KLASIFIKASI UNSUPERVISED
Disusun Oleh:
BAB I
PENDAHULUAN
1.3 Tujuan
Adapun tujuan pelaksanaan dari kegiatan ini adalah sebagai berikut:
1. Praktikan mengetahui apa itu klasifikasi unsupervised.
2. Praktikan mengetahui apa itu klasifikasi unsupervised k-means dan
isodata.
3. Praktikan mengetahui tahapan-tahapan dalam melakukan proses
klasifikasi unsupervised k-means dan isodata.
4. Praktikan mengetahui karakteristik hasil klasifikasi unsupervised k-
means dan isodata.
BAB II
DASAR TEORI
BAB III
METODOLOGI
3.1. Lokasi
Kegiatan praktikum ini dilaksanakan secara daring di Kontrakan
GeoFunny, Jl. Beringin Raya 2 No 66, Maguwoharjo, Sleman, Daerah stimewa
Yogyakarta pada hari Jum’at, 29 Sepetember 2023.
BAB IV
HASIL DAN PEMBAHASAN
4.1. Hasil
4.1.1. Hasil Tampilan Klasifikasi K-Means
1. Citra sebelum dilakukan klasifikasi K-Means
Kombinasi kelas
dilakukan pada
class 4 dengan
class 5 (pada bagian
urban)
Kombinasi kelas
dilakukan pada
class 4 dengan
class 5 (pada bagian
urban)
4.2. Pembahasan
Klasifikasi unsupervised adalah suatu pendekatan dalam pengolahan
citra digital di mana algoritma secara otomatis mengelompokkan piksel-piksel
dalam citra ke dalam kategori atau kelas tanpa adanya panduan atau informasi
sebelumnya. Dalam metode ini, algoritma mencari pola atau struktur dalam data
citra dan mengelompokkan piksel yang serupa ke dalam kategori yang sama.
Pendekatan ini sangat berguna ketika tidak ada informasi kelas yang tersedia
atau ketika pengguna ingin menjelajahi struktur data tanpa memiliki
pengetahuan sebelumnya tentang kelompok yang mungkin ada.
Pada praktikum kali ini, menggunakan citra Landsat 8 yang sudah
terkoreksi atmosferik (surface reflectace). Proses klasifikasi unsuervised yang
dilakukan menggunakan dua metode, yaitu klasifikasi K-Means dan klasifikasi
ISOData.
BAB V
KESIMPULAN
5.1. Kesimpulan
Dari kegiatan praktikum analisis spektral yang telah dilakukan, maka dapat
diambil kesimpulan sebagai berikut:
1. Klasifikasi unsupervised adalah suatu pendekatan dalam pengolahan citra
digital di mana algoritma secara otomatis akan mengelompokkan piksel-
piksel dalam citra ke dalam kategori/kelas tanpa adanya panduan atau
informasi sebelumnya. Dalam klasifikasi unsupervised, algoritma
mengelompokkan piksel berdasarkan kesamaan karakteristik spektral,
memungkinkan penemuan pola atau kelas dalam data. Klasifikasi
unsupervised memberikan fleksibilitas dalam mengidentifikasi pola dalam
citra tanpa memerlukan pengetahuan kelas sebelumnya. Metode ini
berperan penting dalam analisis data citra digital, terutama ketika tujuan
utamanya adalah untuk menjelajahi struktur data dan menemukan pola
yang mungkin tidak terlihat dengan metode klasifikasi yang berbasis pada
informasi kelas sebelumnya. Manfaat dari klasifikasi unsupervised
meliputi, penemuan pola, segmentasi, pemantauan perubahan tutupan
lahan, penelitian ilmiah, pemantauan lingkungan, pemahaman wilayah
luas, dan sebagai dasar pengambilan keputusan dalam suatu kebijakan
pemerintah.
2. Berikut ini merupakan kesimpulan dari metode-metode klasifikasi
unsupervised yang telah dikalukan:
a. Klasifikasi K-means adalah salah satu metode dalam klasifikasi
unsupervised yang digunakan dalam pengolahan citra digital. Metode
ini bekerja dengan mengelompokkan piksel-piksel citra ke dalam
kategori atau kelas tertentu berdasarkan kesamaan karakteristik
spektral. Pendekatan ini tidak memerlukan informasi kelas sebelumnya
dan secara otomatis menemukan pola dalam data citra. Algoritma K-
means beroperasi dengan cara menginisialisasi pusat-pusat kelompok
secara acak dan mengoptimalkan posisi pusat-pusat tersebut hingga
DAFTAR PUSTAKA