Klasifikasi Multispektral (1) - Guntara.com

Sunday, 26 May 2013

Klasifikasi Multispektral (1)

Klasifikasi citra penginderaan jauh (inderaja) bertujuan untuk menghasilkan peta tematik, dimana tiap warna mewakili sebuah objek, misalkan hutan laut, sungai, sawah dan lain-lain (Agus Zainal Arifin dan Aniati Murni 2007).
http://3.bp.blogspot.com/-N-zIzOfSGu0/T8lfu0KXukI/AAAAAAAAAIM/scW53Ljlc3U/s1600/Klasifikasi+Citra.jpg
sumber gambar: tugas praktikumsip
Klasifikasi dapat diartikan sebagai kegiatan pengelompokan gejala kedalam kategori-kategori, dimana setiap kategori dapat dipandang homogen atas dasar kriteria tertentu. Misalnya, suatu wilayah kota dapat dikelompokan menjadi kawasan permukiman, kawasan perkantoran, dan kawasan perdagangan. Wilayah yang sama dapat dikelompokkan menjadi wilayah yang status tanahnya merupakan milik pribadi dan milik negara. Hasil dari pengelompokan atau klasifikasi ini berupa peta yang sajian distribusi gejalanya berbeda. Pengelompokan pertama didasari oleh kriteria fungsi penggunaan lahan, dan kriteria kedua didasari oleh status tanah. Kedua macam hasil tidak dapat dibandingkan, mana yang lebih benar atau relatif kurang benar.

Klasifikasi citra digital merupakan proses pengelompokan piksel ke dalam kelas-kelas tertentu. Hal ini sesuai dengan asumsi yang digunakan dalam klasifikasi multispektral ialah bahwa setiap objek dapat dibedakan dari yang lainnya berdasarkan nilai spektralnya (Projo Danoedoro,1996). Pada umumnya Klasifikasi citra digital yang digunakan adalah klasifikasi terselia (supervised).
 
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.
 
Pengelompokan nilai piksel pada suatu citra juga dapat dilakukan atas dasar kriteria tertentu. Pilihan kriteria ini menjadi lebih terbatas dibandingkan contoh kasus diatas, karena nilai piksel juga terbatas dalam mewakili gejala dipermukaan bumi. Gejala yang dapat diwakili oleh piksel secara langsung adalah jenis (atau dalam batas tertentu : kondisi) objek dipermukaan bumi yang terekam. Objek dengan energi pantulan besar pada suatu wilayah spektrum (saluran spektral) akan decoding menjadi piksel dengan nilai tinggi, begitu pula sebaliknya.
 
Setiap jenis dan atau kondisi objek mempunyai respons spektral tertentu. Respons spektral tertentu ini direpresentasikan oleh suatu julat nilai piksel pada suatu saluran spektral (misalnya antara 12-23, 42-67, dan sebagainya). Meskipun demikian, antara satu objek dengan objek lain sering kali tidak terjadi pemisahan julat yang tegas. Sebagai contoh, objek A mempunyai julat nilai 12-23 pada saluran x, dan objek b mempunyai julat nilai 21-35 pada saluran yang sama. Artinya, nilai 21-23 merupakan interval nilai ‘milik bersama’, yang dapat diartikan sebagai representasi objek A ataupun B. Kasus semacam ini banyak terjadi pada julat 0-255 pada tiap saluran spektral, sehingga ‘tumpang tindih’ pun banyak terjadi. Akibatnya, untuk menyatakan bahwa julat nilai 12-23 adalah A, 21-35 adalah B, dan seterusnya terdapat kendala ‘tumpang tindih’ nilai piksel ini. Dengan kata lain, pemilihan setiap kelompok nilai pada suatu saluran spektral mengacu keklasifikasi jenis objek menjadi tidak mudah.
 
Masalah menjadi semakin rumit ketika tumpang-tindih nilai terjadi pada saluran lain. Misalnya, pada saluran Y, objek A mempunyai julat nilai 0-9, objek C mempunyai julat nilai 5-12, dan objek B mempunyai julat nilai 10-32. Lalu, berdasarkan citra dua saluran tadi, objek mana yang benar-benar A, benar-benar B, dan benar-benar C ? Untuk menjawab pertanyaan inilah, teknik klasifikasi multispektral diperlukan.
 
Pengambilan keputusan dalam klasifikasi yaitu pemberian label penutup lahan tertentu pada suatu piksel dalam suatu ruangan spektral (ruang dimensi dengan setiap saluran berfungsi sebagai sumbu penyusun) pada dasarnya merupakan pengambilan keputusan dalam menentukan batas antar kelompok nilai. Observasi atas fenomena alami memberikan hasil bahwa setiap jenis objek cenderung menyajikan histrogram berupa kurva normal, dimana ada tendensi sentral pada hasil pengukurannya. Hal yang sama juga berlaku pada nilai piksel objek. Karena objek yang terliput oleh sensor juga bermacam-macam, maka histrogram suatu wilayah pada suatu saluran juga merupakan kumpulan dari berbagai kurva normal yang bersifat multimodal. Klasifikasi akan dapat dilakukan kalau dianalis dapat ‘memutus’ atau mengiris setiap kurva ini terpisah dari yang lain, dengan asumsi bahwa setiap kurva mewakili objek tertentu. Meskipun demikian 2 kurva atau yang lebih berdekatan sering kali berdekatan sehingga ‘ekor’nya pun saling berimpit. Dengan demikian, penentuan batas antar kurva perlu dilakukan secara seksama.  Hal-hal tersebut termasu ke dalam jenis klasifikasi dengan metode klasifikasi multispektral.

No comments:

Post a Comment

Berikan komentar terbaik atau pertanyaan untuk artikel di atas dan tetap setia mengunjungi "Guntara Lane" dengan alamat www.guntara.com terimakasih!