MAXIMUM LIKE LIHOOD

( ALGORITMA KEMIRIPAN
MAKSIMAL)

• Merupakan algoritma secara

statistik yang paling mapan.
• Pengkelasan piksel pada
algoritma ini dikelaskan oleh
kelas tertentu.
 Untuk memutuskan
klasifikasi membutuhkan :
1.Simpangan baku tiap
sampel.
2.Variansi.
3.Kovariansi.
 Pada pemodelan kerapatan
probailitas menggunakan dua
saluran masukan , yaitu :
1. MSS3
2. MSS4 landsat.
Pada algoritma ini diasumsikan
bahwa probabilitas semua kelas
sama, tetapi pada kenyataannya
tidak.
 RUMUS yang digunakan
• D = ln ( ac) - { 0,5 ln (| Covc |) ( 0,5
( X – Mc) T ( Covc-1 ) ( X – Mc ) }
• Keterangan :
D = jarak yang diberi bobot.
c = suatu kelas tertentu.
X = vektor piksel yang diklasifikasikan.
Mc= vektor rerata kelas sampel c.
ac = presentase probabilitas
Covc = matriks kovariansi.
(| Covc |) = determinan Covc ( aljabar
matriks )
Covc-1 = inversi Cov ( aljabar
c
matriks )
ln = fungsi logaritma natural.
T = fungsi transposisi ( aljabar

matriks )