KLASIFIKASI CITRA
Disusun Oleh:
Ai Siti Rohmah (23-2021-033)
Kelas A / Kelompok: A / 6
LABORATORIUM FOTOGRAMETRI
PROGRAM STUDI TEKNIK GEODESI
FAKULTAS TEKNIK SIPIL DAN PERENCANAAN
INSTITUT TEKNOLOGI NASIONAL
BANDUNG
2023
Laporan Praktikum Penginderaan Jauh
DAFTAR ISI
DAFTAR ISI ........................................................................................................... i
DAFTAR GAMBAR ............................................................................................. ii
DAFTAR TABEL................................................................................................. iii
BAB I PENDAHULUAN ...................................................................................... 1
1.1 Maksud dan Tujuan ....................................................................................... 1
DAFTAR GAMBAR
Gambar 2. 1 Klasifikasi Citra Berdasarkan Nomor dari Outputs pada Setiap Unit
Spasial ..................................................................................................................... 3
Gambar 2. 2 Per-Pixel Classification dan Object Oriented Classification ........... 3
Gambar 2. 3 Tahapan Digital Image ..................................................................... 4
Gambar 2. 4 Tahapan Klasifikasi Supervised ........................................................ 4
Gambar 2. 5 Tahapan Klasifikasi Unsupervised ................................................... 5
Gambar 4. 1 Hasil Supervised ............................................................................. 14
Gambar 4. 2 Hasil Unsupervised ......................................................................... 14
DAFTAR TABEL
BAB I
PENDAHULUAN
1.1 Maksud dan Tujuan
Maksud dari praktikum ini yaitu mengetahui mengenai klasifikasi citra dan
macam-macam klasifikasi citra berdasarkan citra multispektral.
Adapun tujuan diadakannya praktikum ini, yaitu:
• Mahasiswa/i dapat mengetahui mengenai klasifikasi citra.
• Mahasiswa/i dapat mengetahui klasifikasi citra supervised dan unsupervised.
• Mahasiswa/i dapat mengetahui tahapan klasifikasi citra supervised dan
unsupervised pada software ENVI 5.3.
BAB II
DASAR TEORI
Metode klasifikasi citra yang digunakan sangat berpengaruh terhadap hasil dari
klasifikasi citra nantinya (Septiani, Citra, & Nugraha, 2019). Pemetaan
menggunakan data penginderaan jauh digital merupakan pemilihan metode
klasifikasi yang akan digunakan dalam klasifikasi citra. Prosedur klasifikasi citra
secara umum adalah sebagai berikut (Al-doski, Mansor, & Shafri, 2013):
• Akuisisi data serta interpretasi citra, pada tahap ini dilakukan survey lapangan
dan mengumpulkan informasi serta data pendukung lainnya di lapangan pada
wilayah studi.
• Pemrosesan awal gambar, meliputi koreksi radiometrik, koreksi atmosfer,
koreksi geometrik. dan koreksi topografi.
• Tentukan area yang merepresentasikan dari hampir keseluruhan citra kemudian
lakukan analisis dari hasil pengelompokkan kelas.
• Algoritma klasifikasi citra berlangsung.
• Pasca-pemrosesan, di mana sudah dilakukannya koreksi geometri dan
penyaringan dari koreksi geometri.
• Penilaian akurasi, membandingkan hasil klasifikasi citra dengan studi
lapangan.
Menurut (Al-doski, Mansor, & Shafri, 2013), metode klasifikasi citra dapat
dikategorikan menjadi 3 kategori, yaitu:
1. Berdasarkan tipe pembelajaran, dibedakan menjadi dua yaitu supervised
classification dan unsupervised classification.
2. Berdasarkan nomor dari outputs pada setiap unit spasial, dibedakan menjadi
per-pixel classification dan object oriented classification.
Gambar 2. 1 Klasifikasi Citra Berdasarkan Nomor dari Outputs pada Setiap Unit Spasial
Adapun tahapan dalam proses digital image dan hasil dari proses tersebut
adalah sebagai berikut:
BAB III
PELAKSANAAN PRAKTIKUM
NO GAMBAR KETERANGAN
1 Buka software NVI 5.3.
Kemudian pada menu bar
pilih file kemudian open.
NO GAMBAR KETERANGAN
1 Buka software NVI 5.3.
Kemudian pada menu bar
pilih file kemudian open.
BAB IV
HASIL DAN ANALISIS
4.1 Hasil
Adapun hasil dari klasifikasi supervised dan unsupervised adalah sebagai
berikut:
4.2 Analisis
Metode klasifikasi citra berdasarkan tipe pembelajarnya dibedakan menjadi
supervised dan unsupervised. Klasifikasi supervised dilakukan training data
terlebih dahulu sehingga hasil klasifikasi citra akhirnya bergantung pada
interpretasi dari orang yang menganalisis citra tersebut, sedangkan klasifikasi
unsupervised tidak melibatkan manusia dalam proses interpretasi citranya.
Hasil dari klasifikasi supervised dan unsupervised memiliki perbedaan dalam
pengelompokkan datanya. Warna hijau untuk merepresentasikan persawahan,
warna biru untuk merepresentasikan perairan, dan warna merah untuk
BAB V
PENUTUP
5.1 Kesimpulan
Klasifikasi citra merupakan proses pengelompokan pixel ke dalam sejumlah
kelas pada suatu citra sehingga kelas tersebut dapat menggambarkan suatu entitas
dengan ciri-ciri tertentu. Satu warna menggambarkan suatu objek tertentu pada
citra. Klasifikasi citra dibedakan menjadi tiga, berdasarkan type of learning, number
of outputs for each spatial unit, dan assumptions on data distribution.
Klasifikasi supervised dan unsupervised termasuk ke dalam metode type of
learning. Klasifikasi supervised memerlukan training data yaitu contoh digitasi
kelas yang akan dikelompokkan. Klasifikasi unsupervised dilakukan oleh program
sehingga tidak melibatkan manusia dalam proses pengelompokkan kelas datanya.
5.2 Saran
Tenggat dari laporan praktikum suatu materi sebaiknya diberikan setelah
materi praktikum tersebut sudah diberikan dan dijelaskan oleh asisten praktikum
kepada praktikan. Hal ini agar praktikan mencoba terlebih dahulu dan dapat
bertanya pada waktu praktikum kepada asisten praktikum saat kelas berlangsung,
terutama apabila praktikan mengalami kendala dalam proses pengolahannya. Selain
itu, tenggat waktu dari laporan praktikum disesuaikan dengan pemberian format
laporan praktikumnya itu sendiri.
DAFTAR PUSTAKA
Al-doski, J., Mansor, S. B., & Shafri, H. Z. (2013). Image Classification in Remote
Sensing. Journal of Environment and Earth Science, 141-147. Retrieved
from https://core.ac.uk/download/pdf/234663192.pdf