ArcGIS10 – Menggunakan Image Classification

Klasifikasi citra biasa dilakukan dengan menggunakan perangkat lunak yang khusus dibuat untuk Image Processing seperti ER Mapper, Imagine, atau ENVI. Pada versi 10, ArcGIS menyediakan tool untuk klasifikasi citra dengan toolbar Image Classification. Tutorial berikut membahas bagaimana menggunakan Image Classification untuk klasifikasi citra satelit Landsat.

1. Siapkan data

Pada contoh disiapkan Citra Landsat dalam Raster Dataset yang terdiri dari Band 1, 2, 3, 4, 5 dan 7.

2. Jalankan ArcMap

3. Tambahkan citra (Langkah 1) pada ArcMap

4. Atur Composite.

Menampilkan citra dalam komposit true color sangat membantu dalam penentuan training area.

Klik kanan pada layer > Properties (atau Klik-ganda pada layer).

Pilih tab Symbology

Atur komposit, misalnya Band 543 untuk Red, Green, dan Blue

Klik OK, sehingga tampilan seperti berikut

5. Aktifkan toolbar Image Classification

6. Buat training area untuk Hutan

Gunakan Zoom In atau Zoom Out   untuk zoom ke Hutan

Klik ikon    pada toolbar Image Classification

Buat polygon untuk membuat training area pada hutan seperti pada gambar berikut.

Buat lagi polygon pada hutan di tempat lain

Klik pada training sample manager  

Lakukan penggabungan kelas, penentuan value, rename nama kelas dan ubah color (jika perlu) pada jendela tersebut

7. Tambahkan training area untuk tipe penutupan lain

Catatan: Jangan lupa set Value untuk setiap kelas penutupan karena nilai ini lah yang nanti akan muncul pada hasil klasifikasi

8. Pilih kelas atau pasangan kelas untuk menampilkan Histogram atau Scatterplots (utk review saja). Langkah ini hanya optional saja.

9. Simpan training area sebagai shapefile (untuk backup/revisi). Langkah ini hanya optional saja.

Klik pada   untuk menyimpan training area menjadi shapefile

Klik   jika suatu saat nanti perlu merevisi atau meneruskan pekerjaan membuat training area.

10. Buat Signature File. Langkah ini diperlukan jika akan menggunakan Maximum Likelihood

Klik pada ikon   pada training sample manager

Simpan dalam format GSG seperti tampak pada gambar di bawah ini.

11. Tutup jendela training sample manager

12. Jalankan klasifikasi

Klik pada menu Image Classification > Classification

Pilih metode klasifikasi. Silakan cari saja di buku teori tentang metode klasifikasi apa yang sebaiknya digunakan. Pada tutorial ini digunakan Maximum Likelihood Classification.

13. Set input file, input signature file, output raster

Klik OK untuk menjalankan klasifikasi

14. Berikut adalah contoh output

Note: kita harus ingat VALUE yg diisikan pada Langkah 7.

Selesai.