Kelebihan
1. Struktur data raster sederhana
2. Tumpang susun dan kombinasi data yang dipetakan mudah dilakukan
3. Analisis keruangan mudah dilakukan
4. Satuan unit dalam raster mempunyai ukuran dan bentuk yang sama.
Kelemahan
1. Volume data grafik besar sehingga memerlukan tempat penyimpanan
data yang besar pula.
2. Penggunaan ukuran pixel yang besar untuk mengurangi ruang
pemakaian sering menghilangkan beberapa informasi.
Mengenal Jenis-Jenis Citra Satelit
Satelit QUICKBIRD
Merupakan satelit resolusi tinggi dengan resolusi spasial 61 cm, mengorbit pada
ketinggian 450km secara sinkron matahari, satelit ini memiliki dua sensor utama yaitu
pankromatik dan multispektral. Quickbird diluncurkan pada bulan oktober 2001 di
california AS. Quickbird memiliki empat saluran (band).
Satelit ASTER (advanced spaceborne emission and reflecton radiometer)
Satelit yang dikembangkan negara jepang dimana sensor yang dibawa terdiri dari
VNIR, SWIR, dan TIR. Satelit ini memiliki orbit sunshyncronus yaitu orbit satelit yang
menyelaraskan pergerakan satelit dalam orbit presisi bidang orbit dan pergerakan
bumi mengelilingi matahari, sedemikian rupa sehingga satelit tersebut akan
melewati lokasi tertentu di permukaan bumi selalu pada waktu lokal yang sama
setiap harinya. Ketinggian orbitnya 707 km dengan sudut inklinasi 98,2 derajat.
Satelit IKONOS
Ikonos adalah satelit resolusi spasial tinggi yang diluncurkan bulan september 1999.
merekam data multispektral 4 kanal pada resolusi 4m. Ketinggian orbitnya 681km.
Produk satelit ini merupakan citra resolusi tinggi sangat cocok untuk analisis detil
misalnya wilayah perkotaan tapi tidak efektif apabila digunakan untuk analisis yang
bersifat regional.
Satelit GeoEye
GeoEye-1 merupakan Satelit pengamat Bumi yang pembuatannya disponsori oleh
Google dan National Geospatial-Intelligence Agency (NGA) yang diluncurkan pada 6
September 2008 dari Vandenberg Air Force Base, California, AS. Satelit ini mampu
memetakan gambar dengan resolusi gambar yang sangat tinggi dan merupakan
satelit komersial dengan pencitraan gambar tertinggi yang ada di orbit bumi saat ini.
Satelit WorldView-2
Satelit WorldView-2 adalah satelit generasi terbaru dari Digitalglobe yang diluncurkan
pada tanggal 8 Oktober 2009. Citra Satelit yang dihasilkan selain memiliki resolusi
spasial yang tinggi juga memiliki resolusi spectral yang lebih lengkap dibandingkan
produk citra sebelumnya. Resolusi spasial yang dimiliki citra satelit WorldView-2 ini
lebih tinggi, yaitu: 0.46-0.5 m untuk citra pankromatik dan 1.84 m untuk citra
multispektral. Citra multispektral dari WorldView-2 ini memiliki jumlah band sebanyak
8 band, sehingga sangat memadai bagi keperluan analisis-analisis spasial sumber daya
alam dan lingkungan hidup.
Minimum Distance
Teknik jarak minimal menggunakan vektor rata-rata endmember masing-masing dan
menghitung jarak Euclidean dari setiap piksel yang diketahui oleh vektor rata-rata
untuk masing-masing kelas. Beberapa piksel memiliki kemungkinan tidak terklasifikasi
jika tidak memenuhi kriteria yang dipilih.
Mahalanobis Distance
Klasifikasi Mahalanobis Jarak adalah jarak arah pengklasifikasi sensitif yang
menggunakan statistik untuk masing-masing kelas. Hal ini mirip dengan klasifikasi
Maximum Likehood, tetapi menganggap semua kovarian kelas adalah sama dan
karenanya merupakan metode yang lebih cepat. Semua piksel yang diklasifikasikan
ke kelas ROI terdekat kecuali pengguna menentukan ambang batas jarak, dalam hal
ini beberapa piksel mungkin tidak ditandai jika mereka tidak memenuhi ambang
batas.
Maximum Likehood
Mengasumsikan bahwa statistik untuk setiap kelas dalam setiap band biasanya
didistribusikan dan menghitung probabilitas bahwa suatu piksel diberikan milik kelas
tertentu. Kecuali ambang probabilitas dipilih, semua piksel diklasifikasikan. Setiap
piksel ditugaskan untuk kelas yang memiliki probabilitas tertinggi (yaitu, "maksimum
likelihood"). Jika probabilitas tertinggi lebih kecil dari ambang batas yang ditentukan,
piksel tetap tidak terklasifikasi
Neural Net
Digunakan untuk menerapkan teknik umpan-maju jaringan klasifikasi berlapis neural
K-means
Menggunakan pendekatan analisis kelas yang mengharuskan analis untuk memilih
jumlah kelas yang berlokasi di data, sewenang-wenang ini menempatkan sejumlah
pusat klaster, kemudian iteratif repositions mereka sampai keterpisahan spektral yang
optimal dicapai. Klasifikasi ini juga menggunaka teknik jarak minimum. Setiap iterasi
kalkulasi ulang berarti kelas dan mereklasifikasi piksel sehubungan dengan cara baru.
Semua piksel diklasifikasikan ke kelas terdekat kecuali deviasi standar atau ambang
batas jarak yang ditentukan, dalam hal ini beberapa piksel mungkin unclassified jika
mereka tidak memenuhi kriteria yang dipilih. Proses ini berlanjut sampai jumlah piksel
dalam setiap perubahan kelas kurang dari ambang perubahan piksel yang dipilih atau
jumlah maksimum iterasi tercapai.