Anda di halaman 1dari 11

KLASIFIKASI TIDAK TERBIMBING

(UNSUPERVISED CLASSIFICATION)
OLEH :
RAHMAN KURNIADI
E.161130061/IPH 2013
SEKOLAH PASCA SARJANA
INSTITUT PERTANIAN BOGOR
201
1
ABSTRAK
Praktikum ini bertujuan melakukan klasifikasi secara tidak terbimbing terhadap citra Spot
yang berlokasi di Dramaga. etode klasifikasi yang dilakukan adalah !arak "uclidean
terdekat. #asil Praktikum menunjukan bah$a beberapa metode dapat digunakan untuk
melakukan klasifikasi tidak terbimbing.
Kata Kunci % unsuper&ised classification' dendogram' piksel
(. P")DA#*+*A)
A.+ATAR B"+AKA),
-itra satelit dapat dimanfaatkan dengan baik apabila citra tersebut telah diklasifikasi
sehingga mempermudah pengguna memahaminya. Klasifikasi dapat dilakukan secara &isual
maupun secara digital. Proses klasifikasi dapat dilakukan secara &isual dan secara
digital. Klasifikasi &isual dilakukan oleh tenaga ahli dengan memanfaatkan
penampakan citra pada layar komputer.Sedangkan klasifikasi digital dilakukan
dengan memanfaatkan nilai digital dari suatu piksel yang kemudian
ditransformasikan menjadi kelas.kelas penggunaan lahan. Klasifikasi secara &isual
dan secara digital mempunyai kelemahan dan kelebihan masing.masing.
Terdapat dua proses klasifikasi citra secara digital yaitu klasifikasi secara
terbimbing /super&ised classification0 dan kalisifikasi tidak terbimbing /unsuper&ised
classification0. Klasifikasi citra yang berdasarkan data a$al dari lapangan dinamakan
klasifikasi terbimbing. Sedangkan apabila tidak mempunyai data a$al dari lapangan
dilakukan klasifikasi tidak terbimbing /unsuper&ised classification0. Praktikum ini
menitik beratkan pda proses klasifikasi tidak terbimbing.
B.T*!*A)
Tujuan praktikum ini seebagai berikut %
1. elakukan klasifikasi tidak terbimbing
2. embuat Dendogram
((."T3D"
2
A. Tempat dan 4aktu Praktikum
Praktikum dilakukan di +aboratorium fisik Remote Sensing dan ,(S' 5akultas Kehutanan'
(nstitut Pertanian Bogor. Praktikum dilaksanakan tanggal 26 April 2718.
B. langkah Praktikum
1. embuat citra klasifikasi citra tidak terbimbing 19 kelas initial
+angkah yang dilakukan sebagai berikut %
B*KA "RDASS:-lssifier:unsuper&ised clasification
,ambar 1. Proses kalsifikasi tidak terbimbing
2. Pembuatan atrik !arak
+angkah yang dilakukan sebagai berikut .
-lassifier:Signature "ditor :3pen:spot;unsuper.sig:<ie$:Statistic:copy mean: Paste ke
e=cel :buatlah matrik jarak dengan menggunakan rumus jarak minimum:Sa&e as dalam
bentuk file T>T.
3
,ambar 2. Proses pengambilan nilai rata.rata piksel dari tiap kelas
4
Data tersebut merupakan data untuk perhitungan jarak piksel dan dendogram. Adapun rumus
yang digunakan untuk perhitungan jarak adalah %
Djk ? @ />ij.>ik0
2
-ontoh formula e=el yang digunakan adalah %
"9?/"A2.AA90B2C/"AD.AB90B2C/"A8.A-90B2C/"AE.AD90B2
,ambar D. Pembuatan matrik jarak
D. Pembuatan dendogram
Pembuatan Dendogram dilaksanakan dengan menggunakan program AR-<("4 yang telah
diprogram. Adapun langkah Flangkahnya sebagai berikut.
Buka arc&ie$ yang telah diisi program perhitungan Dendogram:)e$:&ie$: Klik simbol
Dendogram:
Buka file *ntuk;dendogram.dbf:Single ;linkkage:3K
5
,ambar 8. Proses pembuatan dendogram dengan Arc<ie$
,ambar E. Penampilan Arc&ie$ yang telah dilengkapi perhitungan Dendogram dan )ilai
Kappa.
(((. #AS(+ DA) P"BA#ASA)
6
A. #asil
1. -itra hasil(nitial classification
Berikut ini citra hasil initial classification yang terdiri dari 19 kelas. Klsifikasi menggunakan
metode jarak terdekat.
,ambar 9. -itra hasil klasifikasi tidak terbimbing 19 Kelas
2. Dendogram
7
Berikut ini hasil perhitungan dendogram dengan menggunakan Arc<ie$.
,ambar G. Dendogram yang dihasilkan dengan Arc&ie$.
Dari perhitungan dendogram tersebut maka dapat dibuat peta dendogram sebagai berikut %
8
,ambar 6. Dendogram untuk pembuatan klasifikasi.
B. Pembahasan
9
Klasifikasi tidak terbimbing merupakan proses klasifikasi yang dilakukan secara komputer.
#ampir semua proses dilakukan oleh komputer. Dengan cara ini dapat diperoleh sejumlah
kelas sesuai dengan keinginan pengguna. Beberapa macam algoritma dapat digunakan untuk
melakukan klasifikasi tidak terbimbing. Salah satu algoritma yang sering digunakan adalah
!arak terdekat euclidean. Dengan algoritma ini pengelompokan berdasarkan jarak terdekat.
Kelas.kelas yang memiliki jarak terdekat dpat dikelmpokan ke dalam satu kelas. Dengan
menggunakan algoritma tersebut pada praktikum ini citra kampus dibagi ke dalam 19 kelas
initial. Display citra hasil klasifikasi dapat dilihat pada gambar 9. *ntuk memperjelas
perbedaan antar kelas' $arna tiap kelas dpat diubah.
enurut !aya /27170 Berdasarkan teknik pendekatannya klasifikasi kuantitatif
dibedakan atas klasifikasi tidak terbimbing /unsuper&ised classification0 dan klasifikasi
terbimbing /super&ised clasification 0. Klasifikasi tidak terbimbing adalah klasifikasi yang
proses pembentukan kelas.kelasnya sebagian besar dikerjakan oleh komputer. Kelas.kelas
atau kluster yang terbentuk dalam klasifikasi ini sangat tergantung kepada data itui sendiri.
Dalam prosesnya' kalsifikasi ini mengelompokan piksel.piksel berdasarkan kesamaan atau
kemiripan spektralnya. Kelas.kelas itu tidak berhubungan secara langsung dengan $atak
tertentu dari pitur atau objek yang ada pada citra.
+angkah berikutnya yang dilakukan setelah memperoleh kelas initial adalah
memberi label untuk setiap kelas yang terbentuk. +abel dapat dibuat berdasarkan
penampakan yang ada. Dari hasil praktikum beberapa kelas dapat dikenali dengan mudah.
isalnya a$an dan badan air dapat mudah dikenali. Selanjutnya dilakukan recode untuk
memperjelas kelas yang ada. Dalam praktikum recode dilakukan dengan cara menamakan
tiap kelas dan memberi $arna.
Kelas.kelas initial yang telah terbentuk dapat dikelompokan lagi berdasarkan
kemiripannya. Pada praktikum ini digunakan metode jarak terdekat untuk membuat
dendogram. !umlah kelas yang terbentuk berkurang setelah penggabungan. isalkan untuk
a$an' a$alnya terdapat dua kelas. Kedua kelas tersebut dapat digabungkan menjadi satu
kelas. Pembuatan dendogram dapat dilakukan secara manual dengan menggunakan
mocrosoft e=cell. )amun demikian pembuatan dendogram dapat juga dilakukan dengan
menggunakan bantuan program Arc&ie$. Pada praktikum ini pembuatan dendogram
dilakukan dengan bantuan program Arc&ie$.
Klasifikasi tidak terbimbing telah banyak digunakan untuk penelitian. isalnya
)asrul /277H0 melakukan klasifikasi untuk penampakan citra agroforestri. Dengan cara ini
10
dapat dipisahkan antara lahan yang digunakan untuk agroforestri dengan lahan yang bukan
agoforestri. Sementara itu Sulistya$ati /1HHD0 melakukan klasifikasi tidak terbimbing untuk
melakukan identifikasi penutupan lahan.
Praktikum ini tidak disertai dengan uji di lapangan. 3leh karena itu hasil klasifikasi
tidak dapat dikonfirmasi. *ntuk penggunaan yang lebih luas hasil klasifikasi perlu diuji di
lapangan agar hasil klasifikasi tersebut akurat dan dapat digunakan untuk mengetahui luas
dari setiap kelas yang teridentifikasi.
(<. K"S(P*+A)
Dari hasil praktikum dapat disimupulkan bah$a dengan menggunakan algoritma jarak
terdekat dapat dilakukan klasifikasi tidak terbimbing. #asil klasifikasi dapat dikelompokan
lagi membentuk suatu dendogram. Kelas.kelas yang memiliki jarak terdeka dapat
dikelompokan ke dalam satu Kelas.
DA5TAR P*STAKA
!aya' (.). Analysis -itra Digital. Perspektif Penginderaan !auh *ntuk Pengelolaan
Sumberdaya Alam. Teori dan Praktik enggunakan "RDAS (A,()". Tidak
diterbitkan.
)asrul' B.' Anthony #amIah' dan (d$ar. Analisis Digital +andsat "tmC untuk
mengidentifikasi Sistem Agroforestri Daerah Riau. !. Tanah Trop.' <ol. 18' )o. 1'
277H% 61.6G (SS) 76E2.2EG>.
Sulistya$ati'T.S. 1HHD. (dentifikasi Pola Penutupan +ahan elalui Analisis Dijital -itra SAR
Star .1 Studi Kasus Daerah ,emar Baru uara Ancalong Kalimantan Timur. Tidak
Diterbitkan.