LAPORAN PRAKTIKUM

SISTEM PENGINDERAAN JAUH

Klasifikasi Citra Berbasis Objek Menggunakan ENVI EX

Disusun Oleh :
SIDIG LUHUR SRIBUANA
15/389350/PTK/10470

PROGRAM PASCASARJANA FAKULTAS TEKNIK

UNIVERSITAS GADJAH MADA
YOGYAKARTA
2015

A. Choose by Selecting Examples

Proses klasifikasi berbasis objek menggunakan sampel (training area), langkah langkah yang
dilakukan adalah sebagai berikut :
1. Membuka data citra yang akan diproses dengan cara klik Toolbox Feature Selection
Open File pilih citra yang akan diproses OK.

Gambar 1. Citra Highres lokasi Semarang

2. Selanjutnya akan muncul kotak dialog Feature Extraction Segment tentukan nilai Scale
Level (nilai skala) yang ideal untuk segmentasi satu set citra, misalnya 30.

Gambar 2. Kotak dialog Scale Level

3. Kemudian muncul kotak dialog Feature Extraction Merge, tentukan nilai Merge

(penggabungan segmen) sehingga didapat nilai Merge yang ideal, misalnya 80.

Gambar 3. Kotak dialog Merge Level

4. Kemudian muncul kotak dialog Feature Extraction Refine, pilih No Thresholding atau
Thresholding untuk mengetahui nilai ambang batas objek dengan background klik Next.

Gambar 4. Kotak dialog No Thresholding atau Thresholding

5. Selanjutnya muncul kotak dialog Feature Extraction Compute Attributes pilih semua tipe
data atribut yaiyu Spatial, Spectral, dan Texture. Kemudian klik Next.

Gambar 5. Kotak dialog Feature Extraction Compute Attributes

6. Kemudian muncul kotak dialog Feature Extraction: Extract Features pilih klasifikasi
dengan metode Choose by Selecting Examples klik Next.

Gambar 6. Kotak dialog Feature Extraction: Choose by Selecting Examples

7. Selanjutnya muncul kotak dialog Feature Extraction: Supervised Classification, pada tahap
ini dilakukan pembuatan kelas Objek yang diambil antara lain pemukiman (kuning), vegetasi
(hijau), sungai (biru), gedung (merah), jalan (hitam), dan lapangan (coklat), lahan kosong
(abu-abu) klik Next.

Gambar 7. Kotak dialog Feature Selection (pemilihan sampel objek)

7. Selanjutnya setelah proses klasifikasi selesai berdasarkan training area (sampel), maka
hasilnya akan seperti gambar berikut ini :

Gambar 8. Gambar Hasil training area

8. Kemudian hasil klasifikasi dikonversi ke vektor (.shp). Pilihan export untuk data kelas dapat
digabung maupun dipisah Tanda bahwa proses konversi telah berhasil maka akan muncul
laporan dan statistiknya seperti gambar di bawah ini :

Gambar 9. Kotak dialog Export Vector Result dan Report and Statistics

Maka hasilnya seperti gambar dibawah ini :

Gambar 10. Gambar hasil Exportnya

9. Jika hasil konversi ditampilkan dalam ArcMap maka hasilnya seperti berikut ini.

Gambar 11. Hasil eksport pada ArcGIS

B. Choose by Creating Rules

10. Melakukan langkah langkah yang sama pada nomer 1 sampai 5, kemudian pilih Choose by
Creating Rules klik Next.

Gambar 12. Kotak dialog Extract Features: Classity or Export

11. Selanjutnya muncul kotak dialog Extract Features : Rule-Based Classification, pada tahap
ini dilakukan pembuatan kelas Objek dan memasukkan rule berdasarkan objeknya agar
dapat dipisahkan dari background-nya, yang diambil antara lain pemukiman (kuning),

vegetasi (hijau), sungai (biru), gedung (merah), jalan (hitam), dan lapangan (coklat), lahan
kosong (abu-abu) klik Next.

Gambar 13. Kotak dialog Extract Features: Rule-Based Classification

12. Selanjutnya setelah proses klasifikasi selesai berdasarkan training area (sampel), maka
hasilnya akan seperti gambar berikut ini :

Gambar 14. Gambar Hasil training area

13. Kemudian hasil klasifikasi dikonversi ke vektor (.shp). Pilihan export untuk data kelas
dapat digabung maupun dipisah Tanda bahwa proses konversi telah berhasil maka akan
muncul laporan dan statistiknya seperti gambar di bawah ini :

Gambar 15. Kotak dialog Export Vector Result dan Report and Statistics

Maka hasilnya seperti gambar dibawah ini :

Gambar 16. Gambar hasil Exportnya

14. Jika hasil konversi ditampilkan dalam ArcMap maka hasilnya seperti berikut ini.

Gambar 17. Gambar hasil Exportnya di ArcMap

C. Analisis Hasil
Dari kedua metode yaitu Selection by Example dan Rule Base didapatkan hasil klasifikasi
berbasis objek. Hasil yang didapatkan lebih mudah menggunakan Klasifikasi berbasis objek
menggunakan Selection by Example, karena klasifikasi ini dilakukan cenderung ke arah supervised
classification yang dibantu dengan pembuatan training area. Sedangkan pada klasifikasi berbasis
objek menggunakan Rule base, dimana harus mendefinisikan rule rule yang akan
digunakan,untuk menentukan jenis jenis objeknya berdasarkan nilai spectral, luasan, bentuk
spasial, tekstur objek.

D. Kelebihan dan Kekurangan

Kelebihan dan kekurangan Selection by example :
-

Tidak membutuhkan rule untuk pendefinisian objek

Klasifikasi secara visual

Kelebihan dan kekurangan Selection by creating rules :

-

Membutuhkan rule untuk mendefinisikan objek

Klasifikasi menggunakan nilai spektral

E. Kesimpulan
Dari kedua metode yaitu Selection by Example dan Rule Base. Klasifikasi berbasis objek
hasilnya lebih baik dengan menggunakan Rule Base. Karena objek objek diklasifikan
berdasarkan nilai spectral, tekstur objek, bentuk spasial dari objek tersebut sehingga klasifikasi
yang dihasilkan cenderung lebih baik.