5/8/2012

1

Minggu 11. Klasifikasi Digital

• Distribusi Nilai DN • Pengelompokan Nilai DN Tidak Terbimbing Terbimbing (Parametric/Non Parametric:

feature space) – Minimum Distance – Equiprobability Contours – Probability Density Functions – Parallelepiped Classification – Stepped Parallelepiped

Band 1

Band 2

Band 3 (B)

Band 4 (G)

Band 5 (R)

Band 6

Band 5: 4: 3

Digital Number

Signature Obyek

• Reflektansi obyek disimpan berupa nilai pixel (nilai Digital Number/DN).

• Bila disimpan dalam format 8 bit maka rentang nilai pantulan dari 0 – 255

• Setiap obyek memiliki pola reflektansi (signature) yang berbeda pada setiap band

5/8/2012

2

0

20

40

60

80

100

120

140

160

180

200

0 20 40 60 80

Band 3

Band 4

Hutan Dataran Rendah

Signature Obyek : Hutan Dataran rendah

a. Nilai DN setiap obyek bervariasi. b. Apabila dipetakan pada ruang

berdimensi n (sesuai dengan jumlah band), nilai DN obyek yang sama akan berkelompok pada suatu ruang

c. Peta distribusi nilai DN pada ruang 2 dimensi (scatter plot) disebut feature space

Spectral profil Hutan

0

20

40

60

80

100

120

140

0 20 40 60 80 100

Band 3

Band 4

Signature Obyek : Hutan Mangrove

Feature Space : Distribusi DN bila diplotkan pada 2 sumbu/bands yang berbeda

Aw

Aw

Aw Aw

Aw Aw

Aw Aw

Aw

Aw Aw

Bu

Aw

Aw

Bu Bu

Bu

Bu

Bu

Veg Veg Veg Veg Air

Air

Bu

Bu

Landsat dengan 6 band maka terdpat 15 variasi feature space

5/8/2012

3

Feature Space

Klasifikasi Tidak Terbimbing (Unsupervised Classification)

• Mengelompokan Nilai DN, tanpa campur tangan operator

• Tetap perlu pemahaman lapang untuk reklasifikasi

ISODATA

I - iterative

S - self

O - organizing

D - data

A - analysis

T - technique

A - (application)?

Band A

Ban

d B

Band A

Ban

d B

1st iteration cluster mean

2nd iteration cluster mean

KLASIFIKASI DIJITAL TIDAK TERBIMBING

5/8/2012

4

ISODATA

Band 1

Band 2

Iterasi 1. Data dikelompokan, namun cluster biru terpisah jauh

Iterasi 2. Kluster biru

dipisah menjadi 2,

Cyan and hijau

hanya mempunyai 2

data.

Band 1

Band 2

Band 1

Band 2

Iterasi n. Data pada

kluster biru dan

hijau, dikelompokan

sbg pencilan/

dikelompokan dgn

kluster terdekat.

Hasil Unsupervised Classification

Hasil dari klasifikasi tidak terbimbing belum merupakan informasi land cover/land-use, sampai user melakukan pengecekan ke lapangan ?

?

?

? ?

? ?

Klasifikasi Terbimbing

• Parametric : – Aturan pengelompokan DN berdasarkan

parameter statistik (mean/covarian matrix)

• Non Parametric – Aturan pengelompokan nilai DN, tidak

berdasarkan parameter statistik, tetapi berdasarkan obyek diskret (Poligon) pada feature space.

5/8/2012

5

Klasifikasi/Klastering terbimbing secara Parametric

KLASIFIKASI DIJITAL TERBIMBING PARAMETRIC

Minimum Distance To Means (kedekatan dengan nilai rata-rata tiap kluster)

5/8/2012

6

Probability Density Functions (nilai DN dari obyek berkumpul pada suatu titik tertentu pada suatu ruang observasi/feature

space)

Equiprobability Contours (Maximum Likelihood Classification)

KLASIFIKASI DIJITAL TERBIMBING NON PARAMETRIC

5/8/2012

7

Non-Parametric Parallelepiped Classification

• Setiap kelas dikelompokan

dengan menggunakan kotak

spektral (Spectral box)

•Terjadi overlap antar kotak, krn

adanya korelasi band pada

setiap kelasnya.

•Data yg overlap dapat

dikelompokkan sebagai tidak

terklasifikasi

Stepped Parallelepiped Strategy

Test Akurasi

Conalton & Green, 1957

5/8/2012

8

Mengapa error bisa tinggi ?

– Errors in reference data • Kesalahan posisi

• Kesalahan menempatkan sample

• Kesalahan intepreter

– Errors in classified map • Image sudah out of date

• Image terganggu awan/haze

• Sample terlalu sedikit/tidak mewakili semua tipe land cover

• Secara spektral memang tidakbisa dibedakan.