4. Lakukan Cropping, disini saya memakai Metode Subset Data via ROIs.
Sehingga hasilnya sebagai berikut :
Cropping diatas merupakan Desa Tlogo Hendro Kecamatan Petung Kriono
Kabupaten Pekalongan Provinsi Jawa Tengah. Dapat dilihat seperti Tabel Atribut
dibawah, yang didapat dari software Arcmap
Kovarian
Korelasi
Nilai Statistik
Jawaban :
Ini disebut corrected sum of product (SP) dan dibatasi oleh persamaan :
Bvik adalah pengukuran i dari saluran k, dan Bvil adalah pengukuran i dari
saluran l dengan n piksel. Mean dari saluran k dan l masing-masing adalah k
dan l. Dalam contoh ini, variabel k dapat berdiri untuk saluran 1 dan variabel l
untuk saluran 2.
Selain hasil analisis varian dan kovarians, analisis terhadap korelasi (lihat matriks
korelasi) dapat memberi petunjuk kelimpahan dan kualitas data. Dalam
penginderaan jauh, matriks korelasi juga dapat digunakan untuk Analisis
Komponen Utama (Principal Component Analysis/ PCA) penginderaan jauh,
seleksi gambar, dan klasifikasi. (Jensen, 1986).
Hasil PCA :
Kovarian dan Korelasi
Invers Kovarian dan Korelasi :
Natural Colour :
Kesimpulan : Menurut Saya dalam pembentukan Invers Korelasi, Kovarian, dan
Natural Colour memiliki perbedaan pada tampilan visual. Dengan Kovarian lebih
cerah dan Korelasi lebih semu atau redup warnanya jika dibandingkan dengan
Natural Colour. Pengertian PCA sendiri secara sederhana adalah mengambil Data
Penting ( Kovarian dan Korelasi ) Sama untuk kombinasi citra Multi dan
Hiperspektral.
LAPORAN PRAKTIKUM
PENGOLAHAN CITRA DIGITAL
PEMROSESAN PCA ( PRINCIPAL COMPONENT ANALYSIS )
OLEH :
M DARIZ FAUZAN
14/363767/TK/41783