Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number T-0200
Collection Type Tesis
Title Evaluasi metode pemilihan ciri dengan pengklasifikasi maximum likelihood gaussian pada data penginderaan jauh
Author Mulyono;
Publisher Jakarta: Pascasarjana Fak. Ilmu Komputer UI, 2001
Subject Remote sensing--Data processing.
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
T-0200 TERSEDIA
Tidak ada review pada koleksi ini: 10691
Tesis ini merupakan hasil pengembangan perangkat lunak dan kajian lima metode pemilihan ciri (feature selection) pada aplikasi penginderaan jauh. Ciri (feature) adalah suatu deskriptor atau ukuran karakteristik dari suatu pola obyek. Pada aplikasi penginderaan jauh dengan sensor optik seperti Landsat TM, yang sensornya teridir dari 7 panjang gelombang akan diperoleh 7 citra ciri (multi band). Sistem radar umumny ahanya memancarkan satu gelombang pendek (single band), sehingga hasilnya terdiri dari satu citra ciri. Interpretasi citra radar umumnya dilakukan berdasarkan ciri tekstur. Terhadap citra ciri primer (yang diperoleh dari sistem) dilakukan transformasi, menggunakan sautu model tekstur manjadi semulah citra ciri sekunder. Untuk tujuan penyimpanan dan pemrosesan data diusahakan hanya menggunakan sejumlah data yang terbatas dan menghasilkan klasifikasi yang optimal. Pemilihan ciri merupakan suatu metode yang bertujuan untuk mendapatkan subset ciri yang optimal. Menurut beberapa penelitian terdahulu, metode pemilihan ciri dengan menggunakan algoritma Sequential Formward Floating Selection (SFFS) telah dinyatakan sebagai algoritma yang cukup baik. Dilain pihak, pada aplikasi penginderaan jauh, metode PCT dan seleksi Band merupakan metode reduksi dan pemilihan ciri yang sering dipakai. Penggunaan metode tersebut adalah untuk citra optik yang sudah biasa digunakan pada aplikasi pemetaan. Adanya kendala awan pada citra optik telah menyebabkan ada upaya penggunaan citra radar. Pada interpretasi citra radar diperlukan analisis ciri tekstur yang merupakan hasil transformasi denganmodel tekstur terhadap data aslinya. Masalah yang harus diteliti apakah PCT dan Band Selection juga cocok untuk citra radar. Selanjutnya penelitian ini bermaksud untuk memperkenalkan algoritma SFFS yang dianggap cukup baik pada berbagai aplikasi, akan tetapi masih harus diuji bersama dengan metode PCT dan Band Selection. Slain ketiga metode tersebut, evaluasi juga dilakukan terhadap metode Joint Pair untuk keempat data uji secara berturut-turut adalahs ebagai berikut: pada data citra daerah Sumatera Selatan sebesar 93,11%, 89,68%,90,75% dan 91,03%, pada data citra daerah Kalimantan Timur sebesar 90,28$, 84,35%, 76,55%,86,66% dan 89,53% pada data citra daerah Jawa Tengah sebesar 93,10%, 92,42%, 91,86%, 92,41% dan 93,34% dan pada data citra daaerah Riau sebesar 91,01%, 84,88%, 76,90%, 85,79% dan 90,80%.