PENGHILANGAN AWAN PADA CITRA SATELIT DENGAN CITRA MULTI-TEMPORAL DAN INPAINTING BERBASIS SELF-ORGANIZING MAP
|
|
- Shinta Budiono
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PENGHILANGAN AWAN PADA CITRA SATELIT DENGAN CITRA MULTI-TEMPORAL DAN INPAINTING BERBASIS SELF-ORGANIZING MAP Fidi Wincoko Putro (1), Handayani Tjandrasa (2) Jurusan Teknik Informatika, Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember, Surabaya (1), (2) ABSTRAK Citra satelit merupakan salah satu hasil dari penginderaan jarak jauh yang bisa dimanfaatkan manusia untuk menganalisa permukaan bumi dengan berbagai cara tertentu. Permasalahan yang sering muncul dalam pengolahan citra satelit adalah adanya gangguan derau (noise). Salah satu noise dari citra satelit yaitu awan yang menutupi sebagian area tertentu. Oleh karena itu diperlukan suatu pendekatan untuk menghilangkan awan tersebut. Pendekatan yang diusulkan adalah menggabungkan metode citra multitemporal dengan metode inpainting untuk menutup area yang masih terdapat awan. Salah satu metode inpainting yang telah berhasil digunakan adalah dengan pendekatan Self-Organizing Map (SOM). Penggunaan inpainting berbasis SOM adalah untuk mendapatkan citra yang akan digunakan untuk mengisi pixel kosong pada area awan yang telah hilang setelah metode multi-temporal dilakukan. Dengan gabungan metode tersebut mampu mengatasi permasalahan penghilangan awan pada citra satelit hingga 96.79% pixel bebas awan dan secara visual mencapai 100%. Kata kunci: Citra satelit, Multi-temporal, Penghilangan awan, Self-Organizing Map Inpainting. ABSTRACT Satellite imagery is one of remote sensing result that can be used by human to earth observation. The problem in satellite image processing is noise reduction. Cloud can be categorized into noise in satellite image processing because it covers much area on the image. Therefore cloud removal has been to be problem must be solved. Therefore we need a better method to solve the problem. An approach that we propose is using a combination method between multi-temporal images method and inpainting method based self-organizing map (SOM). Inpainting based SOM used to generate an image that will be used to fill some of the empty pixel in the cloud disappeared after the process of multi-temporal method has been done. Using the combination methods can solve the cloud removal problems on satellite imagery until 96,79% free pixels and reach 100% visually. Keywords: Cloud removal, Multi-temporal, Satellite imagery, Self-Organizing Map Inpainting. PENDAHULUAN Penggunaan citra satelit harus melalui beberapa proses sebelum akhirnya bisa digunakan menjadi produk yang bermanfaat atau biasa disebut praproses (preprocessing). Salah satu permasalahan dalam preprocessing citra satelit adalah menghilangkan derau (noise) yang akan mengganggu secara visual. Diantara beberapa noise yang sering muncul salah satunya adalah awan. Awan akan dianggap sebagai pengganggu karena ia akan menutupi sebagian wilayah dari citra satelit. Sehingga area yang tertutup tersebut tidak bisa dimanfaatkan atau akan menjadi data pencilan (outlier) apabila dilakukan proses segmentasi atau clustering pada citra tersebut. Oleh karena itu diperlukan cara untuk menghilangkan tutupan awan tersebut. Beberapa metode telah dilakukan oleh peneliti untuk mengatasi permasalahan awan tersebut, pada beberapa dekade terakhir metode pendekatan untuk mengatasi permasalahan tersebut dibagi menjadi tiga yaitu metode penghilangan awan dengan citra 15
2 satelit multispectral-based, multi-temporal-based, dan dengan metode inpainting-based. Pendekatan citra satelit multispectral untuk menghilangkan awan dilakukan dengan menggabungkan informasi yang diperoleh dari hasil pengolahan frekuensi gelombang dari sensorsensor yang mengambil citra tersebut, bahkan dengan memanfaatkan sensor dari satelit lainnya untuk memprediksi lahan yang berada di bawah awan tersebut. Akan tetapi dengan pendekatan multispectral tersebut masih dibatasi dengan kesesuaian spektral dan resolusi spasial. Penghilangan awan dengan menggunakan citra satelit multi-temporal bisa dilakukan salah satunya dengan metode mosaik. Apabila suatu citra satelit yang diambil pada waktu yang berbeda dalam wilayah yang sama maka permasalahan awan akan bisa diatasi dengan melengkapinya dari informasi citra satelit pada waktu yang berbeda. Hal tersebut memungkinkan untuk didapatkan suatu citra satelit dengan menggantikan area yang tertutup awan dengan area yang bersih dari awan, dengan asumsi bahwa hanya terjadi sedikit perubahan lahan pada wilayah tersebut. Dengan menggunakan citra satelit multi-temporal tersebut masih tergantung dengan banyaknya data citra yang cukup bersih dari awan. Oleh karena itu masih memungkinkan terdapat area yang masih tertutup awan karena tidak ada citra pengganti area tersebut yang bebas dari awan dari keseluruhan data multi-temporal yang dimiliki. Satu lagi pendekatan yang digunakan untuk menghilangkan awan adalah dengan metode inpainting. Metode ini sebenarnya sering digunakan untuk melakukan perbaikan citra digital sehingga secara visual citra tampak lebih bagus atau bersih dari noise. Konsep dari metode ini adalah membuat bagian citra sintesis dari informasi yang diperoleh dari citra disekitarnya. Meskipun metode ini hanya menghilangkan awan dengan cara mengisi area yang tertutup awan dengan citra sintetis, tetapi metode ini mampu dilakukan hanya dengan satu citra saja sehingga tidak tergantung dengan data citra satelit lainnya. Beberapa metode inpainting yang sudah ada diantaranya yaitu, metode inpainting patch-based, exemplarbased,expensive texture-based, dan lain-lain. Selain beberapa metode yang telah disebutkan di atas, ada juga pendekatan inpainting dengan unsupervised learning. Pendekatan yang disebutkan terakhir diperkirakan sesuai karena inpainting pada citra satelit memiliki data yang tidak beraturan serta memiliki kualitas tekstur yang tinggi. Selain itu diperlukan metode unsupervised learning yang mampu melakukan visualisasi data. Oleh karena itu pendekatan inpainting dengan Self- Organizing Map sangat sesuai dengan pengolahan data citra satelit. Dari ketiga metode yang telah disebutkan di atas, metode citra multi-temporal memiliki kelebihan pada kemampuannya untuk menghilangkan awan yang luas dan tebal, selain itu juga citra referensi sebagai pengganti citra yang tertutup awan merupakan citra asli bukan citra sintetis. Tetapi ketergantungannya terhadap data citra satelit temporal yang bersih dari awan menjadi kelemahan yang perlu diatasi agar tingkat ketergantungan terhadap data citra temporal lainnya bisa diturunkan. Oleh karena itu diperlukan suatu metode yang akan melengkapi metode citra multi-temporal tersebut. Berdasarkan permasalahan di atas, maka diusulkan suatu metode alternatif untuk meningkatkan kualitas penghilangan awan yang telah dilakukan dengan metode citra multi-temporal, yaitu penggabungan citra multi-temporal dengan metode Inpainting berbasis self-organizing Map. Karena dengan metode tersebut, citra yang masih terkontaminasi dengan awan bisa dihilangkan dan digantikan dengan citra sintetis yang diolah dari informasi citra di sekeliling awan. Meskipun citra yang menggantikan adalah citra sintetis atau buatan, tetapi area citra yang akan dihapus dan digantikan dengan citra buatan relatif kecil, tidak sebesar citra aslinya sebelum penghilangan awan menggunakan metode multi-temporal. Sehingga diharapkan gabungan metode tersebut mampu menghasilkan citra satelit yang lebih bersih dari awan. DATA CITRA SATELIT Pada penelitian ini akan menggunakan data citra satelit yang merupakan data primer, didapatkan dari pengambilan citra oleh satelit LANDSAT. Data citra satelit tersebut bisa diperoleh secara gratis dari Earth Resources Observation and Science (EROS) Center, yaitu pusat Ilmu pengetahuan dan Observasi Sumber Daya Bumi dibawah koordinasi United States Geological Survey (USGS), bisa diunduh di Sesuai dengan metode yang akan digunakan adalah citra satelit multi-temporal, maka data citra satelit 16
3 Gambar 1. Contoh citra satelit yang diambil adalah data temporal. Citra Multitemporal yaitu citra satelit pada suatu wilayah yang diambil dalam beberapa waktu berbeda. Citra satelit yang didapatkan dari Landsat adalah wilayah jawa timur antara tahun Ukuran asli citra sekitar 7000 x 8000 pixel, tetapi untuk meningkatkan kecepatan komputasi, maka akan di potong menjadi 600 x 700 pixel. Untuk lebih jelasnya silahkan lihat contoh citra satelit pada Gambar 1. METODOLOGI Dalam metodologi penelitian ini terbagi menjadi beberapa tahap yaitu pendeteksian awan, penghilangan awan dengan metode citra multitemporal dan penghilangan awan dengan metode inpainting. 1. Pendeteksian Awan Sebelum melakukan proses penghilangan awan pada citra satelit terdapat satu proses penting yang harus dilalui, yaitu proses pendeteksian atau penentuan awan. Dalam beberapa penelitian disebut juga dengan penaksiran tutupan awan (Cloud Cover Assessment). Beberapa definisi kriteria awan menurut para peneliti [1][3][4] adalah obyek secara spektral yang sangat terang (bright) atau reflektif dan memiliki temperatur rendah (dingin). Kemudian menurut peneliti lainnya [5] awan adalah pixel yang memiliki nilai NDVI (normalized difference vegetation index) rendah, tetapi di atas nilai NDVI dari perairan. Peneliti lainnya [6] ada juga yang menyatakan bahwa awan hanya pixel yang cerah tanpa memperhitungkan temperatur. Karena menurutnya temperatur terlalu sensitif terhadap fenomena fisika yang terkait dengan awan. Meskipun banyak perbedaan pendapat dari para peneliti tentang definisi dari awan pada citra satelit, tetapi metode penentuan awan yang diusulkan [4] yaitu Landsat 7 Automatic Cloud Cover Assessment (ACCA) masih sangat relevan untuk menentukan awan, karena terbukti banyak peneliti yang menjadikan metode ACCA tersebut sebagai referensi utama. Selain itu, metode ACCA juga memiliki beberapa filter dengan memanfaatkan 5 band yang menjadikannya lebih akurat dalam mendeteksi awan. Algoritma ACCA berdasarkan observasi menunjukkan bahwa awan adalah obyek yang sangat reflektif dan memiliki temperatur yang dingin. Reflektivitas yang tinggi bisa dideteksi dari band visual (band 2 dan 3), band near-infrared (band 4) dan band middle-infrared (band 5). Sedangkan temperatur bisa dideteksi dari band thermal-infrared (band 6). Secara spesifik band yang digunakan pada algoritma ACCA seperti yang ditunjukkan pada Tabel 1. Tabel 1. Daftar band yang digunakan algoritma ACCA Band 2 (hijau) 3 (merah) 4 (nearinfrared) 5 (midinfrared) 6 (thermalinfrared) Panjang gelombang (µm) Fitur yang terdeteksi Mengukur pantulan warna hijau Pemisahan vegetasi Mengukur penyerapan klorofil Membedakan spesies tanaman Menentukan level kelembaban tanah Menentukan batas perairan dan membedakan jenis vegetasi Menyediakan informasi tentang vegetasi dan kelembaban tanah Membedakan salju dan awan Pemetaan temperatur Gambar 2. Awan yang terdeteksi diberi warna berbeda 17
4 Sebelum melakukan penentuan awan dengan Algoritma ACCA, maka band 2, 3, 4 dan 5 akan dikonversi terlebih dahulu nilai reflektansi dan band 6 dikonversi ke nilai temperatur, proses ini disebut perhitungan Radiometrik. Algoritma ACCA terdiri dari dua tahap penyaringan, yaitu penyaringan tahap pertama dan penyaringan tahap kedua yang memproses temperatur. Filter dilakukan pada setiap pixel sampai pixel tersebut tereliminasi atau digolongkan sebagai awan. Gambar 4. Citra satelit dibagi dalam grid Dalam proses pembandingan citra tersebut, perlu dilakukan pembagian (window) jendela-jendela kecil atau grid sehingga pembandingan lebih mudah untuk dilakukan karena ukuran komputasi yang lebih kecil. Pembagian grid seperti tampak pada Gambar 4. Gambar 3. Area awan yang diisi dengan pixel hitam Untuk melakukan pendeteksian awan dalam penelitian ini digunakan aplikasi GRASS dimana pada aplikasi tersebut sudah teruji oleh banyak peneliti yang meneliti tentang citra satelit. Pada aplikasi tersebut sudah dilengkapi dengan fungsi TOAR (Top of Atmosphere Radiance) yaitu fungsi untuk mengubah data citra sesuai dengan nilai reflektansi dan temperatur dimana hasil nilai tersebut akan digunakan untuk mendeteksi awan. Awan yang terdeteksi pada citra satelit akan diberi dengan warna yang berbeda seperti pada Error! Reference source not found.. Kemudian area yang terdeteksi sebagai awan akan dihilangkang dengan mengisinya dengan pixel hitam (0,0,0), sehingga hasilnya seperti pada Gambar Penghilangan Awan dengan Metode Citra Multitemporal Pada tahap penghilangan awan ini citra satelit yang telah terdeteksi area awannya dan telah diisi dengan pixel hitam, maka akan dilakukan proses mozaik atau penyusunan citra baru dari beberapa citra multi-temporal. Sebelum melakukan proses tersebut, maka perlu dilakukan pemilihan citra dasar (base) dan citra temporal yang akan digunakan. Kemudian citra base akan dibandingkan dengan citra temporal. Setelah proses griding, maka proses penggabungan citra akan dilakukan dengan menggantikan potongan area pada citra dasar yang terdapat awan dengan potongan area dari citra referensi yang mengandung sedikit awan. Dalam proses pembandingan antar window, perlu diketahui juga bahwa citra yang diproses tersebut merupakan citra dalam format RGB (red, green, blue), sehingga datanya berupa matriks 3 dimensi. Oleh karena itu, pixel lubang awan yang berwarna hitam pada window diwakili dengan nilai 0 pada semua dimensi dari 3 dimensi matriks citra. Pixel lubang awan bisa dikenali hanya dengan mendeteksi nilai 0 pada salah satu dimensi saja, sehingga dua dimensi lainnya boleh diabaikan. Pada setiap window akan dihitung jumlah pixel hitamnya baru kemudian dibandingkan dengan jumlah pixel hitam pada window dari citra temporal pada posisi yang sama. Sebagai ilustrasi bisa dilihat pada Gambar Penghilangan Awan dengan Metode Inpainting Proses pada tahap ini sebenarnya adalah penggabungan karena penghilangan awan yang telah dilakukan pada metode sebelumnya, yaitu metode Citra Multitemporal akan diproses lagi dengan menambahkan metode Self Organizing Map Inpainting. Diharapkan dengan gabungan metode ini mampu meningkatkan kualitas citra satelit yang bersih dari awan. Karena area awan telah dihapus maka hanya akan menyisakan lubang awan yang kita asumsikan sebagai objek yang akan kita bersihkan. 18
5 Proses SOM Learning Citra inisialisasi (b) mapping pixel Pixel yang hilang SOM learned map (a) Gambar 5. Ilustrasi penggabungan citra (a) Citra temporal 1, (b) Citra dasar, (c) Citra temporal 2. (c) Lubang awan yang merupakan suatu pixel berwarna hitam akan dihilangkan dengan cara mengisinya dengan suatu warna, inilah yang disebut proses inpainting citra. Warna yang akan digunakan untuk mengisi pixel hitam tersebut akan dihasilkan dari metode Self Organizing Map atau lebih sering disebut sebagai Kohonen SOM atau SOM saja. Self-Organizing Maps (SOM) dikemukakan pertama kali oleh Tuevo Kohonen dari tahun Jaringan SOM terdiri dari dua lapisan (layer). Layer input terkoneksi penuh terhadap Kohonen layer. Kohonen layer merupakan inti dari jaringan SOM yang biasanya direpresentasikan dengan map satu atau dua dimensi. Perbedaan pada bagian-bagian Kohonen layer diasosiasikan dengan cluster yang berbeda. SOM merupakan unsupervised network yang mana suatu proses selforganizing dimulai dengan pemilihan bobot node secara acak pada Kohonen layer. Setiap vektor input selama perputaran training akan dihitung jarak rata-rata kuadrat antara vektor input dan vektor bobot, sedangkan winner node ditentukan dalam suatu nilai ketetanggaan dengan radius R. Kohonen menyarankan untuk menggunakan semua area jaringan sebagai area inisialisasi hal ini dilakukan untuk meminimalisasi efek dari inisialisasi bobot secara acak yang sangat tergantung oleh nilai R. Kadang sejumlah cluster dibedakan dari banyaknya node pada output map dari SOM. Dalam metode SOM sendiri terdapat dua sub proses yaitu proses training dan proses mapping. Proses training ini akan menghasilkan warna yang akan digunakan dalam pengisian pixel hitam. Sedangkan proses pengisian pixel hitam itulah yang disebut proses mapping. Sebagai ilustrasi lihat pada Gambar 6. Citra hasil Gambar 6. Ilustrasi proses inpainting dengan Self Organizing Map HASIL DAN PEMBAHASAN Pada bagian ini akan dijelaskan mengenai hasil uji coba dan pembahasan sistem penghilangan awan. Lebih lengkapnya akan menjelaskan meliputi lingkungan dan data uji coba, pelaksanaan dan hasil uji coba serta analisis hasil uji coba. 1. Lingkungan dan Data Uji Coba Adapun lingkungan perangkat lunak yang digunakan pada uji coba ini adalah sebagai berikut: 1) Sistem operasi Linux Elementary OS (Ubuntu 14.04) dan Microsoft Windows 7. 2) Aplikasi GRASS (Geographic Resources Analysis Support System). 3) Aplikasi Spyder (Python for Scientist) beserta pustaka fungsi (library) pengolahan citra dari Python. Lingkungan perangkat keras yang digunakan adalah komputer personal yang memiliki spesifikasi sebagai berikut: 1) Processor Intel Core i GHz 2) RAM 4.00 GB 3) Tipe sistem 32-bit Dataset citra satelit yang digunakan pada penelitian ini adalah data primer citra satelit Landsat. Citra satelit diunduh langsung dari Pusat Ilmu pengetahuan dan Observasi Sumber Daya Bumi (Earth Resources Observation and Science (EROS) Center) dibawah koordinasi United States Geological Survey (USGS), dengan alamat di Format file 19
6 Prosentase (%) DINAMIKA TEKNOLOGI Oktober 2015 Vol. 7; No. 1; Hal dataset yang disediakan berbentuk geotiff (.tif) yang terdiri dari 7 citra. Tabel 3. Hasil Uji Coba No. Ukuran multitemporal multitemporal + Inpainting SOM x x x50 Gambar 7. Penentuan bidang komputasi Praproses dilakukan dengan bantuan aplikasi GRASS (Geographic Resources Analysis Support System). Semua band dimasukkan ke dalam GRASS dalam bentuk layer-layer yang tersusun dengan posisi geografis yang sama. Kemudian dilakukan penentuan bidang komputasi (computational region) dengan demikian semua citra yang sudah tersusun dalam layer-layer akan terpotong dengan posisi dan ukuran yang sama seperti yang ditunjukkan pada Gambar 7 sehingga tidak diperlukan lagi tahap registrasi citra untuk menyesuaikan posisi antar citra. Hasil layer yang telah terpotong sesuai dengan bidang komputasi tersebut yang akan digunakan pada proses selanjutnya. No. Tabel 2. Prosentase jumlah pixel hitam yang dibersihkan dengan metode citra multitemporal Ukuran window (pixel) Prosentase Jumlah Pixel Hitam (%) Berhasil sesudah dihilangkan sebelum x x x x x Pelaksanaan dan Hasil Uji Coba Untuk pengujian ini akan digunakan parameter ukuran window 300 x 300 pixel, 100 x 100 pixel, 50 x 50 pixel, 30 x 30 pixel dan 10 x 10 pixel. Uji coba pertama kali dilakukan dengan metode citra multitemporal terlebih dahulu, kemudian baru dilakukan dengan metode penggabungan dengan inpainting berbasis SOM. Setelah uji coba dilakukan maka hasilnya tampak pada Tabel x x x x x x x 10 Ukuran Window (pixel) Gambar 8. Grafik perbandingan keberhasilan penghilangan pixel hitam antara metode Citra Multitemporal dan gabungan Citra Multitemporal dengan inpainting SOM Sebelum nya CM CM + SOM 3. Analisis Hasil Uji Coba Penghilangan awan dengan metode Citra Multitemporal yang telah dilakukan terlihat bahwa secara sekilas citra hasil tampak tersusun dari kotak-kotak window atau bisa disebut dengan mozaic. Pada ukuran window yang besar seperti 300 x 300 pixel tidak terlalu terlihat, tetapi pada 20
7 saat ukuran diperkecil mulai dari 100 x 100 pixel, 50 x 50 pixel, 30 x 30 pixel sampai 10 x 10 pixel mozaic tersebut akan semakin tampak. Hal tersebut tidak lepas dari kualitas citra satelit yang digunakan, dimana perbedaan pencahayaan citra satelit antara satu citra dengan citra lainnya terlalu tajam. Selain itu juga akibat dari pendeteksian awan tipis atau kabut yang tidak teratasi dengan baik. Ukuran window yang besar (300 x 300 pixel) belum begitu terlihat berhasil membersihkan awan, karena masih tampak jelas lubang-lubang awan yang berwarna hitam. Ketika ukuran window diperkecil maka mulai terlihat lubang awan yang tersisa semakin sedikit. Sampai pada ukuran window yang paling kecil (10 x 10 pixel) hanya tersisa sedikit warna hitam di area bawah citra. Uji coba penghilangan pixel hitam yang telah dilakukan dengan citra multitemporal kemudian ditambahkan dengan metode inpainting yang dalam hal ini menggunakan SOM. Seperti yang telah dijelaskan sebelumnya, bahwa lubang awan yang berwarna hitam akan diisi dengan warna tertentu. Hal tersebut membuat semua pixel hitam akan hilang dan berganti dengan warna yang telah ditentukan dari proses inpainting. Terlihat pada citra hasil dimana ada beberapa area pixel hitam berubah menjadi warna yang baru yang menyerupai warna pada area di sekitarnya. Pada citra dengan ukuran window besar (300 x 300 pixel) yang sebelumnya masih terdapat banyak lubang awan yang cukup besar, sekarang sudah berhasil tertutupi. Meskipun masih terlihat secara kasat mata ada area yang terblok. Ketika ukuran window diperkecil hingga 10 x 10 pixel, maka akan semakin bersih dari lubang awan. Oleh karena tidak ada pixel hitam yang tersisa, maka perhitungan prosentase pixel hitam sesudah dilakukan uji coba dengan metode ini menghasilkan 100 % pixel yang bebas dari pixel hitam seperti pada Gambar 8. KESIMPULAN Setelah dilakukan uji coba dan analisis hasil uji coba, maka secara keseluruhan penelitian ini bisa disimpulkan sebagai berikut: 1) Kualitas data citra satelit dan kualitas pendeteksian awan akan mempengaruhi kualitas citra hasil akhir, tetapi proses penghilangan awan masih bisa dilakukan. 2) Penghilangan awan dengan metode citra multitemporal mampu menghilangkan awan tergantung dengan banyaknya citra temporal yang digunakan. Semakin kecil parameter ukuran window yang digunakan maka akan semakin baik hasil penghilangan awan yang diperoleh. Dari uji coba didapatkan prosentase pembersihan mencapai 96,79%. 3) Penghilangan awan dengan gabungan metode Citra Multitemporal dan SOM inpainting pada dasarnya tidak terpengaruh dengan ukuran window yang digunakan, tetapi secara visual akan tampak blok-blok warna yang mencolok. Oleh karena itu penggunaan ukuran window yang kecil mampu meningkatkan kebersihan citra dari pixel hitam. Penghilangan pixel hitam dari metode citra multitemporal maka secara visual mencapai 100%. DAFTAR PUSTAKA 1. El-Araby, E., Taher, M., El-Ghazawi, T., Moigne, J.L., (2005), An Efficient Implementation of Automatic Cloud Cover Assessment (ACCA) on a Reconfigurable Computer, Earth-Sun System Technology Conference. 2. Favorskaya, M., Jain, L. C., Bolgov, A. (2014), Image Inpainting Based on Self-Organizing Maps by Using Multi-agent Implementation, Procedia Computer Science, Vol. 35, hal Huang, C., Thomas, N., Goward, S.N., Masek, J.G., Zhu, Z., Townshend, J.R.G., Vogelmann, J.E., (2010), Automated Masking of Cloud and Shadow for Forest Change Analysis Using Landsat Images, International Journal of Remote Sensing, Vol. 31, No. 20, hal Irish, R. (2000), Landsat 7 Automatic Cloud Cover Assessment: Algorithms for multispectral, hyperspectral, and ultraspectral imagery, Proceedings of SPIE, Vol. 4049, Hal Sedano, F. Kempeneers, P., Strobl, P., Kucera, J. Vogt, P. Seebach, L., Ayanz, J.S.M., (2011), A Cloud Mask Methodology for High Resolution Remote Sensing Data Combining Information From High and Medium Resolution Optical Sensors, ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 66, hal Zhu, Z., Woodcock, C.E., (2012), Automated Cloud, Cloud Shadow, and Snow Detection in Multi-temporal Landsat Data: An Algorithm Designed Specified for Monitoring Land Cover Change, Remote Sensing of Environment, Vol Hal
DETEKSI AWAN DALAM CITRA SPOT-5 (CLOUD DETECTION IN SPOT-5 IMAGES)
Deteksi Awan Dalam Citra Spot-5...(Haris Suka Dyatmika) DETEKSI AWAN DALAM CITRA SPOT-5 (CLOUD DETECTION IN SPOT-5 IMAGES) Haris Suka Dyatmika Pusat Teknologi dan Data Penginderaan Jauh, Lembaga Penerbangan
Lebih terperinciCLOUD MASKING DATA SPOT-6 DENGAN MENGGUNAKAN PENDEKATAN NILAI REFLEKTANSI DAN GEOMETRI
CLOUD MASKING DATA SPOT-6 DENGAN MENGGUNAKAN PENDEKATAN NILAI REFLEKTANSI DAN GEOMETRI Danang Surya Candra *), Kustiyo *), Hedy Ismaya *) *) Pusat Teknologi dan Data Penginderaan Jauh, LAPAN e-mail: thedananx@yahoo.com
Lebih terperinciSatelit Landsat 8, Landsat Data Continuity Mission Pengolahan Citra Digital
Satelit Landsat 8, Landsat Data Continuity Mission A. Satelit Landsat 8 Satelit Landsat 8, Landsat Data Continuity Mission Landsat 8 merupakan kelanjutan dari misi Landsat yang untuk pertama kali menjadi
Lebih terperinciKOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN
KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN Rahayu *), Danang Surya Candra **) *) Universitas Jendral Soedirman
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Citra Digital Citra digital adalah citra yang bersifat diskrit yang dapat diolah oleh computer. Citra ini dapat dihasilkan melalui kamera digital dan scanner ataupun citra yang
Lebih terperinciKARAKTERISTIK CITRA SATELIT Uftori Wasit 1
KARAKTERISTIK CITRA SATELIT Uftori Wasit 1 1. Pendahuluan Penginderaan jarak jauh merupakan salah satu teknologi penunjang pengelolaan sumber daya alam yang paling banyak digunakan saat ini. Teknologi
Lebih terperinciLAPORAN PRAKTIKUM PENGINDERAAN JAUH KOMPOSIT BAND CITRA LANDSAT DENGAN ENVI. Oleh: Nama : Deasy Rosyida Rahmayunita NRP :
LAPORAN PRAKTIKUM PENGINDERAAN JAUH KOMPOSIT BAND CITRA LANDSAT DENGAN ENVI Oleh: Nama : Deasy Rosyida Rahmayunita NRP : 3513100016 Dosen Pembimbing: Nama : Prof.Dr.Ir. Bangun Muljo Sukojo, DEA, DESS NIP
Lebih terperinci09 - Penginderaan Jauh dan Pengolahan Citra Dijital. by: Ahmad Syauqi Ahsan
09 - Penginderaan Jauh dan Pengolahan Citra Dijital by: Ahmad Syauqi Ahsan Remote Sensing (Penginderaan Jauh) is the measurement or acquisition of information of some property of an object or phenomena
Lebih terperinciLampiran 1. Peta klasifikasi penutup lahan Kodya Bogor tahun 1997
LAMPIRAN Lampiran 1. Peta klasifikasi penutup lahan Kodya Bogor tahun 1997 17 Lampiran 2. Peta klasifikasi penutup lahan Kodya Bogor tahun 2006 18 Lampiran 3. Peta sebaran suhu permukaan Kodya Bogor tahun
Lebih terperinciPENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA
PENERAPAN METODE SOBEL DAN GAUSSIAN DALAM MENDETEKSI TEPI DAN MEMPERBAIKI KUALITAS CITRA HASNAH(12110738) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No. 338
Lebih terperinciBAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh)
BAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh) Remote Sensing didefinisikan sebagai ilmu untuk mendapatkan informasi mengenai obyek-obyek pada permukaan bumi dengan analisis data yang
Lebih terperinciAlgoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.9, No.2, Agustus 2015 ISSN: 0852-730X Algoritma Kohonen dalam Mengubah Citra Graylevel Menjadi Citra Biner Nur Nafi'iyah Prodi Teknik Informatika
Lebih terperinciKOMPRESI CITRA BERWARNA DENGAN ALGORITMA ENHANCED SELF ORGANIZING MAP (ENHANCED SOM)
KOMPRESI CITRA BERWARNA DENGAN ALGORITMA ENHANCED SELF ORGANIZING MAP (ENHANCED SOM) Bambang Trianggono *, Agus Zainal Arifin * Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciAbstrak. 1. Pendahuluan. 2. Model, Analisis, Desain dan Implementasi
Klasifikasi Area Pada Citra Satelit Dan Penerapannya Pada Pedeteksian Banjir Di Situs Bengawan Solo Arif Rachman H 1), Ir. Dadet Pramadihanto, M.Eng, Ph.D 2), Nana Ramadijanti, S.Kom, M.Kom 3) Jurusan
Lebih terperinciLatar Belakang. Penggunaan penginderaan jauh dapat mencakup suatu areal yang luas dalam waktu bersamaan.
SIDANG TUGAS AKHIR PEMANFAATAN CITRA RESOLUSI TINGGI UNTUK MENGIDENTIFIKASI PERUBAHAN OBYEK BANGUNAN (STUDI KASUS UPDATING RENCANA DETAIL TATA RUANG KOTA UNIT PENGEMBANGAN RUNGKUT SURABAYA) Oleh Dewi Nur
Lebih terperinciRANCANG BANGUN APLIKASI FUSI CITRA (IMAGE FUSION) DARI DATA PENGINDERAAN JAUH MENGGUNAKAN METODE PANSHARPENING TUGAS AKHIR
RANCANG BANGUN APLIKASI FUSI CITRA (IMAGE FUSION) DARI DATA PENGINDERAAN JAUH MENGGUNAKAN METODE PANSHARPENING TUGAS AKHIR Diajukan guna memenuhi sebagian persyaratan dalam rangka menyelesaikan studi Program
Lebih terperinciIII. METODOLOGI. Gambar 1. Peta Administrasi Kota Palembang.
III. METODOLOGI 3.1 Waktu dan Tempat Penelitian dilaksanakan pada bulan Juli-Oktober 2010. Lokasi penelitian di Kota Palembang dan Laboratorium Analisis Spasial Lingkungan, Departemen Konservasi Sumberdaya
Lebih terperinciq Tujuan dari kegiatan ini diperolehnya peta penggunaan lahan yang up-to date Alat dan Bahan :
MAKSUD DAN TUJUAN q Maksud dari kegiatan ini adalah memperoleh informasi yang upto date dari citra satelit untuk mendapatkan peta penggunaan lahan sedetail mungkin sebagai salah satu paramater dalam analisis
Lebih terperinciPemetaan Tingkat Kekeringan Berdasarkan Parameter Indeks TVDI Data Citra Satelit Landsat-8 (Studi Kasus: Provinsi Jawa Timur)
Pemetaan Tingkat Kekeringan Berdasarkan Parameter Indeks TVDI Data Citra Satelit Landsat-8 (Studi Kasus: Provinsi Jawa Timur) Diah Witarsih dan Bangun Muljo Sukojo Jurusan Teknik Geomatika, Fakultas Teknik
Lebih terperinciKOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN
KOREKSI RADIOMETRIK CITRA LANDSAT-8 KANAL MULTISPEKTRAL MENGGUNAKAN TOP OF ATMOSPHERE (TOA) UNTUK MENDUKUNG KLASIFIKASI PENUTUP LAHAN Rahayu *), Danang Surya Candra **) *) Universitas Jendral Soedirman
Lebih terperinciKATA PENGANTAR Aplikasi Penginderaan Jauh dalam Mendeteksi Kebakaran Hutan Menggunakan Citra Satelit Landsat
KATA PENGANTAR Puji syukur penulis panjatkan kehadirat Ida Sang Hyang Widhi Wasa/Tuhan Yang Maha Esa, karena atas berkat dan rahmat-nya, penulis dapat menyelesaikan tugas akhir dengan judul Aplikasi Penginderaan
Lebih terperinciTraining. Level Transformasi Wavelet. Banyak Fitur. Ukuran Dimensi. 0 40x x30 600
Citra asli Citra ya Inisialisasi: Topologi jaringan, Bobot awal, Lebar tetangga, Nilai laju awal pembelajaran Kriteria pemberhentian Training Error> -6 Epoch< 4 Alpha> HASIL DAN PEMBAHASAN Pada penelitian
Lebih terperinciBAB II PEMBAHASAN 1. Pengertian Geogrhafic Information System (GIS) 2. Sejarah GIS
BAB II PEMBAHASAN 1. Pengertian Geogrhafic Information System (GIS) Sistem Informasi Geografis atau disingkat SIG dalam bahasa Inggris Geographic Information System (disingkat GIS) merupakan sistem informasi
Lebih terperinciMETODOLOGI. Gambar 4. Peta Lokasi Penelitian
22 METODOLOGI Tempat dan Waktu Penelitian Penelitian dilakukan di Kota Sukabumi, Jawa Barat pada 7 wilayah kecamatan dengan waktu penelitian pada bulan Juni sampai November 2009. Pada lokasi penelitian
Lebih terperinciBAB III METODE PENELITIAN. tangan dengan menggunakan metode Support Vector Machine (SVM).
BAB III METODE PENELITIAN 3.1 Desain Penelitian Di dalam desain penelitian ini akan menggambarkan proses pengenalan tulisan tangan dengan menggunakan metode Support Vector Machine (SVM). Praproses Input
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI
BAB 3 ANALISIS DAN PERANCANGAN PROGRAM APLIKASI Bab ini berisi analisis pengembangan program aplikasi pengenalan karakter mandarin, meliputi analisis kebutuhan sistem, gambaran umum program aplikasi yang
Lebih terperinciBAB II TEORI DASAR. Beberapa definisi tentang tutupan lahan antara lain:
BAB II TEORI DASAR 2.1 Tutupan Lahan Tutupan Lahan atau juga yang biasa disebut dengan Land Cover memiliki berbagai pengertian, bahkan banyak yang memiliki anggapan bahwa tutupan lahan ini sama dengan
Lebih terperinciPetunjuk teknis penggunaan software pengolahan citra Landsat-8
Petunjuk teknis penggunaan software pengolahan citra Landsat-8 Pusat Teknologi dan Data Penginderaan Jauh Lembaga dan Penerbangan Nasional (LAPAN) Desember 2014 1 Petunjuk Penggunaan Software Pengolahan
Lebih terperincidengan metode penelitian yang dapat dilihat pada Gambar 9. Data Citra Tumbuhan
dengan metode penelitian yang dapat dilihat pada Gambar 9. Data Citra Tumbuhan Gambar 8 Struktur PNN. 1. Lapisan pola (pattern layer) Lapisan pola menggunakan 1 node untuk setiap data pelatihan yang digunakan.
Lebih terperinciPengertian Sistem Informasi Geografis
Pengertian Sistem Informasi Geografis Sistem Informasi Geografis (Geographic Information System/GIS) yang selanjutnya akan disebut SIG merupakan sistem informasi berbasis komputer yang digunakan untuk
Lebih terperinciTujuan Penelitian Tujuan penelitian ini adalah untuk melakukan deteksi penyakit pada daun rose dengan menggunakan metode ANN.
Laporan Akhir Projek PPCD Deteksi Penyakit Daun Menggunakan Artificial Neural Network (ANN) TRI SONY(G64130020), GISHELLA ERDYANING (G64130040), AMALIYA SUKMA RAGIL PRISTIYANTO (G64130044), MUHAMMAD RIZQI
Lebih terperinciABSTRAK. Kata Kunci: kebakaran hutan, penginderaan jauh, satelit Landsat, brightness temperature
ABSTRAK Indonesia sebagai negara kepulauan memiliki hamparan hutan yang luas tidak terlepas dengan adanya masalah-masalah lingkungan yang dihasilkan, khususnya kebakaran hutan. Salah satu teknologi yang
Lebih terperincimenunjukkan nilai keakuratan yang cukup baik karena nilai tersebut lebih kecil dari limit maksimum kesalahan rata-rata yaitu 0,5 piksel.
Lampiran 1. Praproses Citra 1. Perbaikan Citra Satelit Landsat Perbaikan ini dilakukan untuk menutupi citra satelit landsat yang rusak dengan data citra yang lainnya, pada penelitian ini dilakukan penggabungan
Lebih terperinciPENAJAMAN DAN SEGMENTASI CITRA PADA PENGOLAHAN CITRA DIGITAL. Moehammad Awaluddin, Bambang Darmo Y *)
PENAJAMAN DAN SEGMENTASI CITRA PADA PENGOLAHAN CITRA DIGITAL Moehammad Awaluddin, Bambang Darmo Y *) Abstract Image processing takes an image to produce a modified image for better viewing or some other
Lebih terperinciDETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL
DETEKSI KEBAKARAN BERBASIS WEBCAM SECARA REALTIME DENGAN PENGOLAHAN CITRA DIGITAL Ari Sutrisna Permana 1, Koredianto Usman 2, M. Ary Murti 3 Jurusan Teknik Elektro - Institut Teknologi Telkom - Bandung
Lebih terperinciEVALUASI TUTUPAN LAHAN DARI CITRA RESOLUSI TINGGI DENGAN METODE KLASIFIKASI DIGITAL BERORIENTASI OBJEK (Studi Kasus: Kota Banda Aceh, NAD)
EVALUASI TUTUPAN LAHAN DARI CITRA RESOLUSI TINGGI DENGAN METODE KLASIFIKASI DIGITAL BERORIENTASI OBJEK (Studi Kasus: Kota Banda Aceh, NAD) Dosen Pembimbing: Dr.Ing.Ir. Teguh Hariyanto, MSc Oleh: Bayu Nasa
Lebih terperinciPENGARUH FENOMENA LA-NINA TERHADAP SUHU PERMUKAAN LAUT DI PERAIRAN KABUPATEN MALANG
Pengaruh Fenomena La-Nina terhadap SPL Feny Arafah PENGARUH FENOMENA LA-NINA TERHADAP SUHU PERMUKAAN LAUT DI PERAIRAN KABUPATEN MALANG 1) Feny Arafah 1) Dosen Prodi. Teknik Geodesi Fakultas Teknik Sipil
Lebih terperinciGambar 11. Citra ALOS AVNIR-2 dengan Citra Komposit RGB 321
V. HASIL DAN PEMBAHASAN 5.1. Analisis Spektral Citra yang digunakan pada penelitian ini adalah Citra ALOS AVNIR-2 yang diakuisisi pada tanggal 30 Juni 2009 seperti yang tampak pada Gambar 11. Untuk dapat
Lebih terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Implementasi Program Aplikasi Pada bagian ini, Penulis akan menjelaskan kebutuhan spesifikasi perangkat keras dan perangkat lunak, serta menjelaskan bagaimana cara program
Lebih terperinciPEMANFAATAN CITRA LANDSAT 8 UNTUK IDENTIFIKASI NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) DI KECAMATAN SILAT HILIR KABUPATEN KAPUAS HULU
PEMANFAATAN CITRA LANDSAT 8 UNTUK IDENTIFIKASI NORMALIZED DIFFERENCE VEGETATION INDEX (NDVI) DI KECAMATAN SILAT HILIR KABUPATEN KAPUAS HULU Ajun Purwanto Program Sudi Pendidikan Geografi Fakultas Ilmu
Lebih terperinciHASIL DAN PEMBAHASAN. Gambar 4 Subset citra QuickBird (uint16).
5 Lingkungan Pengembangan Perangkat lunak yang digunakan pada penelitian ini adalah compiler Matlab versi 7.0.1. dengan sistem operasi Microsoft Window XP. Langkah persiapan citra menggunakan perangkat
Lebih terperinciTEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR
TEKNIK PENGOLAHAN CITRA MENGGUNAKAN METODE KECERAHAN CITRA KONTRAS DAN PENAJAMAN CITRA DALAM MENGHASILKAN KUALITAS GAMBAR Zulkifli Dosen Tetap Fakultas Ilmu Komputer Universitas Almuslim Email : Zulladasicupak@gmail.com
Lebih terperinciBAB 3 PROSEDUR DAN METODOLOGI. menawarkan pencarian citra dengan menggunakan fitur low level yang terdapat
BAB 3 PROSEDUR DAN METODOLOGI 3.1 Permasalahan CBIR ( Content Based Image Retrieval) akhir-akhir ini merupakan salah satu bidang riset yang sedang berkembang pesat (Carneiro, 2005, p1). CBIR ini menawarkan
Lebih terperinciSistem Pengolahan Data NOAA dan METOP
I. Pengantar Kapustekdata PROTOTYPE Sistem Pengolahan Data NOAA dan METOP Kegiatan ini merupakan penjabaran dari tujuan dan sasaran strategis dalam rangka melaksanakan tugas dan fungsi Pusat Teknologi
Lebih terperinciSCENE COMPLETION MENGGUNAKAN TEMPLATE MATCHING DAN POISSON BLENDING
SCENE COMPLETION MENGGUNAKAN TEMPLATE MATCHING DAN POISSON BLENDING Erick Alfons Lisangan Program Studi Teknik Informatika, Fakultas Teknologi Informasi, Universitas Atma Jaya Makassar Alamat email : erick_lisangan@lecturer.uajm.ac.id
Lebih terperinciIV. METODOLOGI 4.1. Waktu dan Lokasi
31 IV. METODOLOGI 4.1. Waktu dan Lokasi Waktu yang dibutuhkan untuk melaksanakan penelitian ini adalah dimulai dari bulan April 2009 sampai dengan November 2009 yang secara umum terbagi terbagi menjadi
Lebih terperinci3. BAHAN DAN METODE. Penelitian dilakukan di wilayah yang tercemar tumpahan minyak dari
3. BAHAN DAN METODE 3.1 Lokasi dan Waktu Penelitian Penelitian dilakukan di wilayah yang tercemar tumpahan minyak dari anjungan minyak Montara Australia. Perairan tersebut merupakan perairan Australia
Lebih terperinciSAMPLING DAN KUANTISASI
SAMPLING DAN KUANTISASI Budi Setiyono 1 3/14/2013 Citra Suatu citra adalah fungsi intensitas 2 dimensi f(x, y), dimana x dan y adalahkoordinat spasial dan f pada titik (x, y) merupakan tingkat kecerahan
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Penelitian ini menggunakan jenis penelitian eksperimen, dengan tahapan penelitian sebagai berikut: 3.1 Pengumpulan Data Tahap ini merupakan langkah awal dari penelitian. Dataset
Lebih terperinciBAB 2 LANDASAN TEORI. metode yang digunakan sebagai pengawasan kendaraan yang menggunakan pengenalan
BAB 2 LANDASAN TEORI 2.1 Automatic Number Plate Recognition Automatic Number Plate Recognition atau yang disingkat dengan ANPR adalah metode yang digunakan sebagai pengawasan kendaraan yang menggunakan
Lebih terperinciStudi Akurasi Citra Landsat 8 dan Citra MODIS untuk Pemetaan Area Terbakar (Studi Kasus: Provinsi Riau)
A758 Studi Akurasi Citra Landsat 8 dan Citra MODIS untuk Pemetaan Area Terbakar (Studi Kasus: Provinsi Riau) Agita Setya Herwanda, Bangun Muljo Sukojo Jurusan Teknik Geomatika, Fakultas Teknik Sipil dan
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sel Darah Merah Sel yang paling banyak di dalam selaput darah adalah sel darah merah atau juga dikenal dengan eritrosit. Sel darah merah berbentuk cakram bikonkaf dengan diameter
Lebih terperinciBAB III METODOLOGI PENELITIAN. pengembangan sistem pemugaran citra digital dengan algoritma exemplar-based
BAB III METODOLOGI PENELITIAN Pada bab ini diuraikan metode penelitian yang digunakan penulisan dalam pengembangan sistem pemugaran citra digital dengan algoritma exemplar-based image inpainting dan metode
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Era teknologi informasi saat ini tidak dapat dipisahkan dari multimedia. Data atau informasi yang terdapat pada multimedia tidak hanya disajikan dalam bentuk teks,
Lebih terperinciProses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer
Pengolahan Citra / Image Processing : Proses memperbaiki kualitas citra agar mudah diinterpretasi oleh manusia atau komputer Teknik pengolahan citra dengan mentrasformasikan citra menjadi citra lain, contoh
Lebih terperinciMetode Klasifikasi Digital untuk Citra Satelit Beresolusi Tinggi WorldView-2 pada Unit Pengembangan Kertajaya dan Dharmahusada Surabaya
JURNAL TEKNIK POMITS Vol. X, No. X, (2013) ISSN: 2337-3539 (2301-9271 Print) 1 Metode Klasifikasi Digital untuk Citra Satelit Beresolusi Tinggi WorldView-2 pada Unit Pengembangan Kertajaya dan Dharmahusada
Lebih terperinciPEMROSESAN CITRA SATELIT DAN PEMODELAN UNTUK MEMPREDIKSI PENYEBARAN BANJIR BENGAWAN SOLO MENGGUNAKAN METODE NAVIER STOKES
PEMROSESAN CITRA SATELIT DAN PEMODELAN UNTUK MEMPREDIKSI PENYEBARAN BANJIR BENGAWAN SOLO MENGGUNAKAN METODE NAVIER STOKES Ratih Febrianty 1), Ir. Dadet Pramadihanto, M.Eng, Ph.D 2, Ir. Wahjoe Tjatur Sesulihatien,
Lebih terperinciLOGO PEMBAHASAN. 1. Pemetaan Geomorfologi, NDVI dan Temperatur Permukaan Tanah. 2. Proses Deliniasi Prospek Panas Bumi Tiris dan Sekitarnya
PEMBAHASAN 1. Pemetaan Geomorfologi, NDVI dan Temperatur Permukaan Tanah 2. Proses Deliniasi Prospek Panas Bumi Tiris dan Sekitarnya Pemetaan Geomorfologi,NDVI dan Temperatur Permukaan Tanah Pemetaan Geomorfologi
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciAPLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK
APLIKASI IDENTIFIKASI ISYARAT TANGAN SEBAGAI PENGOPERASIAN E-KIOSK Wiratmoko Yuwono Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya-ITS Jl. Raya ITS, Kampus ITS, Sukolilo Surabaya 60111
Lebih terperinciBAB 1 PENDAHULUAN. Perbaikan kualitas citra merupakan sebuah langkah awal dalam proses
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perbaikan kualitas citra merupakan sebuah langkah awal dalam proses pengolahan citra digital. Hal ini dilakukan karena citra yang akan diolah kemungkinan memiliki
Lebih terperinciIII. METODE PENELITIAN
14 III. METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian ini dilakukan sejak bulan April 2009 sampai November 2009 di Laboratorium Penginderaan Jauh dan Interpretasi Citra, Departemen Ilmu
Lebih terperinciPeningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Gray World
Peningkatan Kualitas Citra Digital Berbasis Color Constancy Menggunakan Heri Priya Waspada, *, Supeno Mardi Susiki Nugroho, Eko Mulyanto Yuniarno S Teknik Elektro, Fakultas Teknologi Industri, ITS Surabaya
Lebih terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciRaden Abi Hanindito¹, -². ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
Powered by TCPDF (www.tcpdf.org) ANALISIS & IMPLEMENTASI IMAGE DENOISING DENGAN MENGGUNAKAN METODE NORMALSHRINK SEBAGAI WAVELET THRESHOLDING ANALYSIS & IMPLEMENTATION IMAGE DENOISING USING NORMALSHRINK
Lebih terperinciGenerated by Foxit PDF Creator Foxit Software For evaluation only. 23 LAMPIRAN
23 LAMPIRAN 24 Lampiran 1 Diagram Alir Penelitian Data Citra LANDSAT-TM/ETM Koreksi Geometrik Croping Wilayah Kajian Kanal 2,4,5 Kanal 1,2,3 Kanal 3,4 Spectral Radiance (L λ ) Albedo NDVI Class Radiasi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Citra Digital
4 BAB 2 TINJAUAN PUSTAKA 2.1 Dasar Teori Bab ini berisi tentang teori yang mendasari penelitian ini. Terdapat beberapa dasar teori yang digunakan dan akan diuraikan sebagai berikut. 2.1.1 Citra Digital
Lebih terperinciTINJAUAN PUSTAKA. Secara geografis DAS Besitang terletak antara 03 o o LU. (perhitungan luas menggunakan perangkat GIS).
TINJAUAN PUSTAKA Daerah Aliran Sungai (DAS) Besitang Sekilas Tentang DAS Besitang Secara geografis DAS Besitang terletak antara 03 o 45 04 o 22 44 LU dan 97 o 51 99 o 17 56 BT. Kawasan DAS Besitang melintasi
Lebih terperinciLingkungan Implementasi Clustering Menggunakan SOM HASIL DAN PEMBAHASAN Pengumpulan Data Perkembangan Anak Validasi Cluster Menggunakan
sehingga dapat diproses dengan SOM. Pada tahap seleksi data, dipilih data perkembangan anak berdasarkan kategori dan rentang usianya. Kategori perkembangan tersebut merupakan perkembangan kognitif, motorik
Lebih terperinciANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX
ANALISA HASIL PERBANDINGAN IDENTIFIKASI CORE POINT PADA SIDIK JARI MENGGUNAKAN METODE DIRECTION OF CURVATURE DAN POINCARE INDEX Mohammad imron (1), Yuliana Melita (2), Megister Teknologi Informasi Institusi
Lebih terperinciBAB 3 PERANCANGAN DAN PEMBUATAN SISTEM
BAB 3 PERANCANGAN DAN PEMBUATAN SISTEM Dalam bab ini akan dibahas mengenai perancangan dan pembuatan sistem aplikasi yang digunakan sebagai user interface untuk menangkap citra ikan, mengolahnya dan menampilkan
Lebih terperinciPemetaan Batas Wilayah Darat Penggunaan Lahan Dari Citra Landsat. Studi Kasus : Kabupaten Jombang
Pemetaan Batas Wilayah Darat Penggunaan Lahan Dari Citra Landsat. Studi Kasus : Kabupaten Jombang Abstrak Muhammad Tenang Ukur 1, Nana Ramadijanti, S.Kom, M.Kom 2, Arif Basofi S.Kom, MT, OCA² Mahasiswa
Lebih terperinciBAB III METODOLOGI PENELITIAN. Gambar 3.1 merupakan desain penelitian yang akan digunakan pada
BAB III METODOLOGI PENELITIAN 1.1. Desain Penelitian Gambar 3.1 merupakan desain penelitian yang akan digunakan pada proses pengenalan huruf tulisan tangan Katakana menggunakan metode Fuzzy Feature Extraction
Lebih terperinciBAB III METODA. Gambar 3.1 Intensitas total yang diterima sensor radar (dimodifikasi dari GlobeSAR, 2002)
BAB III METODA 3.1 Penginderaan Jauh Pertanian Pada penginderaan jauh pertanian, total intensitas yang diterima sensor radar (radar backscattering) merupakan energi elektromagnetik yang terpantul dari
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN Bab ini berisi pembahasan mengenai gambaran umum penelitian dalam analisis spasial clustering pada data mahasiswa Universitas Mercu Buana. Pembahasan diawali dengan penjelasan mengenai
Lebih terperinciPENGINDERAAN JAUH. --- anna s file
PENGINDERAAN JAUH copyright@2007 --- anna s file Pengertian Penginderaan Jauh Beberapa ahli berpendapat bahwa inderaja merupakan teknik yang dikembangkan untuk memperoleh data di permukaan bumi, jadi inderaja
Lebih terperinciBAB 2 TINJAUAN TEORETIS
BAB 2 TINJAUAN TEORETIS 2. Citra Digital Menurut kamus Webster, citra adalah suatu representasi, kemiripan, atau imitasi dari suatu objek atau benda. Citra digital adalah representasi dari citra dua dimensi
Lebih terperinciPerbandingan Pengaruh Koreksi Radiometrik Citra Landsat 8 Terhadap Indeks Vegetasi Pada Tanaman Padi
Perbandingan Pengaruh Koreksi Radiometrik Citra Landsat 8 Terhadap Indeks Vegetasi Pada Tanaman Padi Vivi Diannita Sari, Muhammad Taufik, Lalu Muhamad Jaelani Program Magister Teknik Geomatika FTSP ITS,
Lebih terperinciPengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector Quantization
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 3, Maret 2018, hlm. 1313-1317 http://j-ptiik.ub.ac.id Pengenalan Plat Nomor Mobil Menggunakan Metode Learning Vector
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN Dalam penelitian ini diperlukan sebuah desain dan metode penelitian agar dalam pelaksanaaannya dapat menjadi lebih teratur dan terurut. 3.1. Desain Penelitian Bentuk dari desain
Lebih terperinciKLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER
KLASIFIKASI KAYU DENGAN MENGGUNAKAN NAÏVE BAYES-CLASSIFIER ACHMAD FAHRUROZI 1 1 Universitas Gunadarma, achmad.fahrurozi12@gmail.com Abstrak Masalah yang akan diangkat dalam makalah ini adalah bagaimana
Lebih terperinciKONSEP DASAR PENGOLAHAN CITRA
KONSEP DASAR PENGOLAHAN CITRA Copyright @ 2007 by Emy 2 1 Kompetensi Mampu membangun struktur data untuk merepresentasikan citra di dalam memori computer Mampu melakukan manipulasi citra dengan menggunakan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Suhu Permukaan Suhu permukaan dapat diartikan sebagai suhu terluar suatu obyek. Untuk suatu tanah terbuka, suhu permukaan adalah suhu pada lapisan terluar permukaan tanah. Sedangkan
Lebih terperinciBAB III METODOLOGI 3.1 Waktu dan Tempat 3.2 Alat dan Data 3.3 Tahapan Pelaksanaan
15 BAB III METODOLOGI 3.1 Waktu dan Tempat Penelitian ini dilaksanakan mulai bulan Juli sampai dengan April 2011 dengan daerah penelitian di Kabupaten Bogor, Kabupaten Sukabumi, dan Kabupaten Cianjur,
Lebih terperinciBAB III PELAKSANAAN PENELITIAN
BAB III PELAKSANAAN PENELITIAN Pada bab ini akan dijelaskan mengenai alat dan bahan yang digunakan dalam penelitian ini serta tahapan-tahapan yang dilakukan dalam mengklasifikasi tata guna lahan dari hasil
Lebih terperinciAPLIKASI JARINGAN SARAF TIRUAN UNTUK INVENTARISASI LUAS SUMBER DAYA ALAM STUDI KASUS PULAU PARI
APLIKASI JARINGAN SARAF TIRUAN UNTUK INVENTARISASI LUAS SUMBER DAYA ALAM STUDI KASUS PULAU PARI Putri Khatami Rizki 1), Muchlisin Arief 2), Priadhana Edi Kresnha 3) 1), 2), 3) Teknik Informatika Fakultas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Citra Digital Istilah citra biasanya digunakan dalam bidang pengolahan citra yang berarti gambar. Suatu citra dapat didefinisikan sebagai fungsi dua dimensi, di mana dan adalah
Lebih terperinciPengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor
1 Pengembangan Sistem Identifikasi Telapak Tangan dengan Menggunakan Metode Filter Bank Gabor Ricky Kurniadi dan Nurul Hidayat urusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciIMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI
Royani Darma Nurfita, Gunawan Ariyanto, Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari IMPLEMENTASI DEEP LEARNING BERBASIS TENSORFLOW UNTUK PENGENALAN SIDIK JARI Royani Darma
Lebih terperinciABSTRAK. Kata kunci: Ruang Terbuka Hijau, Penginderaan Jauh, Citra Landsat 8, Indeks Vegetasi (NDVI, MSAVI2 dan WDRVI) vii
ABSTRAK Ruang Terbuka Hijau kota adalah bagian dari ruang-ruang terbuka (open space) suatu wilayah perkotaan yang diisi oleh tumbuhan dan berbagai jenis Vegetasi lainnya. Keanekaragaman suatu Vegetasi
Lebih terperinciAnalisa Perbandingan Metode Edge Detection Roberts Dan Prewitt
Analisa Perbandingan Metode Edge Detection Roberts Dan Prewitt Romindo Polikteknik Ganesha Medan Jl. Veteran No. 190 Pasar VI Manunggal romindo4@gmail.com Nurul Khairina Polikteknik Ganesha Medan Jl. Veteran
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Tanaman kelapa sawit (Elaeis guineensis Jacq.) merupakan tanaman perkebunan utama di Indonesia. Kelapa sawit menjadi komoditas penting dikarenakan mampu memiliki rendemen
Lebih terperinciIndeks Vegetasi Bentuk komputasi nilai-nilai indeks vegetasi matematis dapat dinyatakan sebagai berikut :
Indeks Vegetasi Bentuk komputasi nilai-nilai indeks vegetasi matematis dapat dinyatakan sebagai berikut : NDVI=(band4 band3)/(band4+band3).18 Nilai-nilai indeks vegetasi di deteksi oleh instrument pada
Lebih terperinciAnalisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital
Analisa Hasil Perbandingan Metode Low-Pass Filter Dengan Median Filter Untuk Optimalisasi Kualitas Citra Digital Nurul Fuad 1, Yuliana Melita 2 Magister Teknologi Informasi Institut Saint Terapan & Teknologi
Lebih terperinciBAB II DASAR TEORI. CV Dokumentasi CV berisi pengolahan citra, analisis struktur citra, motion dan tracking, pengenalan pola, dan kalibrasi kamera.
BAB II DASAR TEORI Pada bab ini akan dibahas teori yang berkaitan dengan skripsi ini, meliputi pustaka OpenCV, citra, yaitu citra grayscale dan citra berwarna, pengolahan citra meliputi image enhancement
Lebih terperinciBAB IV PENGOLAHAN DATA DAN HASIL
BAB IV PENGOLAHAN DATA DAN HASIL 4.1 Pengolahan Awal Citra ASTER Citra ASTER diolah menggunakan perangkat lunak ER Mapper 6.4 dan Arc GIS 9.2. Beberapa tahapan awal yang dilakukan yaitu konversi citra.
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
61 BAB III ANALISIS DAN PERANCANGAN 3.1 Analisis 3.1.1 Analisis Permasalahan Proses Segmentasi citra dapat dilakukan dengan berbagai cara, antara lain dengan metode konvensional secara statistik maupun
Lebih terperinciBAB III METODE PENELITIAN. Desain penelitian untuk pengenalan nama objek dua dimensi pada citra
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain penelitian untuk pengenalan nama objek dua dimensi pada citra adalah sebagai berikut. Gambar 3.1 Desain Penelitian 34 35 Penjelasan dari skema gambar
Lebih terperinciBAB 4 HASIL DAN ANALISA
BAB 4 HASIL DAN ANALISA 4. Analisa Hasil Pengukuran Profil Permukaan Penelitian dilakukan terhadap (sepuluh) sampel uji berdiameter mm, panjang mm dan daerah yang dibubut sepanjang 5 mm. Parameter pemesinan
Lebih terperinciIDENTIFIKASI DAN KLASIFIKASI PERUNTUKAN LAHAN MENGGUNAKAN CITRA ASTER (Landuse Identification and Classification Using ASTER Multispectral Data)
Media Teknik Sipil, Volume IX, Januari 2009 ISSN 1412-0976 IDENTIFIKASI DAN KLASIFIKASI PERUNTUKAN LAHAN MENGGUNAKAN CITRA ASTER (Landuse Identification and Classification Using ASTER Multispectral Data)
Lebih terperinci