Clasification Supervised ( Klasifikasi Terawasi )

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. Wilayah pelatihan ( training area) dipilih berdasarkan pada pengetahuan dari pengguna ( the knowledge of the user). Pengguna dapat menentukan batas untuk menyatakan seberapa dekat hasil yang ingin dicapai. Batas ini seringkali ditentukan berdasarkan pada karakteristik spektral dari wilayah pelatihan yang ada. Pengguna juga dapat merancang hasil keluarannya (output).Sebagai contoh seberapa banyak kelas-kelas akhir yang diperlukan dalam pengklasifikasian citra yang dipunyai.berikut contoh data dan hasil analisis supervised yang dilakukan pada peta citra Bandung :

Terdapat Data Peta Citra Jawa barat dengan skala 1:250.000 dan akan di klasivikasi supervised, berikut langkah-langkahnya dan hasil akhir akan terdapat contoh data yang di klasifikasi supervise

• pertama buka dahulu Arc Map 10.1 dan masukan peta citra yang akan di klasifikasi, disini menggunakan peta citra Bandung dengan skala 1: 50.000 catatan : peta citra tersebut minimal 3 band, . menggunakan 3 band yaitu band1 band2 dan band3

•      lalu composita band dengan klik arctool box > Data Management Tools > raster >raster               Procesing > Composite Bands dan jika keluar tabel seperti dibawah ini masukan band123 tersebut

•     Setelah di composite bands keluar RGB merah kuning hijau seperti gambar di bawah ini . keterangan : bands diganti menjadi bands 321 Natural Colour dengan cara klik kanan pada hasil composite bands > properties >symboloy > ganti bands menjadi 321
•   Langkah 4 terdapat data titik-titik koordinat yang menjadi sampel untuk menentukan kelas lalu digitasi 1 kotak resolusi untuk menjadi sampel misal RTH, Permukiman dll dengan cara masukan add data> masuka data titik koordinat shp yang sudah ada.

•    Selanjutnya kita buat signature file dengan cara klik signature pada toolbox Multifariate dan masukan input raster bands dan sample data pilih sample field dan tentukan lokasi penyimpanan pada output lalu klik OK

•    Untuk mengeksekusi hasil create signature kita, maka pilih maximum likehold clasification pada arctoolbox, masukan input raster bandsnya dan file signature hasil create signature kita pilih dan simpan output raster terklasifikasi pada lokasi yang diinginkan lalu OK san prosesnya selesai......

•     Setelah selesai maka pada dataview akan muncul citra yang sudah terklasifikasi secara supervised

• Namun ternyata masih ada data yang salah..maka proses harus diulang lagi dari awal untuk mendekati kebenaran data....

• Data ini masih bersifat kurang akurat karena masih dalam proses pengklasifikasian sehingga masih ada klasifikasi yang salah penggunaan lahannya oleh karena itu kita harus mengulang proses berulang kali sampai hasilnya mendekati kebenaran

Klasifikasi Unsupervised Pada Peta Citra Jawa Barat

Teknik klasifikasi supervised dapat diartikan sebagai teknik klasifikasi yang diawasi. Menurut Projo Danoedoro (1996) klasifikasi supervised ini melibatkan interaksi analis secara intensif, dimana analis menuntun proses klasifikasi dengan identifikasi objek pada citra (training area). Sehingga pengambilan sampel perlu dilakukan dengan mempertimbangkan pola spektral pada setiap panjang gelombang tertentu, sehingga diperoleh daerah acuan yang baik untuk mewakili suatu objek tertentu.(Klasifikasi citra by authori Arfie; http://sekerasbatu.blogspot.com/2009/08/klasifikasi-citra.html).

Yang akan dijelaskan dibawah ini adalah proses klasifikasi unsupervised citra menggunakan software arcGIS 10.1

1.  pertama buka dahulu Arc Map 10.1 dan masukan peta citra yang akan di klasifikasi, disini saya menggunakan peta citra jawa barat dengan skala 1: 250.00. catatan : peta citra tersebut minimal 3 band, saya menggunakan 3 band yaitu band1 band2 dan band3

2. 

2. lalu composita band dengan klik arctool box > Data Management Tools > raster > raster Procesing > Composite Bands dan jika keluar tabel seperti dibawah ini masukan band123 tersebut

3. Setelah di composite bands keluar RGB merah kuning hijau seperti gambar di bawah ini . keterangan : bands diganti menjadi bands 321 Natural Colour dengan cara klik kanan pada hasil composite bands > properties >symboloy > ganti bands menjadi 321 seperti gambar di bawah ini :

composite bands 321.......................

4. setelah itu buat shp baru dengan buka ARC CATALOG > buat folder baru >klik kanan pada folder > shp file

5. shp file dibuat dengan nama batas administrasi, dengan WGS 1984 bentuk polygon setelah itu klik ok dan lihat pada table features sudah terdapat shp polygon

6. setelah itu start editing pada shp polygon dan digitasi batas administrasi dengan hasil sebagai berikut :

hasil batas administrasi yang telah di digit................

hasil zoom dan data batas administrasi yang telah terpisah dan akan di klasifikasi :

7. lalu mari kita lakukan unsupervised clasification pada peta tersebut dengan meng-klik arctoolbox> spatial analysis tools  >extraction > extraxt by mask lalu masukan data komposite bands pada input raster dan masukan data shp batas administrasi tadi pada input raster or feature mask data. lalu save data pada output dan..OK

catatan : exstrak by mask ini memisahkan peta raster yang sudah di composite bands dengan batas wilayah administrasi yang akan di klasifikasi unsupervised

8. lalu tahap ke2 masih pada arctoolbox > spatial analysis tools > multivariate > klik iso cluster setelah keluar tabel ISO masukan data yang telah di ekstrak mask tadi pada imput raster bands lalu pilih tempat penyimpanan pada output dan klik OK

9.setelah itu pada arctoolbox lagi klik Maximum Likelihood Classification >drag hasil Extract by Mask pada input raster bandnya, untuk input signature filenya add output Iso cluster (iso.gsg). Kemudian pilih folder penyimpanan outputnya, lalu OK

10. lalu klasifikasi dengan warna pun keluar....seperti gambar dibawah ini...

dan selesai.......peta citra telah di klasifikasi unsupervised..