MODUL 3 : KLASIFIKASI CITRA

PUSAT PENELITIAN PENGINDERAAN JAUH DAN

INFORMASI GEOSPASIAL
INSTITUT TEKNOLOGI SUMATERA

MODUL 3
 KLASIFIKASI CITRA

A. Tujuan Pelatihan
1. Melakukan klasifikasi penutup lahan (landcover)
2. Melakukan klasifikasi penggunaan lahan (landuse)

B. Alat dan Bahan

1. Software Envi 5.1
2. Citra Landsat 7 ETM+
3. Citra Landsat 8 OLI

C. Langkah Kerja
1. Klasifikasi Terbimbing (Supervised Classification)
a) Pembuatan ROI (Region Of Interest)
 Buat ROI menggunakan citra yang sudah terkoreksi. Dengan cara klik file>> open image
file>> pilih citra >> open >> pilih RGB dengan band 432 >> load band.

 Selanjutnya buatlah ROI dengan cara Klik Basic Tools >> Region Of Interest >> ROI
Tools >> akan muncul jendela ROI >> pilih zoom >> mulailah mendigit objek
 Save ROI dengan cara klik file pada jendela ROI >> save ROI >> beri nama sampel
(misal vegetasi) >>open. Lakukan langkah ini untuk sampel yang lainnya.

b) Parallelepiped
 Classification >> supervised >> Parallelepiped >> pilih klasifikasi citra >> ok >> pilih
tempat menyimpan filenya >> beri nama (parallelepiped) >> select all >> ok

c) MINIMUM DISTANCE
 Classification >> supervised >> minimum distance >> pilih klasifikasi citra >> ok >>
pilih tempat menyimpan filenya >> beri nama (minimum distance) >> select all >> ok

d) MALAHANOBIS DISTANCE
 Classification >> supervised >> maahalanobis >> pilih klasifikasi citra >> ok >> pilih
tempat menyimpan filenya >> beri nama (mahalanobis) >> select all >> ok

e) MAXIMUM LIKELIHOOD
 Classification >> supervised >> maximum likehood >> pilih klasifikasi citra >> ok >>
pilih tempat menyimpan filenya >> beri nama (maximum likehood) >> select all >> ok
2. Klasifikasi Tidak Terbimbing (Unsupervised Classification)
1) ISODATA

 Classification >> Unsupervised >> Isodata >> pilih klasifikasi citra >> ok >> pilih tempat
menyimpan filenya >> beri nama (isodata) >> ok

2) K-MEANS

 Classification >> Unsupervised >> K-means >> pilih klasifikasi citra >> ok >> pilih
tempat menyimpan filenya >> beri nama (K-means) >> ok. Hasil klasifikasi akan

ditampilkan.
3. Majority
Classification >> post classification >> majority parameters >> pilih mahalanobis distance
>> ok >> pilih tempat menyimpan filenya >> beri nama (majority) >> select all >> ok