Acara V Klasifikasi Supervised&unsupervised Ilwis
Acara V Klasifikasi Supervised&unsupervised Ilwis
Acara V Klasifikasi Supervised&unsupervised Ilwis
Oleh:
A. Landasan Teori
Menurut Somantri (2008), citra menggambarkan objek, daerah, dan gejala
di permukaan bumi dengan wujud dan letaknya yang mirip dengan di
permukaan bumi. Citra menggambarkan objek, daerah, dan gejala yang relative
lengkap,meliputi daerah yang luas dan permanen. Hasil dari cakupan citra yang
luas menggambarkan objek kecil namun cakupan wilayahnya luas, namun hasil
dari cakupan citra yang kecil akan menggambarkan objek yang lebih jelas
namun cakupan wilayahnya kecil. Citra yang akan diolah memerlukan
perbaikan kualitas visual citra.
Menurut Chein-I Chang dan Ren (2000), kalsifikasi citra merupakan suatu
proses pengelompokkan seluruh piksel pada suatu citra dalam kelompok
sehingga dapat diinterpretasikan sebagai suatu property yang spesifik.
Klasifikasi citra memiliki tujuan untuk melabel atau mengkategorikan setiap
piksel yang ada dalam sebuah citra digital ke dalam tipe tutupan lahan atau
kelas jenis lahan tertentu.
Interpretasi citra penginderaan jauh dapat dilakukan dengan dua cara, yaitu
interpretasi secara manual dan interpretasi secara digital. Dalam interpretasi
secara manual, dikenal beberapa kunci interpretasi sebagai acuan interpretasi
bagi para pengguna/analis sebagaimana terdapat pada pengertian citra
sebelumnya. Klasifikasi secara digital yang menempatkan piksel ke dalam
kelas-kelas secara umum dapat dilakukan dalam dua cara, yaitu : Klasifikasi
Terawasi (Supervised Classification), Klasifikasi Tak Terawasi (Unsupervised
Classification), penelasannya sebagai berikut :
1. Klasifikasi terawasi (supervised)
Klasifikasi terawasi (supervised) didasarkan pada ide bahwa
pengguna (user) dapat memilih sampel pixel – pixel dalam suatu citra yang
merepresentasikan kelas-kelas khusus dan kemudian mengarahkan
perangkat lunak pengolahan citra (image processing software) untuk
menggunakan pilihan-pilihan tersebut sebagai dasar referensi untuk
pengelompokkan pixel-pixel lainnya dalam citra tersebut. Wilayah
pelatihan ( training area) dipilih berdasarkan pada pengetahuan dari
pengguna ( the knowledge of the user). Pengguna dapat menentukan batas
untuk menyatakan seberapa dekat hasil yang ingin dicapai. Batas ini
seringkali ditentukan berdasarkan pada karakteristik spektral dari wilayah
pelatihan yang ada. Pengguna juga dapat merancang hasil keluarannya
(output). Menurut Wibowo, dkk (2013) Klasifikasi terbimbing merupakan
proses pengelompokan pixel-pixel berdasarkan hasil survey. Tahap ini
merupakan identifikasi dan klasifikasi pixel - pixel melalui training area,
selanjutnya tata guna lahan lebih didetailkan lagi berdasarkan survey
kondisi lapangan.
2. Klasifikasi Citra Tak Terawasi (Unsupervised)
Klasifikasi tak terawasi (unsupervised classifications) merupakan
pengklasifikasian hasil akhirnya (pengelompkkan pixel-pixel dengan
karakteristik umum) didasarkan pada analisis perangkat lunak (software
anaysis) suatu citra tanpa pengguna menyediakan contoh-contoh kelas-
kelas terlebih dahulu. Komputer menggunakan teknik-teknik tertentu
untuk menentukan pixel mana yang mempunyai kemiripan dan bergabung
dalam satu kelas tertentu secara bersamaan. Pengguna dapat menentukan
seberapa banyak data yang dapat dianalisis dan dapat menginginkan
seberapa banyak jumlah kelas-kelas yang dihasilkan, tetapi di lain sisi
pengguna tidak dapat mempengaruhi proses pengklasifikasian. Meskipun
begitu, pengguna harus mempunyai pengetahuan tentang wilayah yang
akan diklasifikasikan pada saat mengelompokkan pixel-pixel dengan
karakteristik umum yang dihasilkan oleh komputer harus direlasikan
dengan fitur aslinya. Menurut Wibowo, dkk (2013) Klasifikasi tidak
terbimbing merupakan proses pengelompokan pixel-pixel pada citra
menjadi beberapa kelas menggunakan analisa cluster (cluster analysis)
menggunakan metode Iso Data. Sampai disini peta citra dapat
diinterpretasikan menjadi beberapa tata guna lahan misalkan, lahan
terbuka, lahan tertutup vegetasi, dan lahan hutan.
B. Tujuan
Tujuan dari praktikum ini yaitu:
1. Untuk mengetahui langkah – langkah klasifikasi supervised dan
unsupervised.
2. Untuk perbedaan hasil klasifikasi supervised dan unsupervised.
D. Langkah Kerja
Langkah kerja pada praktikum ini antara lain:
1. Buka Aplikasi ILWIS, pilih “File” kemudian pilih “Create” dan klik
“segment Map”
2. Tulis “Map name” nya, kemufian pilih Citra yang sudah punya
koordinat yang sesuai
7. Add layer
8. Pilih citra semarang yang sudah dikoreksi radiometrik
13. Jika tidak ada yang error maka akan muncul seperti gambar tersebut
14. Pilih “file”, “Check Segments”, lalu pilih “Dead Ends”
17. Jika sudah tidak ada error maka muncul seperti berikut
18. Pilih “file”, “create”, lalu “point map”
19. Tulis “map name”, lalu pilih “domain” sesuai yang sudah dibuat
sebelumnya
22. Pada polygon codes pilih “label points” dan tulis “Output Polygon
Map” nya.
23. Pilih ok
F. Daftar Pustaka
Chen-I Chang dan H. Ren. 2000. An Experiment-Based Quantitative and
Comparative Analysis of Target Detection and Image Classification
Algorithms for Hyperspectral Imagery. IEEE Trans. On Geoscience and
Remote Sensing.
Somantri, Lili. 2008. “Pemanfaatan Tehnik Penginderaan Jauh Untuk
Mengidentifikasi Kerentanan Dan Risiko Banjir.” Jurnal Gea Vol.8 No.
2.