Distribusi nilai data pada saluran tunggal dapat direpresentasikan dengan grafik dalam bentuk histogram dan secara matematika dalam bentuk varians, yang meringkas seluruh perbedaan seluruh nilai piksel dengan nilai mean saluran tunggal, dimana data rentang nilai data pada suatu saluran mengindikasikan variabilitas saluran dan tidak mengindikasika cara nilai didistribusikan antara nilai maksimum dan minimum. Korelasi antara dua atau lebih saluran citra dapat ditampilkan secara grafik dalam bentuk scatter plot atau scattergram dan secara matimatika dapat ditunjukkan oleh kovarians. Scattergram merupakan grafik dua dimensi dengan sumbu horisontal adalah satu saluran citra dan sumbu vertikal satu saluran citra yang lain. Titik – titik yang ada pada grafik merupakan nilai piksel. Nilai covarians mengindikasikan juga nilai korelasi, dimana nilai negatif yang tinggi mengindikasikan hubungan yang kuat tapi negatif, sedangkan nilai positif menunjukkan hubungan yang tegak lurus atau positif dan nilai covarians yang mendekati nol mengindikasikan korelasi yang lemah atau tidak ada korelasi.
Gambar : scattergram dua saluran citra
Sumber : Tutorial Ilwis06
Scattergram di atas menunjukkan bahwa gambar pertama covariansnya positif yang kuat, dan gambar kedua covariansnya nol. Scatttergram atau covarians tersebut jika kita cermati juga menunjukkan atau mengindikasikan derajat scatter atau bentuk dari cluster spektral dan arah pesebaran utama.
Saluran tunggal dari citra multispektral sering berkorelasi yang menunjukkan adanya pengulangan data dan informasi. Untuk mengevaluasi derajat korelasi antar saluran kita dapat menggunakan matrik korelasi. Matrik korelasi merupakan normalisasi dari matrix covarians yang memiliki rentang dari -1 sampai 1. Kita dapat menggunakan matrik korelasi untuk mengatahui saluran – saluran yang memiliki hubungan lemah, dimana digunakan untuk membuat komposit citra, semakin tidak berkorelasi maka semakin tinggi variasi informasi yang didapatkan. Kita juga tahu bahwa matrik korelasi dan matrik covarians digunakan untuk membuat PCA. Sehingga penting untuk mengetahui tentang statistik citra korelasi dan covanrians. Kita akan membuat matrik korelasi dan matrik covarians menggunakan Ilwis. Sekarang kita akan membuat matrix korelasi pada Operation-Tree pilih Statistic ‣ MapList ‣ Correlation Matrix (Data tutorial menggunakan data dari Multispect: Tutorial05)
maka akan muncul kotak dialog Correlation Matrix, masukkan data citra yang sudah tergabung menjadi satu dalam map list, jika memiliki file map list maka tekan tombol di samping drop down, lihat tutorial sebelumnya.
Jika sudah kita tekan tombol OK.
Hasil di atas menunjukkan nilai korelasi antar citra, pada nilai yang terletak secara diagonal bernilai 1 karena korelasi antara saluran yang sama, sehingga sempurna, sedangkan saluran yang lain menunjukkan nilai yang bervariasi.
Sekrang pada Operation-Tree pilih Statistic ‣ MapList ‣ Variance-Covariance Matrix
maka akan muncul kotak dialog Variance-Covariance Matrix, masukkan data citra yang sudah tergabung menjadi satu dalam map list, jika memiliki file map list maka tekan tombol di samping drop down, lihat tutorial sebelumnya.
Klik OK,
Maka akan muncul nilai matrik covarians, yang menunjukkan nilai varians pada nilai yang terletak di garis diagonal, dan selainya merupakan nilai covarians antar saluran.
Sumber : Ilwis Tutorial chapter06 (52north.org/communities/ilwis/ilwis-open/user-guide)
*** SEMOGA BERMANFAAT ***