Klasifikasi Unsupervised Citra Landsat Jawa Barat

1.    Add data citra landsat yang sudah melalui proses composite band

2.    Buat SHP file lalu lakukan digitasi dalam bentuk polygon, lalu add field pada attribute table yang terdapat pada layer SHP tadi.

3.    Aktifkan ArcToolBox -> Spatial Analyst Tools -> Multivariate -> Create Signature, masukan citra landsat sebagai input raster kemudian pada sample field (optional) pilih Keterangan jika muncul, jika tidak muncul pilih Id, lalu tentukan path output signature, klik OK

4.    Setelah proses Create Signature selesai lalu aktifkan ArcToolBox -> Spatial Analyst Tools -> Multivariate -> Maximum Likelihood Classification -> masukan citra landsat sebagai input raster -> masukan signature yang tadi sudah dibuat (.gsg) -> tentukan path output -> klik OK

5.    Hasilnya akan tampak seperti gambar dibawah ini

6.    Selanjutnya melakukan vektorisasi, aktifkan ArcToolBox -> Conversion Tools -> From Raster -> Raster to Polygon -> masukan hasil dari maximum likelihood classification tadi sebagai input raster -> klik OK

7.    Hasilnya akan tampak seperti gambar berikut

8.    Langkah selanjutnya melakukan Dissolve, Aktifkan ArcToolBox -> Data Management Tools -> Generalization -> Dissolve -> masukan hasil vektorisasi sebagai Input Features -> Tentukan Path Output -> Ceklis Gridcode -> Klik OK -> Open Attribut Table pada output -> Add Field Keterangan (Text) dan Luas (Double)

9.    Isi field Keterangan dan luas, cara menghitung luas, ubah dulu system koordinat pada layer data frame menjadi PCS -> setelah diubah klik kanan pada field Luas -> Pilih Calculate Geometri -> pilih area -> ubah satuannya menjadi Ha -> Klik OK -> Hasilnya akan seperti gambar berikut

Tugas 3 Praktikum Pengolahan Citra Digital - Klasifikasi Unsupervised

Langkah- langkah untuk melakukan klasifikasi unsupervised pada citra Jawa Barat dengan deliniasi daerah Kabupaten Subang

gKlasifikasi unsupervised dilakukan untuk mengetahui bagaimana membagi citra yang diinginkan kedalam beberapa kelas atau pengelompokkan. Cara-cara yang harus dilakukan yaitu :

• Buka software Arc GIS yang akan digunakan untuk melakukan klasifikasi unsupervised
• Add data citra yang akan diklasifikasi
• Lakukan Composite Band pada citranya saja,biar terlalu berat masukan 6 Band citra lalu kombinasikan. Pada citra ini RGB dikombinasikan 4.3.3

•  Add Data SHP Administrasi atau mendigitasi wilayah yang di butuhkan

• Setelah Itu maka citra dan hasil digitasi akan di Extract By Mask dengan membuka Arc Tool Box> Spatial Analyst Tools> Extraction, lalu pilih Extract By Mask seperti gambar dibawah

• Setelah Keluar maka yang jadi Input Raster adalah Hasil dari Komposit Band tadi sedangkan yang jadi  Input raster or feature mask data  adalah data shp atau hasil digitasi yang telah dikerjakan.
•  Jangan lupa output raster harus mudah dijangkau demi kelancaran melakukan extraction
• 
• Kalau sudah maka akan muncul gambar seperti berikut  :

• Selanjutnya adalah membuat tanda dengan membuka Arc Tool Box>Spatial Analyst Tools>pilih Multivariate > Iso Cluster
• Setelah kebuka, yang jadi input raster bands adalah hasil dari extraction yang barusan dilalkukan
• Number of classes yaitu data yang akan di munculkan atau data yang di butuhkan berdasarkan band citra, untuk lebih jelaskan liat gambar sebagai berikut :

• setelah itu klasifikasikan dengan menggunakan spatial analyst >multivariate > maximum likelihood classification
•  
  
• lalu yang jadi input signature file adalah hasil output dari iso cluster yang ada save barusan

• kalau sudah maka muncul seperti  berikut :

• untuk mempermudah membaca informasinya maka pada attributes table dapat diberi keterangan dari klasifikasi yang telah dilakukan sesuai keterangan pada citra dan dilapangan

• maka dari hasil tersebut kita dapat mengetahui kondisi eksisting pada band citra. Seperti permukiman ruang terbuka hijau (RTH) dan Pertanian 
• Terimakasih, mohon maaf apabila ada kekurangan