BAB 4: Biarkan Citra yang Bicara: Klasifikasi Tak Terbimbing

#Bagian A: QGIS

#Bagian A: Klasifikasi tak terbimbing di QGIS

#Catatan jujur tentang alat

QGIS punya alat GRASS di Processing, termasuk i.cluster (pengelompokan). Pada pengujian penulisan buku ini (QGIS 4.0.2, GRASS 8.4):

• i.cluster berjalan dan menghasilkan berkas tanda spektral. Alat ini hanya menerima layer satu band per layer, jadi citra empat band harus dipisah dulu menjadi empat berkas, dan berkas tanda spektralnya harus berakhiran .txt.
• Langkah berikutnya, i.maxlik (menerapkan tanda spektral ke citra), gagal dengan pesan "Unable to open signature file". Penyebab pastinya belum diketahui. Kemungkinan pembungkus QGIS belum sesuai dengan cara GRASS 8.4 menyimpan tanda spektral. [kemungkinan]
• Satu catatan penting: processing.run pada kegagalan ini tidak melempar galat. Skrip tetap jalan seolah berhasil, padahal berkas keluaran tidak ada. Selalu periksa bahwa berkas hasil benar-benar ada.

Karena itu bab ini menulis k-means sendiri dengan NumPy. Isinya pendek, dan Anda jadi tahu persis apa yang terjadi.

#A1. Menyiapkan data dan melihat citranya

1. Tambahkan Citra_Lahan.tif dari paket-i2 dan Area_Latih.gpkg.
2. Buka Properties ► Symbology. Pilih Multiband color. Isi Red band = 4 (NIR), Green band = 1 (R), Blue band = 2 (G). Ini komposit warna semu: tumbuhan lebat tampak merah muda sampai merah.
3. Perhatikan poligon Area_Latih. Ada 24 poligon, 6 untuk tiap kelas (Hutan, Kebun, Sawah, Lahan Terbuka), masing-masing 12 m x 12 m. Anggap itu hasil kunjungan lapangan.

Saat ini Area_Latih dipakai hanya untuk memberi nama kluster. Di bab 5 ia dipakai untuk melatih.

#A2. Menjalankan k-means

1. Buka Plugins ► Python Console, klik Show Editor, dan buka i2_04_tak_terbimbing.py.
2. Ubah dua jalur di bagian atas (PAKET_I2 dan HASIL). Klik Run.
3. Skrip mengelompokkan seluruh 90.000 piksel dua kali: 6 kluster, lalu 10 kluster. Skrip mencetak tabel tiap kluster dan menyimpan tak_terbimbing_k6.tif dan tak_terbimbing_k10.tif.

Inti skrip, yaitu fungsi k-means:

def kmeans(x, k, ulang=30, seed=1):
    rng = np.random.default_rng(seed)
    pusat = x[rng.choice(len(x), k, replace=False)]
    for _ in range(ulang):
        jarak = ((x[:, None, :] - pusat[None, :, :]) ** 2).sum(axis=2)
        label = jarak.argmin(axis=1)
        baru = np.array([x[label == i].mean(axis=0) if np.any(label == i) else pusat[i] for i in range(k)])
        if np.allclose(baru, pusat, atol=1e-3):
            break
        pusat = baru
    return label, pusat

#A3. Membaca tabel dan memberi nama

Hasil uji untuk 6 kluster (kolom terakhir: jumlah piksel area latih per kelas, urutan Hutan/Kebun/Sawah/Lahan Terbuka):

Cara membacanya:

1. Lihat kolom piksel latih. Kluster 2 dan 3 hampir seluruhnya berisi piksel latih Hutan, maka diberi nama Hutan. Kluster 5, 6, dan 1 berisi Lahan Terbuka.
2. Lihat kluster 4: ia memuat 855 piksel latih Kebun dan 864 piksel latih Sawah, hampir sama banyak. Satu kluster tidak bisa jadi dua kelas. Skrip memberinya nama Sawah (suara terbanyak, selisih tipis), sehingga Kebun hilang dari peta. Nomor kluster boleh berbeda di komputer Anda, tetapi pola ini yang penting.

Hasil uji untuk 10 kluster:

Dengan kluster lebih banyak, Kebun dan Sawah mulai terpisah. Harga yang dibayar: pekerjaan memberi nama bertambah, dan Anda harus yakin tiap kluster memang satu jenis lahan.

1. Tambahkan tak_terbimbing_k6.tif ke QGIS. Buka Properties ► Symbology ► Paletted/Unique values, klik Classify, lalu beri warna dan nama (1 Hutan, 2 Kebun, 3 Sawah, 4 Lahan Terbuka).

Seberapa benar kedua peta ini, dan mana yang lebih baik? Itu dijawab di bab 6 dengan angka.

#Bagian B: ArcGIS Pro

#Bagian B: ArcGIS Pro

Alat padanannya, menurut dokumentasi Esri, adalah Iso Cluster Unsupervised Classification (Spatial Analyst, kelompok Multivariate). Alat ini menggabungkan Iso Cluster dan Maximum Likelihood Classification, dan dapat menghasilkan raster kelas beserta berkas tanda spektral. [CEK]

1. Siapkan citra empat band sebagai satu raster multiband. Alat ini memakai semua band bila masukannya multiband. [CEK]
2. Buka alat Iso Cluster Unsupervised Classification. Isi jumlah kelas (misalnya 6), ukuran kelas minimum, dan interval sampel. [CEK]
3. Jalankan, lalu beri nama kluster pada tabel atribut raster hasil. [CEK]
4. Algoritmanya ISODATA, mirip tetapi tidak sama dengan k-means: jumlah kluster akhir bisa berbeda dari angka yang Anda minta. [CEK]
5. Pro juga punya Classification Wizard dan alat pada ekstensi Image Analyst. Ketersediaan tergantung lisensi Anda. [CEK]

#Bagian C: ArcMap 10.8

#Bagian C: ArcMap 10.8

Alat Iso Cluster Unsupervised Classification ada di Spatial Analyst Tools ► Multivariate, bersama Iso Cluster, Create Signatures, dan Maximum Likelihood Classification (nama diperiksa pada dokumentasi Esri). [CEK]

1. Gabungkan band menjadi satu raster dengan Composite Bands. [CEK]
2. Jalankan Iso Cluster Unsupervised Classification. Isi jumlah kelas dan keluaran. [CEK]
3. Beri nama kelas pada tabel atribut hasil. [CEK]