FILTERS DAN KLASIFIKASI CITRA

11.     Filter High Pass

Filter lolos tinggi (high pass filter) adalah filter yang digunakan untuk menajamkan penampakan pada citra seperti jalan, patahan lingkungan air dan tanah dengan menekan frekuensi tinggi tanpa mempengaruhi bagian dari frekuensi rendah citra. Filter ini digunakan untuk citra satelit Landsat. Hasil dari interpretasi citra filter high pass ini yaitu objek yang ada pada citra seolah-olah memiliki bayangan hitam sehingga dapat memperjelas atau mempertajam citra.

22.      Klasifikasi Digital Citra

Interpretasi citra (deliniasi) merupakan salah satu tahapan yang digunakan untuk menggambarkan citra satelit. Klasifikasi citra merupakan proses yang dilakukan dengan cara mengelompokkan seluruh pixel pada suatu citra ke dalam sejumlah kelas, sehingga tiap kelas merepresentasikan suatu entitas dengan properti yang spesifik. Hal ini sesuai dengan asumsi yang digunakan dalam klasifikasi multi spektral bahwa setiap objek dapat dibedakan berdasarkan nilai spektralnya. Klasifikasi citra penginderaan jauh bertujuan untuk menghasilkan peta tematik yang tiap warna mewakili sebuah objek.

Secara umum, metode klasifikasi dibagi menjadi dua, yaitu:

-          Klasifikasi terbimbing (supervised classification)

Klasifikasi terbimbing melibatkan interaksi analisis secara intensif. Analisa dari klasifikasi terbimbing menuntun  klasifikasi dengan identifikasi objek pada citra (training area). Sehingga pengambilan smpel perlu dilakukan dengan mempertimbangkan pola spektral pada setiap panjang gelombang tertentu. Sehingga diperoleh daerah acuan yang baik untuk mewakili suatu objek tertentu.

Proses klasifikasi dengan pemilihan kategori informasi yang diinginkan dan memilih training area untuk setiap kategori penutup lahan yang mewakili sebagau kunci interpretasi merupakan klasifikasi terbimbing. Klasifikasi terbimbing menggunakan data penginderaan jauh multispektral yang berbasis numerik. Hal ini menyebabkan pengenalan polanya merupakan proses otomatis dengan bantuan komputer. Klasifikasi terbimbing yang didasarkan pada pengenalan pola spektral terdiri atas tiga tahapan, yaitu tahapan training sample, tahapan klasifikasi dan tahapan keluaran.

-          Klasifikasi tidak terbimbing (unsuoervised classification)

Klasifikasi tidak terbimbing merupakan proses pengelompokan piksel-piksel pada citra menjadi beberapa kelas menggunakan analisa cluster. Klasifikasi ini tidak menggunakan algoritma untuk menganalisis sejumlah besar piksel yang tidak dikenal dan membaginya dalam sejumlah kelas berdasarkan pengelompokan nilai digital citra. Dengan kata lain, klasifikasi citra tidak terbimbing merupakan metode klasifikasi citra yang memberikan keleluasaan kepada komputer untuk mengklasifikasikan citra secara mandiri. Kelas yang dihasilkan dari klasifikasi tidak terbimbing adalah kelas spektral. Oleh karena itu, pengelompokan kelas didasarkan pada nilai natural spektral citra dan identitas nilai spektral tidak dapat diketahui dengan cepat. Hal itu disebabkan analisisnya belum menggunakan data rujukan seperti citra skala besar untuk menentukan identitas dan nilai informasi setiap kelas spektral. (Chang, 2008)

Kelemahan dari klasifikasi citra tidak terbimbing adalah karena analisis hanya memiliki sedikit kontrol terhadap kelas citra yang menyebabkan kesulitan dalam perbandingan antar data. Selain itu, penciri spektral selalu berubah sepanjang waktu, sehingga hubungan antara respon spektral dengan kelas informasi tidak konstan. Hal itu menyebabkan diperlukan pengetahuan sedetail mungkin mengenai spektral permukaan.
Komposit yang biasa digunakan pada klasifikasi tidak terbimbing diantaranya komposit 543, 542 dan 321. Nilai optimum index faktor pada band 543 sebesar 77.36, band 542 sebesar 68.53 dan band 321 sebesar 67.68. Semakin tinggi nilai optimum index faktor, maka kombinasi band menghasilkan tampilan mendekati warna sebenarnya, sehingga hasil citra dapat dibedakan dengan mudah.

Klasifikasi tidak terbimbing digunakan apabila kualitas citra sangat tinggi dengan distorsi atmosferik dan tutupan awan yang rendah. Namun,  terlepas dari kondisi citra yang seperti itu, metode ini banyak digunakan untuk memberikan gambaran kasar/informasi awal.

DAFTAR PUSTAKA

Dewi, Anita S. 2012. “Laporan Klasifikasi Terbimbing”, dalam http://anisznita.blogspot.com. Diunduh 06 Oktober 2012

Kardieni, Raden A. 2012. “Kalsifikasi Tidak Terbimbing” dalam http://radenajengkardieni.blogspot.com. Diunduh 06 Oktober 2012

-. “ Prinsip Dasar Penginderaan Jauh”, dalam PDF. Diunduh 05 September 2012

-. 2010. “ 2010 Panduan Penginderaan Jauh Tingkat Dasar”, dalam PDF. Diunduh 06 Oktober 2012