STUDI BANDING METODE KLASIFIKASI EXPLICIT FUZZY, FUZZY PARALLELEPIPED DAN GAUSSIAN MAXIMUM LIKELIHOOD PADA CITRA MULTISPEKTRAL DAERAH SAGULING

Patria, Lintang (2007) STUDI BANDING METODE KLASIFIKASI EXPLICIT FUZZY, FUZZY PARALLELEPIPED DAN GAUSSIAN MAXIMUM LIKELIHOOD PADA CITRA MULTISPEKTRAL DAERAH SAGULING. Project Report. Universitas Terbuka, Jakarta.

[img]
Preview
Text
81501.pdf

Download (3MB) | Preview

Abstract

Permasalahan pada penelitian ini adalah bagaimana kinerja pengklasifikasi Explicit Fuzzy (EF), Fuzzy Parallelepiped (FP) dan Gaussian Maximum Likelihood (GML) pada daerah Saguling. Tujuan utama penelitian ini adalah membandingkan kinerja pengklasifikasi EF, GML dan FP pada aplikasi citra multispektral, agar dapat melakukan rekomendasi kapan EF, FP dan GML digunakan. Pengamatan kinerja dilakukan berdasarkan average producer's accuracy (AP), average user's accuracy (AU) dan waktu komputasi untuk masing masing pengklasifikasi.Penelitian ini dilakukan pada citra daerah Saguling. Citra yang digunakan adalah dari sistem sensor optik Landsat TM. Pemilihan sampel untuk pelatihan dan pengujian diperoleh dari nara sumber yaitu dari BPPT. Dilakukan ujicoba dengan berbagai jenis penggunaan band dan berbagai jenis prosentasi daerah pelatihan untuk melihat kinerja ketiga pengklasifikasi tersebut. Dari percobaan yang dilakukan pada daerah Saguling, dapat diambil beberapa kesimpulan yaitu : 1. Penggunaan semua band multispektral tidak menjamin hasil akurasi yang lebih baik dari penggunaan 2 band hasil PCT atau hasil seleksi band. Band band tersebut tidak selalu berkorelasi tinggi. 2. Pada umumnya nilai AP dan AU pengklasifikasi GML lebih tinggi dibandingkan dengan pengklasifikasi EF dan FP. Pengklasifikasi EF lebih baik dibandingkan dengan pengklasifikasi FP. 3. Nilai rata rata ~max EF lebih rendah dibandingkan dengan FP dan GML. Dengan demikian, pada daerah Saguling, EF lebih dapat menggeneralisasi permasalahan dibandingkan dengan FP dan GML. 4. Pada daerah Saguling, penambahan sampel memperbaiki pengenalan. 5. EF dan FP memerlukan waktu komputasi yang lebih lama dibandingkan dengan GML. Pada umumnya FP memerlukan waktu yang lebih lama dibandingkan dengan EF. Jika hanya mempergunakan 2 band hasil PCT atau seleksi, EF lebih cepat dibandingkan dengan FP dan GML.

Item Type: Monograph (Project Report)
Additional Information (ID): 08/81501
Uncontrolled Keywords: KLASIFIKASI FUZZY
Subjects: 000 Generalities > 020-029 Library and Information Science (Perpustakaan dan Ilmu Informasi) > 025.46 Classification of Specific Subject (Klasifikasi Khusus)
Divisions: Thesis,Disertasi & Penelitian > Penelitian
Depositing User: Praba UT
Date Deposited: 18 Oct 2016 07:56
Last Modified: 20 Oct 2016 01:57
URI: http://repository.ut.ac.id/id/eprint/3118

Actions (login required)

View Item View Item