Segment as i

22
I.1.1 Sementasi I.1.1.1 Penentuan Jenis Pengolahan Tahap awal proses segmentasi pada perangkat lunak eCognition Developer 8.9 terlebih dahulu menentukan model pengolahan segmentasi dan klasifikasi. Terdapat dua jenis model pengolahan yaitu dengan Quick Map Mode dan Rule Set Mode. Untuk menjalankan fungsi analisis citra secara sederhana dapat dilakukan pada Quick Map Mode, sedangkan Rule Set Mode merupakan standar analisis citra secara terstruktur dan kompleks. Penelitian menggunakan Rule Set Mode agar proses segmentasi dan klasifikasi diproses dengan maksimal. Tampilan Awal eCognition Developer 8.9 I.1.1.2 Membuat Project Baru pada eCognition Developer 8.9 1) Pada menu File, pilih New Project, kemudian muncul jendela Create Project dan Import Image Layer. Pada jendela Import Image Layer memilih data citra Lalu OK.

description

This IS

Transcript of Segment as i

I.1.1 SementasiI.1.1.1 Penentuan Jenis Pengolahan Tahap awal proses segmentasi pada perangkat lunakeCognitionDeveloper8.9terlebihdahulumenentukanmodel pengolahansegmentasi danklasifikasi. Terdapat dua jenis model pengolahan yaitu dengan Quick Map ModedanRule Set Mode. Untuk menjalankan fungsi analisis citrasecarasederhanadapat dilakukan pada Quick Map Mode, sedangkan Rule Set Mode merupakanstandar analisis citra secara terstruktur dan kompleks. Penelitian menggunakanRule Set Modeagar proses segmentasi dan klasifikasi diproses denganmaksimal.Tampilan Awal eCognition Developer 8.9I.1.1.2 Membuat Project Baru pada eognition !e"eloper #.$1) Pada menu File, pilih New Proect, kemudian muncul jendela CreateProectdan!"port !"age#a$er. Padajendela!"port !"age#a$ermemilih data citraLalu OK. enu !ile"# PadaProect Na"ediisi dengan namaproectyang akan dibuat.Kemudian pada kotak daftar la$er, nama #a$er 1 diubah menjadi Red,#a$er % menjadi&reen,#a$er ' menjadi(lue, dan #a$er ) menjadiN!R, setelah itu klik OK. $# %etelah pembuatan project maka akan muncul peta seperti berikut &I.1.1.%&ombinasi &anal 'Band( Kombinasi kanal'LO% '()*+,"dapat dilakukanpadaeCognitiondengan menjalankan fungsi*dit !"age #a$er Mi+ingdari menu,iew.Kombinasi kanal dilakukan untuk mempermudah dalam mengidentifikasi objekyang masuk dalam region tertentu setelah dilakukan proses segmentasi.Tampilan Edit Image Layer Mixing%ebagai contoh kombinasi kanal $"- yang akan menampilkanpenampakkan sebenarnya dari muka bumi, atau kombinasi kanal .$" yang dapatmempertajamperbedaanantara/egetasi, lahanterbangun, lahankosong, danbadan air. Tampak pada gambar di bawah ini dengan kombinasi kanal .$" untuk/egetasi ditunjukkan dengan warna merah, badan air dengan warna gelap, lahanterbuka berwarna kehijauan, dan kawasan terbangun berwarna putih keabuan.0i#0ii#)ambar &ombinasi *anal 'i( +)B %21 dan 'ii( ,%2I.1.1., Segmentasi dengan Algoritma Multiresolution SegmentationPada pembahasan ini proses segmentasi menggunakan algoritma"ultire-olution -eg"entation. 'lgoritma ini dapat membagi citra ke dalamregion.region berdasarkan prinsip homogenitas.Region yang dibentuk menjadisatu kelas yang sama. Tahapan,tahapan pengelompokannya sebagai berikut&-. Klik Proce-- / Proce-- 0ree. ". aka akan mucul tab baru, kemudian Klik kanan pilih 1ppend New.$. %etelah muncul jendela *dit Proce--, pada kotak Na"e dapat ditulisnama tahapan 1%egmentasi2. Pada1lgorit2"pilihMultire-olutionSeg"entationmaka secara otomatis pada!"age 34ect Do"ainterpilih pi+el level. Pada bagian Scale Para"eter 0skala# nilai diubahmenjadi 34,-2ape 0bentuk# 4,$, dan co"pactne-- 0kekompakan# 4,3.Kemudian tekan tombol *+ecute untuk memulai proses segmentasi. 'lgoritma"ultire-olution -eg"entationini memiliki tigaparameter segmentasi yang harus ditentukan nilainya. Tiga parametertersebut diantaranyaskala, bentuk, dankekompakan. 5esaranskalasegmentasi ditentukan nilainya berdasarkan kesesuaianregionterhadapluasareayangakandisegmentasi. %edangkannilai bentukdan kekompakan ditentukan dari jumlah nilai kedua parameter tidaklebihdari4,6. )ilaiparametersegmentasi penelitianinidiantaranyaskala34, bentuk4,$, dankekompakan4,3. 7aktuyangdibutuhkanproses segmentasi berkisar antara ",.menit tergantungpada speccomputer yang di pakai... aka setelah di *+ecute 2a-il peta akan Na"pak -eperti pada 4awa2.I.1.1.5 Proses &lasi-i*asi itra dengan Metode Nearest NeighorPembuatan kelas berdasarkan objek yang tampak pada citradiantaranya /egetasi, lahan terbangun, lahan terbuka, badan air, dan objek yangtidak teridentifikasi akibat awan dan bayangan. asing,masing kelasdisimbolkandalamwarnayangberbeda,bedaagarmudahdipahami. Langkahpembuatan kelas adalah sebagai berikut. -. KlikkananpadakotakdialogCla-- 5ierarc2$pilih!n-ert Cla--,kemudian muncul jendela Cla-- De-cription. Pada kotak isian Na"eisikan nama kelas misalnya badan air, berikutnya menentukan warnakelas. Kemudian klik tombol 36. ". engulangi proses di atas untuk kelas /egetasi, dan awan, sertapemberian warna yang berbeda sesuai karakteristik objek yang akandiidentifikasi. $. Kemudianpadakotakdialog!"age34ect !n7or"ation, klikkananlalu pilih Select Feature to Di-pla$ maka akan muncul kotak dialogSelect Di-pla$ed Feature-. .. Pada kotak 1vaila4le sisi kiri, pilih ta4 34ect Feature kemudian pilihdengan cara dou4le.click pada #a$er ,alue maka ta4 #a$er ,alue akanmuncul padakotakSelecteddisisikanan. 5erikutnyatekantombol36. 3. Kemudian pengambilan sampel 0training area# dengan cara pilihCla--i7icationpada menu utama, pilihSa"ple-dan pilihSelectSa"ple- 8. Kemudianpilihkembali saturegionuntukdiberikanwarnasesuaidengan kelasnya. Pada kotak!"age 34ect !n7or"ationpilihta4Cla--i7icationdanpilihnamakelassesuai denganobjekpadacitra,kemudian klik dua kali pada region maka region akan sesuai dengankelas dan warnanya. 9. embuattraining areauntukregionlainnya sesuai dengankenampakkan pada citra. :ingga semua class sudah di masukkan.%etelah dilakukan pengambilan sampel 0training area# kemudiandilakukan proses klasifikasi atau pengelompokkan objek dengan metode Neare-tNeig24or, artinya setiap piksel dihitung jaraknya terhadap nilai rata,rata 0"ean#daritrainingarea, kemudianpengelompokkanpiksel kedalamkelastertentuditentukan apabila jaraknya paling minimum. ;. Pada menuutamaCla--i7icationpilihsubmenuNeare-t Neig24or,kemudian pilih *dit Standard NN Feature Space. 6. Pada kotak 1vaila4le di sebelah kiri klik ta4 34ect 7eature- kemudianpilih #a$er ,alue dengan cara klik dua kali maka ta4 #a$er ,alue akanmuncul pada kotak Selected di sebelah kanan. Kemudian tekan tombol36. -4. Kemudian dari menu utamaCla--i7icationpilih submenuNeare-tNeig24or, kemudian pilih 1ppl$ Standard NN 0o Cla--e- --. Kemudian muncul jendela1ppl$ Standard NN0oCla--e-. Kliktombol 'll ke kanan untuk memilih kelas, selanjutnya tekan tombol36. -". Pada kotak dialogProce-- 0reeklik kanan pilih1ppend New,kemudianmuncul jendela*dit Proce--. Padakotak1lgorit2" pilihCla--i7ication, kemudian pada kotak 1lgorit2" Para"eter- masukkankelas pada1ctive Cla--. %elanjutnya tekan tombol*+ecutemakaproses klasifikasi akan diproses dalam beberapa menit. -$.