Penginderaan Jauh I
Modul ke- 5 : Klasifikasi Citra
Disusun Oleh :
Antonius R Carlos
23116072
1. BAB I
2. BAB II
3. BAB III
4. BAB IV
5. BAB V
Asisten Praktikum
...................................
NIM.
BAB I
PENDAHULUAN
Pada praktikum kali ini merupakan praktikum mengenai Klasifikasi Citra dimana
proses klasifikasi citra sendiri ditujukan untuk pengelompokan objek pada citra yang
sama menjadi satu. Pada klasifikasi citra sendiri bisa menggunakan klasifikasi supervised
dengan unsupervised dimana tujuan dari masing-masing klasifikasinya berbeda satu sama
lain. Sebelum pelaksanaan klasifikasi citra pastinya dilakukan terlebih dahulu pembuatan
Region of Interest untuk mengambil data sample yang akan dilanjutkan untuk Klasifikasi.
1.2 Tujuan
Tujuan dilakukannya Praktikum ini adalah sebagai berikut:
1. Mahasiswa dapat mengetahui proses pengolahan citra satelit
2. Mahasiswa dapat mengetahui pengertian dan jenis-jenis klasifikasi
3. Mahasiswa dapat mengetahui fungsi dari klasifikasi
4. Mahasiswa dapat mengetahui cara melakukan melakukan klasifikasi pada aplikasi
envi.
Klasifikasi citra digital terdiri dari banyak metode alternatif yang menghasilkan
tingkat akurasi berbeda-beda. Akurasi ini sangat tergantung pada beberapa hal seperti training
sample dan keragaman kenampakan lahan pada daerah citra yang dikaji. Penelitian ini
bertujuan untuk membandingkan 4 metode klasifikasi citra digital yang diterapkan pada
daerah dengan tingkat keragaman kenampakan lahan yang berbeda yaitu Kecamatan Ciomas,
Kecamatan Dramaga dan Kecamatan Cibungbulang. Metode klasifikasi citra digital yang
digunakan pada penelitian ini adalah kemungkinan maksimum, jarak Mahalanobis, jaringan
syaraf tiruan dan support vector machine. Hasil penelitian ini menyimpulkan bahwa
kemungkinan maksimum merupakan metode klasifikasi citra yang paling baik pada citra di
tiga kecamatan terpilih dengan nilai rata-rata akurasi keseluruhan sebesar 91.99% dan nilai
rata-rata koefisien kappa sebesar 0.8772. Selain itu, metode support vector machine dan
jaringan syaraf tiruan juga memberikan hasil yang cukup baik.
4.1 Hasil
Citra Komposit (Natural Color)
SUPERVISED
Parallelpiped
Maximum Likelihood
UNSUPERVISED
Isodata
K Means
ROI window
ROI Separability
4.2 Analisis
Pada Praktikum Kali ini dilakukan sebuah proses dalam klasifikasi sebuah citra.
Dimana Pada klasifikasi citra sendiri perlu dilkukan Pembentukan ROI. Pada pembentukan
ROI sendiri dilakukan sesuai standar dan rumus yang berlaku. Pada pengambilan ROI,
dilakukan sesuai daerah yang akan diklasifikasikan seperti, jalan, vegetasi,sungai, lahan
terbuka, dll. Pada Pembentukan ROI, wilayah dari citra yang memiliki penginterpretasian
yang mirip seperti jalan/ sungai perlu diperhatikan dengan baik sehingga tidak terjadi
kesalahan klasifikasi.
Setelah dilakukan ROI, klasifikasi bisa dilakukan. Klasifikasi dilakukan sesuai
dengan jenis klasifikasi yang ada. Yaitu Klasifikasi Terbimbing dan tidak terbimbing. Dilihat
dari hasil pengolahan, klasifikasi terbimbing menghasilkan data yang lebih baik dibanding
klasifikasi tidak terbimbing (Unsupervised). Pada 2 metode tersebut terdapat jenis nya lagi
sesuai dengan namanya. Dari semua perlakuan klasifikasi, menurut saya yang bagus adalah
klasifikasi Supervised dengan menggunakan Likelihood. Hal ini dikarenakan hasil klasifikasi
yang didapat lebih jelas dan lebih mendekati sempurna (Minim Kesalahan) dibanding yang
lain. Tetapi hal ini juga didapatkan sebanding dengan pengolahan/ Iterasi nya yang lebih
lama dari yang lain.
BAB V KESIMPULAN
1. Sebelum klasifikasi Citra Perlu dilakukan pembuatan ROI terlebih dahulu untuk
mengetahui apa saja yang akan diklasifikasikan
2. Klasifikasi Citra Dibagi Menjadi 2 yaitu Supervised dan Unsupervised. Dimana 2
hal tersebut memiliki perbedaan dan metode yang berbeda
3. Klasifikasi sendiri digunakan untuk membedakan objek yang ditangkap citra yang
berdasarkn pada ROI yang dibuat
DAFTAR PUSTAKA