TA InderajaTer Setyo Budi 04064
TA InderajaTer Setyo Budi 04064
DIBUAT OLEH :
NAMA : SETYO BUDI
KELAS : A
NIM
: 13/351000/SV/04064
A. MATERI PRAKTIKUM
Klasifikasi Supervised, Unsupervised Serta Penerapan Inderaja
B. TUJUAN PRAKTIKUM
1.
2.
3.
D. DASAR TEORI
Metode supervised (dengan bimbingan), pada metode ini, analis terlebih
dahulu menentukan beberapara training area (daerah contoh) pada citra sebagai kelas
kenampakan objek tertentu. Penetapan ini berdasarkan pengetahuan analis terhadap
wilayah dalam cita mengenai daerah-daerah tutupan lahan. Nilai-nilai piksel dalam
daerah contoh kemudian digunakan oleh perangkat lunak komputer sebagai kunci
untuk mengenali piksel lain. Daerah yang memiliki nilai-nilai piksel sejenis akan
dimasukkan ke dalam kelas yang telah ditentukan sebelumnya. Jadi dalam metode ini,
analis mengidentifikasi kelas infomasi terlebih dahulu yang kemudian digunakan
untuk menentukan kelas spektral yang mewakili kelas informasi tersebut. Algoritma
yang bisa digunakan untuk menyelesaikan metode supervised ini antara lain:
1.
Parallelepiped
2.
Minimum Distance
3.
Mahalanobis Distance
4.
Maximum Likehood
5.
6.
7.
Binary Encoding
8.
Neural Net
9.
E. LANGKAH PRAKTIKUM
a. Klasifikasi Supervised
1. Bukalah aplikasi Envi untuk memulai praktikum ini
2. Kemudian tampilkan citra Landsat 8 (kelompok masing-masing) disini
memnggunakan Landsat 8 Jawa Timur
3. Lakukan penggabungan citra dengan cara :
Pilih Basic tools Layer Stacking
masukan ukuran lines dan samples.Contoh kita akan melakukan croping citra
10 km maka ukuran yang kita masukan untuk lines dan samples sebesar 334.
Untuk croping selain kita dapat menggunakan ukuran pixel kita juga dapat
croping menggunakan titik koordinat ujung ujung citra.
Kemudian untuk Spectral subset pilih ke 11 band tadi OK
Untuk Sretch Range pilih By Value masukan nilai Max dan Min landsat 8
pada output data range dan output result to file nya,untuk Landsat 8 nilai Min=
0 dan nilai Max = 65535,Untuk data type nya pilihlah Insigned Int
Pilih semua kelas ROI nya,tentukan tempat penyimpanan serta nama filenya
OK
Hasil
b. Klasifikasi Unsupervised
1. Melakukan penggabungan dari 11 band tersebut,dengan cara dari menu
basic tools layer stackingpada display layer stacking parameters pilih
import file untuk mengambil citra dan atur sistem proyeksi dari citra
tersebut Pilih choose untuk menyimpan Ok
Hasil stacking:
Hasil Cropping :
3. Melihat statistik dari citra yang telah di crop tersebut untuk memastikan
apakah perlu dilakukan koreksi radiometrik apa tidak ,dengan cara klik
kanan file pilih quick stats.
4. Melakukan koreksi radiometri , dengan cara dari menu basic tools stretch
data pada display data stretch input file pilih hasil crop
5. Melihat statistik dari citra yang telah di dikoreksi radiometri tersebut untuk
melihat nilai korelasi band yang paling rendah, dengan cara dari menu basic
tools pilih statistics compute statisticspada display compute statistics
input file pilih hasil crop citra pada langkah sebelumnya Ok
6. Dari nilai statistik tersebut kita tahu bahwa nilai korelasi terendah adalah
pada band 10 dan band 11. Kemudian dilakukan scatter plot , dengan cara
dari menu tools pilih 2D scatter plot pada display scatter plot band
choice masukkan band 1 dan band 6 Ok
7. Melihat kembali nilai statistik untuk referensi pemasukan band yang sangat
berpengaruh dalam klasifikasi unsupervise.(band 1,10,11)
Hasilnya :
Hasilnya :
Karena nilai statistik masih dalam Digital Number untuk melakukan proses analisis
suhu permukaan angka tersebut harus dikonversi ke dalam Suhu permukaan,namun
sebelum diubah ke suhu permukaan digital number harus diubah ke Radiance terlebih
dahulu.Adapun cara konversinya sebagai berikut:
1. Digital Number Radiance
Kemudian Bukalah meta Data landsat 8 dan lihatlah nilai
Radiance_Mult_Band 10 dan Radiance_add_Band_10
MetaData
Kemudian untuk melihat hasilnya kita dapat melakukannya dengan cara klik
kanan hasilnya kemudian pilih Quick Statistics.
2
((1/ 10+1))
untuk melihat nilai k1 dan k2 kita dapat mencarinya di meta data nya.
Meta Data
Pilih band yang dihasilkan dari hasil konversi tadi,kemudian klik OK.
Untuk melihat hasilnya kita dapat melakukannya dengan cara Klik kanan hasil
Quick Statistics
Nilai yang dihasilkan masih dalam berupa kelvin maka harus diubah ke
celcius.Adapun caranya sebagai berikut:
Pilih Basic tools Band Math Masukan Rumus ( b10-273)Ok
Karena nilai suhu di Indonesia tidak mungkin bernilai minus (-) maka kita
harus merubah nilai Minimal yang bernilai minus menjadi 0 dengan cara:
Pilih Basic Tools Band Math masukan rumus : (b10>0)
Pilih Band 10 yang sudah dionversi kedalah suhu celcius tadi kemudian beri
nama dan pilih OK.
Hasil
Karena nilai suhu di Indonesia tidak mungkin bernilai minus (-) maka
kita harus merubah nilai Minimal yang bernilai minus menjadi 0
Band 11
Band 11
G. KESIMPULAN
Kesimpulan dari hasil praktikum Inderaja Terapan ini adalah Kita dapat
mengklasifikasikan citra secara digital yaitu dengan teknik Unsupervise dan
Supervise, untuk hasil yang lebih bagus maka diperlukannya citra yang berkualitas
bagus, sehingga setelah diklasifikasi maka tidak ada kesalahan karena citra yang
dipakai jelas dan bagus kualitasnya. Dan kita juga perlu survei ke lapangan untuk
meninjau apakah klasifikasi di citra sesuai dengan yang ada di lapangan atau tidak
sehingga data klasifikasi sama dengan data hasil survei di lapangan. Serta dapat
menganalisis suhu permukaan pada suatu citra dengan cara mengklasifikasikan
kelas-kelas suhu permukaannya.