Citra RGB merupakan citra sederhana yang berasal dari beragam alat mulai dari satelit, drone, UAV, hingga handphone yang murah dibandingkan jenis citra lainnya baik multispektral maupun hyperspektral yang lebih dari beberapa band frekuensi dari sensor satelit. Postingan ini membahas bagaimana secara sederhana mengklasifikasi citra RGB dengan software yang banyak digunakan untuk pemrosesan data geospasial, yakni IDRISI Selva.

1. Persiapan Awal

Untuk mengklasifikasi citra satelit yang sudah memiliki proyeksi, seperti citra landsaat, ikonos, dan lain-lain, hanya menggunakan IDRISI sudah cukup. Sementara untuk citra lain seperti dari UAV, drone, atau tangkapan layar (screenshoot) dari Google Earth perlu pengolahan khusus, misalnya dengan ArcMap. Gambar berikut contoh tangkapan layar (menggunakan plugin “take webpages screenshoot” pada Chrome) yang diimpor ke ArcMap 10.1. Silahkan gunakan QGIS jika lebih menyukai sofware opensource.

File PNG yang telah dibuka di ArcMap perlu dikonversi menjadi file ASCII agar bisa dikirim ke IDRISI Selva. Perhatikan gambar di atas ada 3 band yang tampil di Table of Contents: Red, Green, dan Blue. Pilih/search “to ASCII” dan pilih toolbox Raster to ASCII.

Input raster dipilih citra PNG atau JPG yang sudah ditarik ke ArcMap dan output diisi nama file txt (ASCII), jangan lupa pilih folder/lokasi tempat file output. Pastikan ArcMap sukses mengkonversi file PNG menjadi TXT dan tampak pada Table of Contents (pada gambar di atas di bagian akhir dengan nama kara.txt).

2. Impor ASCII File di IDRISI Selva

Buka IDRISI Selva dan pilih menu Import dilanjutkan dengan Software Specific Formats – ESRI Formats – ARCRASTER.

Pilih file TXT hasil dari konversi ArcMap yang lalu. Beri nama file RST yang nanti akan dihasilkan, beserta lokasi foldernya.

Jangan lupa pilih radio button “ArcInfo raster ASCII format to Idrisi”. Perhatikan tombol “OK” belum bisa ditekan karena harus memasukan proyeksi denga menekan tombol Output reference information. Pilih proyeksi yang sesuai misalnya untuk kasus Karawang adalah UTM 48S (lihat link berikut untuk bagaimana menghitungnya). Jika berhasil akan tampak peta standar IDRISI (berformat *.rst) yang siap diklasifikasi.

3. Proses Klasifikasi

Klasifikasi idealnya menggunakan citra multispektral, dimana ada beberapa band citra (IDRISI maksimal 7 band frekuensi). Gambar berikut contoh menu Iterative Self-Organizing Clustering (ISOCLUST).

Isian paling kanan mudahnya biarkan saja secara default, hanya jumlah kelas yang harus diisi, misalnya di sini 11 kelas. Jalankan dengan menekan “OK”, proses lumayan lama, tergantung komputer Anda. Pastikan hasilnya tampak di IDRISI seperti di bawah ini.

Sepertinya masih agak kasar, sebaiknya gunakan resolusi tinggi untuk daerah kecil jika menggunakan citra RGB untuk klasifikasi, atau gunakan citra pankromatik resoulusi tinggi. Sekian, semoga bermanfaat.