Penilaian akurasi dilakukan untuk mengetahui tingkat ketepatan klasifikasi dengan menggunakan matriks kekeliruan dan menghitung akurasi produsen, pengguna, serta keseluruhan. Nilai akurasi keseluruhan dan koefisien kappa yang dihasilkan menunjukkan bahwa hasil klasifikasi penutupan lahan sesuai dengan kondisi lapangan.
1. IFK 438
SIG & PEMODELAN SPASIAL
Pertemuan # 15:
ACCURACY ASSESMENT
Dr. Erwin Hermawan, S.Si, M.Sc
LABORATORIUM GEOINFORMATIKA
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK & SAINS
UNIVERSITAS IBN KHALDUN
2. • Accuracy assessment adalah suatu metode
untuk menguji tingkat Ketelitian klasifikasi dari
penginderaan jauh dengan data lapangan
melalui perhitungan matriks kekeliruan
(confusion matrix).
• Matriks ini berordo (m x m) dan variabel A, B, C
adalah kelas yang didapatkan dari proses
klasifikasi. Baris dan kolom matriks
menunjukkan jumlah piksel hasil pengujian
pada kelas-kelas tersebut. Jumlah seluruh
piksel yang terdapat pada setiap baris dan
kolom adalah jumlah total piksel yang diuji.
ACCURACY ASSESMENT
3.
4. • Penilaian akurasi dilakukan untuk mengetahui tingkat
ketepatan atau keakuratan klasifikasi yang dibuat.
Keakuratan tersebut meliputi jumlah training piksel yang
diklasifikasikan dengan benar atau salah dan persentase
banyaknya piksel dalam masing-masing kelas serta
persentase kesalahan total.
• If we define something as “forest” it could include pine,
broadleaf, scrub, etc.
• Akurasi dan Presisi. Accuracy is the “correctness”
Precision is the detail
ACCURACY ASSESMENT
5. ✓Both maps must register
✓Both maps must use the same classifications
✓Both maps must be mapped at same level of detail
✓The task is to compare a map prepared from RS data, with another map (reference map) created
from different source material.
– The reference map is assumed to be accurate
– If seasonal changes are important, reference should also reflect this
✓Site specific accuracy is based on detailed assessment between the two maps
– In most cases pixels are the unit of comparison
– Known as classification error
• This is misidentification of pixels
• There may also be boundary errors
SYARAT DALAM ACCURACY ASSESMENT
6. Penilaian Akurasi
✓Penilaian akurasi dilakukan untuk mengetahui tingkat ketepatan atau keakuratan
klasifikasi yang dibuat. Keakuratan tersebut meliputi jumlah training piksel yang
diklasifikasikan dengan benar atau salah dan persentase banyaknya piksel dalam masing-
masing kelas serta persentase kesalahan total.
✓Penilaian akurasi menggunakan suatu matriks kontingensi yaitu suatu matriks bujur
sangkar yang memuat jumlah piksel yang terklasifikasi. Matriks ini sering disebut “error
matrix” atau “confusion matrix”. Dalam matriks kontingensi ini, analis dapat menghitung
besarnya akurasi pembuat (producers accuracy) dan akurasi pengguna (user accuracy)
dari setiap kelas tutupan lahan (Riswanto, 2009).
✓Akurasi pembuat (producers accuracy) adalah akurasi yang diperoleh dengan membagi
piksel yang benar dengan jumlah total piksel daerah contoh per kelas. Pada akurasi ini
akan terjadi kesalahan omisi, oleh karena itu akurasi pembuat ini dikenal juga dengan
istilah “omission error”. Sebaliknya, jika jumlah piksel yang benar dengan total piksel
dalam kolom akan menghasilkan akurasi pengguna (user accuracy) , yang dikenal dengan
“commission error”.
7. Overall accuracy (OA) adalah nilai persentase dari
piksel yang terkelaskan dengan sempurna. Persentase
peluang rata-rata piksel dari citra yang telah
terklasifikasi secara aktual mewakili kelas di lapangan.
Overall accuracy minimum adalah 85 % yang telah
diuji melalui error matrix.
Penilaian Akurasi
8. • Selain itu dilakukan juga perhitungan koefisien kappa. Dalam koefisien kappa, off-diagonal
tergabung sebagai total marginal kolam dan baris. Koefisien kappa akan mempunyai nilai
lebih kecil dari overall accuracy. Koefisien kappa bernilai antara 0 – 1 (Edward, 2000).
Menurut Landis dan koch (1970) accuracy assessment bisa di terima dengan nilai kappa ≥ 70
%.
r : Jumlah baris dalam matriks
kk
X : Jumlah pengamatan pada baris i dan kolom i
k
X + dan k
X+
: Total marginal dari baris i dan kolom i
N : Jumlah total dari pengamatan
Penilaian Akurasi
Koeffisien Kappa/ Kappa Cohen’ s =
𝑁 σ𝑘−1
𝑟
𝑋𝑘𝑘−σ𝑘−1
𝑟
(𝑋𝑘+×𝑋+𝑘)
𝑁2−σ𝑘−1
𝑟 (𝑋𝑘+× 𝑋+𝑘)
9. Penilaian Akurasi -> Confusion Matrix
✓ Produscer Accuracy_Kelas Perkebunan =
Jumlah Total Kelas perkebunan yang benar
Jumlah Total Kolom Kelas Perkebunan
x 100 =
32
39
× 100 = 82.05
✓ Omission Error_Kelas Perkebunan = 100 – Proscedur Accuracy_Kelas perkebunan = 100 – 82.05 = 17.95
✓ User Accuracy_Kelas Perkebunan =
Jumlah Total Kelas perkebunan yang benar
Jumlah Total Baris Kelas Perkebunan
x 100 =
32
36
× 100 = 88.89
✓ Commission Error_Kelas Perkebunan = 100 – User Accuracy_Kelas perkebunan = 100 – 88.89 = 11.11
✓ Overall Accuracy =
𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑜𝑡𝑎𝑙 𝐾𝑙𝑎𝑠𝑖𝑓𝑖𝑘𝑎𝑠𝑖 𝑦𝑎𝑛𝑔 𝑏𝑒𝑛𝑎𝑟
𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑜𝑡𝑎𝑙 𝐾𝑙𝑎𝑠𝑖𝑓𝑖𝑘𝑎𝑠𝑖
× 100 =
193
227
× 100 = 85.02
10. Koeffiesien Kappa
Koefisien Kappa =
𝑁𝐴 −𝐵
𝑁2−𝐵
× 100 =
227𝑥193 −8310
2272 −8310
x 100 = 82.14
Dimana :
A = Jumlah r diagonal elemen yang merupakan numerator pada perhitungan overall accuracy
B = Jumlah dari r produk (total baris x total kolom)
N = Jumlah piksel pada error matrix
Koeffisien Kappa/ Kappa Cohen’ s =
𝑁 σ𝑘−1
𝑟
𝑋𝑘𝑘−σ𝑘−1
𝑟
(𝑋𝑘+×𝑋+𝑘)
𝑁2−σ𝑘−1
𝑟 (𝑋𝑘+× 𝑋+𝑘)
Berdasarkan hasil analisis didapatkan nilai overall accuracy sebesar 85,02 dan Nilai Koefisien Kappa
sebesar 82.14, hasil tersebut menunjukan hasil klasifikasi penutupan lahan yang didapatkan dapat
diterima dan sangat signifikan menggambarkan kondisi lapangan yang sebenarnya.