Nama : Jerremy Bryan Sumanto

Nim : 19040274080

Kelas : Geografi 2019 C

Mata Kuliah : Penginderaan Jauh Lanjut ( PJL )

Soal !

1.Apa kegunaan dari metode tersebut ?

2. Apa perbedaannya dengan metode Unsupervised Classification ?

3. Pada citra resolusi bagaimana metode ini dapat diaplikasikan ?

4. Jelaskan langkah-langkah metode klasifikasi ini ?

Jawaban !

1.Supervised Classification merupakan metode yang digunakan dalam penelitian

dibidang penginderaan jauh, metode ini memiliki kontrol terhadap informational
classes berdasarkan training sampel, dan adanya kontrol terhadap keakuratan
dalam klasifikasi.kegunaan dari metode ini yaitu untuk mengetahui atau
menganalisis daerah tutupan lahan disuatu tempat dalam menentukan kerapatan
vegetasi ataupun tutupan lahan yang lainya. Namun perlu digaris bawahi bahwa
kunci dari metode ini mempunyai suatu pengetahuan yang baik mengenai bentang
lahan yang sedang dipetakan dan digunakan untuk mengetahui are atau kawasan
atau daerah tutupan lahan.

2. Perbedaan antara metode supervised classification dengan metode Unsupervised

Classifaction adalah dalam metode supervised classification, memiliki input dan
output data yang dibuat menjadi satu hubungan model matematis dalam
penginderaan jauh sehingga mampu melakukan prediksi atau klasifikasi data pada
citra landsat 8, atau pada citra sebelumnya, sedangkan unsupervised classification,
tidak menggunakan data latih pada citra Vdalam melakukan prediksi maupun
klasifikasi
3.Citra resolusi merupakan citra yang menampakkan 2 objek yang berdekatan
secara terpisah, kemudian cara pengaplikasiannya mudah sekali, kemudian yang
menaplikasinnya terjadi pada bentuk citrannya, justru enggan memiliki citra malah
bersifat lebih spesifik dan sangat jelas maka poligonya dapat mewakili 1 objek
dengan jelas, misalnya rumah, sawah, parit, dll secara detail.

4. .berikut langkah-langkah melakukan supervised classification, pertama silakan

data landsat melalui lansat import with option apabila selesai, lalu yang kedua
tentukanlah area of interest yang akan diklasifikasikan, selanjutnya membuat
tutupan lahan misalnya menentukan perairan dalam, perairan dangkal, hutan lebat,
hutan gundul dll.next kita membuat polygon untuk setiap daerah tutupan lahan,
setiap 1 poligon mewakili setiap daerah tutupan lahan. Selanjutnya Langkah ketiga
Pilih geoprocessing > shapes >contruction > create new shapes layer, sebagai
contohnya layer baru kita beri nama training supervised.pastikan type shapes
adalah sebuah polygon,lalu klik oke.langkah yang ke 4 yaitu aktifkanlah layer
training supervised dengan cara klik 2x setelah itu klik kanan pada layer
baru(training layer) kemudiah pilih edit dan add shapes.lalu memulailah membuat
polygon untuk masing masing perwakilan tutupan lahan dan berilah nama.lalu
Langkah yang terakhir yaitu pilih geoprocessing > imagery > classification ,
dalam setiap warna tutupan lahan dapat dirubah dengan manual tab setting, lalu
kemudian keluar hasilnya.

Sedangkan Langkah berikut dalam melakukan unsupervised classsification .dalam

klasifikasi ini ada 2 macam klasifikasi yaitu klasifikasi dalam pebgawasan dan
klasifikasi tanpa pbgawasan,dibawah ini merupakan langkah secara umum :

a) Langkah pertama siapkan data citra landsat.

b) Lalu tampilkan data citranya yang akan kamu klasifikasi dengan menggunakan
iso cluster.
c) Lalu klik arctoolbox buka spatial analisis tools > multivariate > klister iso
tanpa pengawasan
d) Pada tab iso cluster pilihlah input raster daerah yang akan kamu klasifikasikan
tanpa pengawasan , lalu simpan dengan nama (daerah yang kamu pilih) , lalu klik
ok dan tunggu pemrosesan selesai.
e) Lalu masukkan input raster bands nya input file signature dengan file signature
hasil create signature (ekstensi.GSG.) dan simpanlah output raster terklasifikasikan
pada lokasi yang kamu inginkan, lalu klik ok.
f) Lalu keluar hasilnya.

DAFTAR PUSTAKA
Nugraha, A Sediyo Adi. 2019. “Pemanfaatan Metode SplitWindows Algorithm
(SWA) Pada Landsat 8Menggunakan Data Uap Air Modis Terra”. Jurnal Ilmiah
Geomatika, Volume 25 Nomor 1 (hal 9-16)
Nugroho, Ferman Setia. 2015. “Pengaruh Jumlah Saluran Spektral, Korelasi Antar
Saluran Spektral Dan Jumlah Kelas Objek Terhadap Akurasi Klasifikasi Penutup
Lahan”. Jurnal Ilmiah geomatika, Volume 21, Nomor 1 (hal. 9-16).
Omo-Irabor, Omoleomo Olutoyin. 2016. A Comparative Study of Image
Classification Algorithms for Landscape Assessment of the Niger Delta Region.
Journal of Geograpich Information System, Volume 8, Nomor 1 (hal. 163-170.
Sampurno, Rizky Mulya dan Ahmad Thoriq. 2016. “Klasifikasi Tutupan Lahan
Menggunakan Citra Landsat 8 Operational Land Imager (OLI) Di Kabupaten
Sumedang”. Jurnal Teknotan, Volume 10, Nomor 2 (hal. 61-70)
Sampurno, Rizky Mulya. Bunyamin, Anan. Herwanto, Totok. 2017. “Estimasi
Perubahan Lahan Sawah Dengan Klasifikasi Tidak Terbimbing Citra MODIS EVI
di Provinsi Jawa Barat”. Jurnal Teknotan, Volume 11, Nomor 2 (hal. 55-66).