Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number T-0369 (Softcopy Scan T-0003)
Collection Type Tesis
Title Evaluasi pengklasifikasi ganda pada data citra multispektral
Author Eko Adi Sarwoko;
Publisher Depok: Pascasarjana Fak. Ilmu Komputer UI, 2003
Subject Image data compression
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
T-0369 (Softcopy Scan T-0003) 03/9921 TERSEDIA
Tidak ada review pada koleksi ini: 4798
Sistem pengklasifikasi tunggal tidak selalu memiliki generalisasi yang baik pada masalah pengenalan pola. Kelemahan klasifikasi ini akan terjadi jika dihadapkan pada jumlah kelas obyek yang banyak,, dan jumlah ciri yang banyak serta adanya gangguan pada perekaman data. Untuk itu diperlukan suatu tahapan analisis lanjutan, agar masalah tersebut dapat diatasi. Pada tahap ini digunakan informasi keputusan setiap pengklasifikasi tunggal, yang saling melengkapi satu dengan yang lainnya. Sehingga diharapkan dapat meningkatkan interpretasi data hasil klasifikasi. Keputusan setiap pengklasifikasi hakikatnya dapat disajikan sebagai keputusan masuk ke kelas tertentu dengan suatu metrik tingkat kepercayaan tertentu, yang dapat diranking. Keputusan ini dapat diperbandingkan dengan berbagai pengklasifikasi yang lain atau pada data yang diperoleh pada saat kejadian yang berbeda atau pada penggunaan sensor yang berbeda. Sistem ini menghasilkan sebuah fungsi kombinasi keputusan berdasarkan keputusan beberapa pengklasifikasi. Fungsi komibinasi keputusan ini terdiri atas dua pendekatan, yaitu metode reduksi himpunan kelas dan metode ranking ulang. Pada metode reduksi himpunan klas, memiliki dua macam konsep, yaitu pendekatan interseksi himpunan kelas dan pendekatan gabungan himpunan kelas. Sedang metode ranking ulang juga mempunyai dua pendekatan, yaitu metode rank tertinggi dan borda count. Tesis ini mengkaji kinerja fungsi kombinasi keputusan berdasarkan dua pengklasifikasi tunggal, yaitu metode Minimum Distance dan Gaussian Maximum Likelilhood. Metode ini diujikan pada tiga studi kasus yaitu data citra multispektral daerah Saguling, Riau dan Jawa Tengah. Dari hasil penelitian untuk ciri multispektral ini, dapat dilihat bahwa penggunaan pendekatan kombinasi dua pengklasifikasi tidak selalu menghasilkan akurasi klasifikasi yang lebih baik dibandingkan dengan satu pengklasifikasi tunggal. Berdasarkan studi kasus ini, ternyata metode Gaussian Maximum Likelihood masih lebih baik dibandingkan dengan penggunaan klasifikasi ganda. Bibliografi: 10 (1973-2000)