laporan praktek spj sidig
TRANSCRIPT
-
8/16/2019 Laporan Praktek SPJ Sidig
1/11
LAPORAN PRAKTIKUM
SISTEM PENGINDERAAN JAUH
Klasifikasi Citra Berbasis Objek Me!!"aka EN#I E$
Dis"s" Ole% &
SIDIG LUHUR SRIBUANA
'()*+,*(-)PTK)'-./-
PROGRAM PASCASARJANA 0AKULTAS TEKNIK
UNI#ERSITAS GADJAH MADA
1OG1AKARTA
2-'(
A3 C%44se b5 Sele6ti! E7a89les
Proses klasifikasi berbasis objek menggunakan sampel (training area), langkah – langkahyang dilakukan adalah sebagai berikut :
1. Membuka data citra yang akan diproses dengan cara klik Toolbox Feature Selection →
Open File → pilih citra yang akan diproses OK .
-
8/16/2019 Laporan Praktek SPJ Sidig
2/11
!ambar 1. "itra #ighres lokasi $emarang
%. $elanjutnya akan muncul kotak dialog Feature Extraction Segment tentukan nilai Scale
Level (nilai skala) yang ideal untuk segmentasi satu set citra, misalnya &'.
!ambar %. otak dialog Scale Level
3. emudian muncul kotak dialog Feature Extraction Merge, tentukan nilai Merge
(penggabungan segmen) sehingga didapat nilai Merge yang ideal, misalnya '.
-
8/16/2019 Laporan Praktek SPJ Sidig
3/11
!ambar &. otak dialog Merge Level
*. emudian muncul kotak dialog Feature Extraction Refine, pilih No Threhol!ing atau
Threhol!ing untuk mengetahui nilai ambang batas objek dengan backgroun! klik Next .
!ambar *. otak dialog No Threhol!ing atau Threhol!ing
+. $elanjutnya muncul kotak dialog Feature Extraction "ompute #ttribute pilih semua tipe
data atribut yaiyu Spatial , Spectral , dan Texture. emudian klik Next .
-
8/16/2019 Laporan Praktek SPJ Sidig
4/11
!ambar +. otak dialog Feature Extraction "ompute #ttribute
. emudian muncul kotak dialog Feature Extraction$ Extract Feature pilih klasifikasi
dengan metode "hooe b% Selecting Example klik Next .
!ambar . otak dialog -eature /traction: "hooe b% Selecting Example
0. $elanjutnya muncul kotak dialog Feature Extraction$ Supervie! "laification, pada tahap
ini dilakukan pembuatan kelas bjek yang diambil antara lain pemukiman (kuning),
2egetasi (hijau), sungai (biru), gedung (merah), jalan (hitam), dan lapangan (coklat), lahan
kosong (abu3abu) klik Next .
-
8/16/2019 Laporan Praktek SPJ Sidig
5/11
!ambar 0. otak dialog Feature Selection (pemilihan sampel objek)
0. $elanjutnya setelah proses klasifikasi selesai berdasarkan training area (sampel), maka
hasilnya akan seperti gambar berikut ini :
!ambar . !ambar #asil training area
-
8/16/2019 Laporan Praktek SPJ Sidig
6/11
. emudian hasil klasifikasi dikon2ersi ke 2ektor (.shp). Pilihan e/port untuk data kelas dapat
digabung maupun dipisah 4anda bah5a proses kon2ersi telah berhasil maka akan muncul
laporan dan statistiknya seperti gambar di ba5ah ini :
!ambar 6. otak dialog Export &ector Reult dan Report an! Statitic
Maka hasilnya seperti gambar diba5ah ini :
!ambar 1'. !ambar hasil Export nya
6. 7ika hasil kon2ersi ditampilkan dalam 8rcMap maka hasilnya seperti berikut ini.
-
8/16/2019 Laporan Praktek SPJ Sidig
7/11
!ambar 11. #asil ekport pada #rc'(S
B3 C%44se b5 Creati! R"les
1'. Melakukan langkah – langkah yang sama pada nomer 1 sampai +, kemudian pilih "hooe b%
"reating Rule klik Next .
!ambar 1%. otak dialog Extract Feature: "lait% or Export
11. $elanjutnya muncul kotak dialog Extract Feature $ Rule)*ae! "laification, pada tahap
ini dilakukan pembuatan kelas bjek dan memasukkan rule berdasarkan objeknya agar
dapat dipisahkan dari backgroun! 3nya, yang diambil antara lain pemukiman (kuning),
-
8/16/2019 Laporan Praktek SPJ Sidig
8/11
2egetasi (hijau), sungai (biru), gedung (merah), jalan (hitam), dan lapangan (coklat), lahan
kosong (abu3abu) klik Next .
!ambar 1&. otak dialog Extract Feature: Rule)*ae! "laification
1%. $elanjutnya setelah proses klasifikasi selesai berdasarkan training area (sampel), maka
hasilnya akan seperti gambar berikut ini :
!ambar 1*. !ambar #asil training area
1&. emudian hasil klasifikasi dikon2ersi ke 2ektor (.shp). Pilihan e/port untuk data kelas
dapat digabung maupun dipisah 4anda bah5a proses kon2ersi telah berhasil maka
akan muncul laporan dan statistiknya seperti gambar di ba5ah ini :
-
8/16/2019 Laporan Praktek SPJ Sidig
9/11
!ambar 1+. otak dialog Export &ector Reult dan Report an! Statitic
Maka hasilnya seperti gambar diba5ah ini :
-
8/16/2019 Laporan Praktek SPJ Sidig
10/11
!ambar 1. !ambar hasil Export nya
1*. 7ika hasil kon2ersi ditampilkan dalam 8rcMap maka hasilnya seperti berikut ini.
-
8/16/2019 Laporan Praktek SPJ Sidig
11/11
!ambar 10. !ambar hasil Export nya di 8rcMap
C3 Aalisis Hasil
9ari kedua metode yaitu Selection b% Example dan Rule *ae didapatkan hasil klasifikasi
berbasis objek. #asil yang didapatkan lebih mudah menggunakan lasifikasi berbasis objek
menggunakan Selection b% Example, karena klasifikasi ini dilakukan cenderung ke arah
upervie! claification yang dibantu dengan pembuatan training area. $edangkan pada
klasifikasi berbasis objek menggunakan Rule bae, dimana harus mendefinisikan rule yang akan
digunakan,untuk menentukan jenis – jenis objeknya berdasarkan nilai spectral, luasan, bentuk
spasial, tekstur objek.
D3 Kelebi%a :a Kek"ra!a
elebihan dan kekurangan Selection b% example :
3 4idak membutuhkan rule untuk pendefinisian objek
3 lasifikasi secara 2isual
elebihan dan kekurangan Selection b% creating rule :3 Membutuhkan rule untuk mendefinisikan objek
3 lasifikasi menggunakan nilai spektral
E3 Kesi89"la
9ari kedua metode yaitu Selection b% Example dan Rule *ae. lasifikasi berbasis objek
hasilnya lebih baik dengan menggunakan Rule *ae+ arena objek – objek diklasifikan
berdasarkan nilai spectral, tekstur objek, bentuk spasial dari objek tersebut sehingga klasifikasi
yang dihasilkan cenderung lebih baik.