klasifikasi citra. Berdasarkan tekniknya, klasifikasi dapat dibedakan menjadi klasifikasi terbimbing dan tidak terbimbing. Pada klasifikasi t e r b i m b i n g ,
pengelompokkan piksel ke dalam suatu kelas yang telah ditetapkan dilakukan oleh interpreter secara manual berdasarkan nilai kecerahan brightness maupun
warna dari
piksel yang bersangkutan. Pada klasifikasi tidk terbimbing,
pengelompokkan dilakukan secara otomatis oleh komputer berdasarkan nilai kecerahan brightness value atau digital number contoh yang diambil sebagai
contoh region of interest.
3.4.2.2.1 Klasifikasi Citra
Metode yang digunakan dalam klasifikasi ini adalah metode klasifikasi terbimbing dan tidak terbimbing. Metode klasifikasi terbimbing terdiri dari
metode maximum likelihood, mahalanobis distance, minimum distance,
parallelepiped dan Support Vector Machine SVM. Untuk metode klasifikasi tidak terbimbing digunakan metode k-means. Kelima metode tersebut kemudian
dicari nilai akurasinya untuk dapat dipilih suatu metode dengan nilai akurasi terbaik.
a. Pembuatan Region of Interest Pembuatan region of interest ROI atau pengelompokan piksel-piksel
pada setiap obyek dilakukan untuk mengambil informasi statistik kelas-kelas tutupan lahan. Pengambilan informasi statistik pada citra TerraSAR-X
dilakukan dengan cara menentukan semua area contoh tiap kelas tutupan lahan secara manual dengan bantuan citra optik Quickbird pada google earth..
Informasi statistik dari setiap tutupan lahan ini digunakan untuk menjalankan fungsi separabilitas dan fungsi akurasi. Informasi yang diambil adalah nilai
rata- rata, simpangan baku, nilai digital minimum, dan maksimum, serta matriks kovarian untuk setiap kelas tutupan lahan. Kegiatan pembuatan ROI ini hanya
dilakukan pada metode klasifikasi terbimbing. b. Analisis Separabilitas
Analisis separabilitas adalah analisis kuantitatif yang menunjukkan keterpisahan statistik antar kelas penutupan lahan, apakah suatu kelas layak
untuk digabung atau tidak berdasarkan kriteria tingkat keterpisahan. Kelas yang
digunakan untuk analisis separabilitas ini merupakan hasil ROI pada metode klasifikasi terbimbing dan hasil kelas yang dibentuk pada klasifikasi tidak
terbimbing. Metode yang digunakan untuk analisis ini adalah metode transformed divergence. Kriteria tingkat keterpisahan dapat dilihat pada Tabel 6.
Tabel 6 Kriteria tingkat keterpisahan metode transformed divergence
Nilai Transformasi keterpisahan Keterangan
2 Sempurna excellent
1,900 – 1,999 Sangat baik good
1,700 – 1,899 Baik fair
1,600 – 1,699 Cukup baik poor
1,600 Tidak terpisahkan inseparable
Sumber : Jaya 2009 disesuaikan dengan software ENVI 4.7
3.4.2.2.2 Akurasi Hasil Klasifikasi
