Klasifikasi citra merupakan proses yang berusaha mengelompokkan seluruh pixel pada suatu citra ke dalam sejumlah class (kelas), sedemikian hingga tiap class merepresentasikan suatu entitas dengan properti yang spesifik (Chein-I Chang dan H.Ren, 2000). Klasifikasi citra menurut Lillesand dan Kiefer (1990), dibagi ke dalam dua klasifikasi yaitu klasifikasi terbimbing (supervised classification) dan klasifikasi tidak terbimbing (unsupervised classification). Pemilihannya bergantung pada ketersediaan data awal pada citra itu. Proses pengklasifikasian klasifikasi terbimbing dilakukan dengan prosedur pengenalan pola spektral dengan memilih kelompok atau kelas-kelas informasi yang diinginkan dan selanjutnya memilih contoh-contoh kelas (training area) yang mewakili setiap kelompok, kemudian dilakukan perhitungan statistik terhadap contoh-contoh kelas yang digunakan sebagai dasar klasifikasi.
SUPERVISED
Klasifikasi terawasi didasarkan pada ide bahwa pengguna (user) dapat memilih sampel pixel – pixel dalam suatu citra yang merepresentasikan kelas-kelas khusus dan kemudian mengarahkan perangkat lunak pengolahan citra (image processing software) untuk menggunakan pilihan-pilihan tersebut sebagai dasar referensi untuk pengelompokkan pixel-pixel lainnya dalam citra tersebut.
Dibawah ini adalah contoh dari hasil klasifikasi supervised yang telah di lakukan dengan menggunaan citra satelit landsat Arcamanik, Bandung.
 |
| Sumber: Hasil Klasifikasi, 2012 |
 |
| Sumber: Hasil Klasifikasi, 2012 |
UNSUPERVISED
Sedangkan klasifikasi tak terawasi (unsupervised classifications) merupakan pengklasifikasian hasil akhirnya (pengelompkkan pixel-pixel dengan karakteristik umum) didasarkan pada analisis perangkat lunak (software anaysis) suatu citra tanpa pengguna menyediakan contoh-contoh kelas-kelas terlebih dahulu.
Dibawah ini adalah contoh dari hasil klasifikasi unsupervised yang telah di lakukan dengan menggunaan citra satelit landsat Arcamanik, Bandung.
 |
| Sumber: Hasil Klasifikasi, 2012 |
 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Sumber: Hasil Klasifikasi, 2012
Klasifikasi unsupervised digunakan ketika kita hanya mempunyai sedikit informasi tentang dataset kita. Pada klasifikasi tidak terbimbing, pengklasifikasian dimulai dengan pemeriksaan seluruh pixel dan membagi kedalam kelas-kelas berdasarkan pada pengelompokkan nilai-nilai citra seperti apa adanya. Prosedur umumnya mengasumsikan bahwa citra dari area geografis tertentu adalah di kumpulkan pada multiregion dari spektrum elektromagnetik. Dengan menggunakan metode ini, program klasifikasi mencari pengelompokan secara natural atau clustering berdasarkan sifat spektral dari setiap pixel.
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Klasifikasi Citra(2009).http://rahmiariani.blogspot.com/2009/04/klasifikasi-citra.html. Diakses Pada Tanggal 1 Juni 2012
Klasifikasi Citra(2009). http://blog.uad.ac.id/murintokusno/2009/01/19/difference-unsupervised-dan-supervised-image-clustering/. Diakses Pada Tanggal 1 Juni 2012
Tidak ada komentar:
Posting Komentar