VII.

KLASIFIKASI TERBIMBING
(SUPERVISED CLASSIFICATION)

Klasifikasi citra adalah proses pengelompokkan objek berdasarkan kelas tertentu.

Tujuan klasifikasi adalah kita dapat dengan mudah mengenali objek apa saja yang
ada di permukaan bumi, sebarannya serta berapa luas areanya. Ada dua model
klasifikasi citra yang digunakan, yaitu: klasifikasi tak terbimbing (unsupervised
classification) dan klasifikasi terbimbing (supervised classification).

Klasifikasi terbimbing merupakan proses klasifikasi dengan pemilihan katagori

informasi yang diinginkan dan memilih training area untuk tiap katagori penutup
lahan yang mewakili sebagai kunci interpretasi.

Pada klasifikasi ini interpreter membimbing proses pengelompokkan pixel dengan

pemberian deskripsi numerik dari tipe-tipe kenampakan penutupan lahan yang ada
pada citra. Secara teknis, lokasi contoh representatif dari tipe penutup lahan yang
diketahui (training area) digunakan untuk mengkompilasi kunci interpretasi numerik
yang mendeskripsikan atribut spektral untuk setiap tipe kenampakan yang dipilih

Alat dan Bahan

Alat : Komputer dengan software pengolahan data penginderaan jauh dan alat
tulis
Bahan : Citra Landsat-8

Prosedur Kerja :
 Pastikan ekstensi Spatial Analyst anda aktif dengan cara : klik Customize pada
Menubar--> Extensions. Beri tanda centang √ Spatial Analyst.
 Selanjutnya, pastikan juga menu Image Classification dan Spatial Analyst anda
aktif dengan mengklik Customize pada Menubar--> Toolbars  beri tanda
centang √ pada Image Classification dan beri tanda centang √ pada Spatial
Analyst. Menu Image Classification akan ditampilkan seperti gambar dibawah ini:

 Tampilkan citra yang telah dipotong sesuai dengan Batas Administrasi

Kabupaten Bungo.
 Klik icon Training Sample Manager
 Untuk membuat training area, dapat dilakukan dengan meng-klik icon Draw
Poligon pada Menu Image Classification. Training area yang dimaksud adalah
mengambil sampel pada daerah di citra yang sekiranya sudah diketahui jenis
tutupan lahannya. Hal ini harus dilakukan sebanyak mungkin dari kelas tutupan
lahan yang diketahui, misalnya : Kelas tubuh air, kelas vegetasi jarang kelas
hutan (vegetasi rapat), kelas tanah terbuka, kelas awan dan kelas bayangan
awan. Arahkan icon Draw Poligon.pada citra dan mulailah membuat training
sampel dengan meng-klik icon Draw Poligon.

Contoh Training Area

untuk tubuh air

Lakukan sebanyak mungkin training area (minimal 2 sampel tiap objek) dan
harus dilakukan pada masing-masing objek yang akan dideteksi.

 Untuk mengganti nama “Class Name” sesuai dengan training sampel, dapat
dilakukan dengan double-klik nama “Class 1” --> ganti sesuai nama kelas
tutupan lahan.
 Untuk menggabungkan Training Sample yang sama, dapat dilakukan dengan
mem-blok training area yang sama dan meng-klik icon Merge Training Samples.
 Simpan Training sample anda dengan meng-klik icon agar menjadi sebuah
shapefile.
 Selanjutnya, buat file signature hasil training sampel tersebut yang akan
digunakan dalam mengklasifikasikan citra anda, dengan meng-klik icon
Create a signature file. Tentukan folder penyimpanan dan nama file signature
anda.
 Tahap selanjutnya adalah melakukan klasifikasi citra yang dimulai dengan
meng-klik Classification pada Image Classification. Ada banyak pilihan metode
klasifikasi terbimbing, pilih saja Maximum Likelihood Classification.

 Selanjutnya akan muncul jendela

 Isikan pada :
- Input Raster bands : file citra yang akan diklasifikasi, misal :
“Citra_Bungo47S.tif”
 - Input Signature file : nama file signature yang anda simpan sebelumnya,
misal : “citra_bungo47s.gsg”
- Output Classified raster : beri nama baru dan tentukan folder penyimpanan,
misal : “Supervised_Bungo.img”
 Kemudian klik OK, dan tunggu proses hingga selesai.
 Hasil klasifikasi terbimbing akan ditampilkan pada Data View anda. Atur warna
kelas tutupan lahan sesuai dengan semestinya.

Citra sebelum diklasifikasi

Hasil Klasifikasi Terbimbing