Klasifikasi Citra
Klasfikasi Interpretasi citra bertujuan untuk pengelompokkan atau membuat segmentasi mengenai kenampakan-kenampakan yang homogen. Klasifikasi yang akan dijelaskan dibawah ini adalah klasifikasi visual, dimana pengenalan penutup/penggunaan lahan sampai pada tahap fungsi dari lahan tersebut (misal, sawah, lading/tegalan, kebun campur, hutan, dll) yang kemudian dilakukan pendeleniasian (pemberian batas antara penutup/penggunaan lahan yang berbeda) langsung pada monitor komputer (digitation on screen).
Untuk dapat melakukan interpretasi, penafsir memerlukan unsur-unsur pengenal pada obyek atau gejala yang terekam pada citra. Unsur-unsur pengenal ini secara private maupun secara kolektif mampu membimbing penafsir ke arah pengenalan yang benar. Unsur-unsur ini disebut unsur-unsur interpretasi, dan bayangan, tekstur, pola, situs, dan asosiasi.
Rona (tone) mengacu pada kecerahan relatif obyek pada citra. Rona biasanya dinyatakan dalam derajat keabuan meliputi 8 (delapan) hal, yaitu rona/warna, bentuk, ukuran, (grey scale), misalnya hitam/sangat gelap, agak gelap, cerah, sangat cerah/putih. Apabila citra yang digunakan itu berwarna, maka unsur interpretasi yang digunakan ialah warna (color), meskipun penyebutannya masih terkombinasi dengan rona, misalnya merah, hijau, coklat kekuningan, biru kehijauan agak gelap, dan sebagainya.
Bentuk (shape) sebagai unsur interpretasi mengacu ke bentuk secara umum, konfigurasi, atau garis besar wujud obyek secara individual. Bentuk beberapa obyek kadang-kadang begitu berbeda daripada yang lain, sehingga obyek tersebut dapat dikenali semata-mata dari unsur bentuknya saja. Ukuran (size) obyek pada foto harus dipertimbangkan dalam konteks skala yang ada. Penyebutan ukuran juga tidak selalu dapat dilakukan untuk semua jenis obyek.
Pola (pattern) terkait dengan susunan keruangan obyek. Pola biasanya terkait pula dengan adanya pengulangan bentuk umum suatu atau sekelompok obyek dalam ruang. Istilah-istilah yang digunakan untuk menyatakan pola misalnya adalah teratur, tidak teratur, kurang teratur, kadang-kadang pula perlu digunakan istilah yang lebih ekspresif, misalnya melingkar, memanjang terputus-putus, konsentris dan sebagainya.
Bayangan (shadow) sangat penting bagi penafsir karena, dapat memberikan dua macam efek yang berlawanan. Pertama bayangan mampu menegaskan bentuk obyek pada citra, karena outline obyek menjadi lebih tajam/jelas, begitu pula kesan ketinggiannnya. Kedua bayangan justru kurang memberikan pantulan obyek ke sensor, sehingga obyek yang teramati menjadi tidak jelas.
Tekstur (texture) merupakan ukuran frekuensi perubahan rona pada gambar obyek. Tekstur dapat dihasilkan oleh agregasi /pengelompokan satuan kenampakan pohon dan bayangannya, gerombolan satwa liar di bebatuan yang terserak diatas permukaaan tanah. Kesan tekstur juga bersifat relatif, tergantung pada skala dan resolusi citra yang digunakan.
Situs (site) atau letak merupakan penjelasan tentang lokasi obyek relatif terhadap obyek atau kenampakan lain yang lebih mudah untuk dikenali, dan dipandang dapat dijadikan dasar untuk identifikasi obyek yang dikaji. Obyek dengan rona cerah, berbentuk silinder, ada bayangannya, dan tersusun dalam pola yang teratur dapat dikenali sebagai kilang minyak, apabila terletak didekat perairan pantai.
Asosiasi (assosiation) merupakan unsur yang memperhatikan keterkaitan antara suatu obyek atau fenomena dengan obyek atau fenomena lain, yang digunakan sebagai dasar untuk mengenali obyek yang dikaji.
Perlu diperhatikan bahwa dalam mengenali obyek, tidak semua unsur perlu digunakan secara bersama-sama. Ada beberapa jenis fenomena atau obyek yang langsung dapat dikenali hanya berdasarkan satu jenis unsur interpretasi saja. Ada pula yang membutuhkan keseluruhan unsur tersebut. Ada kecenderungan pengenalan obyek penutup/penggunaan lahan pada citra membutuhkan lebih banyak unsur interpretasi seperti pada diskripsi.
1. Klasifikasi Terselia (Supervised Classification)
Klasifikasi terselia diawali dengan pengambilan daerah acuan (training area). Pengambilan daerah acuan dilakukan dengan mempertimbangkan pola spectral pada setiap panjang gelombang tertentu, sehingga didapatkan daerah acuan yang baik untuk mewakili suatu obyek tertentu (Projo Danoedoro, 2002).
2. Klasifikasi Tak Terselia (Unsupervised Classification)
Berbeda halnya dengan klasifikasi terselia, klasifikasi tak terselia secara otomatis diputuskan oleh computer, tanpa campur tangan operator (kalupun ada, proses interaksi ini sangat terbatas). Proses ini sendiri adalah suatu proses iterasi, sampai menghasilkan pengelompokkan akhir gugus-gugus spectral. Campur tangan operator terutama setelah gugus-gugus spectral terbentuk, yaitu dengan menamai tiap gugus spectral sebagai obyek tertentu.
