Praktikum 5.

Klasifikasi
A.

Tujuan

1. Mahasiswa mengenal konsep klasifikasi spektral data penginderaan jauh

2. Mahasiswa mengenal teknik klasifikasi data citra satelit menggunakan ENVI

B.

Metode Klasifikasi
Terdapat dua macam klasifikasi yaitu klasifikasi supervised dan klasifikasi

unsupervised. Klasifikasi tersebut merupakan suatu metode pengelompokan

obyek lapangan menjdai kelas-kelas tertentu. Jumlah kelas yang ada ditentukan
oleh jumlah kelompok pada metode unsupervised atau jumlah training area pada
metode supervised. Klasifikasi ini memiliki cara dan tujuan yang berbeda.
Pada kedua metode klasifikasi tersebut mensyaratkan jumlah saluran yang
tersedia minimal tiga saluran. Sebuah citra yang memiliki saluran kurang dari 3
band tidak dapat digunakan untuk melakukan proses klasifikasi.

C.

Klasifikasi Unsupervised
Klasifikasi Unsupervised sering disebut sebagai klasifikasi tak terselia.

Klasifikasi

ini

tidak

menggunakan

area

sampling

untuk

melakukan

pengelompokan obyeknya. Nilai spektrarl dikelompokkan berdasarkan pada titik

berat kumpulan spektral tersebut pada kurva spektralnya.

Praktikum Penginderaan Jauh Terapan Eko Budiyanto, S.Pd., M.Si- http://geo.fis.unesa.ac.id

Halaman 40

Gambar 1. Citra asli yang belum terklasifikasi

Gambar 2. Citra yang terklasifikasi

Praktikum Penginderaan Jauh Terapan Eko Budiyanto, S.Pd., M.Si- http://geo.fis.unesa.ac.id

Halaman 41

Cara melakukan klasifikasi adalah sebagai berikut.

-

pilih klasifikasi dari menu utama

Gambar 3. Klasifikasi K-Means

akan muncul jendela pemilihan sumber citra

Gambar 4. Citra sumber klasifikasi

Praktikum Penginderaan Jauh Terapan Eko Budiyanto, S.Pd., M.Si- http://geo.fis.unesa.ac.id

Halaman 42

Pilih citra yang akan diklasifikasi dan klik OK

Gambar 5. Jendela klasifikasi K-Means

Tentukan jumlah kelas yang diinginkan pada baris Number of Classes

Gambar 6. Baris jumlah kelas klasifikasi

Tentukan nama file pada baris file name

Praktikum Penginderaan Jauh Terapan Eko Budiyanto, S.Pd., M.Si- http://geo.fis.unesa.ac.id

Halaman 43

Gambar 7. Baris file name

Hasil klasifikasi dicatat pada jendela daftar saluran

Gambar 8. Citra hasil klasifikasi masuk pada jendela daftar saluran

Praktikum Penginderaan Jauh Terapan Eko Budiyanto, S.Pd., M.Si- http://geo.fis.unesa.ac.id

Halaman 44

1.

Klasifikasi Supervised

Klasifikasi supervised merupakan satu metode klasifikasi yang menggunakan area

sampling. Ketelitian ditentukan oleh kualitas sampling dan jumlah sampel. Area
sampel dibuat dengan menggunakan Region Of Interest (ROI). ROI harus terlebih
dahulu dibuat sebelum melakukan proses klasifikasi supervised ini

a. Region Of Interest
Region Of Interest adalah area sampling yang dibentuk sebagai trainning area
pada klasifikasi supervised.
Pembentukan ROI dilakukan dengan cara sebagai berikut.
-

Klik tombol Function pada display image

Pilih Region Of Interest

Pilih Define Of Interest

Gambar 10. Pembuatan ROI

Praktikum Penginderaan Jauh Terapan Eko Budiyanto, S.Pd., M.Si- http://geo.fis.unesa.ac.id

Halaman 45

Envi akan memunculkan dialog daftar Region Of Interest

Gambar 11. Daftar ROI

Buat poligon pada suatu area pada citra. Digit sebuah poligon kecil.

Untuk mengakhiri lakukan klik kanan

Praktikum Penginderaan Jauh Terapan Eko Budiyanto, S.Pd., M.Si- http://geo.fis.unesa.ac.id

Halaman 46

Gambar 12. Lingkaran merupakan area sampling

Klik kanan sekali lagi

Gambar 12. Area Sampel telah diterima

Klik

untuk membuat ROI yang lainnya

Praktikum Penginderaan Jauh Terapan Eko Budiyanto, S.Pd., M.Si- http://geo.fis.unesa.ac.id

Halaman 47

Gambar 13. Area sampel ke dua

Simpan ROI dengan File Save ROI

Praktikum Penginderaan Jauh Terapan Eko Budiyanto, S.Pd., M.Si- http://geo.fis.unesa.ac.id

Halaman 48

Gambar 14. Penyimpanan ROI

b. Klasifikasi
Klasifikasi dilakukan dengan menggunakan menu utama Classification.
Langkahnya adalah sebagai berikut :

Pilih Classification

Pilih Supervised

Pilih salah satu metode klasifikasi yang akan digunakan

Praktikum Penginderaan Jauh Terapan Eko Budiyanto, S.Pd., M.Si- http://geo.fis.unesa.ac.id

Halaman 49

Gambar 15. Klasifikasi supervised

akan muncul dialog pemilihan citrar sumber klasifikasi

Gambar 16. Jendela Sumber Klasifikasi

Praktikum Penginderaan Jauh Terapan Eko Budiyanto, S.Pd., M.Si- http://geo.fis.unesa.ac.id

Halaman 50

Gambar 17. Jendela klasifikasi Minimum Distance

Pilih region yang akan digunakan pada klasifikasi supervised

Klik Choose untuk memberi nama citra hasil klasifikasi

Gambar 18. Baris Nama File Klasifikasi

Klik OK

Proses klasifikasi akan dijalankan

Praktikum Penginderaan Jauh Terapan Eko Budiyanto, S.Pd., M.Si- http://geo.fis.unesa.ac.id

Halaman 51

Gambar 19. Proses Klasifikasi dilangsungkan

-

Citra hasil klasifikasi secara langung akan dicatat pada jendela daftar
saluran

Untuk menampilkannya pilih citra terklasifikasi tersebut dan klik tombol

load band

Gambar 20. Daftar saluran yang mencatat citra terklasifikasi

Praktikum Penginderaan Jauh Terapan Eko Budiyanto, S.Pd., M.Si- http://geo.fis.unesa.ac.id

Halaman 52