–

ASISTEN INDERAJA 2019

 Menurut Chein-I Chang dan Ren (2000), klasifikasi
citra merupakan suatu proses pengelompokan
seluruh piksel pada suatu citra kedalam
kelompok-kelompok sehingga dapat
diinterpretasikan sebagai suatu properti yang
spesifik
 Klasifikasiterbimbing melibatkan interaksi analis secara intensif,
dimana analis menuntun proses klasifikasi dengan identifikasi objek
pada citra (Projo, 1996).
 Klasifikasi dengan menggunakan training sample yang dibuat dengan
menggunakan ROI (Region of Interest).
 Proses : pengenalan pola spektral → prosedur training area →
penyusunan kunci interpretasi dan klasifikasi → hasil klasifikasi.
 Training sample didasarkan pada pengetahuan analis terhadap
wilayah dalam citra mengenai daerah-daerah tutupan lahan
 Nilai-nilai piksel pada training sample akan digunakan oleh perangkat
lunak sebagai kunci untuk mengenali piksel lain.
 Daerah yang memiliki nilai-nilai piksel sejenis akan dimasukkan ke
dalam kelas yang telah ditentukan sebelumnya.
 Mahalanobis
Distance

Minimum
Distance

Maximum
Likelihood

Parallele
piped
 Salah satu metode
klasifikasi terbimbing
yang paling sederhana
 Cara : menentukan nilai
rata-rata piksel setiap
kelas → piksel lain yang
akan diklasifikasi
dihitung jarak
terpendeknya terhadap
nilai piksel rata-rata
yang digunakan
sebagai kategori kelas
 Mengasumsikan statistik
dari setiap kelas
merupakan distribusi
normal
 Membutuhkan proses
lebih lama dibandingkan
dengan jenis klasifikasi
terbimbing lainnya.
 Piksel dikelaskan sebagai
obyek tertentu
berdasarkan bentuk,
ukuran, dan orientasi
sampel.
 Memperhitungkan kisaran
nilai digital dari masing-
masing rangkaian
kategori nilai piksel
training sample
 Kisaran nilai digital dari
dua kanal dapat
digambarkan dalam
bentuk persegi panjang.
 Cara : piksel yang akan
diklasifikasi berdasarkan
letak/posisi piksel
tersebut berada
 Metode direction-sensitive
classifier. Menggunakan
statistik untuk masing-
masing kelas.
 Mirip dengan metode
Maximum Likelihood, tetapi
lebih cepat karena
menganggap kovarian
semua kelas sama nilainya.
 Cara : semua piksel
diklasifikasikan ke kelas
terdekat, kecuali analis
menentukan ambang batas
jarak (beberapa piksel
mungkin tidak masuk ke
kelas manapun karena
tidak memenuhi ambang
batas).
 Citra LANDSAT 8

 Software ENVI

*Pastikan sudah tersedia sebelum praktikum

dimulai ya! ☺