MODUL 3
KLASIFIKASI CITRA
A. Tujuan Pelatihan
1. Melakukan klasifikasi penutup lahan (landcover)
2. Melakukan klasifikasi penggunaan lahan (landuse)
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