LAPORAN PRAKTIKUM
Semester : Genap
Disusun oleh :
PENUTUP LAHAN
I. Tujuan
Lahan adalah lingkungan fisik dan biotik yang berkaitan dengan daya dukungnya
terhadap kehidupan dan kesejahteraan hidup manusia. Lingkungan fisik berupa
relief atau topografi, iklim, tanah dan air, sedangkan lingkungan biotik adalah
manusia, hewan, dan tumbuhan.
Pada metode supervised ini, analis terlebih dulu menetapkan beberapa training
area (daerah contoh) pada citra sebagai kelas lahan tertentu. Penetapan ini
berdasarkan pengetahuan analis terhadap wilayah dalam citra mengenai daerah-
daerah tutupan lahan. Nilai-nilai piksel dalam daerah contoh kemudian digunakan
oleh komputer sebagai kunci untuk mengenali piksel lain. Daerah yang memiliki
nilai-nilai piksel sejenis akan dimasukan kedalam kelas lahan yang telah
ditetapkan sebelumnya. Jadi dalam metode supervised ini analis mengidentifikasi
kelas informasi terlebih dulu yang kemudian digunakan untuk menentukan kelas
spectral yang mewakili kelas informasi tersebut. (Indriasari, 2009)
1. Minimum Distance
Teknik jarak minimal menggunakan vektor rata-rata endmember masing-masing
dan menghitung jarak Euclidean dari setiap piksel yang diketahui oleh vektor
rata-rata untuk masing-masing kelas. Beberapa piksel memiliki kemungkinan
tidak terklasifikasi jika tidak memenuhi kriteria yang dipilih.
2. Mahalanobis
Klasifikasi Mahalanobis adalah jarak arah pengklasifikasi sensitif yang
menggunakan statistik untuk masing-masing kelas. Hal ini mirip dengan
klasifikasi Maximum Likehood, tetapi menganggap semua kovarian kelas adalah
sama dan karenanya merupakan metode yang lebih cepat. Semua piksel yang
diklasifikasikan ke kelas ROI terdekat kecuali pengguna menentukan ambang
batas jarak, dalam hal ini beberapa piksel mungkin tidak ditandai jika mereka
tidak memenuhi ambang batas.
3. Maximum Likehood
Mengasumsikan bahwa statistik untuk setiap kelas dalam setiap band biasanya
didistribusikan dan menghitung probabilitas bahwa suatu piksel diberikan milik
kelas tertentu. Kecuali ambang probabilitas dipilih, semua piksel
diklasifikasikan. Setiap piksel ditugaskan untuk kelas yang memiliki probabilitas
tertinggi (yaitu, "maksimum likelihood"). Jika probabilitas tertinggi lebih kecil
dari ambang batas yang ditentukan, piksel tetap tidak terklasifikasi
Kita dapat melakukan langkah kerja praktikum dengan baik dan sistematis,
antara lain :
Unsupervised Classification
Supervised Classification
V. Hasil Praktikum
b. Minimum Distance
c. Mahalanobis
d. Spectral Angle Mapper
VII. Kesimpulan
https://www.academia.edu/16751584/ANALISIS_TUTUPAN_DAN_PEN
GGUNAAN_LAHAN