Professional Documents
Culture Documents
I. TUJUAN
a. Mahasiswa melakukan klasifikasi unsupervised dan supervised data.
b. Mahasiswa memahami dan membandingkan klasifikasi unsupervised dan supervised
data.
8. Pada jendela K-Means Parameter atur jumlah kelasnya menjadi 6 dan iterationnya 3.
Setelah itu, klik Choose pilih tempat penyimpanan dan nama file lalu klik Ok.
9. Membuka citra hasil K-Means dengan cara klik File K-Means/Load RGB. Kemudian
mengulangi langkah 6.
13. Membuka file hasil klasifikasi Parallelepiped dengan cara klik Load Band pada
jendela Available Band List. Setelah itu, memberi layout dan anotasi pada citra
dengan cara mengulangi langkah seperti pada langkah 6.
14. Melakukan klasifikasi supervised metode minimum distance dengan cara klik
Classification > Supervised > Minimum Distance. Kemudian melakukan langkah
15. Melakukan klasifikasi supervised metode mahalanobis distance dengan cara klik
Classification > Supervised > Mahalanobis Distance. Kemudian melakukan langkah
yang hampir sama dengan langkah metode parallelepiped, hingga citra layout dan
anotasinya.
2. Metode K-Means
VI. PEMBAHASAN
Pada praktikum kali ini akan membahas mengenai klasifikasi citra multispektral.
Citra multispektral adalah salah satu bagian dari pengolahan citra dalam penginderaan
jauh yang pada umumnya merupakan peta penutup lahan dan penggunaan lahan. Pada
VII. KESIMPULAN
Klasifikasi Multispektral merupakan sebuah algoritma yang digunakan untuk
memperoleh informasi thematik dengan cara mengelompokkan suatu fenomena/ obyek
berdasarkan kriteria tertentu. Klasifikasi citra multispektral dibagi menjadi 2 klasifikasi
yakni unsupervised (tidak terbimbing) dan supervised (terbimbing). Dalam klasifikasi
unsupervised, dalam envi terdapat 2 metode yakni IsoData dan K-means. Sedangkan
dalam klasifikasi supervised terdapat 4 metode yaitu Parallelepiped, Minimum Distance,
Mahalanobis Distance dan Maximum Likelihood. Masing-masing metode memiliki
karakteristik tersendiri dalam mengolah data citra.
Lillesand dan Kiefer, 1990. Penginderaan Jauh dan Interpretasi Citra. Yogyakarta:
Gadjah Mada University Press
Rusydi, Alfi Nur. 2015. Petunjuk Praktikum Penginderaan Jauh. Malang: Universitas
Negeri Malang.