DENGAN PENDEKATAN BEN6URAIAN SEBARAN CAMPURAN NORMAL GANIJA PADA DATA MSS LANDSAT

Transkripsi

1 DENGAN PENDEKATAN BEN6URAIAN SEBARAN CAMPURAN NORMAL GANIJA PADA DATA MSS LANDSAT % Oleh FAKULTAS PASCASARJANA INGTLTUT PERTANIIAN BOGOR 1991

2 R I N G K C I S A N ANIK DJURAIDAH. Simulasi Analisis Gerombol dengan Pendekatan Penguraian Sebaran Campuran Normal Ganda pada Data MSS Landsat. (Di bawah bimbingan SISWADI sebagai Ketua, dan H. A. A. NATTJIK, ABDURRAUF RAMBE, dan UUP S. WIRADISASTRA sebagai Anggota). Klasifikasi tak terbimbing atau dalam bidang statistika dikenal dengan analisis gerombol adalah lebih bersifat eksploratif dari pada suatu rnetode penarikan kesimpulan, karena tidak ada asumsi mengenai struktur populasi yang akan diklasifikasikan. Suatu pendekatan lain untuk klasi- fikasi ini adalah mengasumsikan populasi sebagai sebuah model campuran dari k subpopulasi dengan proporsi tertentu. Penguraian populasi campuran ke subpopulasi-subpopulasi di sini mirip dengan analisis gerombol, tetapi kriteria yang digunakan untuk mengelompokkan pengamatan adalah peluang akhir (posterior probability). Pada penelitian ini diasumsikan populasi mempunyai sebaran campuran normal ganda. Penelitian ini bertujuan untuk mengelompokkan data dengan rnenggunakan metode penguraian model campuran sebaran normal ganda. Untuk mengukur ketepatan metode ini digunakan metode sirnulasi. Data yang dianalisis dibangkitkan dari sebaran normal ganda. Nilai dan Z pada penelitian ini ditentukan dari citra MSS Landsat liputan 6 Juli 1986 kecamatan Ciasem dan sekitarnya. Pada citra tersebut dipilih kelas-kelas penutup lahan yang terpisah secara spektral berdasarkan diagram pencar MSS5 dan MSS7 yaitu laut dalam, laut dangkal, sawah

3 kosong, tambak tertutup, permukiman, dan padi dewasa. Data yang telah dibangkitkan tersebut dicampur sehingga diperoleh beberapa populasi campuran yaitu : pop2a, popzb, pop3a, pop3b, pop4a, pop4b, pop5 dan pop6. Angka 2-6 yang mengikuti "pop" menunjukkan banyaknya subpopulasi dalam populasi campuran, huruf A dan B masing-masing menunjukkan proporsi masing-masing subpopulasi sama dan berbeda. Metode yang digunakan untuk menduga proporsi, parame- ter-parameter sebaran dan peluang akhir adalah metode ke- mungkinan maksimum dengan algoritme EM (Expectation Maximi- zation). Pada setiap populasi dicoba 4 nilai awal yang di- tentukan dari : plot skor dari dua komponen utama pertama, secara acak, metode gerombol K-rataan, dan metode gerombol hibrida. Hasil penelitian menunjukkan bahwa total persentase keragaman data yang dapat diterangkan oleh 2 komponen utama pertama pada pop2a sampai pop6 cukup besar yaitu berkisar antara sampai persen. Pada plot tebaran skor komponen utama setiap subpopulasi mengumpul dalam satu kelompok dan tidak ada pengamatan yang salah kelas. Hasil dari metode gerombol K-rataan dan Hibrida pada populasi selain pop6 adalah sama dan banyaknya penga- matan yang salah kelas adalah 0. Sedangkan untuk pop6, kedua metode memberikan hasil yang berbeda. Hasil metode hibrida untuk pop6 tidak dapat digunakan sebagai nilai awal karena adanya kelas matriks peragam berunsur 0. Tetapl lnl berslfat khas untuk data yang digunakan di sini.

4 Hasil penguraian dengan nilai awal dari analisis kompo- nen utama memberikan in kemungkinan yang paling besar. Asumsi homaskedastik pada populasi heteroskedastik memberi- kan nilai in kemungkinan yang lebih kecil dibandingkan hasil dari asumsi heteroskedastik. Proporsi subpopulasi pada setiap populasi yang diteliti tidak tampak pengaruhnya terhadap nilai dugaan, hanya nilai in kemungkinan berbeda. Banyaknya pengamatan yang salah kelas hasil penguraian sebaran dipengaruhi oleh nilai awal dan asumsi mengenai kehomogenan subpopulasi-subpopulasi. Hasil klasifikasi dengan metode penguraian sebaran normal ganda lebih baik dibandingkan hasil dari metode K-rataan diukur dari kesa- lahan klasifikasi. Analisis diskriminan juga menghasilkan hasil klasifikasi yang baik, tetapi pada analisis ini perlu menentukan anggota subpopulasi. Penerapan klasifikasi dengan metode penguraian sebaran campuran pada citra MSS Landsat sebaiknya menggunakan asumsi heteroskedastik. Dan analisis komponen utama diguna- kan untuk menentukan nilai awal. Sebelum melakukan anali- sis komponen utama, lebih dahulu dipilih contoh-contoh kelas yang tampak pada suatu sekatan citra secara visual.

5 SIMULASI ANALISIS GEROMBOL DENGAN PENDEKATAN PENGURAIAN SEBARAN CAMPURAN NORMAL GANDA PADA DATA MSS LANDSAT oleh ANIK DJURAIDAH Tesis sebagai salah satu syarat untuk rnernperoleh gelar Magister Sains pada Fakultas Pascasarjana, Institut Pertanian Bogor FAKULTAS PASCASARJANA INSTITUT PERTANIAN BOGOR 1991

6

7

8

9

10