Klasifikasi Citra

 

 Klasifikasi Citra

 

Klasifikasi citra digital merupakan proses pengelompokan piksel ke dalam kelas-kelas tertentu, seperti perbedaan pada nilai warna. Perbedaan warna ini dimulai dari 0 – hingga gradasi warna. Semakin banyak klasifikasi citra, maka semakin banyak warna yang digunakan dan semakin bagus pula hasilnya. Pada umumnya Klasifikasi citra digital terbagi ke dalam dua jenis, yaitu supervised dan unsupervised. Namun pada umumnya yang digunakan adalah klasifikasi terselia supervised karena lebih terpercaya..  Klasifikasi supervised dapat didefinisikan sebagai pengelompokan nilai warna yang telah terintegrasi oleh data survei secara primer, semisal data mengenai vegetasi, kawasan, pola lahan terbangun. dan sebagainya. 

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. Sedangkan unsupervised merupakan pengelompokan warna yang belum terintegrasi. Unsupervised dapat dijadikan sebagai data sementara atau awal untuk keperluan tertentu semisal studi., selanjutnya untuk meningkatkan keakuratannya perlu dilakukan pengecekan di lapangan (ground check) apakah yang telah terklasifikasi sesuai atau tidak.

Jika dilihat dari kedua klasifikasi citra tersebut hampir memiliki kesamaan terutama pada manfaatnya yang mengelompokan pixel. Kedua klasifikasi dapat saling mendukung untuk melakukan kegiatan penelitian, seperti morfologi kota yang mempelajari tentang perkembangan kota yang diukur dari tutupan lahannya.  Adapun langkah untuk melakukan klasifikasi citra yang akan dijelaskan pada bagan sebagaimana berikut:

 

Gambar 1. Langkah Klasifikasi Citra

Sumber: Perkuliahan dan Praktikum PCD serta Pemahaman Penulis

          Penggabungan band pada umumnya disebut dengan composite band yang mana bertujuan untuk menggabungkan band dan memanfaatkannya sesuai sensornya pada 1 data raster citra. Kemudian sharpening merupakan langkah persiapan analisis citra dengan cara mempertajam resolusi citra. Operasi ini dilakukan dengan cara melewatkan citra pada highpass-filter. Highfilter akan memperkuat komponen yang berfrekuensi tinggi dan menurunkan komponen berfrekuensi rendah. Berdasarkan kemampuannya kedua klasifikasi citra memiliki kelebihan dan kekurangan sebagai berikut:

 

a.    Keunggulan:

1.    Supervised

·         Lebih akurat karena telah didasari oleh data survei primer

·         Dilakukan secara otomatis

·         Klasifikasi sesuai dengan masukan data dalam daftar fungsi

2.    Unsupervised

·         Tidak membutuhkan pengetahuan awal yang detail mengenai daerah pengamatan.

·         Kemungkinan terjadi human error dapat dikurangi

·         Kelas yang unik diidentifikasi secara tersendiri pada pixel yang mewakili kegiatan atau fungsi

b.    Kekurangan:

1.    Supervised

·         Membutuhkan kemampuan tenaga survei untuk identifikasi secara langsung ke lapangan

·         Biaya yang sangat mahal

·         Besar kemungkinan terjadi human error

·         Membutuhkan pengetahuan awal pada wilayah survei

2.    Unsupervised

·         Hasil sangat ditentukan oleh kualitas citra

·         Biaya yang cukup mahal untuk pengadaan citra

·         Kesalahan intepretasi rona, tekstur dan pola masih sangat tinggi

SUMBER

Perkuliahan Pengolahan Citra Digital 2015

Mustawa Yooga, Aziz Lukman Praja Abdul Azizah Juariah Neneng. 2015 Klasifikasi Citra (Supervised Dan Unsupervised). Kota Bandung. UNISBA.

Praktikum PCD 2015. 2015. Modul Praktikum Pengolahan Citra Digital. Kota Bandung. UNISBA

Wikipedia. 2015. Resolusi Gambar. http://id.wikipedia.org/wiki/Resolusi_gambar. Diunduh pada tanggal 31 Mei 2015, pukul 20.05 WIB.

Untukku.____. Pengertian Resolusi. http://www.untukku.com/artikel-untukku/pengertian-resolusi-untukku.html. Diunduh pada tanggal 31 Mei 2015, pukul 20.40 WIB.