spektral dan tekstur secara bersama-sama. Metode inilah yang kemudian disebut Klasifikasi Berbasis Objek. Input Klasifikasi membutuhkan minimal dua band.
Jenis Iput yang compatible adalah ENVI, TIFF, NITF, JPEG 2000, JPEG, Erdas image, ESRI raster, dan raster geodatabase. Klasifikasi terbimbing dan tidak
terbimbing dapat dilakukan dengan cepat, mudah dan mulus.Supervised Classification menjadi lebih mudah dengan adanya feature extractionimage
segmentation dari ENVI EX. Metode feature extraction pertama kali dikembangkan pada software-software desain grafis untuk menjiplak fiturobjek
yang terlihat pada gambar, dan saat ini ENVI dan sudah menerapkan metode ini untuk meng-extract informasi-informasi yang terdapat pada citra satelit. Bahkan
ENVI EX telah menggabungkannya feature extraction dengan K-nearest neighborhood method untuk melakukan supervised classification secara langsung.
Feature extraction sangat membantu dalam pekerjaan klasifikasi Tutupan Lahan menggunakan citra satelit, karena metode ini sekali lagi dapat mengidentifikasi
kelas Tutupan Lahan bukan hanya secara pixel-based, namun juga memperhitungkan komponen lain dalam interpretasi, seperti bentuk dan texture
dari fiturobjek yang nampak pada citra tersebut. Tingkat ketelitian dan kedetailan dapat diatur sesuai dengan kebutuhan. Data-data lain seperti elevation, slope,
ataupun NDVI dapat ditambahkan sebagai data pendukung dalam proses feature extraction tersebut.
1.5.1.5 Interpretasi Multi Spektral dan Interpretasi Berbasis Objek
Identifikasi penutupan lahan dilakukan dengan melakukan interpretasi citra satelit.Melalui
sensor yang
dimilikinya, menggunakan
gelombang elektromagnetik, citra satelit merekam fenomena permukaan bumi secara
berkala.Perekaman ini
memanfatkan perbedaan
selang spektral
yang dipantulkan.Beragam citra satelit yang tersedia saat ini; optik maupun radar,
dengan berbagai tingkatan resolusi spasial. Citra satelit dapat diinterpretasi melalui beberapa cara: [a] interpretasi manual manual interpretation, dan [b]
interpretasi digital digital interpretation. Interpretasi manual dilakukan secara visual menggunakan meja digitasi digitation tablet ataupun digitasi on screen
on screen digitation, sementara interpretasi digital dilakukan menggunakan sistem yang terkomputerisasi berdasarkan dengan atau tanpa menggunakan
sample atau alghorithma yang telah pengguna tetapkan. Terkait dengan interpretasi digital, ada dua kelompok ektraksi data: [a]
berbasis piksel, dan [b] berbasis objek object oriented classification. Interpretasi berbasis piksel meliputi klasifikasi terbimbing supervised classification dan
klasifikasi tidak terbimbing un-supervised classification. Klasifikasi terbimbing adalah metode klasifikasi berdasarkan sample yang telah ditentukan olah
pengguna, sementara klasifikasi tidak terbimbing akan memberikan keleluasaan kepada komputer untuk mengklasifikasikan kelas yang junlahnya telah pengguna
tentukan untuk kemudian hasilnya didefinisikan selanjutnya berdasarkan atribut kelas yang telah ditentukan.
Klasifikasi berbasis piksel merupakan metode klasifikasi klasik yang mengolah spektral menjadi informasi pada setiap piksel. Secara normal perbedaan fisik pada
permukaan bumi akan memiliki informasi spektral yang khusus. Namun, pendekatan ini memiliki keterbatasan ketika objek memiliki informasi spektral yang sama Gao Yan,
2003 dalam Ibrahim 2014. Klasifikasi berbasis objek object oriented classifictaion adalah interpretasi citra yang menggabungkan informasi spektral dan informasi
spasial.Pendekatan ini membuat segmentasi piksel menjadi objek sesuai dengan rona dan mengklasifikasikannya sebagai gambar secara keseluruhan.Klasifikasi berbasis pixel
menggunakan nilai spektral, sementara klaisfikasi berbasis objekjuga menggunakan informasi tekstur dan konteks dalam menentukan segmen kelas objeknya.
Beda utama antara klasifikasi tak terselia dengan klasifikasi terselia ialah bahwa pada klasifikasi terselia tidak digunakan daerah contoh. Perbedaan ini
mengakibatkan perbedaan cara kerjanya. Pada klasifikasi terselia mula-mula disiapkan daerah contoh.Jadi telah diketahui terlebih dahulu sebelum klasifikasi
kelas objeknya dari peta, fotoatau lapangan dan diketahui pula nilai pikselnya untuk tiap objek itu dari data digital.Jadi, klasifikasi yang dilakukan berupa
pengelompokan yang dilakukan berupa pengelompokan piksel-piksel diluar daerah contoh itu termasuk kelompok mana.Yang terjadi pada klasifikasi tak
terselia adalah sebaliknya.Pekerjaan dimulai dari pengelompokan tiap piksel
berdasarkan nilai spektralnya.Baru kemudian mengenali tiap kelompok tersebut mewakili kelas objek tertentu.
Danoedoro 2012 menyebutkan bahwa dalam bekerja dengan data spasial digital, para pengguna peta biasanya tidak bicara secara langsung menyebutkan
tentang skala.Dalam “bahasa” peta-peta analog, para geograf, perencana dan surveyor pemetaan biasanya menggunakan istilah skala, yaitu konsep yang
menyatakan perbandingan antara ukuran yang tersaji pada peta dengan ukuran yang ada di lapangan.
Hal yang sama juga berlaku bagi mereka yang bekerja didunia penginderaan jauh berbasisi digital, terdapat istilah yang dinamakan Resolusi.
Resolusi yang disebut juga resolving power = daya pisah, Danoedoro,2012 adalah kemampuan suatu system optic-elektronik untuk membedakan informasi
yang secara spasial berdekatan atau secara spektral memiliki kemiripan Swain dan Davis, 1978 dalam Danoedoro 2012. Pengertian ini akhirnya berkembang
dengan menambhankan aspek waktu temporal di dalamnya.Dalam konsep penginderaan jauh terdapat empat aspek resolusi yang sangat penting, yaitu
resolisu spasial, resolusi spektral, resolusi radiometric dan resolusi temporal. Danoedoro 2012 menyebutkan dalam praktik pengolahan citra, resolusi layar
juga memegang peranana penting.
a. Resolusi Spasial
