan lahan lainnya.
Sementara tegalan menempati sebagian kecil proporsi lahan dengan luasan hanya mencapai 3% .
,27 h.
dimana kencederungan lahan tegalan ditumbuhi semak, rurumputan dan areal terbuka @ Asosiasi Peneliti Biodiversitas Papuasia - Fakultas Kehutanan UNIPA Jurnal Kehutanan Papuasia 10 .
: 96 - 106 .
Purnama dkk.
yang tidak termanfaatkan.
Namun, secara ekologi, kehadiran lahan tegalan memiliki peran dalam ekosistem bentang lahan dan mendukung siklus keberlanjutan satu kawasan.
Keberadaan lahan berupa tegalan memberikan inidkasi bahwa kawasan ini juga memiliki pola iklim kering dengan kehadiran jumlah curah hujan yang tidak terlalu tinggi (< 2000mm/th.
serat memiliki kelembaban yang relatif sedang .
Ae 89%) (Badan Pusat Statistik, 2.
Pengujian Akurasi Klasifikasi Tutupan Lahan Uji akurasi adalah proses paling akhir dalam sebuah klasifikasi tutupan lahan, pengujian akurasi bertujuan untuk menentukan layak atau tidaknya sebuah hasil klasifikasi (Wulansari.
Zulfajri dkk.
, 2.
Dalam penentuan jumlah titik ground truth dari LAPAN total jumlah titik ground truth yang disebar sebanyak 30 titik, dan disebar secara acak di wilayah Gambar 1.
Peta hasil tutupan lahan Desa Mata Air tahun 2023 Hasil uji lapangan didapati data dimana berdasarkan jumlah titik yang disebar terdapat titik hasil klasifikasi yang tepat dengan keadaan aslinya dan terdapat juga titik yang salah .
Benar dan tidaknya hasil uji akurasi pada tempat penelitian akan diinput dalam tabel error matrix sehingga dengan demikian dapat memudahkan proses perhitungan akurasi dalam penelitian ini.
Selanjutnya data ground truth dapat dilihat pada Tabel 3 dengan tampilan data survei lapangan dan data hasil klasifikasi.
Berdasarkan hasil tampilan pada Tabel 3, didapati bahwa beberapa hasil klasifikasi tidak sesuai di lapangan .
Terjadinya kesalahan pada hasil klasifikasi disebabkan oleh spektral warna yang sama dengan kelas atau jenis tutupan lahan lain.
Sebagaimana pada Tabel 3, terjadinya kesalahan klasifikasi pada jenis tutupan lahan tegalan dengan total 4 titik pengamatan, 1 titik diantaranya terklasifikasi salah sebagai lahan sawah.
Terklasifikasinya titik-titik pengamatan dalam kelas lahan yang salah diakibatkan oleh kemiripan rona atau spectral warnanya yang saling menyerupai satu sama lain.
Dengan demikian, maka akan berdampak pada perubahan luas tutupan lahan @ Asosiasi Peneliti Biodiversitas Papuasia - Fakultas Kehutanan UNIPA Jurnal Kehutanan Papuasia 10 .
: 96 - 106 .
Purnama dkk.
dan persentasenya, secara khusus untuk perubahan tutupan sawah dan tegalan .
enambahan luasan pada tutupan sawah dan pengurangan luasan pada tutupan tegala.
(Hidayah & Cahyono, 2.
Tabel 3.
Cross tab error matrix Data hasil Data survei lapangan Total (O.
Sumber : Hasil analisis, tahun 2023 Keterangan:
i-1 : Bangunan i-2 : Sawah i-3 : Vegetasi i-4 : Semak belukar i-5 : Tubuh air i-6 : Tegalan i-7 : Lahan terbuka Data yang didapat dari tabel confusion matrix yang menampung nilai hasil klasifikasi dan uji akurasi .
round trut.
selanjutnya dipakai untuk menentukan nilai user accuracy dan commission error, producer accuracy dan commission error, overall accuracy dan nilai akhirnya kappa Hasil dari overall accuracy akan Total (O.
menentukan kelayakan hasil analisis ini, dimana nilai minimum overall accuracy dan kappa accuracy yang digunakan dalam penelitian ini sebesar 96%.
Nilai perhitungan akurasi tersebut selanjutnya disajikan pada Tabel 4.
Tabel 4.
Cross tab-confusion matrix
Tutupan lahan
User
accuracy (%) Comission error (%) Producer accuracy (%) Omission
error (%) Sumber: Hasil analisis, tahun 2023
i-1 : Bangunan i-2 : Sawah i-3 : Vegetasi i-4 : Semak belukar i-5 : Tubuh air
i-6 : Tegalan i-7 : Lahan terbuka @ Asosiasi Peneliti Biodiversitas Papuasia - Fakultas Kehutanan UNIPA
Overall (%) Kappa
(%)
Jurnal Kehutanan Papuasia 10 .
: 96 - 106 .
Purnama dkk.
Nilai user accuracy dan komission error pada kelas tutupan lahan sawah adalah 83% dan Hal ini berarti bahwa 83% kelas tutupan lahan sawah terklasifikasi benar dan 17% terklasifikasi salah.
Hal yang sama pada kelas tutupan lahan tegalan dengan nilai user accuracy dan komission error masing-masing adalah 75% dan 25% yang juga berarti bahwa 75% kelas tegalan di lapangan terklasifikasi benar dan 25% terklasifikasi salah.
Sedangkan pada kelas-kelas berikutnya yang semuanya terklasifikasi benar dengan nilai 100%.
Akurasi keseluruhan .
verall accurac.
dari hasil klasifikaisi pada penelitian ini adalah 96,6%.
Nilai dilapangan, diperoleh hasil akurasi sebesar 96,6% dengan hasil klasifikasi citra benar sesuai dengan keadaan di lapangan.
Selanjutnya, bila dibandingkan dengan akurasi Aokappa,Ao nilainya juga menunjukan pencapaian sebesar 96% hasil dari klasifikasi citra yang dilakukan benar sesuai dengan keadaan di lapangan.
Mengacu pada standar nilai yang telah ditetapkan yaitu 85% (Puspaningsih, 2.
, maka hasil dari klasifikasi citra ini melampaui batas minimum sehingga layak digunakan dalam analisis lebih Hasil uji lapangan terhadap tingkat keakurasi terdapat sedikit perbedana dari hasil interpretasi dalam implementasi klasifikasi spektral warna kelas tutupan lahan, namus dapat diprbaiki dengan penyesuian luasan dan persentasi ulang.
Perlu adanya penelitian lanjutan mengenai pengaruh tutupan lahan terhadap keberadaan sumber mata air, penelitian mengenai analisis vegetasi disekitar sumber mata air, identifikasi jenis Aves di Desa Mata Air.
UCAPAN TERIMA KASIH
Ucapan terima kasih kepada Dosen.
Mahasiswa dans semua pihak yang telah berpartisipasi dalam menyelesaikan penelitian ini.
Semoga penelitian ini dapat memberikan manfaat dan berguna bagi para pembaca.
DAFTAR PUSTAKA