KLASIFIKASI TIDAK TERBIMBING (UNSUPERVISED CLASSIFICAT CLASSI FICATION ION )
OLEH : RAHMAN KURNIADI E.161130061/IPH 2013
SEKOLAH PASCA SARJANA INSTITUT PERTANIAN BOGOR 201
1
ABSTRAK Praktikum ini bertujuan melakukan klasifikasi secara tidak terbimbing terhadap citra Spot yang berlokasi di Dramaga. etode klasifikasi yang dilakukan adalah !arak "uclidean terdekat. #asil Praktikum menunjukan bah$a
beberapa metode dapat digunakan untuk
melakukan klasifikasi tidak terbimbing. Kata Kunci % unsuper&ised classification' dendogram' piksel
(. P")DA#*+*A) A.+ATAR B"+AKA), -itra satelit dapat dimanfaatkan dengan baik apabila citra tersebut telah diklasifikasi sehingga mempermudah pengguna memahaminya. Klasifikasi dapat dilakukan secara &isual maupun secara digital. Proses klasifikasi dapat dilakukan secara &isual dan secara
digital. Klasifikasi &isual dilakukan
oleh tenaga ahli dengan memanfaatkan
penampakan citra pada layar komputer.Sedangkan klasifikasi digital dilakukan dengan
memanfaatkan
nilai
digital
dari
suatu
piksel
yang
kemudian
ditransformasikan menjadi kelaskelas penggunaan lahan. Klasifikasi secara &isual dan secara digital mempunyai kelemahan dan kelebihan masingmasing. Terdapat dua proses klasifikasi citra secara digital yaitu klasifikasi secara terbimbing /super&ised classification0 dan kalisifikasi tidak terbimbing /unsuper&ised classification0. Klasifikasi citra yang berdasarkan data a$al dari lapangan dinamakan klasifikasi terbimbing. Sedangkan apabila tidak mempunyai data a$al dari lapangan dilakukan klasifikasi tidak terbimbing /unsuper&ised classification0. Praktikum ini menitik beratkan pda proses klasifikasi tidak terbimbing. B.T*!*A) Tujuan praktikum ini seebagai berikut % 1. elakukan klasifikasi tidak terbimbing 2. embuat Dendogram
((."T3D"
2
A. Tempat dan 4aktu Praktikum Praktikum dilakukan di +aboratorium fisik Remote Sensing dan ,(S' 5akultas Kehutanan' (nstitut Pertanian Bogor. Praktikum dilaksanakan tanggal 26 April 2718. B. langkah Praktikum 1. embuat citra klasifikasi citra tidak terbimbing 19 kelas initial +angkah yang dilakukan sebagai berikut % B*KA "RDASS:-lssifier:unsuper&ised clasification
,ambar 1. Proses kalsifikasi tidak terbimbing
2. Pembuatan atrik !arak +angkah yang dilakukan sebagai berikut . -lassifier:Signature "ditor :3pen:spot;unsuper.sig:
T.
3
,ambar 2. Proses pengambilan nilai ratarata piksel dari tiap kelas
4
Data tersebut merupakan data untuk perhitungan jarak piksel dan dendogram. Adapun rumus yang digunakan untuk perhitungan jarak adalah % D jk ? @ />ij>ik 02 -ontoh formula e=el yang digunakan adalah % "9?/"2A902C/"B902C/"8-902C/"ED902
,ambar . Pembuatan matrik jarak
. Pembuatan dendogram Pembuatan Dendogram dilaksanakan dengan menggunakan program AR-<("4 yang telah diprogram. Adapun langkah Flangkahnya sebagai berikut.
Buka arc&ie$ yang telah diisi program perhitungan Dendogram:)e$:&ie$: Klik simbol Dendogram: Buka file *ntuk;dendogram.dbf:Single ;linkkage:3K
5
,ambar 8. Proses pembuatan dendogram dengan Arc
,ambar E. Penampilan Arc&ie$ yang telah dilengkapi perhitungan Dendogram dan )ilai Kappa. (((. #AS(+ DA) P"BA#ASA)
6
A. #asil 1. -itra hasil(nitial classification Berikut ini citra hasil initial classification yang terdiri dari 19 kelas. Klsifikasi menggunakan metode jarak terdekat.
,ambar 9. -itra hasil klasifikasi tidak terbimbing 19 Kelas
2. Dendogram
7
Berikut ini hasil perhitungan dendogram dengan menggunakan Arc
,ambar G. Dendogram yang dihasilkan dengan Arc&ie$.
Dari perhitungan dendogram tersebut maka dapat dibuat peta dendogram sebagai berikut %
8
,ambar 6. Dendogram untuk pembuatan klasifikasi.
B. Pembahasan
9
Klasifikasi tidak terbimbing merupakan proses klasifikasi yang dilakukan secara komputer. #ampir semua proses dilakukan oleh komputer. Dengan cara ini dapat diperoleh sejumlah kelas sesuai dengan keinginan pengguna. Beberapa macam algoritma dapat digunakan untuk melakukan klasifikasi tidak terbimbing. Salah satu algoritma yang sering digunakan adalah !arak terdekat euclidean. Dengan algoritma ini pengelompokan berdasarkan jarak terdekat. Kelaskelas yang memiliki jarak terdekat dpat dikelmpokan ke dalam satu kelas. Dengan menggunakan algoritma tersebut pada praktikum ini citra kampus dibagi ke dalam 19 kelas initial. Display citra hasil klasifikasi dapat dilihat pada gambar 9.
*ntuk memperjelas
perbedaan antar kelas' $arna tiap kelas dpat diubah. enurut !aya /27170 dibedakan atas
Berdasarkan teknik pendekatannya klasifikasi kuantitatif
klasifikasi tidak terbimbing /unsuper&ised classification0 dan klasifikasi
terbimbing /super&ised clasification 0. Klasifikasi tidak terbimbing adalah klasifikasi yang proses pembentukan kelaskelasnya sebagian besar dikerjakan oleh komputer. Kelaskelas atau kluster yang terbentuk dalam klasifikasi ini sangat tergantung kepada data itui sendiri. Dalam prosesnya' kalsifikasi ini mengelompokan pikselpiksel berdasarkan kesamaan atau kemiripan spektralnya. Kelaskelas itu tidak berhubungan secara langsung dengan $atak tertentu dari pitur atau objek yang ada pada citra. +angkah berikutnya yang dilakukan setelah
memperoleh
memberi label untuk setiap kelas yang terbentuk. +abel penampakan yang ada.
kelas initial adalah
dapat dibuat berdasarkan
Dari hasil praktikum beberapa kelas dapat dikenali dengan mudah.
isalnya a$an dan badan air dapat mudah dikenali. Selanjutnya dilakukan recode untuk memperjelas kelas yang ada. Dalam praktikum recode dilakukan dengan cara menamakan tiap kelas dan memberi $arna. Kelaskelas initial yang telah terbentuk dapat dikelompokan lagi berdasarkan kemiripannya.
Pada praktikum ini digunakan metode jarak terdekat untuk membuat
dendogram. !umlah kelas yang terbentuk berkurang setelah penggabungan. isalkan untuk a$an' a$alnya terdapat dua kelas. Kedua kelas tersebut dapat digabungkan menjadi satu kelas.
Pembuatan dendogram dapat dilakukan secara manual dengan menggunakan
mocrosoft e=cell. )amun demikian pembuatan dendogram dapat juga dilakukan dengan menggunakan bantuan program Arc&ie$. Pada praktikum ini pembuatan dendogram dilakukan dengan bantuan program Arc&ie$. Klasifikasi tidak terbimbing telah banyak digunakan untuk penelitian. isalnya )asrul /277H0 melakukan klasifikasi untuk penampakan citra agroforestri. Dengan cara ini
10
dapat dipisahkan antara lahan yang digunakan untuk agroforestri dengan lahan yang bukan agoforestri. Sementara itu Sulistya$ati /1HH0 melakukan klasifikasi tidak terbimbing untuk melakukan identifikasi penutupan lahan. Praktikum ini tidak disertai dengan uji di lapangan. 3leh karena itu hasil klasifikasi tidak dapat dikonfirmasi. *ntuk penggunaan yang lebih luas hasil klasifikasi perlu diuji di lapangan agar hasil klasifikasi tersebut akurat dan dapat digunakan untuk mengetahui luas dari setiap kelas yang teridentifikasi.
(<. K"S(P*+A) Dari hasil praktikum dapat disimupulkan bah$a
dengan menggunakan algoritma jarak
terdekat dapat dilakukan klasifikasi tidak terbimbing. #asil klasifikasi dapat dikelompokan lagi
membentuk suatu dendogram.
Kelaskelas yang memiliki jarak terdeka dapat
dikelompokan ke dalam satu Kelas.
DA5TAR P*STAKA
!aya' (.). Analysis -itra Digital. Perspektif Penginderaan !auh *ntuk Pengelolaan Sumberdaya Alam. Teori dan Praktik enggunakan "RDAS (A,()". Tidak diterbitkan. )asrul' B.' Anthony #amIah' dan (d$ar. Analisis Digital +andsat "tmC untuk mengidentifikasi Sistem Agroforestri Daerah Riau. !. Tanah Trop.' . Sulistya$ati'T.S. 1HH. (dentifikasi Pola Penutupan +ahan elalui Analisis Dijital -itra SAR Star 1 Studi Kasus Daerah ,emar Baru uara Ancalong Kalimantan Timur. Tidak Diterbitkan.